燃油（柴油和汽油）是重型运载工具与装备的主要供给能源,其成份中含有水分会直接影响动机性能,甚至造成不可估量的事故损失。由于油品成分复杂,若使用专用仪器设备按照国家标准方法检测不仅耗时,而且不能在线监测,难以满足车载油品安全的检测的需求。为此,本文开展安全、高效、高精度、小型化的车载柴油含水量检测技术研究,主要研究内容如下:（1）建立含水柴油在红外波段的光谱吸收理论模型,研究了柴油样品中的C-H、H-O等化学键以及-CHx等基团在红外波段所产生的倍频和合频特征吸收峰,引入散射理论,分析由浊度产生的光损对乳化态含水柴油样品吸收光谱造成的影响。（2）给出了含水柴油的红外光谱数据建模方法,采用预处理方法与多种机器学习建模回归算法相互组合的方式,给出了35组通过光谱数据预测油品中水分含量的模型。针对车载传感器数据存储小和计算效率低的特点,引入竞争性自适应重加权算法对于光谱数据进行了特征点的选择,将512维光谱数据降至23维,表现最优的S-G卷积平滑+高斯过程回归模型超参数经贝叶斯优化后均方根误差为46.68×10-6（v/v）,平均绝对误差为37.99×10-6（v/v）,实现了去除冗余数据并提升计算效率的目标。（3）采用金属导光毛细管取代传统的比色皿,将光谱检测、样品池与光源进行集成设计,提出采用电机驱动的线性渐变可调滤波器+光电探测器方案进行光谱检测,研制了近红外油品车载传感器,可实现流动样品的在线检测。使用得到的光谱数据高斯过程回归建模分析,实验结果表明,均方根误差为18.99×10-6（v/v）,最大绝对误差为13.42×10-6（v/v）,在车载微量水分检测方面达到了良好的预测效果。