CN103323421A - 发动机润滑油红外指纹图谱鉴别方法 - Google Patents
发动机润滑油红外指纹图谱鉴别方法 Download PDFInfo
- Publication number
- CN103323421A CN103323421A CN2013102876379A CN201310287637A CN103323421A CN 103323421 A CN103323421 A CN 103323421A CN 2013102876379 A CN2013102876379 A CN 2013102876379A CN 201310287637 A CN201310287637 A CN 201310287637A CN 103323421 A CN103323421 A CN 103323421A
- Authority
- CN
- China
- Prior art keywords
- sample
- fdj
- analyzed
- similarity
- standard model
- 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.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种发动机润滑油红外指纹图谱鉴别方法,该方法包括以下步骤:a、收集标准样品,在规定的测试条件下采集红外图谱,建立标准样品库;b、在与标准样品相同的测试条件下采集待分析样品的红外图谱;c、对待分析样品和标准样品的红外图谱进行预处理;d、将待分析样品的红外图谱与标准样品库中样品的红外图谱进行相似度计算;e、根据相似度大小得出结论。本发明方法通过待分析样品与标准样品之间红外指纹图谱的相似度,确定待分析样品与标准样品之间组成、结构之间的一致性,从而对发动机润滑油进行有效的质量监督和管理工作。
Description
技术领域
本发明涉及一种发动机润滑油红外指纹图谱鉴别方法,具体地说,涉及一种快速将未知的发动机润滑油鉴别为是否与标准库中样品具有相似的组成、结构特征的方法。
背景技术
发动机润滑油种类繁多,其可以分为汽油机油、柴油机油和通用内燃机油三大类。在每一类发动机润滑油中,其又包含多种粘度等级和质量等级。而且,对于同一类型并具有同一粘度等级和质量等级的发动机润滑油来说,不同的生产厂家的发动机润滑油产品的组成、结构,即配方体系差异较大,导致其使用性能也差异明显。
由于润滑油品种、规格和牌号很复杂,不同的应用领域要求使用不同的品种,不同的使用环境和不同的使用条件,又要求不同的牌号,这使得发动机润滑油的使用和管理费时、费力。建立润滑油的指纹图谱,对于润滑油的质量控制、鉴别防伪等都具有重要的意义和价值。
目前,中国石油化工股份有限公司公开了“一种润滑油种类和粘度级别的快速识别方法”,该方法通过测定待识别样品的红外光谱,由红外光谱的吸光度预测待识别润滑油的类别值,再由其类别值确定待测润滑油的大类,或者通过红外光谱的吸光度预测待识别润滑油的总碱值,由总碱值确定待测润滑油的大类,其能够将润滑油区分为内燃机油、液压油和齿轮油三个种类;通过测定润滑油的运动粘度或者运动粘度和粘度指数确定其粘度级别。
中国人民解放军总后勤部油料研究所提出“一种发动机润滑油种类识别方法”,通过测定润滑油的饱和烃、芳烃、总碱值、Zn、P、倾点、闪点、粘度指数和40℃粘度等指标通过建立识别模型能够将内燃机润滑油识别为柴油机油、汽油机油和通用内燃机油三大类;其提出的“一种润滑油种类和级别的快速识别方法”通过测定样品的中红外光谱,采用多个模型逐步识别方法能够实现润滑油种类、粘度级别和质量级别的快速识别。
管亮等在《石油学报(石油加工)》(2008年6月第24卷第3期,P350-355)公开了“介电谱技术快速识别不同配方体系内燃机润滑油”的文章,该文测定润滑油的介电谱数据,通过主成分分析剔除异常点,再使用偏最小二乘法进行层次分类,通过赋值,分两层将Mobil、Esso和Shell公司的产品区分开。
对于采用不同配方体系、不同生产厂家的发动机润滑油,具有同一粘度等级或质量等级的发动机润滑油可能含有不同的化学组分。而由于所采用基础油和添加剂种类及含量的微小差异可能导致发动机润滑油的粘度等级或质量等级差异较大。对每一种发动机润滑油而言,最好都能寻找到一种或几种独有的具有鉴别作用的特征性质量指标。然而,由于某种质量指标都是发动机润滑油组成、结构特征在某一方法的特定反应,例如,闪点只能表示油品蒸发性一项指标,总碱值只表示润滑油中碱性物质含量。由于发动机润滑油的质量指标较多,每项质量指标的分析测试过程也较为复杂。现有的对发动机润滑油的鉴别技术多数采用的是通过多个质量指标进行种类识别或鉴别的方法。但这些方法难以在短时间内实现对发动机润滑油的鉴别,较为严重地制约了对发动机润滑油的质量监督和管理工作,例如进行质量抽查和防伪打假等。
