一种影响油液粘度的颗粒智能识别的方法技术

一种影响油液粘度的颗粒智能识别的方法，具体包含以下步骤：1）配置含不同粒经、含量颗粒污染物标准油样，并对各个油样粘度进行测试；2）将每个油样中取5μm、15μm、25μm和50μm的粒经作为输入量，将测试得到的油样粘度作为输出量，并取全部油样个数的4/5个作为训练集合的元素；3）对训练集合的输入执行C均值模糊聚类处理得到输入空间的划分和模糊规则数目；4）对训练集合的输出执行递推最小二乘方法处理得到识别模型参数；5）构建智能识别模型；6）实现颗粒对油液粘度的影响识别。本发明专利技术能够有效降低油液粘度测试过程中人为因素造成的误差，可判断出油液粘度的变化影响较大的粒经，从而为采取有效的控制措施提供理论基础。

【技术实现步骤摘要】

本专利技术涉及油中颗粒的智能识别
，具体涉及一种影响油液粘度的颗粒智能识别的方法，应用于颗粒对油液粘度的影响和控制场合。
技术介绍
油液在运行中，不可避免的会从系统外部浸入或系统内部生成一些金属或非金属颗粒，从而形成油中的颗粒污染物，油中不同粒径、含量铜颗粒的存在，其性能变化程度也有所不同, 固体颗粒物是润滑系统中最普遍，危害作用最大的污染物。据资料统计，由于固体颗粒污染物引起的系统故障占总污染故障的60％-70％。因此掌握不同含量、粒经的颗粒对油液性能的影响变化趋势对用油设备的安全运行有着极其重要的意义。油的粘度是其主要的一项性能指标，含颗粒油样是非均相混合流体，当油液层层流动，由于混合了不规则形状的固体颗粒杂质，使得油液分子间内摩擦发生改变，因此改变了油液的粘性大小，从而改变了整个非均相混合流体的运动粘度。一般认为，5 μm左右微小颗粒是引起用油系统淤积和堵塞故障的主要原因，而大于15 μm的颗粒是引起元件磨损的主要原因。且不同粒经、含量的颗粒污染物对油液的粘度影响也有很大的不同，探讨一种有效的影响油液粘度性能的颗粒污染物智能识别的方法对保障用油设备安全运行至关重要。
技术实现思路
本专利技术的目的在于提供一种影响油液粘度的颗粒智能识别的方法，能够实现不同粒经、含量的颗粒污染物对油液的粘度影响，为油液粘度的变化提供了依据，并为油中颗粒物的在线监测仪器的实现打下基础。为了达到上述目的，本专利技术通过以下技术方案实现：一种影响油液粘度的颗粒智能识别的方法，其特征在于包含以下步骤：1）配置含不同粒经、含量颗粒污染物标准油样，并对各个油样粘度进行测试；2）将每个油样中取5μm、15μm、25μm和50μm的粒经作为输入量，将测试得到的油样粘度作为输出量，并取全部油样个数的4/5个作为影响油液粘度的颗粒智能识别训练集合的元素；3）对训练集合的输入执行C均值模糊聚类处理得到输入空间的划分和模糊规则数目；4）对训练集合的输出执行递推最小二乘方法处理得到影响油液粘度的颗粒智能识别模型参数；5）根据影响油液粘度的颗粒智能识别训练样本集合的输入空间的划分和模糊规则数目以及模型参数得到模糊规则集，从而构建影响油液粘度的颗粒智能识别模型；6）将待识别的油样测试其粘度后，输入影响油液粘度的颗粒智能识别模型中实现颗粒对油液粘度的影响识别。所述的步骤1）中对各个油样粘度进行测试是根据GB/T265-88《石油产品运动粘度测定法和动力粘度计算法》标准，采用石油产品运动粘度测定器进行测试的；测试温度为40℃，每个油样进行4次实验，取4次平均值记为该油样的粘度值。本专利技术一种影响油液粘度的颗粒智能识别的方法与现有技术相比具有以下优点：能够有效降低油液粘度测试过程中人为因素造成的误差，将油液中5μm、15μm、25μm和50μm的粒经对油液粘度的影响很好的表征，可判断出油液粘度的变化影响较大的粒经，从而为采取有效的控制措施提供理论基础。附图说明图1为本专利技术一种影响油液粘度的颗粒智能识别的方法流程图；图2为5μm粒经颗粒对油液粘度的影响曲线；图3为15μm粒经颗粒对油液粘度的影响曲线；图4为25μm粒经颗粒对油液粘度的影响曲线；图5为50μm粒经颗粒对油液粘度的影响曲线。具体实施方式以下结合附图，通过详细说明一个较佳的具体实施例，对本专利技术做进一步阐述。利用25#变压器油（中国石油天然气股份有限公司润滑油分公司）经过8层中性滤纸进行抽滤处理得到原始油样；采用HIAC8012油品污染度测试仪器对配置的不同污染度的含铜颗粒油液进行检测，得到14～21污染度等级（ISSO4406)的油样；采用KQ-400KDB型高功率数控超声波振荡器（昆山苏美超声仪器有限公司生产）对不同污染度的含铜杂质的油液进行预处理，超声功率400W，超声频率40KHz；采用SYD-265H石油产品运动粘度测定器（上海昌吉地质仪器有限公司）对预处理好的25组含铜油样进行运动粘度测试（40℃），粘度计内径0.8mm,粘度计常数0.04354mm2/s2。如图1所示，一种影响油液粘度的颗粒智能识别的方法包含以下步骤：1）配置含不同粒经、含量颗粒污染物标准油样，并对各个油样粘度进行测试；称取0.02g铜粉与1L 25#变压器油混合的油样在60℃下经8小时超声波振荡器充分震荡，将震荡均匀的油样经HIAC8012油品污染度测试仪器进行检测，此时过滤获得油样为污染度等级23(ISO4406)的油样；采用HIAC8012油品污染度测试仪器进行检测，得到14到21梯度污染度等级的油样，共25组；将各个油样置于超声波振荡器中在60℃下震荡8小时后，根据GB/T265-88，采用石油产品运动粘度测定器对预处理好的24组不同颗粒浓度含铜颗粒油样进行运动粘度测试（40℃），每个油样进行4次实验，取4次平均值记为该油样的粘度值。2）将每个油样中取5μm、15μm、25μm和50μm的粒经作为输入量，将测试得到的油样粘度作为输出量，并取25组油样个数的4/5个，即20组油样作为影响油液粘度的颗粒智能识别训练集合的元素；3）对训练集合的输入执行C均值模糊聚类处理得到输入空间的划分和模糊规则数目；通过影响油液粘度的颗粒智能识别经过57次迭代，C均值聚类算法的目标函数J为0.0007，得到的5个聚类中心分别为：聚类中心1：[x1,x2,x3,x4]=[5.524,15.030,25.084,50.374];聚类中心2：[x1,x2,x3,x4]=[5.821,15.031,25.971,50.699];聚类中心3：[x1,x2,x3,x4]=[5.191,15.127,25.021,50.715];聚类中心4：[x1,x2,x3,x4]=[5.015,15.272,25.946,50.698];聚类中心5：[x1,x2,x3,x4]=[5.787,15.830,25.823,50.766]。4）对训练集合的输出执行递推最小二乘方法处理得到影响油液粘度的颗粒智能识别模型参数，得到影响油液粘度的颗粒智能识别算法的规则为：5）根据影响油液粘度的颗粒智能识别训练样本集合的输入空间的划分和模糊规则数目以及模型参数得到模糊规则集，从而构建影响油液粘度的颗粒智能识别模型；6）将配置的油样25组中剩余的5组测试其粘度后，输入影响油液粘度的颗粒智能识别模型中实现颗粒对油液粘度的影响识别，获得油液中不同粒径、含量的铜颗粒对油液运动粘度的影响如图2、3、4、5所示。可见，铜颗粒污染物在粒径为15μm和25μm 时，对油液的运动粘度影响较为明显，其数量在200以内时，油液粘度达到最大值，分别为9.3mm2/s、15mm2/s。而在粒径为5μm时，油液的运动粘度最大值仅为4.5mm2/s，铜颗粒粒径为50μm、数量为1时，油液的运动粘度达到最大值为9.5mm2/s，其数量超过1油液运动粘度急剧下降。综合以上分析可知铜颗粒污染物粒径在15-25μm范围内对油液运动粘度的影响较大，且粒径越大，油液运动粘度也越大。虽然对本专利技术的技术方案已经通过上述优选实施例作了详细阐述，但 对于本专利技术的一些显而易见的修改和替代都是本领域内技术人员的熟知常识，本专利技术的保护范围由所要求的权利要求来限定。本文档来自技高网...

