CN114822705B - 基于大数据的润滑油智能生产调和方法 - Google Patents
基于大数据的润滑油智能生产调和方法 Download PDFInfo
- Publication number
- CN114822705B CN114822705B CN202210754305.6A CN202210754305A CN114822705B CN 114822705 B CN114822705 B CN 114822705B CN 202210754305 A CN202210754305 A CN 202210754305A CN 114822705 B CN114822705 B CN 114822705B
- Authority
- CN
- China
- Prior art keywords
- point
- value
- price
- performance
- oil
- 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.)
- Active
Links
- 239000010687 lubricating oil Substances 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000002156 mixing Methods 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 12
- 239000003921 oil Substances 0.000 claims abstract description 115
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 27
- MIMDHDXOBDPUQW-UHFFFAOYSA-N dioctyl decanedioate Chemical compound CCCCCCCCOC(=O)CCCCCCCCC(=O)OCCCCCCCC MIMDHDXOBDPUQW-UHFFFAOYSA-N 0.000 claims description 15
- 239000003963 antioxidant agent Substances 0.000 claims description 13
- 239000002518 antifoaming agent Substances 0.000 claims description 12
- 239000003599 detergent Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 7
- 239000002270 dispersing agent Substances 0.000 claims description 6
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 5
- 239000003112 inhibitor Substances 0.000 claims description 4
- 239000006078 metal deactivator Substances 0.000 claims description 4
- 239000002199 base oil Substances 0.000 description 13
- 150000001336 alkenes Chemical class 0.000 description 12
- 230000003078 antioxidant effect Effects 0.000 description 9
- 239000000654 additive Substances 0.000 description 6
- 238000013329 compounding Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 229910052751 metal Inorganic materials 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000002480 mineral oil Substances 0.000 description 5
- 235000010446 mineral oil Nutrition 0.000 description 5
- 239000003924 oil dispersant Substances 0.000 description 5
- JRZJOMJEPLMPRA-UHFFFAOYSA-N olefin Natural products CCCCCCCC=C JRZJOMJEPLMPRA-UHFFFAOYSA-N 0.000 description 5