管亮等在《石油学报(石油加工)》(2008年6月第24卷第3期,P350-355)公开了“介电谱技术快速识别不同配方体系内燃机润滑油”的文章虽然能够实现较为快速的配方体系的鉴别,但介电谱技术获取发动机润滑油指纹图谱特征信息能力有限,必须借助于较为复杂的化学计量学方法进行特征提取。
利用发动机润滑油的红外指纹图谱,实现对待分析发动机润滑油样品和标准发动机润滑油样品相似度分析,并以此识别未知发动机润滑油样品的方法还未见报道。
发明内容
本发明所要解决的技术问题是:提供一种发动机润滑油红外指纹图谱鉴别方法,该方法通过获取代表发动机润滑油组成、结构的红外指纹图谱特征信息,通过计算待分析样品和标准样品之间的普鲁克距离的方式得到待分析样品与标准样品的指纹相似信息,实现了对发动机润滑油快速的指纹图谱鉴别,避免了现有技术的繁琐、费时、复杂的分析过程。
本发明提供的技术方案是:一种发动机润滑油红外指纹图谱鉴别方法,该方法包括以下步骤:
a、收集标准样品,采集红外图谱,建立标准样品库,其中,红外图谱测试条件为:波长范围覆盖中红外谱段范围,波长分辨率不大于4cm-1,液层厚度为0.2mm左右,样品红外指纹图谱区为1330~660cm-1;
b、在与标准样品相同的测试条件下采集待分析样品的红外图谱;
c、对待分析样品和标准样品的红外图谱进行预处理,待分析样品和标准样品的红外图谱预处理方法依次为:(1)区间截取,截取1250~800cm-1的光谱谱段,(2)平滑处理,采用五点三次平滑方法,(3)一阶导数处理,(4)标准化处理,
其中:xi为第i个样品光谱数据向量;mean(xi)为第i个样品光谱数据向量的平均值;std(xi)为第i个样品光谱数据向量的标准方差;xi′为标准化处理后的第i个样品光谱数据向量;
d、将待分析样品的红外图谱与标准样品库中样品的红外图谱进行相似度计算,相似度计算方法为:先计算两者之间的普鲁克距离d,再计算相似度r,其表达式为:r=1-d;
e、根据相似度大小得出结论,当相似度r值处于0.99~1.00之间时,待分析样品与对应的标准样品具有相似的组成、结构特征。
所述的方法中,步骤a和b中采用透射式液体池测试红外图谱。
本发明具有如下有益效果:该方法通过待分析样品与标准样品之间红外指纹图谱的相似度,确定待分析样品与标准样品之间组成、结构之间的一致性,从而对发动机润滑油进行有效的质量监督和管理工作,例如进行发动机润滑油样品快速质量抽查和防伪打假等。本发明方法实现了对发动机润滑油快速的指纹图谱鉴别,避免了现有技术的繁琐、费时、复杂的分析过程。
附图说明
图1:普鲁克距离d的算法流程图。
图2:标准样品的红外光图谱。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
实施例:
a、收集标准样品,在规定的测试条件下采集红外图谱,建立标准样品库,红外图谱测试条件为,波长范围覆盖中红外谱段范围,波长分辨率不大于4cm-1,采用透射式液体池进行测试,液层厚度,即光程为0.2mm左右,以保证样品红外指纹图谱区,即1330~660cm-1,吸收峰足够强。
所搜集的标准样品如下表1所示。
表1:发动机润滑油标准样品列表
序号 | 样品编码 | 质量等级 | 粘度等级 |
1 | FDJ-01 | SD/CC | 10W-30 |
2 | FDJ-02 | CD | 40 |
3 | FDJ-03 | SF/CD | 0W-30 |
4 | FDJ-04 | SD/CC | 15W-40 |
5 | FDJ-05 | SF/CC | 15W-40 |
6 | FDJ-06 | SF | 5W-30 |
7 | FDJ-07 | CH-4/SJ | 15W-40 |
8 | FDJ-09 | CF-4 | 15W-40 |
9 | FDJ-11 | CD | 40 |
10 | FDJ-12 | CC | 50 |
11 | FDJ-13 | SG | 15W-40 |
12 | FDJ-14 | CD | 15W-40 |
13 | FDJ-15 | CC | 40 |
14 | FDJ-16 | CF-4 | 15W-40 |
15 | FDJ-17 | SF/CD | 15W-40 |
16 | FDJ-18 | CC | 30 |
17 | FDJ-19 | CD | 30 |
18 | FDJ-20 | CD | 40 |
19 | FDJ-21 | CC | 40 |
20 | FDJ-22 | CD | 5W-40 |
21 | FDJ-23 | CD+ | 10W-40 |
22 | FDJ-24 | CD+ | 5W-40 |
23 | FDJ-25 | CD | 5W-40 |
