CN101776594B - 一种润滑油新油质量光谱快速测定方法 - Google Patents

一种润滑油新油质量光谱快速测定方法 Download PDF

Info

Publication number
CN101776594B
CN101776594B CN 201010136895 CN201010136895A CN101776594B CN 101776594 B CN101776594 B CN 101776594B CN 201010136895 CN201010136895 CN 201010136895 CN 201010136895 A CN201010136895 A CN 201010136895A CN 101776594 B CN101776594 B CN 101776594B
Authority
CN
China
Prior art keywords
content
quality index
quality
variable
absorbance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN 201010136895
Other languages
English (en)
Other versions
CN101776594A (zh
Inventor
田高友
易如娟
褚小立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Oil Research Institute of General Logistic Department of PLA
Original Assignee
Oil Research Institute of General Logistic Department of PLA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Oil Research Institute of General Logistic Department of PLA filed Critical Oil Research Institute of General Logistic Department of PLA
Priority to CN 201010136895 priority Critical patent/CN101776594B/zh
Publication of CN101776594A publication Critical patent/CN101776594A/zh
Application granted granted Critical
Publication of CN101776594B publication Critical patent/CN101776594B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种润滑油新油质量光谱快速测定方法，包括如下步骤：(1)收集具有代表性的润滑油样品作为训练集；(2)测定训练集样品的红外光谱；(3)选择合适变量优选技术，优选合适的特征波长，以该特征波长的吸光度为变量，建立各质量指标与之的线性回归方程；(4)对于未知润滑油样品的质量检测，首先测定其红外光谱，选取相同特征波长的吸光度，利用所建立的线性回归方程，测定润滑油各质量指标。本发明方法可通过一张红外光谱，快速测定润滑油化学组成含量、理化性质、主要元素以及添加剂元素共21种质量参数，分析速度快，操作简便，提高润滑油质量监控能力。

