CN107402201A - 一种可规避干扰因素的机油油品质量检测方法 - Google Patents

一种可规避干扰因素的机油油品质量检测方法 Download PDF

Info

Publication number
CN107402201A
CN107402201A CN201610338636.6A CN201610338636A CN107402201A CN 107402201 A CN107402201 A CN 107402201A CN 201610338636 A CN201610338636 A CN 201610338636A CN 107402201 A CN107402201 A CN 107402201A
Authority
CN
China
Prior art keywords
machine oil
oil
oil quality
evading
quality
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.)
Pending
Application number
CN201610338636.6A
Other languages
English (en)
Inventor
王云
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201610338636.6A priority Critical patent/CN107402201A/zh
Publication of CN107402201A publication Critical patent/CN107402201A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering

Landscapes

  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了一种可规避干扰因素的机油油品质量检测方法，该方法首先通过结合实验室检测技术和拉曼光谱技术完成对机油样品训练集的定性和定量分析，进而建立机油油品质量数据库；然后通过拉曼光谱技术采集所需检测的机油样品光谱数据，并进行数学转换；最后，通过将数学转换后所得数据与机油油品质量数据库中数据进行比较分析，从而判定被检测机油样品的油品质量。

Description

一种可规避干扰因素的机油油品质量检测方法
技术领域
本发明涉及一种机油油品质量的检测方法，特别是涉及一种可规避干扰因素的机油油品质量检测方法。
背景技术
润滑油又被称为机油，被形象地称为汽车发动机的“血液”。润滑油的品质好坏关系到发动机能否正常运行，选择品质较好的润滑油不仅能够保证发动机的正常工作，同时也可以延长其工作寿命，提高使用性能。而随着近年来国际油价的上涨，润滑油的价格也在大幅度上升，品质高的和品质低的润滑油产品价格甚至相差数倍，在利益的驱使下，一些不法商贩就开始以次充好，掺假来牟取暴利。而这些掺假的润滑油单一的从外观上来判断是很难做出准确的判断，这也给市场监管造成困难。
传统润滑油的品质指标检测中通常采用标准方法对理化指标进行检测，此方法在操作上较为繁琐，存在信息遗漏、人为误差和环境影响等缺点。因此，研究一种可规避干扰因素，能够快速、无损、经济的润滑油品质检测方法具有重要的现实指导意义。而光谱检测以其非破坏性、快速、简单等特点，使其在食品、生物、医药、石油化工等行业得到广泛的应用。拉曼光谱因其自身的特点，作为一种分子结构鉴别手段，早已被应用到食品安全、有机化合物、塑料以及石油化工等领域的检测和真伪鉴别。
发明内容
本发明的目的在于提供一种可规避干扰因素的机油油品质量检测方法，具体地说，就是一种使用激光拉曼光谱分析技术，快速间接检测润滑油的化学组成含量、理化特性的方法。该方法所使用到的装置包括：激光共焦显微光谱仪、带有制冷的CCD探测器和TV监视仪、PC机、机油油品质量数据库。拉曼光谱在分析结构分子过程中能够反映出样本中所含苯、饱和烃、烯烃等在拉曼光照下的分子变化及结构信息的大分子组分物质。
本发明提供的一种可规避干扰因素的机油油品质量检测方法，包括如下步骤：
步骤一：建立机油油品质量数据库。
第1步：收集具有代表性的机油样品作为训练集。
第2步：在标准实验室对各训练集进行化学方法检测，获取被检测机油的化学组成含量、及理化特性。
第3步：测定训练集机油样品的激光拉曼光谱，并进行相应的预处理。
第4步：选择合适的分析方法，在实验室测试所得数据和激光拉曼光谱之间建立机油品质定量和定性分析关系模型。
第5步：通过建立机油品质定量和定性分析关系模型，建立机油油品质量数据库。
步骤二：机油油品质量检测。
第1步：采集需检测的机油样本。
第2步，测定所采集机油样本的激光拉曼光谱，并进行相应的预处理。
第3步，选择合适的分析方法，建立校正后的标准光谱曲线。
第4步，进行光谱数据的数学转换，并与机油油品质量数据库中的数据进行比较分析。
第5步，确定机油油品质量等级。
所述预处理过程为多元散射校正（MSC）过程。
所述分析方法为偏最小二乘判别分析法（PLS-DA）。
本发明方法通过利用拉曼光谱，结合MSC校正法和PLS-DA校正法，可快速准确的判定机油油品的质量，且操作简便，环境适应性强；同时，还可节省大量实验仪器及人力资源。
附图说明
图1：机油油品质量数据库建立流程图。
图2：机油油品质量检测流程图。
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。
一种可规避干扰因素的机油油品质量检测方法，包括以下步骤。
步骤一：建立机油油品质量数据库。
第1步：收集具有代表性的机油样品作为训练集。收集各润滑油生产厂商的机油样本，保存在同种环境下，以备检测。
第2步：在标准实验室进行化学检测。在标准实验室对各训练集进行化学方法检测，获取被检测机油的化学组成含量、及理化特性。
第3步：获得激光拉曼光谱。测定训练集机油样品的激光拉曼光谱，并进行相应的预处理。
第4步：选择合适的校正方法，在实验室测试所得数据和激光拉曼光谱之间建立机油品质定量和定性分析关系模型。
第5步：通过建立机油品质定量和定性分析关系模型，建立机油油品质量数据库。
步骤二：机油油品质量检测。
第1步：采集需检测的机油样本。
第2步，测定所收集机油样本的激光拉曼光谱，并进行相应的预处理。
第3步，选择合适的校正方法，建立校正后的标准光谱曲线。
第4步，完成光谱数据的数学转换。
第5步，进行比较分析，将第4步转换后的数据与机油油品质量数据库中的数据进行比较分析。
第6步，确定机油油品质量等级。

