基于油液原子光谱多维时间序列模型的机械磨损状态监测研究

提出了一种利用润滑油原子光谱分析技术对机械磨损状态进行监测的新方法。对磨合期润滑油原子光谱数据建立多维时间序列模型并视为标准模型,将新数据通过此模型后得到残差并选择残差方差阵元素作为新数据所属磨损状态的特征。然后,利用主成分分析法对高维特征进行降维,提取前三个主成分构成对应磨损状态的特征向量。最后,利用欧式距离度量对测试样本进行分类,达到了对机械磨损状态识别的目的。利用上述方法,通过对某型履带车辆发动机台架实验的光谱数据进行分析,对发动机磨损状态进行了有效识别,从而证明了所提方法的有效性。结果表明,将多维时间序列模型引入油液光谱分析技术,能够实现光谱信息的有效融合,提高机械磨损状态监测的准确性。     

基于油液光谱RKPCA的综合传动磨损状态评价

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。以综合传动全寿命磨损试验不同阶段采集的多个油液样本为研究对象,分别运用基于模糊隶属度的稳健核主成分分析(RKPCA)与传统主成分分析(PCA)对光谱数据进行主成分提取与对比。在剔除光谱数据中的干扰元素后,计算与比较两种方法的主成分数量与贡献率,并利用RKPCA主成分进行综合传动多摩擦副的分类识别;对光谱数据和RKPCA特征值分别进行模糊C均值聚类,对比两种聚类结果应用在磨损状态评价中的效果。研究表明,由于光谱数据离群值与非线性影响,RKPCA较PCA的主成分数量稍小且累积贡献率高,说明前者能更有效地降低变量维数;通过RKPCA主成分与摩擦副组件的相关性分析可以看出,该方法可以精确的实现综合传动多摩擦副、多磨损部位的分类与识别,进而分类评价不同摩擦副的磨损状态;RKPCA特征值的模糊C均值聚类结果与光谱数据直接聚类结果相比,前者能更精确的定位磨损状态转化的临界点,从而准确评价综合传动整体磨损状态。油液光谱RKPCA分析方法的创新在于将特征值变化规律引入整体磨损状态评价,实现整体评价与关键摩擦副的分类评价相结合。这样不仅有助于综合传动大修期的准确判断,还能给出需维修部件建议。该方法也适用于其他复杂机械系统的磨损监测与评价等相关领域。     

基于油液光谱RKPCA的综合传动磨损状态评价（英文）

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。以综合传动全寿命磨损试验不同阶段采集的多个油液样本为研究对象,分别运用基于模糊隶属度的稳健核主成分分析(RKPCA)与传统主成分分析(PCA)对光谱数据进行主成分提取与对比。在剔除光谱数据中的干扰元素后,计算与比较两种方法的主成分数量与贡献率,并利用RKPCA主成分进行综合传动多摩擦副的分类识别;对光谱数据和RKPCA特征值分别进行模糊C均值聚类,对比两种聚类结果应用在磨损状态评价中的效果。研究表明,由于光谱数据离群值与非线性影响,RKPCA较PCA的主成分数量稍小且累积贡献率高,说明前者能更有效地降低变量维数;通过RKPCA主成分与摩擦副组件的相关性分析可以看出,该方法可以精确的实现综合传动多摩擦副、多磨损部位的分类与识别,进而分类评价不同摩擦副的磨损状态;RKPCA特征值的模糊C均值聚类结果与光谱数据直接聚类结果相比,前者能更精确的定位磨损状态转化的临界点,从而准确评价综合传动整体磨损状态。油液光谱RKPCA分析方法的创新在于将特征值变化规律引入整体磨损状态评价,实现整体评价与关键摩擦副的分类评价相结合。这样不仅有助于综合传动大修期的准确判断,还能给出需维修部件建议。该方法也适用于其他复杂机械系统的磨损监测与评价等相关领域。     