Description

一种润滑油新油质量光谱快速测定方法
技术领域
本发明涉及一种润滑油新油质量光谱快速测定方法，具体地说，涉及一种通过中红外光谱结合变量优选技术，快速检测润滑油化学组成含量、理化性质、主要元素以及添加剂元素共21种质量参数的方法。
背景技术
润滑油是装备的血液，其质量好坏与装备性能密切相关，需要用户不定期监控其质量，及早发现问题，避免使用质量不合格的润滑油，导致装备不能正常运行。在实际使用过程中，常采用润滑油产品规定的方法对润滑油各个质量逐一分析。分析周期长，一名分析工作者，完成润滑油的化学组成、理化质量指标、元素分析等需要至少两周时间；需要多台分析设备，设备费用昂贵，完成上述分析需要数百万元设备。需要化学试剂，环境和人员不友好。因此，采用传统的常规方法无法满足润滑油质量快速监控要求。因此，需要研制润滑油质量快速检测技术。中红外光谱技术是一种快速分析方法，常用于润滑油的在用油质量监控，比如ASTME 2412方法采用中红外光谱技术测定润滑油在用油的氧化值、磺化值、硝化值以及燃油稀释等指标，监控润滑油质量。目前，还没有报道采用中红外光谱同时快速检测润滑油化学组成、元素含量以及闪点、倾点等质量指标。
发明内容
本发明为一种润滑油新油质量光谱快速检测方法，具体而言，是一种通过中红外光谱结合变量优选技术，快速检测润滑油化学组成含量、理化性质、主要元素以及添加剂元素共21种质量参数的方法。
本发明提供的技术方案是：一种润滑油新油质量光谱快速检测方法，包括如下步骤：
(1)收集具有代表性的润滑油样品作为训练集；
(2)测定待测润滑油样品的红外光谱；
(3)选择合适变量优选技术，优选合适的特征波长，以该特征波长的吸光度为变量，建立各质量指标与吸光度的线性回归方程；
(4)对于待测润滑油样品的质量检测，首先测定其红外光谱，选取相同特征波长的吸光度，利用第(3)步建立的线性回归方程，测定该润滑油的各质量指标。
所述第(2)步红外光谱测定方式采用透射方式或ATR反射方式。
所述第(3)步变量优选技术是逐步线性回归方法，线性回归方程为
Figure GSA00000048312200021
其中y为质量指标，ki为i变量的回归系数；Ai为波长i的吸光度，b为系数，m为特征变量数目。
上述第(3)步质量分析包括饱和烃含量、芳香烃含量、胶质含量、总酸值、总碱值、闪点、倾点、C含量、H含量、C/H、S含量、P含量、N含量、Ca含量、Zn含量、Al含量、Fe含量、Mn含量、Na含量、Pb含量和Si含量共计21种质量参数。第(3)步建立各质量指标与吸光度的线性回归方程的具体过程如下：
(1)采用F检验，评价各个波长对质量指标y的显著性。选择一个对质量指标(y)最显著的吸光度A1，建立一元回归方程：y＝k1A1+b1。F的计算公式为：
F = Q j Q ( n - 1 - 1 )
其中，Qj为波长j对y的方差贡献。Q为所有变量的剩余平方和。
(2)然后在余下波长中再选一个对y作用显著的因子Aj，由Ai和A2建立二元回归方程：y＝kiAi+k2A2+b；
(3)通过F检验评价引入的变量是否显著，即检验是否能够提高模型的准确性；如果不显著，立即剔出该变量；如果仍然显著，则需重复引入第三个变量，然后再检验该变量的显著性，如果继续显著，则重复该步骤，直到没有显著变量引入为止；
(4)最后利用所选择的特征波长的吸光度，建立与质量指标的关系：
Figure GSA00000048312200023
本发明具有以下有益效果：
本发明利用红外光谱，只需进行简单的红外光谱测定，结合变量优选技术(逐步线性回归法)，快速测定润滑油化学组成含量、理化性质、主要元素以及添加剂元素等共21种质量参数，参数多，分析速度快，操作简便，提高了润滑油质量监控能力。
附图说明
图1为125个润滑油透射方式测定中红外吸收光谱图；
图2为本方法的基本原理示意图；
图3本发明测定饱和烃含量透射法测定结果与标准方法结果关系图。
图4本发明测定芳香烃含量透射法测定结果与标准方法结果关系图。
图5本发明测定胶质含量透射法测定结果与标准方法结果关系图。
图6本发明测定倾点透射法测定结果与标准方法结果关系图。
图7本发明测定闪点透射法测定结果与标准方法结果关系图。
图8本发明测定总碱值透射法测定结果与标准方法结果关系图。
图9本发明测定总酸值透射法测定结果与标准方法结果关系图。
图10本发明测定碳含量透射法测定结果与标准方法结果关系图。
图11本发明测定氢含量透射法测定结果与标准方法结果关系图。
图12本发明测定CH比透射法测定结果与标准方法结果关系图。
图13本发明测定硫含量透射法测定结果与标准方法结果关系图。
图14本发明测定磷含量透射法测定结果与标准方法结果关系图。
图15本发明测定氮含量透射法测定结果与标准方法结果关系图。
图16本发明测定钙含量透射法测定结果与标准方法结果关系图。
图17本发明测定锌含量透射法测定结果与标准方法结果关系图。
图18本发明测定铝含量透射法测定结果与标准方法结果关系图。
图19本发明测定铁含量透射法测定结果与标准方法结果关系图。
图20本发明测定锰含量透射法测定结果与标准方法结果关系图。
图21本发明测定钠含量透射法测定结果与标准方法结果关系图。
图22本发明测定铅含量透射法测定结果与标准方法结果关系图。
图23本发明测定硅含量透射法测定结果与标准方法结果关系图。
具体实施方式
本发明方法按照如下步骤建立和检验多元线性回归方程。
第一步：收集具有代表性的样品作为训练集；
第二步：测定样品中红外光谱和各项质量指标；