- 230000003647 oxidation Effects 0.000 description 4
- 238000007254 oxidation reaction Methods 0.000 description 4
- 239000013556 antirust agent Substances 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000314 lubricant Substances 0.000 description 2
- 230000001050 lubricating effect Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- QYKIQEUNHZKYBP-UHFFFAOYSA-N Vinyl ether Chemical class C=COC=C QYKIQEUNHZKYBP-UHFFFAOYSA-N 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006065 biodegradation reaction Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013064 chemical raw material Substances 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000005292 vacuum distillation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/80—Forming a predetermined ratio of the substances to be mixed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F2101/00—Mixing characterised by the nature of the mixed materials or by the application field
- B01F2101/39—Mixing of ingredients for grease or lubricating compositions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F2215/00—Auxiliary or complementary information in relation with mixing
- B01F2215/04—Technical information in relation with mixing
- B01F2215/0413—Numerical information
- B01F2215/0486—Material property information
- B01F2215/0495—Numerical values of viscosity of substances
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Game Theory and Decision Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Analytical Chemistry (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Lubricants (AREA)
Abstract
本发明涉及智能调节技术领域，具体涉及基于大数据的润滑油智能生产调和方法，基于对组分油的分析，确定调配润滑油的各组分油；根据润滑油的黏度，确定润滑油的黏度约束条件；构建润滑油的价格模型与性能模型；在同时满足已知的配比约束条件与黏度约束条件下，随机设定各组分油的第一种配比方案，然后再依次设定各组分油的M种配比方案，根据价格模型与性能模型，确定优值点与初始点；在优值点与初始点的直线方向上寻找终值点；获取最小点和最大点；在终值点与最小点之间寻找F1；在终值点与最大点之间寻找F2；将F1与F2进行交叉，得到润滑油的最佳配比方案。本发明能够快速准确地确定润滑油的最佳配比方案。
Description
技术领域
本发明涉及智能调节技术领域，具体涉及基于大数据的润滑油智能生产调和方法。
背景技术
润滑油能对发动机起到润滑减磨、辅助冷却降温、密封防漏、防锈防蚀、减震缓压等作用，被誉为汽车的“血液”。随着我国汽车工业和机械工业的发展以及人们环保意识的日益增强，对汽车润滑油有着更高的质量要求。其主要体现在氧化安定性、挥发性、黏度指数、可生物降解性等性能方面；因此，调配一种新兴的高性能、环境友好型的润滑油的研究已经成为了热点。
