CN114925335B - 一种工业用油生产配比调控方法 - Google Patents

一种工业用油生产配比调控方法 Download PDF

Info

Publication number
CN114925335B
CN114925335B CN202210855535.1A CN202210855535A CN114925335B CN 114925335 B CN114925335 B CN 114925335B CN 202210855535 A CN202210855535 A CN 202210855535A CN 114925335 B CN114925335 B CN 114925335B
Authority
CN
China
Prior art keywords
lubricating oil
component
spectral
obtaining
volume ratio
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
Application number
CN202210855535.1A
Other languages
English (en)
Other versions
CN114925335A (zh
Inventor
刘扬
王建
刘卫华
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.)
Jining Kunlun Petrochemical Co ltd
Original Assignee
Jining Kunlun Petrochemical Co ltd
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 Jining Kunlun Petrochemical Co ltd filed Critical Jining Kunlun Petrochemical Co ltd
Priority to CN202210855535.1A priority Critical patent/CN114925335B/zh
Publication of CN114925335A publication Critical patent/CN114925335A/zh
Application granted granted Critical
Publication of CN114925335B publication Critical patent/CN114925335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Lubricants (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种工业用油生产配比调控方法，该方法包括：获取每种润滑油的运动黏度范围、调和基底及调和基底中的主组分与副组分，获取每种组分的体积占比的取值范围；获取润滑油的高光谱图像及其内像素点的光谱曲线，获取光谱曲线的曲线平均值及光谱曲线的向量，并获取光谱值，根据光谱值获取目标光谱值，根据所有光谱曲线的目标光谱值计算润滑油的质量参数值，获取质量目标函数根据质量目标函数及每种组分的体积占比的取值范围获取每种组分的最优体积占比，根据最优体积占比对调和基底进行调整，本发明方法保证了油品的生产质量。

Description

一种工业用油生产配比调控方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种工业用油生产配比调控方法。
背景技术
随着现代工业发展得越来越快，对工业油的要求也越来越高，通过一种单一的主料所得到的工业油已经无法满足工业需求，因此，对工业油进行进一步地调和加工就是显得十分必要。
工业油的调和加工就是将性质相近的一种或几种组分混合，通过特定的调和设备和适当的加工方法，使得各组分混合均匀，从而产出新的工业油的过程。
对于工业油中的润滑油，其主要为矿物油与合成油两种类型，矿物油是将原油减压馏分等物理操作制成的，合成油是通过化学手段生产出来的有机化合物，矿物油最大的优点就是价格便宜，而合成油具有热稳定性好，抗氧化性强的优点，但是价格会稍贵，由于成品油是由多种主组分和副组分混合而成的，再混合的过程中由于主组分和副组分比例不当会导致成品油中出现沉淀物或者油品混合效果不好，导致主料没有混合均匀，进而影响润滑油的质量。
因此，需要提供一种工业用油生产配比调控方法，予以解决上述问题。
发明内容
本发明提供一种工业用油生产配比调控方法，以解决现有的问题。
本发明的一种工业用油生产配比调控方法采用如下技术方案：该方法包括：
获取润滑油的运动黏度范围及调和基底，并获取调和基底中影响润滑油粘度的主组分及不影响润滑油粘度的副组分；
获取调和基底的每种主组分的运动黏度，根据润滑油的运动黏度范围及调和基底的每种主组分的运动黏度获取每种组分的体积占所有组分总体积的体积占比的取值范围；
获取润滑油的高光谱图像，获取高光谱图像中每个像素点的光谱曲线，根据光谱曲线中所有波段的像素值的平均值记为光谱曲线的曲线平均值；
获取光谱曲线的极值点，沿光谱曲线的横坐标方向依次连接相邻的极值点，每两个相邻的极值点之间形成一条线段，根据每条线段的长度和方向获取每个线段对应的向量，将所有向量加和得到光谱曲线的向量；
根据光谱曲线的向量及曲线平均值获取光谱曲线的光谱值并获取最小光谱值，根据光谱值减去最小光谱值得到目标光谱值，根据所有光谱曲线的目标光谱值计算均方差并作为润滑油的质量参数值；
获取调和基底的所有组分的质量影响系数，根据润滑油的质量参数值、每种组分的体积占比及质量影响系数之间的关系获取质量目标函数；
根据质量目标函数及每种组分的体积占比的取值范围获取每种组分的最优体积占比，根据每种组分的最优体积占比对调和基底进行调整。
优选的，基于大数据对润滑油进行分析获取润滑油的运动黏度范围及调和基底，并获取调和基底中影响润滑油粘度的主组分及不影响润滑油粘度的副组分。
优选的，根据润滑油的运动黏度范围及调和基底的主组分的运动黏度获取调和基底的每种组分的体积占所有组分总体积的体积占比的取值范围的步骤包括：
利用黏度调和计算公式获取润滑油的运动黏度与调和基底的每种主组分的运动黏度与每种主组分占所有主组分体积的体积占比的关系；
根据黏度调和计算公式与润滑油的运动黏度范围获取每种主组分占所有组分总体积的体积占比的取值范围，并根据每种主组分的体积占所有组分总体积的体积占比的取值范围及经验值获取每种副组分的体积占所有组分总体积的体积占比的取值范围；
所有主组分的体积占所有组分总体积的体积占比的取值范围与副组分的体积占所有组分总体积的体积占比的取值范围即为调和基底的每种组分体积占所有组分总体积的体积占比的取值范围。
优选的，根据光谱曲线中所有波段的像素值的平均值记为光谱曲线的曲线平均值的步骤包括：
根据下式（1）计算光谱曲线的曲线平均值：
Figure 586383DEST_PATH_IMAGE001
（1）
其中，
Figure 572269DEST_PATH_IMAGE002
表示光谱曲线中第c个波段的像素值；
F表示光谱曲线中波段的数量；
Figure 435183DEST_PATH_IMAGE003
表示光谱曲线的曲线平均值。
优选的，根据每条线段的长度和方向获取每个线段对应的向量的步骤包括：
获取每个极值点的坐标；
根据每两个相邻极值点的坐标计算对应两个相邻极值点之间的线段长度并记为该线段对应的向量长度；
获取线段的方向与光谱曲线的横坐标方向之间的夹角并记为该线段对应的向量夹角；
根据线段的向量长度、向量夹角获取每个线段对应的向量。
优选的，根据光谱曲线的向量及曲线平均值获取光谱曲线的光谱值的步骤包括：
根据下式（2）计算光谱曲线的光谱值：
Figure 597174DEST_PATH_IMAGE004
（2）
其中，
Figure 127512DEST_PATH_IMAGE005
表示第
Figure 349546DEST_PATH_IMAGE006
个光谱曲线的向量的向量夹角；
Figure 699756DEST_PATH_IMAGE007
表示第
Figure 399859DEST_PATH_IMAGE006
个光谱曲线的向量的向量长度；
Figure 722387DEST_PATH_IMAGE008
表示第
Figure 112392DEST_PATH_IMAGE006
个光谱曲线的曲线平均值；
Figure 949898DEST_PATH_IMAGE009
表示第
Figure 719271DEST_PATH_IMAGE006
个光谱曲线的光谱值。
优选的，根据所有光谱曲线的目标光谱值计算均方差并作为润滑油的质量参数值的步骤包括：
根据下式（3）计算方差：
Figure 896306DEST_PATH_IMAGE010
（3）
其中，
Figure 460142DEST_PATH_IMAGE011
表示第
Figure 784944DEST_PATH_IMAGE012
个光谱曲线的目标光谱值；
Figure 826850DEST_PATH_IMAGE013
表示高光谱图像中像素点的数量；
Figure 941215DEST_PATH_IMAGE014
表示均方差即润滑油的质量参数值，
Figure 675953DEST_PATH_IMAGE014
越小表示油品的质量越好。
优选的，根据润滑油的质量参数值、每种组分的体积占比及质量影响系数之间的关系获取质量目标函数的步骤包括：
计算每种组分的体积占比与对应质量影响系数的第一乘积；
将所有第一乘积的和值与润滑油的质量参数值建立恒等的质量目标函数。
优选的，获取调和基底的所有组分的质量影响系数的步骤包括：
将每种组分的质量影响系数作为未知数；
根据每种组分的体积占比的取值范围获取多种体积占比组合的调和基底；
计算以每种体积占比组合的调和基底生产的润滑油的质量参数值；
根据每个未知数、每种体积占比组合对应的每种组分的体积占比、每种体积占比组合的调和基底生产的润滑油的质量参数值建立对应的五元一次函数；
结合多组五元一次函数对每种组分的质量影响系数进行求解。
优选的，获取每种组分的最优体积占比的步骤还包括：
获取调和基底的每种组分的闪点值，并获取润滑油的最大闪点值；
根据润滑油的最大闪点值获取润滑油的第一闪点值范围；
根据调和基底的每种组分的闪点值获取调和基底的每种组分的闪点调和指数；
根据调和基底的每种组分的闪点调和指数、体积取值范围及润滑油的闪点调和指数获取第二闪点值范围；
根据第一闪点值范围和第二闪点值范围确定润滑油的闪点值范围；
根据质量目标函数、润滑油的闪点值范围及每种组分的体积占比的取值范围获取每种组分占所有组分总体积的最优体积占比，根据每种组分占所有组分总体积的最优体积占比对调和基底进行调整。
本发明的有益效果是：本发明的一种工业用油生产配比调控方法，通过每种主组分的运动黏度获取润滑油的调和基底中每种组分的体积占比的取值范围，然后通过高光谱分析获取润滑油的质量参数值，根据润滑油的质量参数值、调和基底中所有组分的体积取值、质量影响系数建立质量目标函数，将质量目标函数作为目标函数，对质量目标函数进行单目标函数优化并结合每种组分的体积占比的取值范围得到每种组分的最优体积占比，本发明通过质量目标函数保证油品质量，同时还可在对质量目标函数进行单目标函数优化时结合润滑油的闪点值范围形成进一步的约束条件，从而进一步保证油品的质量。
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，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地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种工业用油生产配比调控方法的实施例总体步骤的流程图；
图2为本发明实施例1中的步骤S6的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的一种工业用油生产配比调控方法的实施例1，如图1所示，该方法包括：
S1、获取润滑油的运动黏度范围及调和基底的组分，具体的，本实施例中以一种润滑油为例，因此，基于大数据对润滑油进行分析获取润滑油的运动黏度范围及调和基底，并获取调和基底中影响润滑油粘度的主组分及不影响润滑油粘度的副组分，其中，润滑油的调和基底的组分包括：重整油、轻石脑油、黏度改进剂、金属钝化剂、抗氧抗腐剂，其中，影响润滑油粘度的主组分为：重整油、轻石脑油、黏度改进剂，不影响润滑油粘度的副组分为金属钝化剂、抗氧抗腐剂，具体的，该润滑油的运动黏度记为
Figure 222472DEST_PATH_IMAGE015
，
Figure 333648DEST_PATH_IMAGE015
取值范围为
Figure 282012DEST_PATH_IMAGE016
。
S2、获取调和基底的每种组分的运动黏度，根据润滑油的运动黏度范围及调和基底的每种组分的运动黏度获取每种组分的体积占所有组分总体积的体积占比的取值范围。
具体的，利用黏度调和计算公式表示润滑油的运动黏度与调和基底的每种主组分的运动黏度与每种主组分占所有主组分体积的体积占比的关系，具体的，黏度调和计算公式（a）：
Figure 453231DEST_PATH_IMAGE017
（a）
式中，
Figure 487046DEST_PATH_IMAGE018
表示第
Figure 870754DEST_PATH_IMAGE019
种主组分的体积占所有主组分体积的体积占比；
Figure 405116DEST_PATH_IMAGE020
表示第
Figure 481656DEST_PATH_IMAGE019
种主组分的运动黏度；
n表示润滑油的调和基底的主组分的总数，本实施例n取3；
Figure 2767DEST_PATH_IMAGE021
表示润滑油的运动黏度；
根据黏度调和计算公式与润滑油的运动黏度范围获取每种主组分占所有组分总体积的体积占比的取值范围，并根据每种主组分的体积占所有组分总体积的体积占比的取值范围及经验值获取每种副组分的体积占所有组分总体积的体积占比的取值范围；所有主组分的体积占所有组分总体积的体积占比的取值范围与副组分的体积占所有组分总体积的体积占比的取值范围即为调和基底的每种组分体积占所有组分总体积的体积占比的取值范围，具体的，设润滑油的调和基底的组分中的重整油、轻石脑油、黏度改进剂、金属钝化剂、抗氧抗腐剂的组分占所有组分总体积的体积占比依次为
Figure 393428DEST_PATH_IMAGE022
、
Figure 316385DEST_PATH_IMAGE023
、
Figure 32668DEST_PATH_IMAGE024
、
Figure 41076DEST_PATH_IMAGE025
、
Figure 294815DEST_PATH_IMAGE026
，且
Figure 72278DEST_PATH_IMAGE027
，调和基底的主组分中的重整油、轻石脑油、黏度改进剂的体积占所有主组分体积的体积占比为
Figure 490621DEST_PATH_IMAGE028
、
Figure 720745DEST_PATH_IMAGE029
、
Figure 515526DEST_PATH_IMAGE030
，即
Figure 350758DEST_PATH_IMAGE028
=
Figure 940002DEST_PATH_IMAGE031
，
Figure 920072DEST_PATH_IMAGE029
=
Figure 252964DEST_PATH_IMAGE032
，
Figure 5020DEST_PATH_IMAGE030
=
Figure 765165DEST_PATH_IMAGE033
，其中，根据经验获取调和基底的每种组分的运动黏度，其中，重整油，轻石脑油，黏度改进剂的运动黏度依次取经验值40.4、3.9、160.8，则润滑油的运动黏度与调和基底的每种主组分的运动黏度与每种主组分的在所有主组分体积中的体积占比的关系为式（a1）：
Figure 235461DEST_PATH_IMAGE034
（a1）
然后，结合式（a1）与
Figure 106465DEST_PATH_IMAGE015
取值范围为
Figure 916289DEST_PATH_IMAGE016
，得到润滑油的调和基底的组分中重整油、轻石脑油、黏度改进剂、金属钝化剂、抗氧抗腐剂的体积取值范围为式子（a2）：
Figure 112915DEST_PATH_IMAGE035
（a2）
其中，
Figure 801998DEST_PATH_IMAGE036
、
Figure 476693DEST_PATH_IMAGE037
表示副组分占所有组分体积中的体积占比的取值范围，由于润滑油中黏度系数主要受主组分影响，且副组分均为助剂，故副组分的体积占比的取值范围取经验范围值。
S3、获取润滑油的高光谱图像，获取高光谱图像中每个像素点的光谱曲线，根据光谱曲线中所有波段的像素值的平均值记为光谱曲线的曲线平均值。
具体的，由于润滑油是由多种主料和辅料混合而成的，再混合的过程中由于主料和辅料比例不当会导致润滑油中出现沉淀物或者油品混合效果不好，导致主料没有混合均匀，由于沉淀物和润滑油的颜色较为相近，为防止沉淀物和润滑油难以区分，本实施例先利用高光谱相机对混合完成的润滑油拍摄俯视角的图像得到高光谱图像，根据高光谱图像获取高光谱图像中每个像素点的光谱曲线，然后基于每个像素点的光谱曲线来判断润滑油是否存在沉淀或者混合不均的情况，其中，根据下式（1）计算光谱曲线的曲线平均值：
Figure 937761DEST_PATH_IMAGE038
（1）
其中，
Figure 39709DEST_PATH_IMAGE002
表示光谱曲线中第c个波段的像素值；
F表示光谱曲线中波段的数量；
Figure 219018DEST_PATH_IMAGE003
表示光谱曲线的曲线平均值。
S4、获取光谱曲线的极值点，沿光谱曲线的横坐标方向依次连接相邻的极值点，每两个相邻的极值点之间形成一条线段，根据每条线段的长度和方向获取每个线段对应的向量，将所有向量加和得到光谱曲线的向量。
具体的，获取每个极值点的坐标；根据每两个相邻极值点的坐标计算对应两个相邻极值点之间的线段长度并记为该线段对应的向量长度；获取线段的方向与光谱曲线的横坐标方向之间的夹角并记为该线段对应的向量夹角；根据线段的向量长度、向量夹角获取每个线段对应的向量。
S5、根据光谱曲线的向量及曲线平均值获取光谱曲线的光谱值并获取最小光谱值，根据光谱值减去最小光谱值得到目标光谱值，根据所有光谱曲线的目标光谱值计算均方差并作为润滑油的质量参数值。
具体的，根据下式（2）计算光谱曲线的光谱值：
Figure 697404DEST_PATH_IMAGE004
（2）
其中，
Figure 12979DEST_PATH_IMAGE005
表示第
Figure 348145DEST_PATH_IMAGE006
个光谱曲线的向量的向量夹角夹角归一化后的夹角，具体的，
Figure 746241DEST_PATH_IMAGE039
，将角度归一化，
Figure 762738DEST_PATH_IMAGE040
表示第
Figure 198399DEST_PATH_IMAGE006
个光谱曲线的向量的向量夹角，
Figure 907729DEST_PATH_IMAGE040
的范围为[-90°，90°]；
Figure 796051DEST_PATH_IMAGE007
表示第
Figure 616239DEST_PATH_IMAGE006
个光谱曲线的向量的向量长度；
Figure 906406DEST_PATH_IMAGE008
表示第
Figure 521058DEST_PATH_IMAGE006
个光谱曲线的曲线平均值；
Figure 893746DEST_PATH_IMAGE009
表示第
Figure 517626DEST_PATH_IMAGE006
个光谱曲线的光谱值。
具体的，根据下式（3）计算方差：
Figure 662299DEST_PATH_IMAGE041
（3）
其中，
Figure 713432DEST_PATH_IMAGE011
表示第
Figure 576346DEST_PATH_IMAGE012
个光谱曲线的目标光谱值；
Figure 738337DEST_PATH_IMAGE042
表示高光谱图像中像素点的数量；
Figure 268675DEST_PATH_IMAGE014
表示均方差即润滑油的质量参数值，
Figure 490709DEST_PATH_IMAGE014
越小则润滑油的油品质量越好。
S6、获取调和基底的所有组分的质量影响系数，根据润滑油的质量参数值、每种组分的体积占比及质量影响系数之间的关系获取质量目标函数。
具体的，获取调和基底的所有组分的质量影响系数的步骤包括：S61、将每种组分的质量影响系数作为未知数，S62、根据每种组分的体积占比的取值范围获取多种体积占比组合的调和基底；S63、计算以每种体积占比组合的调和基底生产的润滑油的质量参数值；S64、根据每个未知数、每种体积占比组合对应的每种组分的体积占比、每种体积占比组合的调和基底生产的润滑油的质量参数值建立对应的五元一次函数；S65、结合多组五元一次函数对每种组分的质量影响系数进行求解。
计算每种组分的体积占所有组分总体积的体积占比与对应质量影响系数的第一乘积；将所有第一乘积的和值与润滑油的质量参数值建立恒等的质量目标函数，具体的，质量目标函数如下式（4）所示：
Figure 572410DEST_PATH_IMAGE043
（4）
其中，
Figure 538092DEST_PATH_IMAGE044
表示润滑油的质量参数值；
Figure 860620DEST_PATH_IMAGE045
、
Figure 519134DEST_PATH_IMAGE046
、
Figure 559903DEST_PATH_IMAGE047
、
Figure 329276DEST_PATH_IMAGE048
、
Figure 303048DEST_PATH_IMAGE049
依次为重整油、轻石脑油、黏度改进剂、金属钝化剂、抗氧抗腐剂的质量影响系数；
Figure 90654DEST_PATH_IMAGE050
、
Figure 149877DEST_PATH_IMAGE051
、
Figure 254100DEST_PATH_IMAGE052
、
Figure 347958DEST_PATH_IMAGE036
、
Figure 82695DEST_PATH_IMAGE037
依次为重整油、轻石脑油、黏度改进剂、金属钝化剂、抗氧抗腐剂的体积占所有组分总体积的体积占比。
S7、根据质量目标函数及每种组分的体积占比的取值范围获取每种组分的最优体积占比，根据每种组分的最优体积占比对调和基底进行调整，具体的，对质量目标函数进行单目标函数优化并结合每种组分的体积占所有组分总体积的体积占比的取值范围得到每种组分占所有组分总体积的最优体积占比，其中，按照每种组分的体积占所有组分总体积的体积占比的取值范围，从取值范围中，选取多组体积占比取值，然后利用优化后的质量目标函数对计算每组体积占比取值对应的质量参数值，将每组体积占比取值对应的质量参数值中的最小质量参数值对应的体积占比取值作为润滑油的最优体积占比。
实施例2
本实施例2是基于实施例1的步骤S7的，为了进一步保证润滑油的质量，获取调和基底的每种组分的闪点值，并获取润滑油的最大闪点值；根据润滑油的最大闪点值获取润滑油的第一闪点值范围；根据调和基底的每种组分的闪点值获取调和基底的每种组分的闪点调和指数；根据调和基底的每种组分的闪点调和指数、体积取值范围及润滑油的闪点调和指数获取第二闪点值范围；根据第一闪点值范围和第二闪点值范围确定润滑油的闪点值范围，其中，根据闪点调和指数公式（6）：
Figure 363635DEST_PATH_IMAGE053
（6）
Figure 474811DEST_PATH_IMAGE054
表示润滑油的闪点调和指数；
Figure 423175DEST_PATH_IMAGE055
指润滑油的最大闪点值，本实施例的润滑油的最大闪点值取经验值437；
根据下式（7）获取润滑油的闪点调和指数和每种组分的闪点指数的关系：
Figure 325884DEST_PATH_IMAGE056
（7）
其中，
Figure 359700DEST_PATH_IMAGE054
表示润滑油的闪点调和指数；
Figure 8987DEST_PATH_IMAGE057
表示第
Figure 77437DEST_PATH_IMAGE019
种组分占所有组分总体积的体积占比；
Figure 153977DEST_PATH_IMAGE058
表示润滑油的第
Figure 143930DEST_PATH_IMAGE019
种组分的闪点指数；
Figure 65750DEST_PATH_IMAGE059
表示润滑油的所有组分总数；
根据式（6）和式（7）计算确定润滑油的闪点值范围；利用质量目标函数、润滑油的闪点值范围及每种组分的体积占比的取值范围获取每种组分占所有组分总体积的最优体积占比，根据每种组分占所有组分总体积的最优体积占比对调和基底进行调整。
综上所述，本发明提供一种工业用油生产配比调控方法，通过每种组分的运动黏度获取润滑油的调和基底中每种组分的体积占比的取值范围，然后通过高光谱分析获取润滑油的质量参数值，根据润滑油的质量参数值、调和基底中所有组分的体积取值、质量影响系数建立质量目标函数，将质量目标函数作为目标函数，对质量目标函数进行单目标函数优化并结合每种组分的体积占比的取值范围得到每种组分的最优体积占比，本发明通过质量目标函数保证油品质量，同时还可在对质量目标函数进行单目标函数优化时结合润滑油的闪点值范围形成进一步的约束条件，从而进一步保证油品的质量。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种工业用油生产配比调控方法，其特征在于，该方法包括：
获取润滑油的运动黏度范围及调和基底，并获取调和基底中影响润滑油粘度的主组分及不影响润滑油粘度的副组分；
获取调和基底的每种主组分的运动黏度，根据润滑油的运动黏度范围及调和基底的每种主组分的运动黏度获取每种组分的体积占所有组分总体积的体积占比的取值范围；
获取润滑油的高光谱图像，获取高光谱图像中每个像素点的光谱曲线，根据光谱曲线中所有波段的像素值的平均值记为光谱曲线的曲线平均值；
获取光谱曲线的极值点，沿光谱曲线的横坐标方向依次连接相邻的极值点，每两个相邻的极值点之间形成一条线段，根据每条线段的长度和方向获取每个线段对应的向量，将所有向量加和得到光谱曲线的向量；
根据光谱曲线的向量及曲线平均值获取光谱曲线的光谱值并获取最小光谱值，根据光谱值减去最小光谱值得到目标光谱值，根据所有光谱曲线的目标光谱值计算均方差并作为润滑油的质量参数值；
获取调和基底的所有组分的质量影响系数，根据润滑油的质量参数值、每种组分的体积占比及质量影响系数之间的关系获取质量目标函数；
根据质量目标函数及每种组分的体积占比的取值范围获取每种组分的最优体积占比，根据每种组分的最优体积占比对调和基底进行调整。
2.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，基于大数据对润滑油进行分析获取润滑油的运动黏度范围及调和基底，并获取调和基底中影响润滑油粘度的主组分及不影响润滑油粘度的副组分。
3.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，根据润滑油的运动黏度范围及调和基底的主组分的运动黏度获取调和基底的每种组分的体积占所有组分总体积的体积占比的取值范围的步骤包括：
利用黏度调和计算公式获取润滑油的运动黏度与调和基底的每种主组分的运动黏度与每种主组分占所有主组分体积的体积占比的关系；
根据黏度调和计算公式与润滑油的运动黏度范围获取每种主组分占所有组分总体积的体积占比的取值范围，并根据每种主组分的体积占所有组分总体积的体积占比的取值范围及经验值获取每种副组分的体积占所有组分总体积的体积占比的取值范围；
所有主组分的体积占所有组分总体积的体积占比的取值范围与副组分的体积占所有组分总体积的体积占比的取值范围即为调和基底的每种组分体积占所有组分总体积的体积占比的取值范围。
4.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，根据光谱曲线中所有波段的像素值的平均值记为光谱曲线的曲线平均值的步骤包括：
根据下式（1）计算光谱曲线的曲线平均值：
Figure 63795DEST_PATH_IMAGE001
（1）
其中，
Figure 311237DEST_PATH_IMAGE002
表示光谱曲线中第c个波段的像素值；
F表示光谱曲线中波段的数量；
Figure 54065DEST_PATH_IMAGE003
表示光谱曲线的曲线平均值。
5.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，根据每条线段的长度和方向获取每个线段对应的向量的步骤包括：
获取每个极值点的坐标；
根据每两个相邻极值点的坐标计算对应两个相邻极值点之间的线段长度并记为该线段对应的向量长度；
获取线段的方向与光谱曲线的横坐标方向之间的夹角并记为该线段对应的向量夹角；
根据线段的向量长度、向量夹角获取每个线段对应的向量。
6.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，根据光谱曲线的向量及曲线平均值获取光谱曲线的光谱值的步骤包括：
根据下式（2）计算光谱曲线的光谱值：
Figure 45154DEST_PATH_IMAGE004
（2）
其中，
Figure 554109DEST_PATH_IMAGE005
表示第
Figure 972452DEST_PATH_IMAGE006
个光谱曲线的向量的向量夹角；
Figure 468155DEST_PATH_IMAGE007
表示第
Figure 731777DEST_PATH_IMAGE006
个光谱曲线的向量的向量长度；
Figure 894905DEST_PATH_IMAGE008
表示第
Figure 484150DEST_PATH_IMAGE006
个光谱曲线的曲线平均值；
Figure 201570DEST_PATH_IMAGE009
表示第
Figure 800041DEST_PATH_IMAGE006
个光谱曲线的光谱值。
7.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，根据所有光谱曲线的目标光谱值计算均方差并作为润滑油的质量参数值的步骤包括：
根据下式（3）计算方差：
Figure 549167DEST_PATH_IMAGE010
（3）
其中，
Figure 309313DEST_PATH_IMAGE011
表示第
Figure 514029DEST_PATH_IMAGE012
个光谱曲线的目标光谱值；
Figure 650612DEST_PATH_IMAGE013
表示高光谱图像中像素点的数量；
Figure 257174DEST_PATH_IMAGE014
表示均方差即润滑油的质量参数值。
8.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，根据润滑油的质量参数值、每种组分的体积占比及质量影响系数之间的关系获取质量目标函数的步骤包括：
计算每种组分的体积占比与对应质量影响系数的第一乘积；
将所有第一乘积的和值与润滑油的质量参数值建立恒等的质量目标函数。
9.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，获取调和基底的所有组分的质量影响系数的步骤包括：
将每种组分的质量影响系数作为未知数；
根据每种组分的体积占比的取值范围获取多种体积占比组合的调和基底；
计算以每种体积占比组合的调和基底生产的润滑油的质量参数值；
根据每个未知数、每种体积占比组合对应的每种组分的体积占比、每种体积占比组合的调和基底生产的润滑油的质量参数值建立对应的五元一次函数；
结合多组五元一次函数对每种组分的质量影响系数进行求解。
10.根据权利要求1所述的一种工业用油生产配比调控方法，其特征在于，获取每种组分的最优体积占比的步骤还包括：
获取调和基底的每种组分的闪点值，并获取润滑油的最大闪点值；
根据润滑油的最大闪点值获取润滑油的第一闪点值范围；
根据调和基底的每种组分的闪点值获取调和基底的每种组分的闪点调和指数；
根据调和基底的每种组分的闪点调和指数、体积取值范围及润滑油的闪点调和指数获取第二闪点值范围；
根据第一闪点值范围和第二闪点值范围确定润滑油的闪点值范围；
根据质量目标函数、润滑油的闪点值范围及每种组分的体积占比的取值范围获取每种组分占所有组分总体积的最优体积占比，根据每种组分占所有组分总体积的最优体积占比对调和基底进行调整。
CN202210855535.1A 2022-07-21 2022-07-21 一种工业用油生产配比调控方法 Active CN114925335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210855535.1A CN114925335B (zh) 2022-07-21 2022-07-21 一种工业用油生产配比调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210855535.1A CN114925335B (zh) 2022-07-21 2022-07-21 一种工业用油生产配比调控方法

Publications (2)

Publication Number Publication Date
CN114925335A CN114925335A (zh) 2022-08-19
CN114925335B true CN114925335B (zh) 2022-09-20

Family

ID=82816186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210855535.1A Active CN114925335B (zh) 2022-07-21 2022-07-21 一种工业用油生产配比调控方法

Country Status (1)

Country Link
CN (1) CN114925335B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103502408A (zh) * 2011-05-06 2014-01-08 吉坤日矿日石能源株式会社 润滑油组合物
JP2014205859A (ja) * 2014-08-04 2014-10-30 Ｊｘ日鉱日石エネルギー株式会社 潤滑油基油及びその製造方法、潤滑油組成物
CN109949870A (zh) * 2019-03-07 2019-06-28 杭州辛孚能源科技有限公司 一种分子级基础油调和优化方法
CN110763651A (zh) * 2018-07-26 2020-02-07 中国石油化工股份有限公司 一种适合生产润滑油基础油的原油调配方法
CN111044482A (zh) * 2018-10-11 2020-04-21 中国石油化工股份有限公司 原油调配方法
CN111829978A (zh) * 2019-04-18 2020-10-27 中国石油化工股份有限公司 一种利用近红外光谱由已有原油调和目标原油的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7027676B2 (ja) * 2019-05-16 2022-03-02 昭和電工株式会社 潤滑油組成物の検査方法およびその潤滑油組成物の製造方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103502408A (zh) * 2011-05-06 2014-01-08 吉坤日矿日石能源株式会社 润滑油组合物
JP2014205859A (ja) * 2014-08-04 2014-10-30 Ｊｘ日鉱日石エネルギー株式会社 潤滑油基油及びその製造方法、潤滑油組成物
CN110763651A (zh) * 2018-07-26 2020-02-07 中国石油化工股份有限公司 一种适合生产润滑油基础油的原油调配方法
CN111044482A (zh) * 2018-10-11 2020-04-21 中国石油化工股份有限公司 原油调配方法
CN109949870A (zh) * 2019-03-07 2019-06-28 杭州辛孚能源科技有限公司 一种分子级基础油调和优化方法
CN111829978A (zh) * 2019-04-18 2020-10-27 中国石油化工股份有限公司 一种利用近红外光谱由已有原油调和目标原油的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
On-line detection of oil on steel coils and thickness measurement using hyperspectral camera;M. Ferté, C. Roquelet, D. Glijer, C. Carteret and G. Fricout;《2014 6th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS)》;20140627;第1-4页 *
在用润滑油检测技术综述;王彩玲等;《合成润滑材料》;20200620(第02期);第34-37页 *
基于改进粒子群算法的工业润滑油调和方案设计;陈鑫悦;《科技视界》;20220515;第16-18页 *

Also Published As

Publication number Publication date
CN114925335A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN107976419B (zh) 一种由油品近红外光谱预测其性质的方法
CN101546619B (zh) 电镀的扁平导体以及具有该电镀的扁平导体的柔性扁平电缆
CN114925335B (zh) 一种工业用油生产配比调控方法
WO2005080951A1 (en) Fluid quality control using broad spectrum impedance spectroscopy
EP2856366B1 (en) Method for reconciling a model of composition of a material from a petroleum stream
EP3476873B1 (en) Gradient copolymer, method for producing same, and use thereof
JP6481031B2 (ja) 色品質を決定するための特性番号
KR20160064200A (ko) 윤활제 설계 제조가능성 공정
Picon et al. Ladle furnace slag characterization through hyperspectral reflectance regression model for secondary metallurgy process optimization
CN110763651B (zh) 一种适合生产润滑油基础油的原油调配方法
CN111829978B (zh) 一种利用近红外光谱由已有原油调和目标原油的方法
CN111044482B (zh) 原油调配方法
JP2019081940A (ja) 化成処理剤、化成皮膜の製造方法、化成皮膜を有する金属材料、および塗装金属材料
CN108415246B (zh) 一种基于拓展初始化范围的原油非线性优化调合方法
CN110763649B (zh) 一种由近红外光谱及性质选择目标原油调合配方的方法
CN111892960A (zh) 一种汽油调合方法、系统、设备及存储介质
CA2359669C (en) Method to control a lubricant production
CN111678934A (zh) Cr靶XRD法测试连退板磷化膜P比的方法
KR20180037848A (ko) 납사 품질 분석 시스템 및 그 품질 분석 방법
CA3078284A1 (en) Method and system for determining a plurality of color quality indicators for controlling the color of a coating
US9017475B2 (en) Metal pigment composition
Sabri Multiple Criteria Performance Analysis: The Comparison Of Telecommunications Sectors In North Africa
CN113041954B (zh) 一种5#工业白油的倾点调合方法
CN114965347A (zh) 一种直接基于近红外光谱的原油调合方法
CN116843097A (zh) 煤质评价方法及系统

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