第三步：采用逐步线性回归技术优选特征波长和建立多元线性回归方程，具体过程如下：
(1)采用F检验，评价各个波长对质量指标y的显著性。选择一个对质量指标(y)最显著的吸光度A1，建立一元回归方程：y＝k1A1+b1。F的计算公式为：
F = Q j Q ( n - 1 - 1 )
其中，Qj为波长j对y的方差贡献。Q为所有变量的剩余平方和，n为样品数目。
(2)然后在余下波长中再选一个对y作用显著的因子Aj，由Ai和A2建立二元回归方程：y＝kiAi+k2A2+b；
(3)通过F检验评价引入的变量是否显著，即检验是否能够提高模型的准确性；如果不显著，立即剔出该变量；如果仍然显著，则需重复引入第三个变量，然后再检验该变量的显著性，如果继续显著，则重复该步骤，直到没有显著变量引入为止；
(4)最后利用所选择的特征波长的吸光度，建立与质量指标的关系：
Figure GSA00000048312200042
第四步：验证多元线性回归方程的准确性
以训练集作为未知样品，采用第(4)步建立的回归方程，预测质量指标，并与真实值进行比较，采用相关系数R和分析偏差(SE)来评价方程的性能。要求R越高越好，SE越低越好，要求低于或接近于标准方法再现性要求。
R = 1 - Σ i = 1 n ( y i - y ^ ) 2 Σ i = 1 n ( y i - y ‾ ) 2
SE = Σ i = 1 n ( y i , pred - y i , real ) 2 n - 1
其中，yi为训练集中第i个样品的理化质量指标y，y为平均值，
Figure GSA00000048312200045
为拟合值，n分别为样品数目，yi，pred为第i个样品的y方程计算结果，yi，real为第i个样品的y实际值。
本发明按照以下步骤测定未知样品质量指标：在相同条件下测定中红外光谱；选择相同特征波长处的吸光度，采用第(4)步建立的回归方程计算质量指标。
实例1：透射法测定润滑油化学组成回归方程的建立和考察
1)收集训练集样品
收集125个润滑油样品，其中内燃机油86个，液压油26个，齿轮油13个，其生产商包括壳牌、ESSO、美孚、MOBIL、长城和昆仑等。
2)测定润滑油样品的红外光谱和各项质量指标；
采用Tensor 27中红外光谱仪，测定上述润滑油红外光谱，光谱范围：550～4100cm-1。透射样品池，光程为0.1mm。测得的红外光谱图请见图1。
表1列出了各质量参数的单位、标准方法、再现性要求和重复性要求。各种润滑油的各项质量指标见表2(因数据庞大，表2中只列出了各项质量指标的最大值、最小值和平均值)。
表1
Figure GSA00000048312200051
表2
  质量指标   最大值   最小值   平均值
  饱和烃，％   99.6   1.1   87.1
  芳香烃，％   53.1   0.4   8.1
  胶质，％   51.1   0.6   4.9
  总酸值，mgKOH/g   4.26   0.38   2.16
  总碱值，mgKOH/g   15.1   0.1   6.4
  闪点，℃   281   185   237
  倾点，℃   -9   -60   -29
  碳含量，％   87.04   72.90   85.12
  氢含量，％   14.47   11.56   13.60
  C/H比   6.86   5.88   6.26
  硫含量，％   2.44   0.03   0.56
  磷含量，％   0.21   0.01   0.09
  氮含量，μg/g   1900   4   543
  钙含量，μg/g   3680   940   1,416
  锌含量，μg/g   1515   0   723
  铝含量，μg/g   3   0   1
  铁含量，μg/g   5   0   1
  锰含量，μg/g   1   0   0
  钠含量，μg/g   262   0   12
  铅含量，μg/g   9   0   1
  硅含量，μg/g   313   1   23
3)采用逐步线性回归法来优选特征波长，并建立与润滑油烃族组成含量方程(y＝kiAi+b)，其特征波长i、ki和b见表3。
表3
Figure GSA00000048312200061
Figure GSA00000048312200071
4)评价多元线性回归方程的性能
以训练集作为未知样品，采用表3的ki和b测定其烃族组成含量，并与真实值进行比较，计算相关系数R、分析偏差(SE)、相对分析偏差(RSE)，见表4。饱和烃、芳烃和胶质的SE均远远低于标准方法再现性要求，表明该方法可以使用。
表4
  性质   波长数目   样品数目   SE   R
  饱和烃，％   15   119   2.37   0.81
  芳香烃，％   22   120   2.29   0.85
  胶质，％   39   116   0.20   0.99
实例2：透射法测定润滑油其它质量指标准确性的考察
1)收集训练集
训练集与实施例1相同。
2)测定润滑油的红外光谱和各项质量指标，测定方法和结果与实施例1中的相同。
3)评价多元线性回归方程的性能
按照实例1的步骤建立各个理化质量指标的回归方程。各理化质量指标的优选特征波长见表5，根据特征波长测得的理化质量指标计算出ki和b值，建立各个理化质量指标的回归方程。然后以训练集作为未知样品，采用所建立的方程测定其理化质量指标，并与真实值进行比较，计算相关系数R和分析偏差(SE)，见表6。各理化指标的R高且SE低于标准方法再现性要求，表明该方法可以使用。