在工业生产润滑油时，润滑油往往是由多种类型的油进行混合得到的，有时混合润滑油的油可达到10种以上，在多种类型的油中找到一组配比合适的比例十分困难，需要花费大量的时间。
发明内容
为了解决上述技术问题，本发明的目的在于提供基于大数据的润滑油智能生产调和方法，所采用的技术方案具体如下：
基于对组分油的分析，确定调配润滑油的各组分油；根据各组分油对应的市场价格，构建润滑油的价格模型；
基于所述各组分油对应的闪点指数，构建润滑油的性能模型；
根据润滑油的黏度，确定润滑油的黏度约束条件；
在同时满足已知的各组分油对应的配比约束条件与所述黏度约束条件下，随机设定各组分油的第一种配比方案，根据价格模型与性能模型，计算所述第一种配比方案对应的第一价格值与第一性能值；然后再依次设定各组分油的M种配比方案，依次计算各配比方案对应的价格值与性能值；当存在第m种配比方案对应的第m价格值小于所述第一价格值，且第m性能值大于所述第一性能值时，停止设定配比方案，将第m种配比方案在多维空间中对应的点记为优值点，将所述第一种配比方案对应在多维空间中的点记为初始点；其中，M>2；
在所述优值点与所述初始点的直线方向上进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值，直至其中一个点对应的价格值大于第m价格值或性能值小于第m性能值，停止遍历，确定终值点；
获取所述价格模型的最小值与所述性能模型的最大值，将所述最小值对应的配比方案在多维空间中的点记为最小点，将所述最大值对应的配比方案在多维空间中的点记为最大点；
在所述终值点与最小点之间进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值；得到价格值与性能值的差值，将最大差值的点记为F1；在所述终值点与最大点之间进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值，得到价格值与性能值的差值，将最大差值的点记为F2；
将F1对应的配比方案与F2对应的配比方案进行交叉，设置适应度函数，得到润滑油的最佳配比方案。
进一步地，所述各组分油分别为：聚
-烯烃，癸二酸二辛酯，黏度指数改进剂，抗氧剂，清洁剂，分散剂，金属钝化剂，防锈剂；抗泡剂。
进一步地，所述价格模型为：
其中，公式中的常数为各组分油对应的市场价格，
为各组分油的配比数据。
进一步地，所述性能模型为：
其中，
为润滑油对应的闪点指数，
，
为第c种组分油对应的闪点指数，
为第c种组分油对应的配比数据。
进一步地，所述第m种配比方案对应的第m价格值大于所述第一价格值，或所述第m性能值小于所述第一性能值时，则终值点为第一种配比方案在多维空间中对应的点。
进一步地，所述适应度函数为：
其中，
为性能模型，
为性能模型对应的权重，
为价格模型，
为价格模型对应的权重。
进一步地，所述多维空间基于各组分油的配比数据建立。
本发明实施例至少具有如下有益效果：
本发明涉及数据处理技术领域，具体涉及基于大数据的润滑油智能生产调和方法，基于对组分油的分析，确定调配润滑油的各组分油；然后确定润滑油的黏度约束条件；构建润滑油的价格模型与性能模型；在同时满足已知的各组分油对应的配比约束条件与黏度约束条件下，随机设定各组分油的第一种配比方案，根据价格模型与性能模型，计算第一种配比方案的第一价格值与第一性能值；然后再依次设定各组分油的M种配比方案，确定优值点与初始点；在优值点与初始点的直线方向上寻找终值点；然后求解最小点和最大点；在终值点与最小点之间寻找F1；在终值点与最大点之间寻找F2；将F1与F2进行交叉，得到润滑油的最佳配比方案。
本发明通过优值点与初始点，确定了配比方案的遍历方向，节省了大量的时间，然后本发明通过价格模型确定最小点，最小点为价格模型的最优值；通过性能模型确定最大点，最大点为性能模型对应的最优值，本发明利用单目标函数分别得到各自对应的最优值，然后在终值点与不同的最优值之间进行遍历，确定了遍历方向，节省了时间，能够快速准确地对配比数据进行调节，且本发明能够准确得到润滑油的最佳配比方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明的基于大数据的润滑油智能生产调和方法实施例的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的方案，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
请参阅图1，其示出了本发明一个实施例提供的基于大数据的润滑油智能生产调和方法的步骤流程图，该方法包括以下步骤：
步骤1，基于对组分油的分析，确定调配润滑油的各组分油；根据各组分油对应的市场价格，构建润滑油的价格模型。
