论文摘要
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。目前市场上润滑油品牌众多，品质优劣不齐，单从外观上难以分辨其真假，通常对润滑油品牌识别和品质检测主要依靠经验或化学仪器进行，这个过程不仅费时费力还可能造成一定环境污染。因此，研究一种能够快速、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。论文主要应用近红外光谱技术和拉曼光谱技术开展了润滑油主要品质指标（粘度、含水量）和掺假、品牌无损检测方法研究，建立了润滑油品质定量和定性分析模型。论文研究主要内容与成果如下：（1）研究了近红外光谱的润滑油含水量和粘度定量检测方法。结合间隔偏最小二乘（iPLS）算法对输入变量进行筛选。研究结果为，对润滑油含水量检测，选出7432-6321cm-1和5583-4846cm-1两个波段用于润滑油含水量定量分析，相关系数为0.993和交互验证均方根误差为6.4×10-4；对于润滑油粘度检测，选出8528cm-1-8094cm-1、7371cm-1-6937cm-1、6069cm-1-5346cm-1和5201cm-1-4478cm-1四个波段用于润滑油粘度定量分析，相关系数为0.994和交互验证均方根误差为4.252，均取得较好的预测结果。（2）研究了基于近红外光谱的润滑油品牌定性识别方法。结合偏最小二乘判别分析方法（PLS-DA）对七种润滑油（ACDelco、HELIX、大众、金宝力、昆仑天歌、美孚和上海通用）进行定性识别。研究结果为，采用近红外光谱技术结合PLS-DA判别分析方法对校正样本建立判别模型，七种润滑油识别率均为100%。结合遗传算法（GeneticAlgorithm,GA）对模型输入变量进行筛选，模型对未知样本的识别率均为100%，大大缩减建模的计算量。（3）研究了润滑油掺假量近红外光谱定量检测方法。选用iPLS和GA两种方法对润滑油原始光谱进行特征变量筛选。研究结果为，采用iPLS选出了8466cm-1-8285cm-1、7378cm-1-6653cm-1、6110cm-1-5747cm-1、5566cm-1-4478cm-1四个波段，利用GA选出69个波数点。结合PLS法对比分析了润滑油掺假量建模效果，得出iPLS筛选出的特征波段建模效果可以取代全波段并优于GA。（4）研究了润滑油品牌的拉曼光谱定性识别方法。采用iPLS波段筛选方法对原始光谱进行特征变量筛选，选择了1344cm-1-1457.5cm-1和1571cm-1-1684.5cm-1两个特征波段作为PLS-DA判别方法的输入变量，进行了润滑油品牌拉曼光谱定性分析。研究结果为，美孚润滑油的识别率为99.17%，其余五种（ACDelco、HELIX、金宝力、昆仑天歌和上海通）均达到100%。（5）研究了润滑油掺假量拉曼光谱定量检测方法。利用iPLS和GA波段筛选方法对掺加量校正模型的输入变量优化。研究结果为，润滑油掺假量模型的相关系数均大于0.972， RMSEP均小于0.0277，能很好地对验证集进行预测。采用iPLS波段筛选方法对原始波段进行特征变量筛选，选出了1148-1484cm-1波段做为拉曼光谱定量检测润滑油掺假的特征谱段，利用GA选出了185个波数点。选用昆仑天歌掺假美孚润滑油作为特征波段筛选验证并取得较好的结果。（6）研究了润滑油粘度拉曼光谱定量检测方法。利用iPLS和GA算法对润滑油原始光谱进行特征变量筛选。研究结果为，采用iPLS筛选的特征波段建模效果要优于GA遗传算法筛选得到的结果，模型相关系数Rp为0.963，预测集均方根误差RMSEP为10.1078。能够很好的对润滑油的运动粘度进行检测。本论文研究表明采用近红外和拉曼光谱技术结合PLS建模算法对润滑油的品质（含水量、粘度）、掺假以及品牌鉴别是可行的。采用一定的光谱波段筛选方法可以大大减少建模的输入变量，减少计算过程，提高模型的稳健性和准确度。