【技术实现步骤摘要】
本申请涉及计算机领域，具体而言，涉及一种抗氧化性的确定方法及装置、存储介质、电子装置、计算机程序产品。
技术介绍
1、齿轮箱是风机重要传动设备，大多使用齿轮润滑油作为齿轮箱的润滑剂，但在齿轮箱工作时油箱内的油温很高，润滑油容易氧化，同时，伴随着齿轮搅拌、磨屑催化、水分和杂质等作用，润滑油的氧化过程进一步加速。另外，润滑油中的极压剂较多，热氧化安定性较差，在高温下容易分解或缩合，使酸值腐蚀性和粘度增加，冷却效果下降，导致油泥或沉淀的生成影响润滑油的性能。润滑油氧化后会引起诸多问题，如油品粘度升高，非油溶性聚合物形成漆膜、沉积物等同时造成发动机系统阻塞，因此要求润滑油应有良好的抗氧化能力。
2、相关技术中，评价润滑油抗氧化性的方法包括旋转氧弹法、高压差示扫描量热快速实验法和红外光谱法等，但大部分检测润滑油抗氧化性能的方法均存在分析周期过长、操作过程繁琐等不足，虽然红外光谱法可以鉴定未知物的分子结构或确定其化学基团，也可以进行定量分析和纯度鉴定，但由于润滑油组成结构复杂，红外光谱技术也很难直接测量出润滑油中的抗氧化剂含量。
3、针对相关技术中，无法较好检测润滑油的抗氧化性的问题，目前尚未提出有效的解决方案。
4、因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。
技术实现思路
1、本申请实施例提供了一种抗氧化性的确定方法及装置、存储介质、电子装置、计算机程序产品，以至少解决无法较好检测润滑油的抗氧化性的问题。
2、根据本申请实施例的
3、在一个示例性的实施例中，将所述目标特征波段数据输入至目标反向传播神经网络之前，所述方法还包括：获取训练样本集合，其中，所述训练样本集合中的每个训练样本包括：样本润滑油中的目标氧化物的样本特征波段数据、所述样本润滑油的样本抗氧化性；使用所述训练样本集合对待训练的反向传播神经网络进行训练，直到所述待训练的反向传播神经网络对应的目标损失函数的取值满足预设收敛条件，将结束训练时的待训练的反向传播神经网络确定为所述目标反向传播神经网络，其中，在所述目标损失函数的取值不满足所述预设收敛条件的情况下，所述待训练的反向传播神经网络中的参数被调整。
4、在一个示例性的实施例中，使用所述训练样本集合对待训练的反向传播神经网络进行训练，包括：通过以下步骤执行第i轮训练，其中，i为大于或等于1的正整数，经过第0轮训练的反向传播神经网络是未经过训练的所述待训练的反向传播神经网络：从所述训练样本集合中获取第i轮使用的训练样本，其中，所述第i轮使用的训练样本包括第i轮使用的样本特征波段数据，所述第i轮使用的样本特征波段数据对应的样本抗氧化性；将第i轮使用的样本特征波段数据输入到经过第i-1轮训练得到的反向传播神经网络中，得到第i轮训练得到的目标抗氧化性；根据所述第i轮使用的样本特征波段数据对应的样本抗氧化性和所述第i轮训练得到的目标抗氧化性确定第i轮训练的目标损失函数的取值；在所述第i轮训练的目标损失函数的取值满足所述预设收敛条件的情况下，结束训练；在所述第i轮训练的目标损失函数的取值不满足所述预设收敛条件的情况下，调整所述经过第i-1轮训练得到的反向传播神经网络中的参数，得到经过第i轮训练得到的反向传播神经网络。
5、在一个示例性的实施例中，所述方法还包括：通过以下方式确定所述样本润滑油的样本抗氧化性：通过目标检测方法确定所述样本润滑油的旋转氧氮值；根据所述旋转氧氮值确定所述样本润滑油的样本抗氧化性。
6、在一个示例性的实施例中，所述反向传播神经网络具有输入层、隐藏层和输出层，所述输入层的神经元的数量根据所述样本特征波段数据确定，所述输出层的神经元的数量等于1，所述隐藏层的神经元的数量等于m为输入层的神经元的数量。
7、在一个示例性的实施例中，所述目标氧化物包括以下至少之一：醇、醛、酮、酸、酯。
8、根据本申请实施例的另一方面，还提供了一种抗氧化性的确定装置，包括：扫描模块，用于通过红外光谱仪对目标润滑油进行扫描，得到目标红外光谱图；第一确定模块，用于从所述目标红外光谱图中确定目标氧化物的目标特征波段数据；输入模块，用于将所述目标特征波段数据输入至目标反向传播神经网络，得到所述目标润滑油的抗氧化性，其中，所述目标反向传播神经网络用于根据润滑油中的目标氧化物的特征波段数据确定所述润滑油的抗氧化性，所述润滑油包括所述目标润滑油，所述特征波段数据包括所述目标特征波段数据。
9、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序被设置为运行时执行上述抗氧化性的确定方法。
10、根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，其中，所述处理器被设置为通过所述计算机程序执行上述抗氧化性的确定方法。
11、根据本申请实施例的又一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时上述抗氧化性的确定方法。
12、本申请，基于目标反向传播神经网络，使用润滑油的红外光谱图中的目标氧化物的目标特征波段数据确定润滑油的抗氧化性，进而可以准确高效地确定润滑油发的抗氧化性，解决了无法较好检测润滑油的抗氧化性的问题。
本文档来自技高网...【技术保护点】
1.一种抗氧化性的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述目标特征波段数据输入至目标反向传播神经网络之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，使用所述训练样本集合对待训练的反向传播神经网络进行训练，包括：
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述反向传播神经网络具有输入层、隐藏层和输出层，所述输入层的神经元的数量根据所述样本特征波段数据确定，所述输出层的神经元的数量等于1，所述隐藏层的神经元的数量等于m为输入层的神经元的数量。
6.根据权利要求1所述的方法，其特征在于，所述目标氧化物包括以下至少之一：醇、醛、酮、酸、酯。
7.一种抗氧化性的确定装置，其特征在于，包括：
8.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至6中任一项所述的方法。
9.一种电子装置，包括存储器和处理器，其特征在于，所
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。
...【技术特征摘要】
1.一种抗氧化性的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述目标特征波段数据输入至目标反向传播神经网络之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，使用所述训练样本集合对待训练的反向传播神经网络进行训练，包括：
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述反向传播神经网络具有输入层、隐藏层和输出层，所述输入层的神经元的数量根据所述样本特征波段数据确定，所述输出层的神经元的数量等于1，所述隐藏层的神经元的数量等于m为输入层的神经元的数量。
<...【专利技术属性】
技术研发人员：杜静宇，任鑫，曹治，刘吉辰，冯笑丹，孟喆，包紫晨，郭巍，徐美娇，王宏伟，杨家兴，李玉冬，
申请(专利权)人：华能新能源股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。