基于光谱分析的重载车辆变速箱可靠性评估方法研究

润滑油光谱分析是变速箱磨损状态监测的重要手段。以某重载车辆变速箱台架试验中润滑油原子发射光谱分析得到的元素成分含量检测数据为基础,通过相关性分析和磨损机理分析确定了能够反映整机磨损状态和失效特点的金属元素,并对补油、换油后的光谱检测数据进行了修正,将变速箱试验过程中特征金属元素的含量随试验时间的变化规律表示为线性函数的形式。然后,综合考虑检测数据的时序规律与离散性,利用不同时刻光谱检测数据的正态分布均值和标准差进行变速箱可靠性评估,进一步讨论了失效阈值对可靠性评估结果的影响。研究表明,重载车辆变速箱润滑油中的Cu元素浓度与其他金属元素浓度的相关性较高、绝对值较大,既能够反映变速箱整体磨损状态,又便于检测,利用多个试验样本的润滑油Cu元素浓度光谱检测时序数据,可以对重载车辆变速箱进行可靠性评估;若失效阈值取定值,则失效阈值越大,同一时刻变速箱的可靠度越高;若失效阈值取随机分布,则失效阈值的离散度越大,可靠度随时间延长而降低的趋势越缓慢。当可靠度R大于0.9时,失效阈值的均值对可靠性评估结果的影响十分显著,同一时刻变速箱的可靠度随失效阈值标准差的增大而降低。将光谱分析与概率统计学结合进行变速箱可靠性评估方法研究,扩展了光谱分析技术的应用范围,具有创新性。     

荧光光谱成像技术结合聚类分析及主成分分析的藻类鉴别研究

为探讨快速、实时藻类检测方法,实验通过荧光光谱成像技术结合模式识别方法对不同藻类进行鉴别研究。发现藻类样本存在着显著的荧光特性,通过采集40个藻类样品的荧光光谱图像,对图像进行去噪、二值化处理,确定有效像素后,根据光谱立方体绘制每个样本的光谱曲线,将所得400～720 nm区段范围内的光谱数据作鉴别分析,再利用系统聚类分析及主成分分析两种不同的模式识别法对光谱数据进行处理。系统聚类分析结果表明： 采用欧氏距离法及平均加权法计算样本间的聚类距离,在距离L=2.452以上水平处可将样本正确分类,准确率为100%;主成分分析结果表明： 通过对原始光谱数据进行一阶微分、二阶微分、多元散射校正、变量标准化等预处理后,再对数据进行主成分分析,其中二阶微分预处理后鉴别效果最佳,八种藻类样品在主成分特征空间中独立分布。因此,利用荧光光谱成像技术结合聚类分析法及主成分分析法对藻类进行鉴别是可行的,操作简便、快速、无损。     

基于光谱技术鉴别机油品种的新方法

提出了一种用可见-近红外透射光谱技术快速鉴别机油品种的新方法,应用可见-近红外光谱仪测定三种机油的光谱曲线,然后用主成分分析法对不同品种的机油样本进行聚类分析,并获取机油可见-近红外光谱的特征信息,再结合多类判别分析技术建立机油占占种鉴别的模型.对经过预处理的光谱数据进行主成分分析.结果表明,以样本在第一主成分和第二主成分卜的得分做出的二维散点图,对不同种类机油具有很好的聚类,能定性区分不同种类机油;经过主成分分析得到的前8个主成分的累积可信度已达95.38%,说明这8个变量能够代表绝大部分原始光谱的信息.从180个样本中随机抽取150个样本用于建立多类判别分析品种鉴别模型,余下的30个样本用于验证.对未知的30个样本进行品种预测,准确率为100%.证明本方法具有明显的分类和鉴别作用,为不同品种的机油鉴别提供了一种新方法.     

