船舶机械油液检测光谱分析的特征参数研究

通过对机械设备润滑油的长期光谱跟踪检测分析,建立基于光谱分析的润滑油状态监测故障诊断数学模型。通过实验研究和机械设备润滑油油样的实际光谱检测分析相结合,根据不同机械设备的磨损特征元素确定机械设备基于油液检测光谱分析故障诊断的特征参数,以确定机械设备发生故障的时间,从而避免重大故障的突发,为机械设备实现视情维修提供理论和实际依据,提高机械设备的可靠性和可维修性。故障诊断实例证明,此特征参数具有较高的稳定性和准确性,能够有效地应用于各种机械设备的油液检测的故障诊断中。     

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Wiener过程的综合传动装置失效预测

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。作为一种非直接测量方法,油液光谱数据是车辆综合传动装置可靠性评估中的系统性能劣化的重要监测指标,可用于系统失效评估与剩余寿命预测。针对油液光谱数据这类型的一元劣化失效,随机过程尤其是Wiener过程模型具有良好的计算分析性质,在基于性能劣化的可靠性分析中应用日趋广泛。通过对车辆综合传动装置运行中的实时采样,共取得50个油液光谱样本。采用其中三种指示元素的线性回归方程来计算综合传动装置运行中每个瞬时的特征值与均值。基于正漂移Wiener过程,建立了综合传动装置的劣化失效预测模型,并基于R语言环境进行了随机微分方程的仿真与求解。得到了油液光谱中的Fe,Cu和Mo元素含量增长趋势的预测结果以及三种指示元素各自的首中时间。经比较,劣化失效周期的预测值较之条件维护时间延长了27 Mh(15.9%)。维护时间的延长,能够有效的减少全寿命周期内的维护次数,并最终降低维护成本。研究结果表明,该方法适用于综合传动装置的磨损与失效预测、全寿命周期费用与维护计划的优化。同时,也可推广至其他复杂机械系统的失效预测与评价等相关领域。     

基于信息熵的机械传动油液光谱监测数据选择方法

机械传动装置磨损产生的金属微粒在润滑油中均匀混合并不断积累，是一个缓慢退化过程，可通过油液光谱分析监测。MOA Ⅱ型原子发射光谱仪能够分析得到多达15种元素浓度数据，应用分析得到的油液光谱数据，便能够实现机械传动装置健康状态的监测与评估。然而，并不是所有的油液光谱数据都能够表征装备的健康状态，只有部分油液光谱数据能够提供有用的退化表征信息。应用全部油液光谱数据进行机械传动装置的健康状态监测会增加退化模型的复杂性。鉴于此，为实现机械传动装置健康状态的准确表征，提出了基于信息熵的油液光谱监测数据的选择方法，旨在为机械传动装置的健康状态监测与剩余寿命预测提供有效的退化数据。与传统的油液光谱监测数据选择方法相比，该方法使用信息熵表征各监测数据中蕴含退化信息量的大小，并以此为指标定量选择机械传动装置的退化数据。通过对综合传动装置可靠性试验油液光谱监测数据的实例分析证明了该方法的有效性，能够实现油液光谱数据的定量选择，提高了综合传动装置寿命预测的准确性，也为其他装备监测数据的选择提供了指导。     

主成分分析在某型柴油机光谱数据分析中的应用

通过改变气缸套和活塞间隙,设计了6种工作状态,获得了某型6缸柴油机在每种工作状态下不同负荷时的润滑油样本共计69个,采用超谱M型原子发射光谱仪分析21种元素浓度。应用主成分分析法,分别以分析元素和润滑油样本为研究对象,基于权系数和主成分得分,对光谱数据进行了元素分类和样本分类。发现应用主成分分析法分析油液光谱数据能比较理想地对元素进行分类,该分类的3种主成分反映了5种类型的元素组合即磨损元素Fe,Cr,Cu,Al和Pb,含量较高的添加剂元素Na,Zn,P,Ca和Mg,含量较低的添加剂元素Ba和B,润滑油主成分元素C和H和干扰元素Ni,Ti,Mo,V和Ag等。不仅如此,主成分分析法对样本的分类较好地区分了来自柴油机不同的气缸套—活塞设计间隙的油样。研究表明应用主成分分析法分析润滑油光谱分析数据可揭示不同元素的来源、监测工况和诊断磨损故障。     

