基于神经网络的多种油样分析技术融合诊断

针对4种最常用的油样分析技术(铁谱、光谱、颗粒计数及理化指标分析)的信息融合问题,依据基于规则的专家系统方法,建立了各油样分析技术的子专家诊断系统;依据专家经验建立各子专家系统的诊断结果与故障论域中各故障模式的关系,得到了用于神经网络学习的训练样本.在此基础上,通过对神经网络进行训练,并将待分析油样的各子专家系统诊断结论输入训练成功的网络,即得到融合诊断结果.实例分析表明所建立的分析方法便捷有效.

5′-硝基水杨基荧光酮分光光度法测定油样中铜Ⅱ

研究了以微乳液（CTMAB＋正丁醇＋正庚烷＋水）为介质,5′-硝基水杨基荧光酮为显色剂,在KH2PO4-Na2HPO4缓冲体系中,采用分光光度法直接测定油样中微量铜（的方法。试剂与铜形成的络合物最大吸收波长位于570 nm处。25 mL溶液中,铜（含量在0~9μg范围内服从比尔定律,其摩尔吸光系数ε570=1.4×105L.mol-1.cm-1。采用抗坏血酸作为掩蔽剂,消除了油样中存在的Ni2＋,Fe3＋,Al3＋等干扰离子对测定所产生的影响。该方法应用于大庆原油和砂油中铜（的测定,加标平均回收率分别为99.6%,97.8%,相对标准偏差（RSD）分别为0.74%,0.84%。

光谱油样分析监测技术中的神经网络预测方法

光谱油样分析是机械磨损状态监测与故障诊断的重要技术,基于光谱数据的机械状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有明显的优势,文章将神经网络预测方法运用于光谱分析,提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了三层BP网络模型,针对神经网络的结构对于信号预测或模型辨识的精度具有影响很大的问题,文章利用遗传算法,对神经网络输入节点数、隐层节点数和网络收敛的均方误差(MSE)目标值进行了优化,得到了最优的网络预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统ARMA模型的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。

基于遗传算法的模糊模式分类法在油样属性分析中的应用

本文采用模糊模式识别和遗传算法相结合，对塔里木盆地油样属性进行了比较。用遗传算法确定最优聚类中心和权向量，并确定每种油样的隶属度。对２０种油品的研究结果表明，此方法性能良好，对油样属性作出定量的描述。

航空发动机油样光谱分析的PSO-LSSVM组合预测方法

油样光谱分析是航空发动机磨损状态监测与故障诊断的重要技术,基于光谱数据的航空发动机状态预测有利于发现航空发动机的早期磨损故障。根据光谱数据特征,选取AR模型、BP神经网络模型以及GM(1,1)预测模型作为基础模型,建立了基于最小二乘支持向量机的组合预测模型,同时,用粒子群算法对LSSVM的正则化参数以及核函数参数进行了优化。最后利用两组实际的航空发动机光谱分析数据对模型进行了验证,与基础模型的对比结果充分表明,提出的带粒子群优化的最小二乘支持向量机(the Least Squares Support Vector Machines with Particle SwarmOptimization-PSO-LSSVM)的非线性变权重组合预测模型具有更好的预测精度。

基于结构自适应径向基神经网络的油样光谱数据建模

基于光谱分析数据的机械磨损状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有明显的优势,将神经网络预测方法运用于光谱分析,提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了在函数逼近、分类能力和学习速度均优于BP网络的径向基函数(RBF)神经网络模型,针对RBF网络的结构对于信号预测或模型辨识的精度具有影响很大的问题,提出了结构自适应RBF网络预测模型。利用遗传算法,对神经网络输入节点数、径向基函数分布系数及网络训练误差进行了优化,得到了最优的RBF网络预测模型。最后,对某航空发动机实际的光谱分析数据进行了预测和分析,并与ARMA模型进行了比较,结果充分表明了文中方法的有效性和优越性。