润滑油由基础油和各种添加剂调和而成，通常作为润滑油基础油的有矿物油和合成油，矿物油是以原油为原料，经过常减压蒸馏、脱沥青、脱蜡等加工工艺过程而制得。合成油是将有机低分子烯烃或化工原料，通过有机合成工艺方法获得的基础油；这两种基础油具有不同的优缺点，矿物油价格便宜，而合成油具有热稳定性好、抗氧化性强等优点，但是价格比矿物油贵。
一般来说，矿物油作为基础油的润滑油的效果要低于合成油作为基础油的润滑油的效果，但是为了保证生产的润滑油的利润最大化，本实施例选取聚
-烯烃作为调配润滑油的其中一种基础油，选择聚
-烯烃的原因是其价格较为便宜，同时，即使汽车在寒冷的冬季行驶，聚
-烯烃调配的润滑油也能保持良好的泵送性和低温启动性，在寒冷的条件下同样适用；但是聚
-烯烃与添加剂结合效果较差，为了弥补这种缺陷，本实施例选取癸二酸二辛酯作为调配润滑油的另一种基础油，癸二酸二辛酯可以弥补聚
-烯烃与添加剂结合的不足；此外，癸二酸二辛酯的生物降解率高，对环境危害不大，是一种环境友好型基础油。因此，本实施例确定了调配润滑油所用的两种基础油的类型，即聚
-烯烃与癸二酸二辛酯。
进一步地，为了保证调配出的润滑油具有更优的性能，使其具有良好的润滑效果并且不会有太大的副作用，还需要确定调配润滑油的各种添加剂，本实施例选取了7种添加剂，这7种添加剂分别为：黏度指数改进剂、抗氧剂、清洁剂、分散剂、金属钝化剂、防锈剂以及抗泡剂；其中，黏度指数改进剂的作用是通过黏度指数改进剂随温度变化拉伸或收缩，改变内摩擦、油品流体力学体积，从而改变油品黏度大小。抗氧剂的作用为：由于润滑油在高温作用下易被氧化，从而产生油泥、胶质等对金属造成腐蚀的酸性物质，因此，需要在润滑油中加入抗氧剂，减缓润滑油的氧化速度，改善油品的氧化稳定性。
本实施例中的两种基础油和7种添加剂均为调配润滑油的组分油，将各组分油的配比数据依次组成序列
，且保证
，其中，
为第c种组分油对应的配比数据，
为第1种组分油聚
-烯烃对应的配比数据，
为第2种组分油癸二酸二辛酯对应的配比数据；
为第3种组分油黏度指数改进剂对应的配比数据，
为第4种组分油抗氧剂对应的配比数据；
为第5种组分油清洁剂对应的配比数据，
为第6种组分油分散剂对应的配比数据；
为第7种组分油金属钝化剂对应的配比数据，
为第8种组分油防锈剂对应的配比数据；
为第9种组分油抗泡剂对应的配比数据。
上述中的价格模型为：
其中，公式中的常数为各组分油对应的市场价格，即购买一吨第1种组分油需要2.5万元，购买一吨第2种组分油需要
万元，...，购买一吨第9种组分油需要
万元，
为第1-9种组分油对应的配比数据。
步骤2，基于各组分油对应的闪点指数，构建润滑油的性能模型；根据润滑油的黏度，确定润滑油的黏度约束条件。
性能模型为：
其中，
为润滑油对应的闪点指数，
，
为第c种组分油对应的闪点指数，
为第c种组分油对应的配比数据。
闪点是润滑油的一个性能指标，闪点是指润滑油着火危险性的指标，闪点指数越大，闪点越低，表示润滑油越容易被点燃，越不易储存；闪点越高越好，越高就意味着润滑油越不容易被点燃，并且润滑油在高温下也可以保持相对较优的性能。本实施例基于润滑油的闪点指数构建润滑油的性能模型；润滑油的闪点指数越高，闪点越低，表示润滑油的性能越不好；润滑油的闪点指数越低，闪点越高，表示润滑油的性能越好；闪点指数的取值在0-1之间，闪点指数为公知技术，不再赘述。
具体地，黏度约束条件为：
，其中，
为润滑油的黏度系数，润滑油的黏度系数只与两种基础油和黏度指数改进剂有关，其余组分油的黏度可以忽略不计，因此利用两种基础油与黏度指数改进剂计算润滑油的黏度系数。
黏度系数为：
其中，
为第i种组分油对应的配比数据，
为第i种组分油的黏度系数，
为第1种组分油聚
-烯烃对应的配比数据，
为第2种组分油癸二酸二辛酯对应的配比数据；
为第3种组分油黏度指数改进剂对应的配比数据，
为常数，取0.6。
黏度是润滑油最主要的特征之一，是在润滑油调和中首先考虑的一个性能指标。润滑油的黏度并非越大越好或越小越好，润滑油的黏度太大会导致润滑油流动性差，消耗较大；而如果润滑油的黏度过小又不能很好的生成油膜，达不到良好的润滑效果，致使润滑失败；根据对现有润滑油进行调研，得到润滑油的黏度约束条件。
步骤3，在同时满足已知的各组分油对应的配比约束条件与黏度约束条件下，随机设定各组分油的第一种配比方案，根据价格模型与性能模型，计算所述第一种配比方案对应的第一价格值与第一性能值；然后再依次设定各组分油的M种配比方案，依次计算各配比方案对应的价格值与性能值；当存在第m种配比方案对应的第m价格值小于所述第一价格值，且第m性能值大于所述第一性能值时，停止设定配比方案，将第m种配比方案在多维空间中对应的点记为优值点，将第一种配比方案对应在多维空间中的点记为初始点；其中，M>2。
具体地，配比约束条件为：
其中，
为第1种组分油聚
-烯烃对应的配比数据，
为第2种组分油癸二酸二辛酯对应的配比数据；
为第3种组分油黏度指数改进剂对应的配比数据，
为第4种组分油抗氧剂对应的配比数据；
为第5种组分油清洁剂对应的配比数据，