近红外光谱分析青贮玉米NDF中判别异常光谱的研究

对近红外光谱分析青贮玉米中性洗涤纤维(NDF)中异常光谱的判别进行了研究。该试验通过将马氏距离阈值分别设定为3(固定值)、2倍马氏距离平均值和马氏距离平均值+2倍马氏距离标准差三种不同值,分别判别和剔出建模过程中的异常光谱,比较不同的阈值设定对模型效果的影响。结果表明,当马氏距离阈值设为3(固定值)时,异常光谱剔出不收敛,可靠性不高。当马氏距离阈值设为2倍马氏距离平均值时,剔出后模型的相关系数、标准差、决定系数及综合得分均低于剔出前,可靠性不高。只有当马氏距离阈值设定为马氏距离平均值+2倍马氏距离标准差时,预测模型的最高相关系数ｒ达到0.97,标准差为2.456,模型预测效果最佳。因此,将马氏距离阈值设定为马氏距离平均值+2倍马氏距离标准差对近红外光谱分析青贮玉米NDF中异常光谱判别的可行性较高,在这种情况下剔出异常光谱后模型效果最佳。     

岩心扫描仪光谱数据质量评估方法研究

岩心光谱扫描仪是近年来发展起来、用于岩心光谱和图片在线检测的仪器,它可以对岩心进行数字化,从而实现岩心自动编录,为地质科研、矿床研究和外围找矿提供依据,同时通过岩心数字化,可以建立岩心网上数据库,解决岩心保存带来的成本问题,实现资源共享。岩心光谱测量数据的质量直接影响矿物识别、参数反演结果的可靠度,因此进行岩心光谱测试服务之前针对拟采用仪器进行数据质量评估是一项非常重要的工作。结合自主研发的CSD350A型岩心光谱扫描仪,以光谱学基本理论、光谱分析方法、岩心光谱分析要求等为基础,深入探讨了岩心光谱数据质量评估方法、评价准则、目标参数等关键问题,对自主研发的岩心光谱扫描仪数据质量进行了全面评估,表明仪器光谱测试功能的可靠性和有效性。实验测试表明,本方法所涉及的检测项目和检测参数,能够很好地反映岩心光谱扫描仪所测光谱的反射率光谱、波长精度、重复性及信噪比指标,从而对岩心光谱扫描仪数据质量做出正确评价,为商业服务提供数据质量依据。在目前缺少相关评估标准的情况下,本研究提出的评估方法对于岩心光谱测试工作的开展具有较大的应用价值。     

润滑油冷却液污染的拉曼光谱检测方法研究

对船舶柴油机而言,润滑油常受到冷却液的污染,引起润滑油劣化变质,从而导致其功能失效。冷却液的主要成分是水、乙二醇及少量的防腐蚀、抗穴蚀、消泡沫等添加剂。将拉曼光谱用于检测润滑油被冷却液污染的浓度,是一种针对复杂混合物的拉曼光谱检测问题,单个拉曼峰强度的定量分析方法无法满足浓度的定量检测。为此,将拉曼光谱分析和LSTM神经网络数据挖掘方法应用于检测润滑油冷却液污染的浓度。在实验室条件下,配制了冷却液污染浓度为2%,1.5%,1%,0.5%,0.25%和0%的柴油机润滑油油样,对每个油样取样50次,并进行拉曼光谱分析,共获得300个拉曼光谱数据,随机抽取其中80%的数据作为神经网络训练样本,剩余20%的数据作为测试样本,拉曼光谱样本数据的光谱范围为300～2 000 cm-1;对数据进行预处理,包括采样、拟合、离散点平均梯度估计等;构建训练样本集,将LSTM神经网络和多层全连接层（FC）结合,建立4种不同的神经网络模型结构;得到其在训练集和测试集上的平均误差曲线、测试集上的检测准确率曲线。分析结果表明,FCs,LSTM-FCs-1,LSTM-FCs-2和LSTM-FCs-3等4种神经网络模型,检测准确率分别为96.7%,93.3%,98.3%和83.3%。选取任意1%的波数点,加入幅值随机正负变化1%的噪声之后,4种神经网络模型的检测准确率分别为88.3%,90.0%,96.7%和78.3%。可见,相比于其他3种神经网络结构模型,LSTM-FCs-2模型更适用于进行润滑油冷却液污染的定量估计,加噪后最高准确率仍可以达到96.7%,鲁棒性优于其他三种模型。拉曼光谱结合LSTM网络中的LSTM-FCs-2模型,应用于冷却液污染浓度分别为0.2%和0.4%的实际油样检测,相对误差分别为5.0%和7.5%,结果表明该方法可用于在用润滑油冷却液污染浓度的检测。     