24 | FDJ-26 | CD | 40 |
25 | FDJ-27 | SF/CD | 0W-30 |
26 | FDJ-28 | SD/CC | 15W-40 |
27 | FDJ-29 | SJ | 15W-40 |
28 | FDJ-31 | SF/CC | 15W-40 |
29 | FDJ-32 | SD/CC | 15W-40 |
30 | FDJ-33 | SD/CC | 10W-30 |
31 | FDJ-34 | CD | 30 |
32 | FDJ-35 | CF-4 | 15W-40 |
33 | FDJ-36 | CH-4/SJ | 15W-40 |
34 | FDJ-37 | SJ | 10W-40 |
35 | FDJ-38 | SL | 5W-40 |
36 | FDJ-39 | SE | 15W-40 |
37 | FDJ-40 | SG | 15W-40 |
38 | FDJ-41 | SF | 15W-40 |
39 | FDJ-42 | SE | 10W-30 |
40 | FDJ-43 | SM | 5W-40 |
41 | FDJ-44 | SM/CF | 0w-50 |
42 | FDJ-45 | CD | 5W-30 |
43 | FDJ-46 | CF-4 | 15W-40 |
44 | FDJ-47 | SD/CC | 10W-30 |
45 | FDJ-48 | CC | 50 |
46 | FDJ-49 | CI-4 | 15W-40 |
47 | FDJ-50 | CH-4 | 15W-40 |
48 | FDJ-51 | CG-4 | 15W-40 |
49 | FDJ-52 | CF | 40 |
50 | FDJ-53 | CD/SE | 15W-40 |
51 | FDJ-56 | CG-4/SJ | 15W-40 |
52 | FDJ-57 | CH-4/SJ | 15W-40 |
53 | FDJ-58 | CI-4/SL | 15W-40 |
54 | FDJ-59 | CH-4/SJ | 5W-40 |
55 | FDJ-60 | CF-4 | 15W-40 |
56 | FDJ-61 | CH-4 | 15W-40 |
57 | FDJ-63 | CD | 15W-40 |
58 | FDJ-64 | CD | 5W-30 |
59 | FDJ-65 | CD | 15W-40 |
60 | FDJ-67 | CH-4/SJ | 15W-40 |
61 | FDJ-68 | CF-4 | 15W-40 |
62 | FDJ-69 | CD | 40 |
63 | FDJ-70 | CC | 40 |
64 | FDJ-73 | SF/CD | 0W-30 |
65 | FDJ-74 | SF/CC | 15W-40 |
66 | FDJ-75 | SD/CC | 15W-40 |
67 | FDJ-76 | SD/CC | 10W-30 |
68 | FDJ-77 | CD | 15W-40 |
69 | FDJ-78 | CD | 40 |
70 | FDJ-79 | SG | 15W-40 |
71 | FDJ-80 | SF | 5W-30 |
72 | FDJ-82 | CF-4/SG | 15W-40 |
73 | FDJ-83 | CG-4/SJ | 15W-40 |
74 | FDJ-84 | CI-4/SL | 15W-40 |
75 | FDJ-86 | CH-4/SJ | 15W-40 |
全部标准样品的红外光图谱如附图2所示。
b、在与标准样品相同的测试条件下采集待分析样品的红外图谱:
在本实施例中,为验证鉴别结果,将每个标准样品都视为未知待分析样品(由于对自身的普鲁克距离为0,因此鉴别结果为除自身外的最小普鲁克距离样品)。
c、对待分析样品和标准样品的红外图谱进行预处理,预处理方法依次为:(1)区间截取,截取1250~800cm-1的光谱谱段,(2)平滑处理,采用五点三次平滑方法,(3)一阶导数处理,(4)标准化处理,
其中:xi为第i个样品光谱数据向量;mean(xi)为第i个样品光谱数据向量的平均值;std(xi)为第i个样品光谱数据向量的标准方差;xi′为标准化处理后的第i个样品光谱数据向量。
d、将待分析样品的红外图谱与标准样品库中样品的红外图谱进行相似度计算,计算方法为:先计算两者之间的普鲁克距离,Procrustes Distance,d,再计算相似度r,其表达式为:r=1-d,普鲁克距离d的算法流程图参见附图1。计算结果如下表2所示。
表2:待分析样品鉴别结果列表
e、根据相似度大小得出结论:
待分析样品的鉴别依据为:(1)根据相似度r值从大到小排序,相似度r值最大的标准样品为待分析样品的初步鉴别结果;(2)根据相似度r值的大小确定最终鉴别结果,当相似度r值处于0.99~1.00之间时,待分析样品与对应的标准样品具有相似的组成、结构特征。
