汽車潤(rùn)滑油品牌與品質(zhì)的光譜快速無損檢測(cè)研究.pdf

1、潤(rùn)滑油又被稱為機(jī)油，被形象地稱為汽車發(fā)動(dòng)機(jī)的“血液”。優(yōu)等品質(zhì)的潤(rùn)滑油對(duì)于延長(zhǎng)發(fā)動(dòng)機(jī)的使用壽命，提高發(fā)動(dòng)機(jī)的使用性能起到至關(guān)重要的作用。目前，在市場(chǎng)上潤(rùn)滑油品牌很多，潤(rùn)滑油品質(zhì)優(yōu)劣參差不齊，而且真假難辨。潤(rùn)滑油的品質(zhì)決定了汽車發(fā)動(dòng)機(jī)更換潤(rùn)滑油的時(shí)間和發(fā)動(dòng)機(jī)保養(yǎng)和維修周期。而辨別潤(rùn)滑油品牌和品質(zhì)優(yōu)劣的常規(guī)測(cè)試方法是依靠人工經(jīng)驗(yàn)法或簡(jiǎn)單儀器及化學(xué)成分分析完成，耗費(fèi)了大量的人力物力。
　　 本文主要針對(duì)潤(rùn)滑油品質(zhì)信息獲取技術(shù)上存在的問

2、題和不足，應(yīng)用可見-近紅外光譜技術(shù)對(duì)潤(rùn)滑油的品牌和品質(zhì)的主要有效指標(biāo)(粘度、含水量、酸值)進(jìn)行研究，分析可見-近紅外光譜數(shù)據(jù)與潤(rùn)滑油品牌、品質(zhì)指標(biāo)之間的關(guān)系，進(jìn)而建立定量預(yù)測(cè)模型，以達(dá)到準(zhǔn)確、快速、無損鑒別潤(rùn)滑油不同的品牌和品質(zhì)指標(biāo)的目的。
　　 本文著重探討基于可見-近紅外光譜技術(shù)的潤(rùn)滑油品牌識(shí)別和潤(rùn)滑油品質(zhì)快速檢測(cè)新方法，研究的主要內(nèi)容與成果如下：
　　 (1)選取了汽車發(fā)動(dòng)機(jī)上比較典型并且常用的潤(rùn)滑油品牌作為研究樣

3、本，建立了潤(rùn)滑油品牌與其光譜反射之間的相關(guān)關(guān)系，確定能區(qū)分潤(rùn)滑油品牌的最明顯波長(zhǎng)特性范圍，建立光譜反射特征與潤(rùn)滑油品牌之間的優(yōu)化數(shù)學(xué)模型，進(jìn)而達(dá)到準(zhǔn)確、快速、無損鑒別潤(rùn)滑油不同品牌，為潤(rùn)滑油品牌鑒別提供新依據(jù)。
　　 (2)研究了潤(rùn)滑油的粘度、含水量和酸值等品質(zhì)指標(biāo)與光譜反射特性之間的關(guān)系，提取了敏感波段，最終得出一種準(zhǔn)確、快速鑒別潤(rùn)滑油品質(zhì)的新方法。
　　 (3)采用可見-近紅外光譜技術(shù)分兩批實(shí)驗(yàn)進(jìn)行了潤(rùn)滑油品牌快速鑒

4、別新方法的研究。首先通過主成分分析(PCA)結(jié)合多類判別分析建立了潤(rùn)滑油品牌鑒別模型。該模型的性能穩(wěn)定，預(yù)測(cè)未知樣本識(shí)別率達(dá)到100％，說明用可見-近紅外光譜技術(shù)可以快速、準(zhǔn)確的對(duì)潤(rùn)滑油品牌進(jìn)行鑒別。然后為了驗(yàn)證光譜檢測(cè)方法的普遍適用性、探討不同建模方法的效果和簡(jiǎn)化模型和算法，又探討了應(yīng)用連續(xù)投影算法(SPA)等不同的光譜分析方法對(duì)6種常見的潤(rùn)滑油品牌進(jìn)行了鑒別研究。采用連續(xù)投影算法對(duì)6種潤(rùn)滑油的可見-近紅外光譜數(shù)據(jù)進(jìn)行波長(zhǎng)變量的篩選，