基于可见-近红外光谱的制动液品牌鉴别方法研究

提出了一种基于可见-近红外光谱分析技术快速鉴别汽车制动液品牌的新方法。采用美国ASD公司的便携式光谱仪对五种不同品牌的制动液进行光谱分析,各获取60个样本数据。采用平均平滑法和标准归一化方法对样本数据进行预处理,再对光谱数据进行主成分分析,建立第一主成分和第二主成分的二维散点图,表明不同品牌制动液具有较好的聚类特性。将前6个主成分作为输入量,制动液品牌作为输出量,建立了基于逐步判别分析法的鉴别模型。随机抽取225个样本用于建模,余下的75个样本用于模型验证。试验结果表明验证准确率达到94.67%,说明所提出的方法具有很好的分类和鉴别作用,为制动液品牌的快速鉴别提供了一种新方法。     

反射光谱法快速检测润滑油污染浓度的回归模型

基于反射光谱技术原理研究润滑油的污染浓度预测模型。选用纯净润滑油和原态污染油为原料,采用等体积法逐一配置不同浓度的样本;调整好光纤探头与样品之间的距离及方位角并保持不变,采用脉冲氙灯为激发光源,利用波段在200~850nm范围的光谱仪对不同浓度的样本进行反射光谱测量实验。实验曲线观察分析表明,润滑油的污染浓度越高,反射光谱的强度越低。在采用变步长算法对原始实验数据进行稀疏采样的基础上,分别采用相关系数法、主成分分析法、主成分分析结合相关系数法(主成分-相关系数法)选取工作润滑油在220~780nm宽波段范围内的优势特征波长,并在所选取的优势波长处建立了润滑油污染浓度与光谱反射率的指数关系模型。测试结果表明,主成分-相关系数法选取的优势波长378.93nm,所建立的污染浓度与光谱反射率的指数回归模型能够较好地实现润滑油污染浓度大于0.06时的预测和估计。基于主成分-相关系数法选取优势特征波长所建立的指数关系回归模型,因混合介质及浓度的特异性条件,不服从低浓度均匀透明溶液中的朗伯-比尔定律,适用于较高污染浓度的润滑油质量状态估计,为进一步实现工作润滑油污染浓度的反射光谱法在线快速准确测定提供了可行性实验依据。     

一种基于可见-近红外光谱快速鉴别茶叶品种的新方法

提出了一种用可见-近红外光谱技术快速无损鉴别茶叶品种的新方法。应用可见-近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见-近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类。把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,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,为茶叶的品种快速鉴别提供了一种新方法。     

基于三维荧光光谱和四元数主成分分析的食醋品牌溯源研究

提出基于四元数主成分分析的三维荧光光谱特征提取新方法,并将其运用于品牌食醋溯源研究。首先利用F7000荧光光谱仪测得不同品牌食醋样本的三维荧光光谱数据,获取样本的等高线图和三维投影图,并进行三维荧光等高线图分析;然后利用激发波长分别为380,360和400 nm下的发射光谱数据建立食醋三维荧光光谱数据的四元数并行表示模型,对四元数荧光光谱矩阵进行四元数主成分特征提取,并基于乘积运算、模值运算和求和运算三种方法对提取出来的四元数主成分特征进行特征融合;最后将融合特征作为K近邻分类器的输入,得到不同食醋品牌的最优分类模型。分别讨论三种不同特征融合方法和四元数主成分个数与最终模型分类正确率之间的关系。针对四个不同食醋品牌120个样本的分析结果可得：基于求和特征融合运算所得到的融合特征可以利用最少的特征数目,建立最优的溯源模型,样本预测集溯源正确率可达100%。研究结果表明：四元数主成分特征提取和特征融合方法能够并行表示三维荧光光谱数据所蕴含的丰富信息,为三维荧光光谱数据分析提供新思路。     

飞马Ⅱ号润滑油中燃油污染红外光谱检测研究

针对航空发动机润滑油燃油污染造成非计划停机、飞行故障等一系列问题,需要对在用润滑油进行必要的监测,从而确定润滑油换油的最佳时机.采用美国PerkinElmer公司的Spectrum Two红外光谱仪及Spectrum Quant软件,结合美国材料与试验协会标准(ASTM-E2412-10)关于合成酯类润滑油的监测说明,...     