从表2鉴别结果列表可以看出,当相似度r值处于0.99~1.00范围时,待分析样品的鉴别结果所得的标准样品与其质量等级和粘度等级都一致,即具有相似的组成、结构特征;当相似度r值小于0.99时,鉴别结果所得的标准样品与待分析样品组成、结构特征有较大差异,其体现在质量等级或者粘度等级不一致。
Claims (2)
1.一种发动机润滑油红外指纹图谱鉴别方法,其特征在于该方法包括以下步骤:
a、收集标准样品,采集红外图谱,建立标准样品库,其中,红外图谱测试条件为:波长范围覆盖中红外谱段范围,波长分辨率不大于4cm-1,液层厚度为0.2mm左右,样品红外指纹图谱区为1330~660cm-1;
b、在与标准样品相同的测试条件下采集待分析样品的红外图谱;
c、对待分析样品和标准样品的红外图谱进行预处理,待分析样品和标准样品的红外图谱预处理方法依次为:(1)区间截取,截取1250~800cm-1的光谱谱段,(2)平滑处理,采用五点三次平滑方法,(3)一阶导数处理,(4)标准化处理,
标准化处理后样品的光谱数据向量xi′为:
其中:xi为第i个样品光谱数据向量;mean(xi)为第i个样品光谱数据向量的平均值;std(xi)为第i个样品光谱数据向量的标准方差;xi′为标准化处理后的第i个样品光谱数据向量;
d、将待分析样品的红外图谱与标准样品库中样品的红外图谱进行相似度计算,相似度计算方法为:先计算两者之间的普鲁克距离d,再计算相似度r,其表达式为:r=1-d;
e、根据相似度大小得出结论,当相似度r值处于0.99~1.00之间时,待分析样品与对应的标准样品具有相似的组成、结构特征。
2.根据权利要求1所述的发动机润滑油红外指纹图谱鉴别方法,其特征在于:步骤a和b中采用透射式液体池测试红外图谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310287637.9A CN103323421B (zh) | 2013-07-10 | 2013-07-10 | 发动机润滑油红外指纹图谱鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310287637.9A CN103323421B (zh) | 2013-07-10 | 2013-07-10 | 发动机润滑油红外指纹图谱鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103323421A true CN103323421A (zh) | 2013-09-25 |
CN103323421B CN103323421B (zh) | 2016-12-28 |
Family
ID=49192306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310287637.9A Expired - Fee Related CN103323421B (zh) | 2013-07-10 | 2013-07-10 | 发动机润滑油红外指纹图谱鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103323421B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884675A (zh) * | 2014-03-25 | 2014-06-25 | 史永刚 | 一种基于红外光谱的发动机润滑油识别算法 |
CN106951458A (zh) * | 2017-02-24 | 2017-07-14 | 陈智锋 | 一种产品本体溯源鉴真防伪方法及系统 |
WO2019135709A1 (en) * | 2018-01-04 | 2019-07-11 | Smartclean Technologies, Pte. Ltd. | System and method for non-contact wetness detection using thermal sensing |
CN110632021A (zh) * | 2019-10-17 | 2019-12-31 | 四川长虹电器股份有限公司 | 基于便携式近红外光谱仪的光谱检测方法及系统 |
CN111337448A (zh) * | 2020-03-26 | 2020-06-26 | 杭州老爸标准技术集团有限公司 | 基于红外光谱技术的鉴别化妆品的方法 |
