论文部分内容阅读
润滑油又被称为机油,被形象地称为汽车发动机的“血液”。优等品质的润滑油对于延长发动机的使用寿命,提高发动机的使用性能起到至关重要的作用。目前,在市场上润滑油品牌很多,润滑油品质优劣参差不齐,而且真假难辨。润滑油的品质决定了汽车发动机更换润滑油的时间和发动机保养和维修周期。而辨别润滑油品牌和品质优劣的常规测试方法是依靠人工经验法或简单仪器及化学成分分析完成,耗费了大量的人力物力。本文主要针对润滑油品质信息获取技术上存在的问题和不足,应用可见-近红外光谱技术对润滑油的品牌和品质的主要有效指标(粘度、含水量、酸值)进行研究,分析可见-近红外光谱数据与润滑油品牌、品质指标之间的关系,进而建立定量预测模型,以达到准确、快速、无损鉴别润滑油不同的品牌和品质指标的目的。本文着重探讨基于可见-近红外光谱技术的润滑油品牌识别和润滑油品质快速检测新方法,研究的主要内容与成果如下：(1)选取了汽车发动机上比较典型并且常用的润滑油品牌作为研究样本,建立了润滑油品牌与其光谱反射之间的相关关系,确定能区分润滑油品牌的最明显波长特性范围,建立光谱反射特征与润滑油品牌之间的优化数学模型,进而达到准确、快速、无损鉴别润滑油不同品牌,为润滑油品牌鉴别提供新依据。(2)研究了润滑油的粘度、含水量和酸值等品质指标与光谱反射特性之间的关系,提取了敏感波段,最终得出一种准确、快速鉴别润滑油品质的新方法。(3)采用可见-近红外光谱技术分两批实验进行了润滑油品牌快速鉴别新方法的研究。首先通过主成分分析(PCA)结合多类判别分析建立了润滑油品牌鉴别模型。该模型的性能稳定,预测未知样本识别率达到100%。说明用可见-近红外光谱技术可以快速、准确的对润滑油品牌进行鉴别。然后为了验证光谱检测方法的普遍适用性、探讨不同建模方法的效果和简化模型和算法,又探讨了应用连续投影算法(SPA)等不同的光谱分析方法对6种常见的润滑油品牌进行了鉴别研究。采用连续投影算法对6种润滑油的可见-近红外光谱数据进行波长变量的筛选,再结合偏最小二乘法建立润滑油品牌的鉴别模型。通过对6个品牌的240个润滑油样本建立训练模型,并用每个品牌20个样本,共120个润滑油样本进行预测。结果表明,对不同品牌润滑油的鉴别效果的相关系数r为0.9721,预测均方根误差RMSEP为0.4055,偏差bias为-0.0145,鉴别率达到91.7%。说明提出的连续投影算法结合偏最小二乘算法具有很好的预测效果,为润滑油品牌的快速鉴别提供了一种新方法。(4)研究了基于可见-近红外光谱技术的发动机润滑油粘度快速检测方法。对150个润滑油样本进行光谱扫描和平滑、变量标准化等预处理,比较了不同建模方法的检测精度。采用主成分分析法(PCA)和连续投影算法(SPA)两种方法提取特征变量作为模型输入变量,分别建立了偏最小二乘模型(PLS)、多元线性回归模型(MLR)和人工神经网络模型(BPNN)。结果表明,PCA-BPNN和SPA-BPNN模型的预测效果远优于其它模型(PCA-PLS、PCA-MLR、SPA-PLS和SPA-MLR),预测相关系数r分别为0.971和0.964。说明BPNN模型可以很好的利用光谱数据中的非线性信息,也说明SPA是一种有效的特征波长提取方法,选取的特征波长有利于汽车润滑油粘度快速检测仪器的开发。(5)研究了基于可见-近红外光谱技术的发动机润滑油含水量快速检测方法。在获取光谱信息的基础上,提出了采用不同的光谱建模方法以提高检测精度和简化分析计算。分别采用主成分分析(PCA)和连续投影算法(SPA)两种方法进行模型输入变量的提取。SPA最终选择了476、483、544、925、933、938、952、970和974 nm共9个波长为最优变量。基于SPA选择的变量,分别应用偏最小二乘回归(PLS)和多元线性回归(MLR)建模。效果均优于全波段PLS模型和PCA-PLS模型。说明SPA选择的有效变量能够包含最重要的全波段光谱信息,同时可以去除无用信息的变量。为了进一步提高检测效果,采用LS-SVM分别基于SPA选择后的有效变量和全波段光谱进行建模。两个模型的预测确定系数(rp2)均在0.9以上。SPA-LS-SVM的效果要优于全波段LS-SVM模型的效果。SPA-LS-SVM模型的rp2达到了0.983,RPD值为6.963。表明可见-近红外光谱可以用于发动机润滑油含水量的无损检测。(6)研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法。获得了475-975 nm范围的可见-近红外光谱。采用最小二乘支持向量机(LS-SVM)建立可见-近红外光谱模型。采用无信息变量消除算法(UVE)与连续投影算法(SPA)相结合选取光谱有效波长。结果表明,基于UVE-SPA法进行变量选择,最终将原始光谱的500个光谱变量减少到了8个(489,553,591,874,893,910,935和951 nm)。基于此8个变量建立的LS-SVM模型得到了预测集的确定系数为0.9546,误差均方根为0.0081,剩余预测残差为4.5663的预测结果。表明可见-近红外光谱可以用于润滑油酸值进行无损检测,同时UVE-SPA是一个有效的光谱变量选择方法。