高能材料(EMs)是一类通过快速化学反应释放大量能量的功能材料,被视为国家安全和防御能力的战略基石。它们被用于从传统弹药升级到先进导弹推进和深空探索任务等各种应用,同时也是现代工业和民用技术(如采矿、建筑爆破和汽车安全气囊)的重要组成部分[[1], [2], [3], [4]]。鉴于其广泛而关键的应用范围,精确预测和控制高能材料的性能与安全性是一个核心挑战——尤其是在对更高性能、更安全的高能材料需求不断增长的情况下——需要全面、高精度的分析。这不仅包括准确识别和量化主要的高能成分,还包括详细监测配方成分,包括粘合剂、增塑剂、稳定剂、燃烧速率调节剂,甚至微量杂质和老化降解产物。因此,建立从分子设计合成到最终处置的整个生命周期中的可靠分析能力,已被视为一个国家技术实力的关键指标,也是解决紧迫实际需求的有效手段[[5], [6], [7]]。
高能材料的发展正朝着结构更复杂、组成更多样和性能更强的方向前进,这对分析技术提出了严格的要求。经典方法如X射线衍射(XRD)[8]、拉曼光谱[9]、核磁共振(NMR)[10]和联用热分析(DSC-TG-MS)[11]提供了宝贵的见解。然而,这些方法也存在固有的局限性[12]。通常需要复杂的样品制备过程,这对敏感的高能材料也存在安全风险。虽然色谱法在分离方面有效,但一般不适合原位或快速在线监测。中红外光谱存在穿透深度有限的局限性,而基于热的方法则具有破坏性。由于现代高能系统需要快速、无损和多组分检测——无论是追踪添加剂、评估混合物均匀性还是识别批次间差异——传统方法在速度、操作便利性、原位适用性和安全性方面往往不足[[13], [14], [15]]。因此,材料性能可能会被误判,潜在危险也可能被忽视,这凸显了开发更快、更精确、更无损的分析策略的迫切性,以满足当代高能材料研究和质量控制的需求。
近红外光谱(NIRS)因其独特的优势(如仪器便携性、快速响应、样品制备简单、无损性和较大的穿透深度)而在高能材料分析中越来越受到重视,这些优势使其能够分析多种样品形式(甚至包装后的样品)[[16], [17], [18]]。然而,原始NIR光谱信号较弱,吸收带重叠严重,且容易受到物理干扰的影响。因此,从这些复杂的光谱数据中提取相关信息需要结合稳健的化学计量方法[19,20]。通过应用数学、统计和计算工具,化学计量学能够有效预处理NIR光谱数据,选择特征波长,在复杂系统中进行定性模式识别,以及开发和验证用于多组分定量分析的模型。
近年来,NIRS与化学计量学的结合方法在高能材料领域展现了巨大潜力。在爆炸残留物检测[20,21]、推进剂定量[22,23]、稳定剂分析[24,25]和过程监测(包括混合均匀性评估[26,27]和成分浓度[28]等领域有大量应用报道。据我们所知,目前还缺乏一项专门针对高能材料的综合研究,该研究能够全面评估“仪器-化学计量学-应用”工作流程的协同效应。虽然之前的综述侧重于特定方面(如爆炸物检测或一般化学计量学),但本综述旨在全面解析这一整个工作流程——从硬件进步到人工智能驱动的数据管道——为当代高能材料分析提供参考。这样的综述将批判性地评估硬件和数据科学的进步如何促进了定性、定量和过程分析解决方案的发展。
为填补这一空白,本综述不仅仅是对现有研究的汇编。相反,它通过批判性评估关键研究进展和各种NIRS-化学计量学整合的实际应用来解析上述工作流程。通过选定的案例研究分析了这种结合方法的有效性和挑战。此外,还总结了关键的研究瓶颈,并强调了新兴趋势,如传感器融合、边缘计算、人工智能驱动的建模和数字孪生技术支持的过程优化。最终,本综述旨在提供一个详细且具有前瞻性的参考,以推动NIRS在高能材料领域的应用。
为了确保本综述的全面性和透明度,进行了有针对性的文献搜索以确定调查范围。搜索时间跨度约为2001年至2025年,主要使用Web of Science、Scopus和Google Scholar数据库。搜索词结合了相关关键词,包括:(近红外光谱 OR NIRS OR 化学计量学)AND(高能材料 OR 爆炸物 OR 推进剂 OR 烟火剂 OR RDX OR HMX OR TNT)。收集的文献经过筛选,以突出与高能材料智能分析相关的现代应用和代表性研究。