为第6种组分油分散剂对应的配比数据；
为第7种组分油金属钝化剂对应的配比数据，
为第8种组分油防锈剂对应的配比数据；
为第9种组分油抗泡剂对应的配比数据。
具体地，多维空间根据各组分油的配比数据建立，每一个维度代表一种组分油的配比数据，每一个维度的取值均为0-1；因为步骤1已经确定了润滑油由9种组分油构成，因此，本实施例中的多维空间是一个9维空间，每一种配比方案在多维空间中均具有与之对应的点。
上述中M的最大取值为100，实施者可根据实际情况调整M的最大取值。
步骤4，在优值点与初始点的直线方向上进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值，直至其中一个点对应的价格值大于第m价格值或性能值小于第m性能值，停止遍历，确定终值点。
具体地，在遍历过程中，直至其中一个点对应的价格值大于第m价格值或性能值小于第m性能值，停止遍历，并将该点的前一个点记为终值点。
需要说明的是，优值点与初始点在9维空间中存在一条直线，在这条直线上，优值点对应的配比方案得到的润滑油要比初始点对应的配比方案得到的润滑油要好，所以，在这条直线方向上，也会存在其他点对应的配比方案得到的润滑油比优值点对应的配比方案得到的润滑油要好的情况，因此，本实施例选择在这条直线方向上进行遍历，寻找终值点。
在步骤3中，当M取最大取值，即M=100时，在第m种配比方案中不存在第m价格值大于第一价格值，或第m性能值小于第一性能值的配比方案，则不存在优值点，无需再进行遍历寻找终值点，此时，终值点为第一种配比方案在多维空间中对应的点。
步骤5，获取价格模型的最小值与性能模型的最大值，将最小值对应的配比方案在多维空间中的点记为最小点，将最大值对应的配比方案在多维空间中的点记为最大点。
具体地，利用遗传算法获取价格模型的最小值，其具体过程为：在同时满足配比约束条件与黏度约束条件下，随机给出10种配比方案作为初始配比方案，将这10种配比方案进行交叉变异等操作得到多种第一代子配比方案，因为此过程是获取价格模型的最小值，所以，适应度函数为价格模型，根据价格模型计算每种第一代子配比方案的适应度，通过价格模型计算出来的值越小，则对应第一代子配比方案的适应度越高，挑选出适应度较高的10种第一代子配比方案继续进行交叉变异等操作，得到多种第二代子配比方案，根据价格模型计算每种第二代子配比方案的适应度，挑选出适应度较高的10种第二代子配比方案继续进行交叉变异等操作，…，如此迭代，设定迭代轮数为100轮，得到价格模型的最小值。其中，遗传算法为现有技术，此处只作简要概述，具体过程不再赘述。
本实施例中，价格模型的最小值对应的配比方案A如表1所示，配比方案A为：
，即第1种组分油聚
-烯烃的配比数据为45.74%，第2种组分油癸二酸二辛酯的配比数据为35.11%；第3种组分油黏度指数改进剂的配比数据为2.40%，第4种组分油抗氧剂的配比数据为1.50%；第5种组分油清洁剂的配比数据为9.00%，第6种组分油分散剂的配比数据为6.00%；第7种组分油金属钝化剂的配比数据为0.06%，第8种组分油防锈剂的配比数据为0.18%；第9种组分油抗泡剂的配比数据为0.01%。
配比方案A对应的价格值与性能值如表2所示，即配比方案A的价格值为：2.2927，配比方案A的性能值为：0.85110904。
表1
表2
需要说明的是，在计算各配比方案对应的性能值时，因为金属钝化剂、防锈剂以及抗泡剂不会对性能值产生太大影响，因此本实施例利用聚
-烯烃、癸二酸二辛酯、黏度指数改进剂、抗氧剂、清洁剂、分散剂进行计算性能值。聚
-烯烃、癸二酸二辛酯、黏度指数改进剂、抗氧剂、清洁剂、分散剂对应的闪点指数如表3所示，即聚
-烯烃的闪点指数为0.0443，癸二酸二辛酯的的闪点指数为0.0434、黏度指数改进剂的闪点指数为0.1926、抗氧剂的闪点指数为0.9668、清洁剂的闪点指数为0.6108、分散剂的闪点指数为0.7549。
表3
获取性能模型的最大值的具体过程与获取价格模型的最小值的具体过程一致，只是在获取性能模型的最大值的过程中，计算各代子配比方案的适应度函数为性能模型，因为获取价格模型的最小值的具体过程以详细给出，不过多赘述。
本实施例中，性能模型的最大值对应的配比方案B如表4所示，配比方案B为：
，即第1种组分油聚
-烯烃的配比数据为47.00%，第2种组分油癸二酸二辛酯的配比数据为37.00%；第3种组分油黏度指数改进剂的配比数据为2.19%，第4种组分油抗氧剂的配比数据为3.50%；第5种组分油清洁剂的配比数据为5.43%，第6种组分油分散剂的配比数据为4.60%；第7种组分油金属钝化剂的配比数据为0.06%，第8种组分油防锈剂的配比数据为0.21%；第9种组分油抗泡剂的配比数据为0.01%。
配比方案B对应的价格值与性能值如表5所示，即配比方案B的价格值为：2.393112，配比方案B的性能值为：0.87117322。
表4
表5