发射光谱仪检测油料的精密度

分布在不同地区的10个油液光谱分析实验室对所配制的3种润滑油样进行润滑油元素含量的检测,对获得的光谱数据进行处理,研究Spectroil M型油料发射光谱仪检测的精密度.采用一致性检验法检验各个实验室检测结果的一致性,对剔除离群实验室后的数据计算精密度值:重复性标准差值和再现性标准差值.对精密度值进行回归分析,研究精密...     

ICP-AES法测定润滑油中磨损金属元素的含量

提出了用ICP AES直接测定润滑油中主要磨损金属元素的分析方法。对仪器的工作条件进行了优化 ,以多元素油基贮备液配制而成的ConostanS 2 1和Conostan 75油基标样制作校正曲线 ,油样品采用煤油稀释 5倍 ,测定了润滑油中主要磨损金属元素 ,各元素的相对标准偏差RSD %均小于 1%。阐述了LeemanLabs多道ProfileICP的分析效力以及具有多元素同时测定、快速和准确的特点     

基于光谱曲线响应特性的油膜厚度估计模型分析

如今,海上溢油事故频发,如何对溢油的油量进行估计,是一个重要课题。如果可以得到溢油量,那么对后续的处理以及损失的评估都会有较大的帮助。高光谱遥感技术的快速发展使对油膜厚度的定量估计成为可能。采用AvaSpec光谱仪测量不同厚度的油膜,然后对得到的光谱曲线的多种曲线特征进行提取,分析其与油膜厚度之间的关系。结果表明,油膜厚度与基于高光谱位置变量的Rg和Ro、三角植被指数的RDVI和TVI以及Haboudane关系式相关性较大。分别采用曲线拟合、BP神经网络和基于SVD的迭代方法建立油膜曲线特征与油膜厚度之间的预测关系,并以此对不同的油膜光谱曲线进行油膜厚度估计,对得到的结果进行精度检测和运行时间分析,最终得出对每个估计模型的分析评价。     

近红外光谱和电子鼻技术用于葡萄酒发酵过程中酒精度的定量分析

采用近红外光谱和电子鼻对葡萄酒的酒精发酵过程进行了动态采样检测,通过主成分回归和偏最小二乘回归对酒精度变化进行了监控和预测研究。分别建立了近红外光谱、电子鼻以及二者融合数据对酒精度定量分析的主成分回归和偏最小二乘回归模型。结果表明,近红外光谱数据和电子鼻数据的主成分回归和偏最小二乘回归模型的相关系数(r)均大于0.99,但校正均方根误差(RMSEC)和预测均方根误差(RMSEP)较大。近红外光谱和电子鼻数据融合后,模型质量得到提高,建立的偏最小二乘模型r为0.999 2,RMSEC和RMSEP分别降低为0.206%和0.205%(v/v),定量精度较高。近红外光谱和电子鼻均适用于红酒发酵过程中对酒精度的定量分析,且二者结合应用能提高定量精度。     

基于Parzen窗的Vague集理论用于油液原子光谱特征优选

油液原子光谱信息量大且具有模糊性,严重影响了在故障诊断中的应用效率和精度.为选择数量少、效率高的光谱特征,提出了一种光谱特征选择的新方法.基于齿轮箱实验台架,模拟了齿轮正常磨损状态和两种典型放障,并采集了油液样本.将三种磨损状态视为三个Vague集,光谱特征值视为Vague集上的Vague值.基于Vague值之间的相似...     