表5
  性质   波长/cm-1
  总碱值   3134.2、2951、2947.1、2945.2、1870.9、1732、1647.2、1595.1、1579.6、1577.7、1554.6、1543、1527.6、1465.9、1354、1170.8、1166.9、1070.5、1066.6、1016.5、979.8、806.2、688.6、673.1、653.8、626.8
  总酸值   2976.1、2974.1、2954.8、2943.3、2895.1、2891.2、2883.5、2870、2864.2、2729.2、2698.3、2374.3、2370.4、2324.1、2289.4、2220、
  2191.1、2146.7、2048.3、1896、1813、1706.9、1695.4、1494.8、1479.4、1460.1、1425.3
  闪点   3656.9、3633.8、3626.1、3618.3、3358.0、3340.6、3032.0、2978.0、2939.4、2856.5、2850.7、2843.0、2364.7、2360.8、2250.9、2166.0、2104.3、1724.3、1645.2、758.0、698.2、582.5
  倾点   4065.8、4021.4、3928.9、3926.9、3917.3、3809.3、3780.4、3761.1、3668.5、3628.0、2966.4、2925.9、2895.1、2883.5、2881.6、2875.8、2870.0、2846.8、1730.1、1456.2、1288.4、1273.0、1091.7、1084.0、1072.4、1070.5、1047.3、995.2、960.5、925.8、918.1、686.6、680.8、588.3、582.5
  碳含量   4035.0、3980.9、3977.1、3965.5、3618.3、3606.8、3552.8、3502.6、3475.6、3136.2、3005.0、2968.4、2935.6、2906.6、2877.7、2862.3、2841.1、1936.5、1558.4、1458.1、1033.8、684.7、671.2、661.6
  氢含量   3957.8、3375.3、3005.0、2976.1、2970.3、2951.0、2949.1、2945.2、2941.3、2927.8、2891.2、2885.4、2837.2、2310.6、1759.0、1749.4、1714.7、1691.5、1624.0、1587.4、1473.6、1462.0、1460.1、1379.1、1315.4、1296.1、1261.4、1155.3、1145.7、1006.8、997.2、948.9、904.6、864.1、848.7、806.2、729.1、688.6、653.8、619.1、617.2、615.3
  C/H比   3541.2、3450.5、2976.1、2951.0、2889.3、2881.6、2879.6、2870.0、2835.3、2819.8、1899.8、1897.9、1616.3、1608.6、1581.6、1465.9、1435.0、1396.4、1282.6、933.5、923.9、852.5、729.1、632.6、584.4、569.0
  硫含量   4052.3、3894.2、3680.1、626.1、3074.4、2989.6、2976.1、2974.1、2952.9、2927.8、2922.1、2908.6、2870.0、2866.1、2835.3、2688.7、2673.3、2530.5、2482.3、2239.3、1967.3、1377.1、1062.7、981.7、937.4、682.8
  磷含量   3290.5、3278.9、3244.2、3159.3、3091.8、2976.1、2951.0、2947.1、2939.4、2933.6、2931.7、2902.8、2866.1、2852.6、1955.8、1757.1、1724.3、1624.0、1591.2、1170.8、997.2、860.2、731.0、729.1、694.4、673.1、663.5、661.6、657.7
  氮含量   3975.2、3774.6、3456.3、3454.4、3103.4、3055.1、2978.0、2976.1、2954.8、2952.9、2927.8、2918.2、2895.1、2875.8、2873.8、2866.1、2864.2、2856.5、2781.3、2723.4、2702.2、2598.0、2387.8、2293.3、1926.8、1791.8、1467.8、1463.9、1394.5、1172.7、1147.6、1116.7、1037.7、893.0、729.1、657.7、632.6、563.2
  钙含量   3278.9、3259.6、2976.1、2972.2、2968.4、2956.8、2954.8、2952.9、2945.2、2943.3、2939.4、2935.6、2929.8、2920.1、2918.2、2912.4、2904.7、2898.9、2887.3、2868.1、2864.2、2860.3、2852.6、2316.4、1753.2、1564.2、1556.5、1517.9、1496.7、1494.8、1492.9、1489.0、1433.1、1402.2、1379.1、1359.8、1354.0、1340.5、1328.9、1095.5、1093.6、1064.7、991.4、968.2、933.5、904.6、842.9、808.1、800.4、754.1、736.8、669.3、651.9、569.0、559.3