需要说明的是，由于抗泡剂在润滑油中的占比太少，即第9种组分油抗泡剂的配比数据很小，不会对性能值以及价格值产生太大的影响，即使有影响那也是微乎其微的，可以忽略不计，因此本实施例直接将抗泡剂的配比数据定为0.01%。
步骤6，首先在终值点与最小点之间进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值；得到价格值与性能值的差值，将最大差值的点记为F1；然后在终值点与最大点之间进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值，得到价格值与性能值的差值，将最大差值的点记为F2。
优选的，获取F1的方法为：在终值点与最小点之间进行遍历的过程中，建立第一坐标系，第一坐标系的横轴为遍历过程中各点移动的步长，移动的步长为各组分油的配比数据的总变化量，本实施例中步长为0.1%，第一坐标系的纵轴为[0,1]的值，与价格值与性能值归一化后的值相对应；在第一坐标系中，横坐标轴上的每一个点均对应一种配比方案，每种配比方案通过价格模型与性能模型的计算，都能得到与其对应的价格值与性能值，进一步地，将价格值与性能值进行归一化，则每种配比方案归一化后的价格值与性能值在第一坐标系中对应两个点；将每种配比方案归一化后的价格值对应在第一坐标系中的点拟合成为一条曲线，将每种配比方案归一化后的性能值对应在第一坐标系中的点拟合成为一条曲线，因此，在第一坐标系中得到两条曲线；将横坐标轴上每个点对应的归一化后的性能值对应的曲线与归一化后的价格值对应的曲线相减，得到归一化后的性能值与归一化后的价格值的差值，获取最大差值对应的点，将其记为F1。F1对应的配比方案则为终值点与最小点之间的性能即好价格又低的配比方案。
同样的，获取F2的方法与获取F1的方法一致，有细微区别，区别在于：在获取F2时，在终止点与最大点之间进行遍历的过程中，建立第二坐标系；第二坐标系的横轴为遍历过程中各点移动的步长，移动的步长为各组分油的配比数据的总变化量，本实施例中步长为0.1%，第二坐标系的纵轴为[0,1]的值，与价格值与性能值归一化后的值相对应。因为获取F1的方法已经在上述步骤中详细叙述，不再赘述。
需要说明的是，在终值点向最大点或最小点遍历时，遍历的目的均是寻找在遍历过程中存在的性能好、价格低的配比方案；在遍历过程中得到的最大差值的点对应的配比方案代表性能远高于价格，则最大差值的点对应的配比方案即为我们寻找的性能好、价格低的配比方案。
步骤7，将F1对应的配比方案与F2对应的配比方案进行交叉，设置适应度函数，得到润滑油的最佳配比方案。
具体地，将F1对应的配比方案与F2对应的配比方案作为初始配比方案，然后将F1对应的配比方案与F2对应的配比方案进行交叉操作，得到多种第一代子配比方案，根据适应度函数计算每一种第一代子配比方案的适应度，挑选出适应度较高的两种第一代子配比方案进行交叉操作，得到多种第二代子配比方案，根据适应度函数计算每一种第二代子配比方案的适应度，挑选出适应度较高的两种第二代子配比方案进行交叉操作，得到多种第三代子配比方案，…，依次类推，得到多种第n代子配比方案；本实施例中n取10，即迭代10次。在实际操作过程中，实施者可根据实际情况调整n的取值。在众多子配比方案中，将适应度最高的子配比方案记为润滑油的最佳配比方案。
本实施例中，最佳配比方案为配比方案C，配比方案C如表6所示，即配比方案C为：
，即第1种组分油聚
-烯烃的配比数据为46.81%，第2种组分油癸二酸二辛酯的配比数据为36.49%；第3种组分油黏度指数改进剂的配比数据为2.36%，第4种组分油抗氧剂的配比数据为2.25%；第5种组分油清洁剂的配比数据为6.70%，第6种组分油分散剂的配比数据为5.10%；第7种组分油金属钝化剂的配比数据为0.06%，第8种组分油防锈剂的配比数据为0.23%；第9种组分油抗泡剂的配比数据为0.01%。
配比方案C对应的价格值与性能值如表7所示，即配比方案C的价格值为：2.3426086，配比方案C的性能值为：0.866704668。
表6
表7
适应度函数为：
其中，
为性能模型，
为性能模型对应的权重，
为价格模型，
为价格模型对应的权重。本实施例中
，
。在具体的实施过程中，实施者可根据实际情况对价格模型对应的权重和性能模型对应的权重进行调整。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (4)
1.一种基于大数据的润滑油智能生产调和方法，其特征在于，该方法包括以下步骤：
基于对组分油的分析，确定调配润滑油的各组分油；根据各组分油对应的市场价格，构建润滑油的价格模型；
所述价格模型为：
其中，公式中的常数为各组分油对应的市场价格，
为各组分油的配比数据；
基于所述各组分油对应的闪点指数，构建润滑油的性能模型；
所述性能模型为：
其中，
为润滑油对应的闪点指数，
，
为第c种组分油对应的闪点指数，
为第c种组分油对应的配比数据；
