一种基于机器学习的高温高速润滑脂设计方法技术

一种基于机器学习的高温高速润滑脂设计方法，包括以下步骤：收集润滑脂成品的组成成分和性能参数构建润滑脂库，建立基于润滑脂库的机器学习模型并用润滑脂库训练和测试，修正或者更换机器学习模型，用训练好的模型预测和优选出高温高速工况下具有优异摩擦学性能的润滑脂的组成成分；本发明专利技术利用已知润滑脂产品的配方参数，采用机器学习方法，寻找未知空间中可能的满足高温高速工况下具有优异摩擦学性能的润滑脂的组成成分，相比以往润滑脂的设计方法，具有更明确的目的性，更高的研发效率，极大地缩短了润滑脂研发的时间。

A design method of high temperature and high speed grease based on machine learning

【技术实现步骤摘要】
一种基于机器学习的高温高速润滑脂设计方法
本专利技术涉及润滑剂
，特别涉及一种基于机器学习的高温高速润滑脂设计方法。
技术介绍
随着我国高铁、冶金、建筑、交通运输、机械加工、风力发电、纺织，尤其是新能源车和航天等行业的快速发展，对轴承及其润滑脂提出了更高的要求。当轴承的速度达数万转每分钟、温升至200℃以上，意味着润滑脂将无法正常吸附在润滑表面、润滑脂氧化变质等。而一旦润滑出现问题，轴承寿命会大大降低，进而影响整个系统的正常工作，可能造成巨大的人力、物力和财力损失。因此，对极端条件的润滑研究至关重要。机器学习是一种基于数据的挖掘分析方法，通过数据去训练机器学习模型，从而发现其中潜在的规律。机器学习近年来发展很快，被应用到越来越多的领域中，且获得了许多丰硕的成果。以往润滑脂的研究方法多以经验为主，研发速度慢，目标性差，严重影响新型润滑脂的研发效率。故有必要引入机器学习方法，弥补传统设计方法的不足。
技术实现思路
为了克服上述现有技术的缺陷，本专利技术的目的在于提供一种基于机器学习的高温高速润滑脂设计方法，本文档来自技高网...

【技术保护点】
1.一种基于机器学习的高温高速润滑脂设计方法，其特征在于，步骤以下包括：/nS1、收集润滑脂成品的组成成分以及性能参数，确定具体的影响因子和输出性能，建立润滑脂库，将其分为训练集和测试集；/nS2、根据润滑脂库的结构特点，建立相应的机器学习模型，并用训练集和测试集分别训练和测试机器学习模型；/nS3、根据测试精度结果，修正或者更换机器学习模型，重复步骤S2，直到测试精度满足要求；/nS4、基于最终机器学习模型，预测或优选出高温高速工况下具有优异摩擦学性能的润滑脂的组成成分。/n

【技术特征摘要】
1.一种基于机器学习的高温高速润滑脂设计方法，其特征在于，步骤以下包括：
S1、收集润滑脂成品的组成成分以及性能参数，确定具体的影响因子和输出性能，建立润滑脂库，将其分为训练集和测试集；
S2、根据润滑脂库的结构特点，建立相应的机器学习模型，并用训练集和测试集分别训练和测试机器学习模型；
S3、根据测试精度结果，修正或者更换机器学习模型，重复步骤S2，直到测试精度满足要求；
S4、基于最终机器学习模型，预测或优选出高温高速工况下具有优异摩擦学性能的润滑脂的组成成分。


2.根据权利要求1所述的一种基于机器学习的高温高速润滑脂设计方法，其特征在于，所述步骤S1具体包括：
S11、获得已有润滑脂产品的组成以及性能参数，得到润滑脂素材库；
S12、对任一种润滑脂成品，分析其成分并确定对应的含量信息，以及润滑脂输出性能参数具体值；其成分包括基础油、稠化剂和添加剂；
S13、以基础油、稠化剂和添加剂为影响因子，反应润滑脂在高温高速工况下优异摩擦学性能的参数为输出，将影响因子和性能参数合成一个向量，一个向量代表一种润滑脂，构建一个由多个向量组成的润滑脂库；
S14、将所获取润滑脂库的数据值归一化处理；
S15、随机将润滑脂库分为训练集和测试集，其中训练集占80％，测试集占20％。


3.根据权利要求2所述的一种基于机器学习的高温高速润滑脂设计方法，其特征在于，所述步骤S13中的影响因子，包括多种基础油、稠化剂和添加剂；其种类随着润滑脂素材的增加不变或者增多，影响因子的要求是能把任何一种润滑脂产品的组成情况包含在内。


4.根据权利要求2所述的一种基于机器学习的高温高速润滑脂设计方法，其特征在于，所述步骤S14中的归一化处理，由于影响因子均为组成成分含量的百分比，故无需处理；对于性能参数，其值多大于1，故采用每个参数除以同一个数量级，而这个数量级取最大参数的数量级加1即可。


5.根据权利要求1所述的一种基于机器学习的高温高速润滑脂设计方法，其特征在于，所述...

【专利技术属性】
技术研发人员：曾群锋，姜浩，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61