  镁含量   3759.1、3736.0、3622.2、3587.5、3425.5、3334.8、3190.2、3124.6、2952.9、2945.2、2868.1、2864.2、2862.3、2291.4、1697.3、1558.4、
  1521.8、1460.1、867.9、839.0
  锌含量   3086.0、2983.8、2931.7、2881.6、2879.6、2835.3、2329.9、2322.2、2252.8、1905.6、1689.6、1687.7、1670.3、1654.9、1631.7、1581.6、1170.8、979.8、954.7、933.5、806.2、786.9、758.0、754.1、680.8、678.9、648.1、630.7、613.3、561.3、559.3
  铝含量   4060.0、4017.6、4007.9、3803.5、3801.6、3747.6、3676.2、3649.2、2976.1、2954.8、2951.0、2949.1、2947.1、2933.6、2895.1、2885.4、2883.5、2871.9、2870.0、2212.3、2002.0、1980.8、1631.7、1585.4、1564.2、1494.8、1463.9、1458.1、1435.0、1429.2、1408.0、1377.1、1371.3、1342.4、1330.8、1236.3、1099.4、954.7、790.8、779.2、773.4、778.9、671.2、557.4
  铁含量   3932.7、3859.4、3803.5、3793.9、3730.2、3583.6、3568.2、3359.9、3323.2、3307.8、3230.7、2960.6、2954.8、2952.9、2949.1、2947.1、2943.3、2933.6、2929.8、2910.5、2887.3、2877.7、2873.8、2839.1、2235.4、2104.3、1982.8、1973.1、1818.8、1759.0、1751.3、1681.9、1645.2、1579.6、1566.1、1564.2、1539.1、1483.2、1477.4、1462.0、1458.1、1452.4、1427.3、1226.7、1141.8、954.7、906.5、871.8、846.7、788.9、767.6、748.4、671.2、667.3、619.1
  锰含量   4096.7、3955.9、3774.6、3705.1、3581.7、3579.8、3535.4、3521.9、3481.4、3433.2、3425.5、3199.8、3132.3、2949.1、2931.7、2906.6、2898.9、2887.3、2877.7、2866.1、2856.5、2839.1、2669.4、2661.7、2563.3、2561.4、2482.3、2441.8、1622.1、1531.4、1442.7、1429.2、1373.3、1286.5、1282.6、1049.2、1026.1、979.8、964.4、914.2、798.5、769.6、734.9、715.6、690.5、671.2、609.5、586.3
  钠含量   4079.3、4075.5、3982.9、3967.4、3917.3、3896.1、3886.4、3876.8、3817.0、3041.6、3006.9、3001.1、2991.5、2985.7、2974.1、2960.6、2954.8、2952.9、2951.0、2929.8、2920.1、2914.3、2912.4、2910.5、2900.8、2897.0、2895.1、2875.8、2871.9、2870.0、2860.3、2858.4、2835.3、2777.4、2692.5、2644.3、2275.9、2004.0、1909.5、1884.4、1851.6、1826.5、1639.4、1631.7、1600.9、1558.4、1544.9、1537.2、1535.3、1527.6、1519.9、1483.2、1467.8、1465.9、1463.9、1462.0、1456.2、1454.3、1436.9、1379.1、1330.8、1278.8、1273.0、1184.3、1145.7、935.4、794.6、771.5、750.3、675.1、663.5、661.6、657.7、651.9、636.5、607.6、584.4、580.6
  铅含量   4092.8、4081.2、4075.5、4069.7、3714.8、3707.1、3656.9、3651.1、3649.2、3639.6、3219.1、3147.7、3143.9、3003.1、2974.1、2970.3、2964.5、2962.6、2941.3、2929.8、2916.3、2902.8、2898.9、2885.4、2868.1、2837.2、2725.3、2590.3、2546.0、2374.3、1747.4、1674.2、1668.4、1643.3、1631.7、1610.5、1575.8、1558.4、1544.9、1531.4、1512.1、1456.2、1429.2、1354.0、1330.8、1286.5、1157.3、979.8、958.6、891.1、883.4、879.5、800.4、673.1、661.6、659.6