根据润滑油的黏度，确定润滑油的黏度约束条件；
在同时满足已知的各组分油对应的配比约束条件与所述黏度约束条件下，随机设定各组分油的第一种配比方案，根据价格模型与性能模型，计算所述第一种配比方案对应的第一价格值与第一性能值；然后再依次设定各组分油的M种配比方案，依次计算各配比方案对应的价格值与性能值；当存在第m种配比方案对应的第m价格值小于所述第一价格值，且第m性能值大于所述第一性能值时，停止设定配比方案，将第m种配比方案在多维空间中对应的点记为优值点，将所述第一种配比方案对应在多维空间中的点记为初始点；其中，M>2；
在所述优值点与所述初始点的直线方向上进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值，直至其中一个点对应的价格值大于第m价格值或性能值小于第m性能值，停止遍历，确定终值点；
获取所述价格模型的最小值与所述性能模型的最大值，将所述最小值对应的配比方案在多维空间中的点记为最小点，将所述最大值对应的配比方案在多维空间中的点记为最大点；
在所述终值点与最小点之间进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值；得到价格值与性能值的差值，将最大差值的点记为F1；在所述终值点与最大点之间进行遍历，根据价格模型与性能模型计算遍历过程中每个点对应的价格值与性能值，得到价格值与性能值的差值，将最大差值的点记为F2；
将F1对应的配比方案与F2对应的配比方案进行交叉，设置适应度函数，得到润滑油的最佳配比方案；
所述适应度函数为：
其中，
为性能模型，
为性能模型对应的权重，
为价格模型，
为价格模型对应的权重。
2.根据权利要求1所述的一种基于大数据的润滑油智能生产调和方法，其特征在于，所述各组分油分别为：聚
-烯烃，癸二酸二辛酯，黏度指数改进剂，抗氧剂，清洁剂，分散剂，金属钝化剂，防锈剂；抗泡剂。
3.根据权利要求1所述的一种基于大数据的润滑油智能生产调和方法，其特征在于，所述第m种配比方案对应的第m价格值大于所述第一价格值，或所述第m性能值小于所述第一性能值时，则终值点为第一种配比方案在多维空间中对应的点。
4.根据权利要求1所述的一种基于大数据的润滑油智能生产调和方法，其特征在于，所述多维空间基于各组分油的配比数据建立。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210754305.6A CN114822705B (zh) | 2022-06-30 | 2022-06-30 | 基于大数据的润滑油智能生产调和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210754305.6A CN114822705B (zh) | 2022-06-30 | 2022-06-30 | 基于大数据的润滑油智能生产调和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114822705A CN114822705A (zh) | 2022-07-29 |
| CN114822705B true CN114822705B (zh) | 2022-09-09 |
Family
ID=82523157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210754305.6A Active CN114822705B (zh) | 2022-06-30 | 2022-06-30 | 基于大数据的润滑油智能生产调和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114822705B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062912B (zh) * | 2022-05-18 | 2023-04-21 | 山西英莱壳科技股份有限公司 | 一种工业级齿轮油性能的定向优化方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015106372A1 (zh) * | 2014-01-17 | 2015-07-23 | 华东理工大学 | 汽油调合离线优化方法 |
| CN109859805A (zh) * | 2019-03-22 | 2019-06-07 | 杭州辛孚能源科技有限公司 | 一种基于分子组成的汽油调和优化方法 |
| CN110580545A (zh) * | 2019-08-21 | 2019-12-17 | 汉谷云智(武汉)科技有限公司 | 一种多组分汽油调和配方优化方法及装置 |
-
2022
