基于RBF神经网络的润滑油自动识别系统设计

作者：蓝集明; 熊刚; 张海燕

来源：计算机测量与控制, 2012, (02): 484-486+493.

DOI：10.16526/j.cnki.11-4762/tp.2012.02.003

• 油料种类识别
• 径向基函数神经网络(RBFNN)
• 特征参数提取
• 表观特征参数 oil species recognition
• radial-basis-function neural network
• characteristic parameter extraction
• apparent characteristic parameters

目前通过油料常规质量指标和成分结构信息进行油料种类识别的方法因所需仪器设备多,分析测试过程复杂而缺乏实用性和推广价值;在分析油品理化性能指标与其类别间的相关关系及神经网络的特点后,以最简单方式提取尽可能多的特征参数为原则,通过表观特征参数的途径,设计了一种简单小巧的装置,可同时提取油料密度、粘度、吸光度、电导率和介电常数等参数的特征向量,提出了用RBF神经网络进行油料种类识别的方法,并给出了实现算法;实验结果及应用情况表明,该方法识别效果比较理想,为当前油料种类识别问题给出了一种新的解决途径。

• 单位
  中国人民解放军陆军勤务学院; 四川轻化工大学; 清华大学