CN112749891A (zh) * | 2021-01-05 | 2021-05-04 | 东风商用车有限公司 | 一种发动机油性能一致性判定方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007126954A1 (en) * | 2006-03-31 | 2007-11-08 | Exxonmobil Research And Engineering Company | An infrared spectroscopy method for measuring the base number of overbased lubricants |
EP2009438A1 (de) * | 2007-06-29 | 2008-12-31 | Martechnic GmbH | Verfahren und Einrichtung zur Bestimmung des Wassergehalts in Mineralölen und ähnlichen Flüssigkeiten |
CN101782511A (zh) * | 2010-03-31 | 2010-07-21 | 中国人民解放军总后勤部油料研究所 | 一种润滑油种类和级别的快速识别方法 |
CN101893561A (zh) * | 2010-07-13 | 2010-11-24 | 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近红外光谱快速测定方法 |
-
2013
- 2013-07-10 CN CN201310287637.9A patent/CN103323421B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007126954A1 (en) * | 2006-03-31 | 2007-11-08 | Exxonmobil Research And Engineering Company | An infrared spectroscopy method for measuring the base number of overbased lubricants |
EP2009438A1 (de) * | 2007-06-29 | 2008-12-31 | Martechnic GmbH | Verfahren und Einrichtung zur Bestimmung des Wassergehalts in Mineralölen und ähnlichen Flüssigkeiten |
CN101782511A (zh) * | 2010-03-31 | 2010-07-21 | 中国人民解放军总后勤部油料研究所 | 一种润滑油种类和级别的快速识别方法 |
CN101893561A (zh) * | 2010-07-13 | 2010-11-24 | 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近红外光谱快速测定方法 |
Non-Patent Citations (1)
Title |
---|
马兰芝等: "润滑油红外光谱专家识别系统研究", 《润滑与密封》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884675A (zh) * | 2014-03-25 | 2014-06-25 | 史永刚 | 一种基于红外光谱的发动机润滑油识别算法 |
CN103884675B (zh) * | 2014-03-25 | 2016-08-17 | 史永刚 | 一种基于红外光谱的发动机润滑油识别算法 |
CN106951458A (zh) * | 2017-02-24 | 2017-07-14 | 陈智锋 | 一种产品本体溯源鉴真防伪方法及系统 |
WO2019135709A1 (en) * | 2018-01-04 | 2019-07-11 | Smartclean Technologies, Pte. Ltd. | System and method for non-contact wetness detection using thermal sensing |
CN110632021A (zh) * | 2019-10-17 | 2019-12-31 | 四川长虹电器股份有限公司 | 基于便携式近红外光谱仪的光谱检测方法及系统 |
CN111337448A (zh) * | 2020-03-26 | 2020-06-26 | 杭州老爸标准技术集团有限公司 | 基于红外光谱技术的鉴别化妆品的方法 |