可见和近红外透射光谱结合区间偏最小二乘法(iPLS)用于橄榄油中掺杂煎炸老油的定量分析

为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法(interval partial least squares, iPLS)、联合区间偏最小二乘法(synergy interval partial least squares, SiPLS)和反向区间偏最小二乘法(backward interval partial least squares, BiPLS),对掺杂不同含量煎炸老油的橄榄油建模分析,并对不同模型比较优选。采集样品400~2500 nm范围内的光谱,对光谱数据进行Savitzky-Golay(SG)平滑去噪。剔除奇异样本后,采用sample set partitioning based on joint X-Y distance(SPXY)法划分样本集,以不同的iPLS优选建模区域,建立煎炸老油含量预测模型。结果表明：对掺杂不同含量煎炸大豆油的橄榄油,采用划分20个区间,选择2个子区间[4, 16]建立的SiPLS模型预测效果最好,相关系数(R_p)达0.998 9,预测均方根误差(RMSEP)为0.019 2。对掺杂不同含量煎炸花生油的橄榄油,采用划分20个区间,选择2个子区间[2, 16]组合建立的SiPLS和BiPLS模型具有相同的预测效果,预测均方根误差(RMSEP)为0.0120,均优于iPLS模型。此外,与SiPLS模型相比,BiPLS模型运算量少,速度快。由此可见,基于掺杂油样品的可见和近红外透射光谱,分别采用组合区间偏最小二乘法(SiPLS)和反向区间偏最小二乘法(BiPLS)优选建模光谱区域,可以对橄榄油中掺杂煎炸大豆油和煎炸花生油含量进行准确测定。而且,实验过程无需对掺杂油样品进行预处理,无环境污染,操作简单,快速无损。     

内燃机油中添加剂元素含量水平及来源分析

采用波长色散X射线荧光光谱法对来自美国、德国和日本等9个产地,SM,SN,CI和CH等级别的98个内燃机油中P,S和Cl等11个元素的含量进行了定量检测,并根据油品中Zn/P,S/Mo和Ca/Mg元素之间的比例关系,对内燃机油中的元素来源、添加剂组成及配比进行了研究。结果表明：内燃机油的中锌、磷、钙、硫、镁和钼含量分别在0.09%～0.17%,0.07%～0.15%,0.13%～0.43%,0.20%～0.47%,0.04%～0.15%和0.01%～0.05%之间;其中,Ca,S,P和Zn是内燃机油中的常见主要元素,Mg和Mo元素存在于高级别的内燃机油中,而铌、钨、钛和钠则存在于个别内燃机油中。     

基于遗传算法的近红外光谱橄榄油产地鉴别方法研究

提出了一种应用近红外光谱技术快速无损鉴别橄榄油产地的新方法。采用近红外光谱仪获取三种不同产地的橄榄油各30个样本的光谱漫反射特征曲线,利用全局搜索算法-遗传算法提取特征波长,即从光谱751个波长数据提取9个特征波长数据,并将其作为主成分分析法的输入变量,运用主成分分析法建立分析校正模型。结果表明,主成分1和2累计可信度已达99.130%,对不同产地的橄榄油有很好的聚类作用,同时也说明遗传算法抽取特征波长方法正确。将提取到的六种主成分作为BP神经网络的输入变量,品种类型作为神经网络的输出变量,建立3层人工神经网络模型,对30个未知橄榄油产地进行预测,预测结果准确率达100％。该方法能快速无损地检测橄榄油产地,同时也为其他油类产地鉴别提供了一种新方法。     

基于激光诱导荧光的常见机油快速识别方法

基于激光诱导荧光光谱原理,提出一种常见机油的快速识别方法。利用激光器发射波长为355 nm的紫外激光,诱导九种常见机油样品发射荧光,共采集450组荧光光谱数据,其中360组数据用于分类训练,90组数据用于识别。分析发现不同机油的荧光光谱特征有明显差异,利用主成分分析结合聚类分析法实现了对90组待识别光谱数据的快速识别,识别率可达97.8%。实验证明,激光诱导荧光光谱结合多元分析可以实现不同机油的快速识别与检测。     