Claims (3)

1.一种可规避干扰因素的机油油品质量检测方法，其特征在于：该方法包括如下步骤：
步骤一：建立机油油品质量数据库；
第1步：收集具有代表性的机油样品作为训练集；
第2步：在标准实验室对各训练集进行化学方法检测，获取被检测机油的化学组成含量、及理化特性；
第3步：测定训练集机油样品的激光拉曼光谱，并进行相应的预处理；
第4步：选择合适的分析方法，在实验室测试所得数据和激光拉曼光谱之间建立机油品质定量和定性分析关系模型；
第5步：通过建立机油品质定量和定性分析关系模型，建立机油油品质量数据库；
步骤二：机油油品质量检测；
第1步：采集需检测的机油样本；
第2步，测定所采集机油样本的激光拉曼光谱，并进行相应的预处理；
第3步，选择合适的分析方法，建立校正后的标准光谱曲线；
第4步，进行光谱数据的数学转换，并与机油油品质量数据库中的数据进行比较分析；
第5步，确定机油油品质量等级。
2.按照权利要求1所述的一种可规避干扰因素的机油油品质量检测方法，其特征在于：步骤一第3步和步骤二第2步中所述的预处理为多元散射校正（MSC）过程。
3.按照权利要求1所述的一种可规避干扰因素的机油油品质量检测方法，其特征在于：步骤一第4步和步骤二第3步中所述的分析方法为偏最小二乘判别分析法（PLS-DA）。
CN201610338636.6A 2016-05-20 2016-05-20 一种可规避干扰因素的机油油品质量检测方法 Pending CN107402201A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610338636.6A CN107402201A (zh) 2016-05-20 2016-05-20 一种可规避干扰因素的机油油品质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610338636.6A CN107402201A (zh) 2016-05-20 2016-05-20 一种可规避干扰因素的机油油品质量检测方法

Publications (1)

Publication Number Publication Date
CN107402201A true CN107402201A (zh) 2017-11-28

Family

ID=60389148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610338636.6A Pending CN107402201A (zh) 2016-05-20 2016-05-20 一种可规避干扰因素的机油油品质量检测方法

Country Status (1)

Country Link
CN (1) CN107402201A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109184853A (zh) * 2018-09-19 2019-01-11 中北大学 汽车机油的自动测量控制装置
CN112834729A (zh) * 2021-01-08 2021-05-25 三一汽车起重机械有限公司 一种液压油品质监测方法、装置及系统
CN113252634A (zh) * 2020-02-13 2021-08-13 凯塞光学系统股份有限公司 使用拉曼光谱法实时监测葡萄酒发酵特性

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109184853A (zh) * 2018-09-19 2019-01-11 中北大学 汽车机油的自动测量控制装置
CN109184853B (zh) * 2018-09-19 2020-12-25 中北大学 汽车机油的自动测量控制装置
CN113252634A (zh) * 2020-02-13 2021-08-13 凯塞光学系统股份有限公司 使用拉曼光谱法实时监测葡萄酒发酵特性
CN112834729A (zh) * 2021-01-08 2021-05-25 三一汽车起重机械有限公司 一种液压油品质监测方法、装置及系统

Similar Documents

Publication Publication Date Title
Koel Do we need green analytical chemistry?
Potdar et al. Determination of soil nutrients (NPK) using optical methods: a mini review
Mu et al. Portable detection and quantification of olive oil adulteration by 473-nm laser-induced fluorescence
Zhai et al. Rapid determination of ractopamine in swine urine using surface-enhanced Raman spectroscopy
Zhao et al. Discrimination of adulterated sesame oil using mid-infrared spectroscopy and chemometrics
CN101799411B (zh) 一种润滑油在用油质量光谱快速检测法
CN102590129B (zh) 近红外检测花生中氨基酸含量的方法
Rodriguez et al. Quantitative evaluation of the sensitivity of library-based Raman spectral correlation methods
CN100460858C (zh) 钻井液中含油气在线光谱测定方法
CN101806729A (zh) 一种润滑油在用油质量快速检测方法
CN110702663B (zh) 一种冷冻肉品贮藏时间的无损快速检测方法
Kasemsumran et al. Partial least squares processing of near‐infrared spectra for discrimination and quantification of adulterated olive oils
CN107402201A (zh) 一种可规避干扰因素的机油油品质量检测方法
Wang et al. Species identification and concentration quantification of crude oil samples in petroleum exploration using the concentration-synchronous-matrix-fluorescence spectroscopy
CN105823752A (zh) 近红外光谱法快速鉴别食用油种类的方法
Yuan et al. Identification and detection of adulterated Camellia Oleifera Abel. Oils by near infrared transmittance spectroscopy
Workman Jr et al. Artificial Intelligence in Analytical Spectroscopy, Part II: Examples in Spectroscopy
CN110398472A (zh) 一种基于二维相关光谱量化的植物油鉴别分类方法
CN108827925A (zh) 基于光纤式荧光光谱技术的食用植物油真伪快速检测方法和检测装置
CN104914068A (zh) 一种油脂中反式脂肪酸含量的光谱快速检测方法
He et al. Fast measurement of sugar content of yogurt using Vis/NIR-spectroscopy
Ayyildiz et al. A novel approach for determination of free fatty acids in vegetable oils by a flow injection system with manual injection
Esmonde-White et al. Raman Spectroscopy in Analyzing Fats and Oils in Foods
CN107796780B (zh) 太赫兹光谱定量检测血液中血脂含量的分析方法
CN110426366A (zh) 基于可视化嗅觉传感器及近红外的肉类掺假比例检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171128

WD01 Invention patent application deemed withdrawn after publication