润滑油冷却液污染的拉曼光谱检测方法研究

摘要：

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300～2000 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.

关键词：拉曼光谱、柴油机润滑油、神经网络、定量估计、冷却液污染

所属期刊栏目：41

分类号：O657.3(分析化学)

资助基金：国家自然科学基金 NSFC-浙江两化融和联合基金项目U1709215

在线出版日期：2021-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：817-821