CN112749891A (zh) * | 2021-01-05 | 2021-05-04 | 东风商用车有限公司 | 一种发动机油性能一致性判定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103323421B (zh) | 2016-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103323421A (zh) | 发动机润滑油红外指纹图谱鉴别方法 | |
US5424959A (en) | Interpretation of fluorescence fingerprints of crude oils and other hydrocarbon mixtures using neural networks | |
WO2020191857A1 (zh) | 一种基于云平台的世界常用农药及化学污染物七类质谱谱图自动识别系统与方法 | |
CN101900672B (zh) | 一种润滑油种类和粘度级别的快速识别方法 | |
US20070211964A1 (en) | Image-based indexing and classification in image databases | |
CN110967428A (zh) | 一种基于高效液相指纹图谱信息建立评价中药化橘红质量的模式识别方法 | |
CN109254107A (zh) | 柑普茶快速分类鉴别方法 | |
CN108844941B (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
CN105466884B (zh) | 一种通过近红外光谱识别原油种类及其性质的方法 | |
Kalogiouri et al. | Liquid chromatographic methods coupled to chemometrics: A short review to present the key workflow for the investigation of wine phenolic composition as it is affected by environmental factors | |
Tata et al. | Detection of soft-refined oils in extra virgin olive oil using data fusion approaches for LC-MS, GC-IMS and FGC-Enose techniques: The winning synergy of GC-IMS and FGC-Enose | |
Chimeno-Trinchet et al. | Artificial Intelligence and fourier-transform infrared spectroscopy for evaluating water-mediated degradation of lubricant oils | |
CN105987886B (zh) | 近红外光谱测定加氢裂化尾油性质的方法 | |
CN111551644A (zh) | 基于离子迁移谱技术对进口香米原产地溯源的方法 | |
CN112557834B (zh) | 基于拉曼光谱的油纸绝缘设备老化诊断方法 | |
CN112204378A (zh) | 活体组织解析装置、活体组织解析程序以及活体组织解析方法 | |
CN104155245A (zh) | 一种基于模式识别与谱图映射的油品多类性质的检测方法 | |
Valledor et al. | Standardization of data processing and statistical analysis in comparative plant proteomics experiment | |
McDaniel et al. | Toward the identification of marijuana varieties by headspace chemical forensics | |
CN107966420B (zh) | 一种由近红外光谱预测原油性质的方法 | |
CN108445134B (zh) | 酒类产品鉴别的方法 | |
CN113887563A (zh) | 一种拉曼光谱结合pls-da快速筛查生鲜乳中多种掺假物质的方法 | |
CN110793959A (zh) | 基于激光诱导击穿光谱的金属牌号鉴定方法 | |
CN116858822A (zh) | 一种基于机器学习和拉曼光谱的水体中磺胺嘧啶定量分析方法 | |
CN113218903B (zh) | 一种基于微流控与人工智能的油液分析设备故障预测系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161228 Termination date: 20200710 |