机油中痕量磨损金属元素的间接烧蚀LIBS探测研究

机油在发动机的运转过程中具有非常重要的作用。发动机的运转,会使机油的成分和元素含量发生变化,导致机油变质,进而加剧发动机的磨损,探寻一种快速有效的机油性能检测手段,则是防止发生事故的重要前提。间接烧蚀激光诱导击穿光谱技术(IA-LIBS)是针对机油样品提出的一种全新检测方法,其核心是基于金属基底产生的高温等离子体间接烧蚀样品,在保持了LIBS基本特点的基础上,提高了样品检测灵敏度和稳定性。在前期研究基础上,以机油中Mg、Fe和Ni为目标元素,分析了不同类型机油中的基体效应对其定量分析结果的影响,表明不同油种之间的基体效应对目标元素的定标曲线影响甚小,可忽略;同时建立了目标分析元素的综合定标曲线,拟合线性系数达到了0.99以上。通过对现场机油中添加的已知浓度的目标元素的检测,IA-LIBS分析结果与实际值吻合较好,准确度均低于5%。该研究完善了IA-LIBS的方法研究,为以后评价机油的性能提供了依据,对于诊断发动机的磨损状况具有重要的科学意义。     

基于RBF神经网络的较低浓度下同步荧光光谱的溢油鉴别

针对海面溢油样品的含量难以确定,同时考虑到海水掺杂及风化等问题的影响,提出了在较低非线性浓度范围内采集溢油嫌疑样品的同步荧光光谱,获取其训练样本集,利用主成分分析法(Principal com-ponent analysis,PCA)提取其特征光谱,结合径向基函数(Radial basis function,RBF)神经网络对肇事样本和嫌疑样本进行模式识别的方法。通过对相近油源原油样品分类识别研究表明:该方法仅需单次对肇事样本同步光谱测量,再借助数据分析,就可以很好区分相近油源溢油样品,外扰对识别率影响也不大。RBF神经网络算法识别率在92%左右。该结论对海洋环境中溢油的实时检测及油指纹数据信息库的建立有重要意义。     

太赫兹光谱结合特征谱区筛选算法在发动机润滑油含水量定量分析中应用研究

发动机润滑油是保障汽车发动机持久且稳定运转的基石,准确评定发动机润滑油各项性能指标是其在生产到使用全过程必不可少的步骤。发动机润滑油在一段时间的使用后会因为多种原因引起油品变质,发动机润滑油变质的指标可以用其中非磁性颗粒物浓度、金属屑含量、pH值、粘稠度、含水率等表述。关于发动机润滑油含水量的检测,传统的检测方法存在操作复杂,及时性差等缺点。太赫兹对水吸收强烈,适合用于对样品中微水含量的分析。通过透射式太赫兹时域光谱系统获得1.0～3.5 THz下的六种不同水含量的发动机润滑油的吸收系数谱线,对谱线进行Savitzky-Golay（SG）平滑去噪,剔除奇异样本后,采用Kennard-Stone算法划分样品集,尝试常规区间偏最小二乘法（iPLS）、向后区间偏最小二乘法（BiPLS）和联合区间偏最小二乘法（SiPLS）对其太赫兹时域光谱特征谱区间进行筛选,着重研究区间间隔数、PLS组件数、最佳主因子数和区间选择等因素对PLS模型属性的影响,并且对不同含水量的润滑油建模分析,对不同模型比较选优,建立最优定量分析模型。建模结果表示特征谱区筛选可以提高建模性能、降低模型复杂性,特征谱区筛选算法通过剔除发动机润滑油太赫兹吸收系数谱线中非线性或者无关变量的方式,使建模结果更好的表达吸收系数谱线与其含水量的关系。结果表明：采用BiPLS模型用于发电机润滑油中微量水含量的定量分析时建模效果最佳,模型区间数为26,入选区间为[18 10 4 3 8 12 5 11 24 13 16 21 2],主因子数为10,最优模型的交互验证均方根误差RMSECV为0.003 5,预测均方根误差RMSEP为0.004 6,校正集相关系数r为0.919 3,预测集相关系数r为0.865 7。由此可见,可以采用反向区间偏最小二乘法（BiPLS）用于发动机润滑油水含量的测定,且实验过程简单,建模计算速度快,效果理想,可以适用于非接触式油品含水量的定量分析。     