  硅含量   4096.7、4094.7、4089.0、4077.4、4062.0、3606.8、3512.3、3491.0、3479.5、2997.3、2976.1、2954.8、2937.5、2929.8、2927.8、2925.9、2906.6、2902.8、2887.3、2885.4、2868.1、2843.0、2841.1、2835.3、2573.0、2544.0、2540.2、2382.0、2353.1、2349.2、2175.6、1807.2、
  1741.7、1664.5、1660.7、1635.6、1535.3、1500.6、1471.6、1467.8、1463.9、1456.2、1444.6、1253.7、1141.8、1001.0、991.4、846.7、788.9、783.1、750.3、690.5、667.3、663.5、661.6、630.7、599.8、597.9、582.5、574.8、559.3、553.6、551.6
表6
  性质   波长数目   样品数目   SE   R
  总酸值，mgKOH/g   27   122   0.16   0.99
  总碱值，mgKOH/g   26   122   0.28   1
  闪点，℃   22   123   8.1   0.87
  倾点，℃   35   120   3.7   0.94
  碳含量，％   24   121   0.21   0.96
  氢含量，％   42   121   0.08   0.96
  C/H比   26   121   0.051   0.94
  硫含量，％   26   121   0.15   0.96
  磷含量，％   29   121   0.011   0.96
  氮含量，μg/g   38   123   61.6   0.98
  钙含量，μg/g   55   84   7.14   1
  锌含量，μg/g   31   121   29.4   1
  铝含量，μg/g   44   124   0.16   0.97
  铁含量，μg/g   55   121   0.088   0.995
  锰含量，μg/g   48   125   0.0344   0.98
  钠含量，μg/g   78   122   0.9   0.999
  铅含量，μg/g   56   125   0.158   0.99
  硅含量，μg/g   63   125   0.377   0.98
实例3：ATR法测定润滑油质量指标准确性的考察
1)训练集的收集
训练集与实施例1相同。
2)测定润滑油的红外光谱和各项质量指标
采用Tensor 27中红外光谱仪，测定上述润滑油红外光谱，光谱范围：550～4100cm-1。ATR样品池，反射10次。各项质量指标测定方法和结果与实施例1相同。
3)评价多元线性回归方程的性能
按照实例1的步骤建立各个理化质量指标的回归方程。然后以训练集作为未知样品，采用所建立的方程测定其理化质量指标，并与真实值进行比较，计算相关系数R和分析偏差(SE)，见表7。表中所有指标的R高且SE远远低于标准方法再现性要求，表明该方法可以使用。
表7
  序号   性质   波长数目   样品数目   SE   R
  1   饱和烃，wt％   14   118   1.68   0.91
  2   芳香烃，wt％   13   120   1.72   0.91
  3   胶质，wt％   44   120   0.23   1.00
  4   总酸值，mgKOH/g   45   123   0.12   0.99
  5   总碱值，mgKOH/g   45   122   0.35   1.00
  6   闪点，℃   25   121   5.66   0.94
  7   倾点，℃   23   118   3.8   0.95
  8   碳含量，％   29   123   0.157   1.00
  9   氢含量，％   26   123   0.097   0.97
  10   C/H比   20   122   0.034   0.97
  11   硫含量，％   35   122   0.066   0.99
  12   磷含量，％   54   119   13.3   1.00
  13   氮含量，μg/g   28   123   87.3   0.99
  14   钙含量，％   51   80   17.12   1.00
  15   锌含量，％   50   122   29.3   1.00
  16   铝含量，μg/g   42   122   0.14   0.99
  17   铁含量，μg/g   51   122   0.12   0.97
  18   锰含量，μg/g   55   124   0.0213   0.99
  19   钠含量μg/g   81   118   0.18   0.99
  20   铅含量，μg/g   66   122   0.116   0.99
  21   硅含量，μg/g   75   121   0.167   0.99