5、再結(jié)合偏最小二乘法建立潤(rùn)滑油品牌的鑒別模型。通過對(duì)6個(gè)品牌的240個(gè)潤(rùn)滑油樣本建立訓(xùn)練模型，并用每個(gè)品牌20個(gè)樣本，共120個(gè)潤(rùn)滑油樣本進(jìn)行預(yù)測(cè)。結(jié)果表明，對(duì)不同品牌潤(rùn)滑油的鑒別效果的相關(guān)系數(shù)r為0.9721，預(yù)測(cè)均方根誤差RMSEP為0.4055，偏差bias為-0.0145，鑒別率達(dá)到91.7％，說明提出的連續(xù)投影算法結(jié)合偏最小二乘算法具有很好的預(yù)測(cè)效果，為潤(rùn)滑油品牌的快速鑒別提供了一種新方法。
　　 (4)研究了基于可見-

6、近紅外光譜技術(shù)的發(fā)動(dòng)機(jī)潤(rùn)滑油粘度快速檢測(cè)方法。對(duì)150個(gè)潤(rùn)滑油樣本進(jìn)行光譜掃描和平滑、變量標(biāo)準(zhǔn)化等預(yù)處理，比較了不同建模方法的檢測(cè)精度。采用主成分分析法(PCA)和連續(xù)投影算法(SPA)兩種方法提取特征變量作為模型輸入變量，分別建立了偏最小二乘模型(PLS)、多元線性回歸模型(MLR)和人工神經(jīng)網(wǎng)絡(luò)模型(BPNN)。結(jié)果表明，PCA-BPNN和SPA-BPNN模型的預(yù)測(cè)效果遠(yuǎn)優(yōu)于其它模型(PCA-PLS、PCA-MLR、SPA-PLS和

7、SPA-MLR)，預(yù)測(cè)相關(guān)系數(shù)r分別為0.971和0.964。說明BPNN模型可以很好的利用光譜數(shù)據(jù)中的非線性信息，也說明SPA是一種有效的特征波長(zhǎng)提取方法，選取的特征波長(zhǎng)有利于汽車潤(rùn)滑油粘度快速檢測(cè)儀器的開發(fā)。
　　 (5)研究了基于可見-近紅外光譜技術(shù)的發(fā)動(dòng)機(jī)潤(rùn)滑油含水量快速檢測(cè)方法。在獲取光譜信息的基礎(chǔ)上，提出了采用不同的光譜建模方法以提高檢測(cè)精度和簡(jiǎn)化分析計(jì)算。分別采用主成分分析(PCA)和連續(xù)投影算法(SPA)兩種方法

8、進(jìn)行模型輸入變量的提取。SPA最終選擇了476、483、544、925、933、938、952、970和974 nm共9個(gè)波長(zhǎng)為最優(yōu)變量。基于SPA選擇的變量，分別應(yīng)用偏最小二乘回歸(PLS)和多元線性回歸(MLR)建模。效果均優(yōu)于全波段PLS模型和PCA-PLS模型。說明SPA選擇的有效變量能夠包含最重要的全波段光譜信息，同時(shí)可以去除無用信息的變量。為了進(jìn)一步提高檢測(cè)效果，采用LS-SVM分別基于SPA選擇后的有效變量和全波段光譜進(jìn)行

9、建模。兩個(gè)模型的預(yù)測(cè)確定系(rp2)均在0.9以上。SPA-LS-SVM的效果要優(yōu)于全波段LS-SVM模型的效果。SPA-LS-SVM模型的rp2達(dá)到了0.983，RPD值為6.963。表明可見-近紅外光譜可以用于發(fā)動(dòng)機(jī)潤(rùn)滑油含水量的無損檢測(cè)。
　　 (6)研究了基于可見-近紅外光譜技術(shù)的潤(rùn)滑油酸值無損檢測(cè)方法。獲得了475-975 nm范圍的可見-近紅外光譜。采用最小二乘支持向量機(jī)(LS-SVM)建立可見-近紅外光譜模型。采用

10、無信息變量消除算法(UVE)與連續(xù)投影算法(SPA)相結(jié)合選取光譜有效波長(zhǎng)。結(jié)果表明，基于UVE-SPA法進(jìn)行變量選擇，最終將原始光譜的500個(gè)光譜變量減少到了8個(gè)(489，553，591，874，893，910，935和951 nm)?；诖?個(gè)變量建立的LS-SVM模型得到了預(yù)測(cè)集的確定系數(shù)為0.9546，誤差均方根為0.0081，剩余預(yù)測(cè)殘差為4.5663的預(yù)測(cè)結(jié)果。表明可見-近紅外光譜可以用于潤(rùn)滑油酸值進(jìn)行無損檢測(cè)，同時(shí)UVE-