近红外光谱和化学计量学方法用于橄榄油品质分析与掺杂量检测

基于橄榄油的近红外光谱数据,用判别分析(Discriminant analysis)方法把20个样品成功地分为特级初榨橄榄油和普通橄榄油两类,正确率为100％。同时测定了纯橄榄油中分别掺入菜籽油、玉米油、花生油、山茶油、葵花籽油、罂粟油的混合油的近红外光谱,掺杂油体积百分数范围为0～100%。选择最佳的光谱波段组合用偏最小二乘(PLS)法分别建立定量分析模型,预测相对误差范围在-5.67%～5.61%之间。研究结果表明,基于化学计量学方法和近红外光谱数据可为橄榄油的品质鉴定和掺杂量检测提供了一种简便、快捷、准确的方法。     

SPA-PLS的高含水原油近红外光谱含水率分析

准确及时的检测原油含水率对注水策略调整、原油开采能力评估、油井开发寿命预测等均具有重要意义。然而,当前我国大多数油田均已进入高含水的开发中晚期,含水率测量难度大且准确率不高。在此背景下,开展了高含水情况下利用近红外光谱进行原油含水率测量的研究。 首先介绍了目前原油含水率检测的常用方法,分析了它们的优劣。理论上,由于水的近红外光吸收带与原油中C-H键的吸收带有明显区别,根据Lambert-Beer吸收定律和吸光度线性叠加定律可知,不同含水率高含水原油近红外光谱会存在较强响应差异。为此,对高含水原油进行近红外光谱检测,建立原油含水率与近红外光谱响应间的非线性映射模型,可实现高含水原油含水率的精确测量。为了验证该方法的有效性,搭建了近红外光谱数据采集实验装置：采用白炽灯作为光源,经过光路调节成平行光后垂直射入样品池,用近红外光谱仪（海洋光学NIR512）采集光谱用于分析。其中,接收光谱仪带宽为900～1 700 nm,平均分成512个波段。光谱数据利用光谱仪配套软件储存在电脑中。样本采用相同厚度不同比例的油水混合物,样本含水率范围为70%～99%,共采集数据60组,每组重复3次取平均值。得到原始数据后,先进行原始数据预处理,以减少数据采集时来自高频随机噪音及温度不稳定、样本不均匀、基线漂移、光散射等不利因素的影响。分别选用了S-G滤波、一阶导数和S-G滤波+一阶导数作为数据预处理的方法,利用连续投影算法(SPA)对光谱数据进行降维,并利用偏最小二乘法（PLS）和多元线性回归（MLR）进行建模,模型精度通过计算均方根误差值（RMSE）和相关系数（r）来验证。对比发现,使用S-G滤波+一阶导数建立的模型RMSE值最小（RMSE=0.007 0,r=0.998 3）。使用SPA降维后的模型要优于全波段PLS模型（RMSE=0.083 3,r=0.920 6）与MLR模型（RMSE=0.099 9,r=0.967 1）。利用SPA提取出的31个特征波长建立的模型仅占全波段的6.05%,并获得了较好的精度。证明了利用光谱检测高含水原油含水率可行性,并且得到了满意的精度,为高含水原油的含水率检测提供了新的方法, 为进一步利用近红外光进行高含水原油的快速检测与在线监测提供参考。