Claims (2)

1.一种润滑油新油质量光谱快速测定方法，包括如下步骤：
（1）收集具有代表性的润滑油样品作为训练集；
（2）测定待测润滑油样品的中红外光谱，并采用标准方法测定训练集润滑油样品的各质量指标；
（3）选择F检验来优选合适的特征波长，以该特征波长的吸光度为变量，建立各质量指标与吸光度的线性回归方程，所述质量指标包括饱和烃含量、芳香烃含量、胶质含量、总酸值、总碱值、闪点、倾点、C含量、H含量、C/H、S含量、P含量、N含量、Ca含量、Zn含量、Al含量、Fe含量、Mn含量、Na含量、Pb含量和Si含量共计21种质量指标，建立各质量指标与吸光度的线性回归方程的具体过程如下：
①采用F检验，评价各个波长对质量指标y的显著性；选择一个对质量指标（y）最显著的吸光度A1，建立一元回归方程：y=k1A1+b1，F的计算公式为：
F = Q j Q ( n - 1 - 1 )
其中，Qj为波长j对y的方差贡献，Q为所有变量的剩余平方和，n为样品数目；
②然后在余下波长中再选一个对y作用显著的吸光度A2，由A1和A2建立二元回归方程：y=k1A1+k2A2+b；
③通过F检验评价引入的变量是否显著，即检验是否能够提高模型的准确性；如果不显著，立即剔出该变量；如果仍然显著，则需重复引入第三个变量，然后再检验该变量的显著性，如果继续显著，则重复该步骤，直到没有显著变量引入为止；
④最后利用所选择的特征波长的吸光度，建立与质量指标的关系：
Figure FDA00001936528200012
其中y为质量指标，ki为i变量的回归系数；Ai为波长i的吸光度，b为系数，m为特征变量数目；
（4）对于待测润滑油样品的质量检测，首先利用第（2）步测定其中红外光谱，选取相同特征波长的吸光度，利用第（3）步建立的线性回归方程，测定该润滑油的各质量指标。
2.按照权利要求1所述的检测方法，其特征在于：所述第（2）步中红外光谱测定方式采用透射方式或ATR反射方式。
CN 201010136895 2010-03-31 2010-03-31 一种润滑油新油质量光谱快速测定方法 Expired - Fee Related CN101776594B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010136895 CN101776594B (zh) 2010-03-31 2010-03-31 一种润滑油新油质量光谱快速测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010136895 CN101776594B (zh) 2010-03-31 2010-03-31 一种润滑油新油质量光谱快速测定方法

