基于光譜技術(shù)結(jié)合計算機信息處理技術(shù)鑒別機油品種的研究

基于光譜技術(shù)結(jié)合計算機信息處理技術(shù)鑒別機油品種的研究

作者：周子立張怡芳何勇吳迪摘要:利用光譜儀測得三種品牌共150個機油樣本的光譜數(shù)據(jù)，再借助數(shù)據(jù)處理軟件對原始光譜數(shù)據(jù)進行處理，處理后的數(shù)據(jù)先采用主成分分析法對機油品種進行定性分類，然后利用小波變換技術(shù)提取光譜特征信息，把光譜特征信息作為人工神經(jīng)網(wǎng)絡(luò)的輸入建立機油品種識別模型，對機油品種進行定量鑒別。從每種機油50個樣本共計150個樣本中隨機抽取120個樣本(每種40個樣本)用來建立神經(jīng)網(wǎng)絡(luò)模型，剩下的30個機油樣本用于預(yù)測。品種識別準確率達到100%。說明本文提出的方法具有很好的分類和鑒別作用，為機油的品種鑒別提供了一種新方法。

關(guān)鍵詞:可見-近紅外光譜;信息處理;機油;主成分分析;小波變換;人工神經(jīng)網(wǎng)絡(luò)

機油是保證發(fā)動機正常運轉(zhuǎn)，減少機件間摩擦的必需潤滑劑，其內(nèi)在品質(zhì)的檢測及品種鑒別一直是機油生產(chǎn)研究的重要課題。國內(nèi)外學(xué)者已在機油品質(zhì)對減少機械磨損方面做過大量研究[1]，也有學(xué)者在機油添加劑技術(shù)及測量機油粘度方面進行了研究[2]，但對機油的品種鑒別方面研究還很少。研究一種簡單、快速的機油品種鑒別方法，在目前機油種類繁多，良莠不齊的市場中防止假冒產(chǎn)品，避免劣質(zhì)機油進入市場是很有必要的。本文以可見-近紅外光譜技術(shù)為基礎(chǔ)研究了機油的品種鑒別，相對用紅外光譜技術(shù)研究具有容易實現(xiàn)、快速、高效、低成本的特點，便于此項鑒別技術(shù)的普及與推廣。

1材料與方法

1.1儀器設(shè)備

實驗使用美國ASD(AnalyticalSpectralDevice)公司的HandheldFieldSpec光譜儀，其光譜采樣間隔(波段寬)1.5nm，測定范圍325~1075nm，掃描次數(shù)30次，分辨率3.5nm。光源是與光譜儀配套的14.5V鹵素?zé)?。光譜數(shù)據(jù)以ASCLL碼形式導(dǎo)出進行處理，分析軟件為ASD(ViewSpecPro，Unscramble)和DPS(dataprocessionsystemforpracticalstatistics)。

1.2樣本來源及光譜的獲取

從市場買來三種機油，浙江殼牌化工石油有限公司生產(chǎn)的殼牌白喜力(Shelloil)，中國石化公司潤滑油分公司生產(chǎn)的長城福星(GreatWalloil)，廣西玉柴高級潤滑油有限責(zé)任公司生產(chǎn)的玉柴牌機油(Yuchaioil)。為保證實驗樣本的均勻性，每種機油選用了10個不同的生產(chǎn)批次和日期。機油用直徑65mm高度14mm的透明器皿盛裝。裝滿1個器皿作為一個實驗樣本。三種機油按不同生產(chǎn)批次和日期各取50個樣本，共150個樣本。全部樣本隨機分成建模集和預(yù)測集，建模集有120個樣本(每個品種40個樣本)，預(yù)測集有30個樣本(每個品種10個樣本)。光譜儀預(yù)熱20分鐘經(jīng)白板校準后進行測試。光譜儀置于機油樣本的下方，探頭距離樣本底部10mm，探頭視場角為90度，光線自上而下經(jīng)過機油樣本垂直透射在光譜儀探頭上，光譜儀對每一個樣本掃描30次，取其采樣透射光譜平均值，并分別保存。

1.3計算機信息處理

信息處理是可以使用計算機領(lǐng)域的總稱[3]，包括數(shù)據(jù)處理、數(shù)據(jù)通信、過程控制、模式識別等。信息處理的任務(wù)是通過對表示信息的數(shù)據(jù)進行解釋加工，確定數(shù)據(jù)的含義和形式，從中得到有用信息。信息處理的主要功能是對各應(yīng)用領(lǐng)域的各種數(shù)據(jù)進行采集、存儲、加工、傳輸?shù)炔僮?。計算機處理數(shù)據(jù)時先是把數(shù)據(jù)變換成計算機內(nèi)部熟悉的二進制代碼，當(dāng)數(shù)據(jù)處理后輸出時，計算機自動將其轉(zhuǎn)換成人們熟悉的形式。

2實驗結(jié)果與討論

2.1樣本的近紅外反射光譜

三種機油典型可見-近紅外反射光譜曲線如圖1所示。從圖中可以看出，三種機油在600nm~700nm光譜范圍內(nèi)有很大的差異，在700nm~1075nm范圍光譜曲線具有相同的趨勢，但是存在較大的基線漂移，運用二階求導(dǎo)消除基線漂移，使不同品種的譜線差異更明顯。所以，不同品種機油的光譜圖有明顯區(qū)別，并具有一定的特征性，這一差異為機油的不同品種鑒別奠定了數(shù)學(xué)基礎(chǔ)[4]。

2.2主成分分析對不同品種機油進行聚類

主成分分析不僅能夠?qū)档蛿?shù)據(jù)維數(shù)[5]，將多波長下的光譜數(shù)據(jù)壓縮到有限的幾個因子空間內(nèi)，使數(shù)目較少的新變量能最大限度的表征原變量的數(shù)據(jù)結(jié)構(gòu)特征，并不丟失信息。而且能夠通過樣本在各因子空間的得分確定所屬的類別，所以新變量能夠更加形象的表征原樣本的品質(zhì)差異，品種區(qū)別等。光譜數(shù)據(jù)經(jīng)預(yù)處理并選擇光譜范圍后，對其做主成分分析。以樣本在第一主成分和第二主成分上的得分作圖，結(jié)果見圖2。

圖2為主成分1、2所作的二維散點得分圖，圖中橫坐標(biāo)表示每個樣本的第一主成分得分值，縱坐標(biāo)表示每個樣本的第二主成分得分值。圖2中三種機油明顯分成三類，說明主成分1、2對三種機油有較好的聚類作用。從圖2中可以看出，長城機油50個樣本聚合度很好，緊密地分布在圖2中坐標(biāo)系的第二象限附近;殼牌機油50個樣本與其他兩個品種的樣本分界很清楚，它們都位于圖2中坐標(biāo)系的第一象限附近即坐標(biāo)系中縱坐標(biāo)的右邊，而其他兩個品種的樣本大都位于坐標(biāo)