【技术保护点】
一种影响油液粘度的颗粒智能识别的方法，其特征在于包含以下步骤：1）配置含不同粒经、含量颗粒污染物标准油样，并对各个油样粘度进行测试；2）将每个油样中取5μm、15μm、25μm和50μm的粒经作为输入量，将测试得到的油样粘度作为输出量，并取全部油样个数的4/5个作为影响油液粘度的颗粒智能识别训练集合的元素；3）对训练集合的输入执行C均值模糊聚类处理得到输入空间的划分和模糊规则数目；4）对训练集合的输出执行递推最小二乘方法处理得到影响油液粘度的颗粒智能识别模型参数；5）根据影响油液粘度的颗粒智能识别训练样本集合的输入空间的划分和模糊规则数目以及模型参数得到模糊规则集，从而构建影响油液粘度的颗粒智能识别模型；6）将待识别的油样测试其粘度后，输入影响油液粘度的颗粒智能识别模型中实现颗粒对油液粘度的影响识别。

【技术特征摘要】
1.一种影响油液粘度的颗粒智能识别的方法，其特征在于包含以下步骤：1）配置含不同粒经、含量颗粒污染物标准油样，并对各个油样粘度进行测试；2）将每个油样中取5μm、15μm、25μm和50μm的粒经作为输入量，将测试得到的油样粘度作为输出量，并取全部油样个数的4/5个作为影响油液粘度的颗粒智能识别训练集合的元素；3）对训练集合的输入执行C均值模糊聚类处理得到输入空间的划分和模糊规则数目；4）对训练集合的输出执行递推最小二乘方法处理得到影响油液粘度的颗粒智能识别模型参数；5）根据影响油液粘度的颗粒智...

【专利技术属性】
技术研发人员：陈盈洁，
申请(专利权)人：陈盈洁，
类型：发明
国别省市：重庆;50