基于光谱技术结合计算机信息处理技术鉴别机油品种的研究

                     作者：周子立 张怡芳 何勇 吴迪

　　摘要:利用光谱仪测得三种品牌共150个机油样本的光谱数据,再借助数据处理软件对原始光谱数据进行处理,处理后的数据先采用主成分分析法对机油品种进行定性分类,然后利用小波变换技术提取光谱特征信息,把光谱特征信息作为人工神经网络的输入建立机油品种识别模型,对机油品种进行定量鉴别。从每种机油50个样本共计150个样本中随机抽取120个样本(每种40个样本)用来建立神经网络模型,剩下的30个机油样本用于预测。品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为机油的品种鉴别提供了一种新方法。
　　关键词:可见-近红外光谱;信息处理;机油;主成分分析;小波变换;人工神经网络
　　
　　机油是保证发动机正常运转,减少机件间摩擦的必需润滑剂,其内在品质的检测及品种鉴别一直是机油生产研究的重要课题。国内外学者已在机油品质对减少机械磨损方面做过大量研究[1],也有学者在机油添加剂技术及测量机油粘度方面进行了研究[2],但对机油的品种鉴别方面研究还很少。研究一种简单、快速的机油品种鉴别方法,在目前机油种类繁多,良莠不齐的市场中防止假冒产品,避免劣质机油进入市场是很有必要的。本文以可见-近红外光谱技术为基础研究了机油的品种鉴别,相对用红外光谱技术研究具有容易实现、快速、高效、低成本的特点,便于此项鉴别技术的普及与推广。
　　
　　1 材料与方法
　　1.1 仪器设备
　　实验使用美国ASD(Analytical Spectral Device)公司的Handheld FieldSpec光谱仪,其光谱采样间隔(波段宽)1.5nm,测定范围325~1075nm,扫描次数30次,分辨率3.5nm。光源是与光谱仪配套的14.5V卤素灯。光谱数据以ASCLL码形式导出进行处理,分析软件为ASD(View Spec Pro, Unscramble)和DPS(data procession system for practical statistics)。
　　1.2 样本来源及光谱的获取
　　从市场买来三种机油,浙江壳牌化工石油有限公司生产的壳牌白喜力(Shell oil),中国石化公司润滑油分公司生产的长城福星(Great Wall oil),广西玉柴高级润滑油有限责任公司生产的玉柴牌机油(Yuchai oil)。为保证实验样本的均匀性,每种机油选用了10个不同的生产批次和日期。机油用直径65mm高度14mm的透明器皿盛装。装满1个器皿作为一个实验样本。三种机油按不同生产批次和日期各取50个样本,共150个样本。全部样本随机分成建模集和预测集,建模集有120个样本(每个品种40个样本),预测集有30个样本(每个品种10个样本)。光谱仪预热20分钟经白板校准后进行测试。光谱仪置于机油样本的下方,探头距离样本底部10mm,探头视场角为90度,光线自上而下经过机油样本垂直透射在光谱仪探头上,光谱仪对每一个样本扫描30次,取其采样透射光谱平均值,并分别保存。
　　1.3 计算机信息处理
　　信息处理是可以使用计算机领域的总称[3],包括数据处理、数据通信、过程控制、模式识别等。信息处理的任务是通过对表示信息的数据进行解释加工,确定数据的含义和形式,从中得到有用信息。信息处理的主要功能是对各应用领域的各种数据进行采集、存储、加工、传输等操作。计算机处理数据时先是把数据变换成计算机内部熟悉的二进制代码,当数据处理后输出时,计算机自动将其转换成人们熟悉的形式。
　　
　　2 实验结果与讨论
　　2.1 样本的近红外反射光谱
　　三种机油典型可见-近红外反射光谱曲线如图1所示。从图中可以看出,三种机油在600nm~700nm光谱范围内有很大的差异,在700nm~1075nm范围光谱曲线具有相同的趋势,但是存在较大的基线漂移,运用二阶求导消除基线漂移,使不同品种的谱线差异更明显。所以,不同品种机油的光谱图有明显区别,并具有一定的特征性,这一差异为机油的不同品种鉴别奠定了数学基础[4]。

百度搜索“yundocx”或“云文档网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，云文档网，提供经典计算机基于光谱技术结合计算机信息处理技术鉴别机油品种的研究在线全文阅读。