安定剂是火箭推进剂中的重要组分,通过吸收硝酸酯吸水或受热分解时产生的酸和氮氧化物,可以有效缓解推进剂发生自催化分解的速度,延缓老化进程,保证其贮存稳定性。安定剂含量的可靠监测对准确了解推进剂老化情况,预估使用寿命至关重要。由于目前安定剂含量检测方法主要有着操作繁琐、费时费力、精确度较低等问题。因此亟需寻求一种无损、快速、有效、精确的安定剂检测方法。太赫兹时域光谱（THz-TDS）技术因对被测物质几乎无电离损伤,且对物质分子振动异常敏感,在无损检测领域备受关注。本文以N-甲基-4-硝基苯胺（MNA）安定剂为研究对象,以THz-TDS技术为检测技术,以机器学习算法为数据分析方法,对MNA安定剂含量定量检测方法进行研究。相关研究内容及取得的成果为:（1）MNA安定剂的太赫兹光谱解析研究。通过THz-TDS系统获得25种不同含量MNA样品的时域光谱,利用光学参数提取模型获取了MNA的吸收系数谱。实验结果显示:MNA在0.2～2.0THz频段内存在2个特征吸收峰,分别位于1.296THz和1.765THz。并且峰值处吸收系数与MNA含量间线性拟合曲线的R~2达到0.99以上,表现出较高的线性相关度,为后续进行MNA含量的定量研究提供了可靠依据。（2）为了使定量模型具有更佳的预测准确性,需要对光谱数据进行预处理及特征数据选取。采用小波变换、MSC、SNV、S-G平滑、z-score标准化和Min-max归一化对太赫兹光谱数据进行预处理分析;随机采样、KS算法及SPXY算法进行样本集划分实验。研究结果表明:使用S-G平滑、Min-max归一化及KS算法进行处理后,更有利于安定剂定量模型预测。此外,分别对时域、频域光谱数据采用BP、SVR和ELM建立训练模型并仿真预测,以探究用于MNA含量定量建模的特征数据。研究结果表明:0.8～2.0THz频段的吸收系数数据更适合作为MNA含量定量建模的特征数据。（3）使用BP、GRNN、SVR、ELM和XGBoost分析方法,实现对两组MNA样本集的内部及外部定量分析,结果表明:内部验证时,ELM模型的预测效果最佳,其RMSE和R~2分别为0.00033、0.9963;外部验证时,SVR模型的预测效果最佳,其RMSE和R~2分别为0.00099、0.9956;ELM表现出更佳的学习速率和泛化性能。此外,采用GA和PSO算法优化定量模型应用于MNA含量预测的实验结果表明:GA算法比PSO算法在这5种模型的预测性能提升效果上表现更佳;所有混合模型中,GA-ELM模型测试集的最大偏差、RMSE和R~2分别为0.0243%、0.00012和0.9995,具有最佳的预测精度,为高效、快速、准确定量检测安定剂含量提供可靠参考。