- 2022-06-30 CN CN202210754305.6A patent/CN114822705B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015106372A1 (zh) * | 2014-01-17 | 2015-07-23 | 华东理工大学 | 汽油调合离线优化方法 |
| CN109859805A (zh) * | 2019-03-22 | 2019-06-07 | 杭州辛孚能源科技有限公司 | 一种基于分子组成的汽油调和优化方法 |
| CN110580545A (zh) * | 2019-08-21 | 2019-12-17 | 汉谷云智(武汉)科技有限公司 | 一种多组分汽油调和配方优化方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 加氢异构基础油和PAO油黏度调和数学模型优化;卞雯等;《化学工程》;20161215(第12期);全文 * |
| 基于多目标非线性优化的汽油调和配比问题研究;蔡雪瑞等;《洛阳师范学院学报》;20170825(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114822705A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114822705B (zh) | 基于大数据的润滑油智能生产调和方法 | |
| US3306855A (en) | Corrosion and rust inhibited poly (hexafluoropropylene oxide) oil compositions | |
| Nassar | The behavior of polymers as viscosity index improvers | |
| CN104745278A (zh) | 一种环保节能的柴油机油及其制备方法 | |
| Nassar et al. | Preparation and evaluation of acrylate polymers as viscosity index improvers for lube oil | |
| CN105209584B (zh) | 适用作烃基础油的润滑剂添加剂的聚亚烷基二醇 | |
| CN107099364B (zh) | 一种全合成高效多功能液压油及其制备方法 | |
| Robinson et al. | Effects of star‐shaped poly (alkyl methacrylate) arm uniformity on lubricant properties | |
| US9868921B2 (en) | Lubricant design manufacturability process | |
| CN113150857A (zh) | 一种聚甲基丙烯酸酯作为节能液压油的黏度指数改进剂的应用和节能液压油 | |
| CN109401815B (zh) | 抗磨减摩组合物、抗磨减摩剂及其制备方法 | |
| US2336195A (en) | Lubricating composition | |
| CN109321322A (zh) | 一种聚α-烯烃/酯类合成润滑基础油的制备 | |
| CN1333057C (zh) | 润滑油组合物和适用于内燃机的润滑油 | |
| CN107674733A (zh) | 用于提高燃料效率和耐久性能的无级变速器油的组合物 | |
| CN109504515B (zh) | 一种节能环保型农机用油及其制备方法 | |
| Esche et al. | Esters for engine oils | |
| Ahmed | Lubricants additives from maleate copolymers | |
| CN113025409A (zh) | 一种柴油机油复合剂及制备方法 | |
| CN101486944A (zh) | 减振器油 | |
| CN111471029A (zh) | 液体多效润滑油油性剂及其制备方法 | |
| US3507908A (en) | Copolymer of a vinyl ester of a fatty acid and a dialkyl fumarate | |
| Zakarian et al. | Methods for Rating the Viscosity-Temperature Behavior of Polymer-Containing Lubricants | |
| CN112679723B (zh) | 一种两端烷基封端pag聚醚及其制备方法 | |
| CN112779391B (zh) | 一种包含两端烷基封端pag聚醚的淬火液及其制备方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |