发动机油中水分的近红外光谱分析

作者：刘阁; 陈彬^*; 商芷萱; 全宇轩

来源：光谱学与光谱分析, 2023, 43(02): 449-454.

• 发动机油
• 水分
• 近红外光谱
• 特征波长

发动机油是发动机的核心部件,发动机油中极易混入水分,水分容易加速发动机油的劣化和变质,进而危害发动机的安全运行。对发动机油中水分进行检测是保障发动机油质量的重要指标。因而采用近红外光谱结合偏最小二乘法(PLS)回归方法对不同含水量的发动机油进行了检测。首先根据含水发动机油的近红外光谱的特征,分析了931,1195～1212和1391～1430nm波长的较强吸收峰的机制;采用正交信号校正(OSC)和几种其他的光谱预处理方法构建了PLS回归模型,根据回归系数进行了特征波长的选择。结果表明,OSC预处理后的PLS模型具有较好的预测能力,而多元散射校正(MSC)和标准正态变量变换(SNV)预处理降低了模型的校正性能。选择了166个特征波长,占全谱的32.42%。采用所建的近红外全谱PLS模型和特征波长选择的PLS模型分别对预测集14个油样进行预测,两个模型都能实现较好地预测,预测标准差分别为0.0007和0.0006;而特征波长选择对含水发动机油的预测最稳健,性能指标最好(■为0.9930,■为0.9887,且RMSECV和RMSEP值分别为3.1401×10-4和2.4190×10-4,RPD值为11.9884),特征波长选择的PLS模型与全光谱模型相比,经过特征波长选择消除了全光谱中大量无用信息,对发动机油中含水量预测最稳健,性能指标最好,使模型的性能得到了显著提高。根据所建的OSC预处理后的全谱PLS模型以及特征波长选择的PLS模型,对油样的预测集进行验证,特征波长选择后的PLS模型对预测集的预测效果较优,每个油样的预测值更接近实测值。说明经过特征波长选择后建立的PLS模型不仅没有降低模型的精度和预测能力,反而由于消除了不相关变量的信息,使所建模型更具有泛化性能。因而近红外光谱技术对发动机油中水分的检测具有较好的精确性、可靠性,为发动机的状态监测提供一种可行的解决方案。

• 单位
  华北科技学院; 机电工程学院