Publications (2)

Publication Number Publication Date
CN101776594A CN101776594A (zh) 2010-07-14
CN101776594B true CN101776594B (zh) 2013-02-20

Family

ID=42513110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010136895 Expired - Fee Related CN101776594B (zh) 2010-03-31 2010-03-31 一种润滑油新油质量光谱快速测定方法

Country Status (1)

Country Link
CN (1) CN101776594B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788470B (zh) * 2010-03-31 2012-04-25 中国人民解放军总后勤部油料研究所 一种润滑油新油质量快速检测方法
CN102252994A (zh) * 2011-05-27 2011-11-23 中国人民解放军总后勤部油料研究所 一种快速测定发动机燃料质量指标的方法
CN102221534B (zh) * 2011-05-27 2014-06-18 中国人民解放军总后勤部油料研究所 一种快速识别发动机燃料种类的中红外光谱方法
CN103063598B (zh) * 2011-10-18 2015-05-20 中国石油化工股份有限公司 由透射红外光谱预测原油酸值的方法
CN105319179B (zh) * 2014-06-30 2018-06-19 中国石油化工股份有限公司 一种利用中红外光谱预测脱硫胺液中硫化氢含量的方法
CN105203497B (zh) * 2014-06-30 2018-04-13 中国石油化工股份有限公司 一种由近红外光谱预测脱硫胺液中硫化氢含量的方法
CN104251846B (zh) * 2014-09-04 2017-02-22 清华大学 一种结合判别分析的激光诱导击穿光谱定量分析方法
CN104568786B (zh) * 2014-12-05 2018-06-05 中国农业大学 一种光谱特征波长的提取方法
CN106546701B (zh) * 2016-11-02 2018-10-12 武汉轻工大学 根据电子等排原理快速筛选减摩抗磨润滑油添加剂的方法
CN107607694A (zh) * 2017-08-11 2018-01-19 佛山职业技术学院 一种汽车自动变速器油检测装置及其检测方法
CN107478596A (zh) * 2017-08-14 2017-12-15 山东南山铝业股份有限公司 一种轧制润滑油性能的红外光谱检测方法
CN109470640A (zh) * 2018-12-14 2019-03-15 北京华易明新科技有限公司 一种基于可见-近红外吸收光谱的润滑油多指标检测探头
CN111948282B (zh) * 2020-07-07 2021-06-25 上海交通大学 一种变压器油理化性能检测方法
CN112697650B (zh) * 2020-12-04 2023-03-31 广州机械科学研究院有限公司 一种机械密封介质的选型方法
CN114659996B (zh) * 2022-05-19 2022-08-19 联桥网云信息科技（长沙）有限公司 一种基于反射光的高光谱油液检测方法
CN117701329B (zh) * 2024-02-06 2024-04-26 青岛众屹科锐工程技术有限公司 一种基于数据分析的润滑油还原净化控制方法及系统

Also Published As

Publication number Publication date
CN101776594A (zh) 2010-07-14

Similar Documents

Publication Publication Date Title
CN101776594B (zh) 一种润滑油新油质量光谱快速测定方法
CN101788470B (zh) 一种润滑油新油质量快速检测方法
CN101893561B (zh) 一种润滑油新油质量近红外光谱快速测定方法
CN101799411B (zh) 一种润滑油在用油质量光谱快速检测法
CN101806729A (zh) 一种润滑油在用油质量快速检测方法
CN101782512B (zh) 一种润滑油在用油理化质量指标快速测定方法
CN101900672B (zh) 一种润滑油种类和粘度级别的快速识别方法
CN105388123B (zh) 一种由近红外光谱预测原油性质的方法
Zawadzki et al. Biodiesel blend level detection using ultraviolet absorption spectra
Wolak et al. Changes in the operating characteristics of engine oils: a comparison of the results obtained with the use of two automatic devices
CN105466884A (zh) 一种通过近红外光谱识别原油种类及其性质的方法
CN110702663A (zh) 一种冷冻肉品贮藏时间的无损快速检测方法
CN103115889B (zh) 由透射红外光谱预测原油硫含量的方法
Baig et al. Determination of acid number of biodiesel and biodiesel blends
CN105004745A (zh) 一种由核磁共振谱预测原油粘度的方法
CN105319179A (zh) 一种利用中红外光谱预测脱硫胺液中硫化氢含量的方法
Van de Voort et al. Quantitative determination of moisture in lubricants by Fourier transform infrared spectroscopy
CN102954946B (zh) 由红外光谱测定原油硫含量的方法
CN103063599B (zh) 由透射红外光谱预测原油密度的方法
CN102338743A (zh) 一种识别发动机燃料种类和牌号中红外光谱方法
CN103134764B (zh) 由透射红外光谱预测原油实沸点蒸馏曲线的方法
CN102252994A (zh) 一种快速测定发动机燃料质量指标的方法
CN102937581A (zh) 润滑脂高温抗氧化性能的快速评定方法
CN102323235B (zh) 一种利用中红外光谱技术测定发动机燃料质量指标的方法
CN107132341A (zh) 一种润滑油氧化安定性的测试方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130220

Termination date: 20150331

EXPY Termination of patent right or utility model