脉通中金属元素含量的测定

本文采用火焰原子吸收分光光度法测定了中成药脉通中K ,Ca ,Na ,Mg ,Fe,Zn ,Mn ,Cu ,Ni,Cr,Cd和Pb十二种金属元素的含量 ,计算Cu/Zn比值和Ca/Mg比值 ,并对其结果进行了分析。结果显示 ,脉通中含有丰富的宏量元素K ,Ca,Mg和有益的微量元素Cu ,Zn ,Fe等元素 ,有毒元素Cd和Pb的含量较低。金属元素的含量高低顺序为 :K >Ca >Na >Mg >Fe >Zn >Mn >Cu >Ni>Cr>Cd >Pb ,Cu/Zn比值 >Ca/Mg比值。测定结果为探讨中成药中宏量、微量元素与治疗脑血管疾病功效的关系提供了有用的数据。     

改进欧拉算法在油液光谱分析趋势预测中的应用

基于原子发射光谱油液分析是大型机械设备磨损状态监测与故障诊断的重要技术,由于灰预测理论在趋势预测方面具有明显的优势,文章利用油液原子发射光谱分析结果,结合灰预测理论,建立了某综合传动油液中金属元素Fe趋势变化的灰预测模型。在模型参数辨识求解上首次引入了改进欧拉算法,解决了避免原灰预测模型在实际应用过程中出现的预测结果主要依赖于第一个实测值的问题,使得预测结果更准确。将该算法结合原子发射光谱分析Fe元素浓度的阈值制定,有效地捕捉到综合传动发生故障的征兆信息,及时采取措施防止综合传动的故障,具有很好的推广应用价值。     

基于EDXRF技术茶叶中金属元素检测方法研究

能量色散X射线荧光光谱(EDXRF)法作为化学元素分析的一种检测手段,被广泛应用于地质勘测、工矿石油、生化医疗及刑侦考古等各行各业,它是户外现场检测与分析的首选方法之一。利用EDXRF法检测茶叶中金属元素含量,对环境条件要求低,且无需对茶叶样品进行化学处理。实验检测发现,用该方法分析茶叶中金属元素时,有效X射线荧光光子能量段在3～16 keV之间,故校正光谱元素选择位于能量中心位置(8 keV)附近的铜元素,并用铜元素定标做标准曲线,在茶叶有效X射线荧光光子能量段中,通过样品加标方法分析铜、铁、锌、铅四种元素,求得平均检出限为1.25 mg·kg-1。在检测茶叶中金属元素的化学方法中,选用火焰原子吸收法测得茶叶中金属元素含量作为标准值,比较得出,EDXRF法测得数值实际相对误差小于6%,相对标准偏差小于5%,经过t检验,p＞0.05,说明EDXRF法与火焰原子吸收法在统计学上没有显著差异,两种方法所测结果吻合。结果表明,EDXRF法检测茶叶中金属含量的方法是可行的,结果满足现场检测分析需求。     

非等间隔阶跃灰色模型在滑油光谱分析中的应用

针对非等间隔、具有阶跃趋势的原始数据序列建立了非等间隔阶跃灰色模型 ,模型参数的辨识采用了非线性最小二乘估计的Levenberg Marquardt算法。将所建模型用于 16V2 80ZJA型机车柴油机滑油的光谱分析数据的建模 ,得到了较高的拟合精度 ,尤其在阶跃点附近 ,大大改善了拟合精度。利用模型参数对换油后的测试数据进行修正 ,有利于提高光谱分析的准确度和可靠性。     

实测甘草冠层光谱定量估算甘草酸和甘草苷含量

甘草酸(GA)和甘草苷(LQ)是甘草的两个主要的活性成分, 常用作评估甘草的质量主要指标。首次尝试应用实测甘草冠层的可见-短波红外(Vis-SWIR)高光谱数据定量估算甘草中的GA和LQ含量,利用高效液相色谱方法(HPLC)分别测定甘草中GA和LQ含量作为参考值,通过结合一阶导数预处理和运用Wilk’lambda 逐步回归法选择特征波长等光谱预处理方法,在选择9个最优波段基础上建立偏最小二乘(PLS)回归预测模型,甘草GA和LQ的回归精度R2分别为0.953和0.932,校正集的均方根误差(RMSEC)分别为0.31和0.22, 预测精度R2分别为0.875和0.883,验证集的均方根误差(RMSEP)分别为0.39和0.27。结果显示,用光谱预测模型获得甘草GA和LQ含量预测与HPLC方法获得的甘草GA和LQ含量实测之间具有较高的相关性,说明Vis-SWIR技术从遥感数据中来确定GA和LQ含量的可行性。为野外利用外机载和/或星载高光谱传感器对甘草质量遥感监测提供理论依据。