基于油样分析技术的钻井泵寿命预测

通过跟踪3台不同运行时间钻井泵的油样的铁谱和光谱分析数据,发现随着使用时间的增多,设备磨损加大,油样中Al、Cu、Fe等金属元素含量明显增加,在泵接近损坏时,铁谱显示油液中存在严重滑动磨粒和球形磨粒,磨粒链加密并伴有疲劳剥离磨屑;光谱显示铁质含量陡增。分析了磨损产生的机制并提出了减少磨损的方法,提出了将金属磨屑增长的速率作为状态考察的重要判断指标。分析结果表明,通过油样检测分析可预报泵动力端轴承等摩擦副的运行状态,为泵的大修时间的确定以及提高泵的工作寿命提供了科学的依据。

齿轮磨损试验光谱油样分析及建模研究

齿轮疲劳磨损试验油样光谱分析研究表明:Fe、Cr元素质量分数表现磨损规律不明显,Cu元素表现明显,元素质量分数梯度参数更能反映齿轮的磨损变化规律;齿轮疲劳磨损试验大约在50 h后进入正常磨损期.在此基础上,提出了把Cr元素质量分数拆分为线性趋势项和残差序列项,并对其进行AR时序组合建模和预测分析,经光谱试验数据检验,取得了满意的效果.该研究为机械设备的摩擦磨损分析、状态监测和故障预测诊断提供了有益的途径.

工程机械预知维修的油样状态监测法

油样状态监测方法作为工程机械预知维修的一种重要方法已得到越来越多的应用。文中分析了油样状态监测方法的组织过程 ,介绍了机油定期抽样检验中理化分析方法和简易分析方法 ,提出油样分析的 3种取样方法与时间间隔。

一种充油电力设备自动取油样装置设计

大型电力变压器、电抗器等充油电力设备油样分析是判断运行中的充油电力设备是否存在潜伏性故障较为有效的手段之一,是保障电网安全运行的重要试验之一。按照《DLT 722-2014变压器油中溶解气体分析和判断导则》要求,当充油设备出现异常情况时(如变压器气体继电器动作、差动保护动作、压力释放阀动作以及经受大电流冲击、过励磁或过负荷,互感器膨胀器动作等),应取油样进行检测。但是在设备出现异常情况时,充油设备内部故障随时会有加剧恶化导致变压器起火爆炸等风险,若人员在现场取油样过程中出现设备故障恶化,则会造成不可挽回的人员伤害和物资损害。本装置可以远程操控进行取油样,从而避免了上述风险,且设备取样过程自动进行,避免了人工取样造成的操作误差。

油样储存三维表达与标签动态加载方法研究

鉴于油样存储中存在的直观可视化问题,在对已开发的油指纹分析鉴别及信息管理系统和油指纹数据库充分研究的基础上,结合.NET框架及XNA技术,进行了油样储存位置及样品信息三维立体化显示模块的设计与开发。并重点研究解决了模块中油样标签模型生成及加载速度过慢的问题,为用户提供了一个查看油样储存位置和样品信息的三维立体显示平台。

水杨基荧光酮分光光度法测定油样中的铜(Ⅱ)

以含水量98．0％的O／W型微乳液为介质，以水杨基荧光酮为显色剂，在混合磷酸盐作用下，利用分光光度法测定油样中的微量铜。络合物的最大吸收波长位于568nm处。铜含量在0～10μg／25mL范围内服从比尔定律，其表观摩尔吸光系数为ε568=8．18×10^4L／（mol·cm）。采用氟化钠、柠檬酸和三乙醇胺作为联合掩蔽剂，对干扰较大的金属离子进行掩蔽。采用该方法测定了减四线油（锦州）和煤焦油（内蒙）中铜（Ⅱ）的含量，其相对标准偏差RSD分别为1．25％和1．67％，平均加标回收率分别为100．28％和100．53％。结果证明，该方法具有灵敏度较高、准确性和选择性好、操作简便快捷的优点。

德国Heraeus CHN－O－S元素分析仪在油样分析中的应用

本文建立了用德国ＨｅｒａｅｕｓＣＨＮ－Ｏ－Ｒａｐｉｄ元素分析仪，测定高粘度油样中总硫含量的分析方法。讨论并提出了对特殊油样的取样技术。实验结果表明，此法具有较高的准确度和精确度。绝对误差≤±０．３２％，相对标准偏差≤１．９０％。方法具有快速、准确、简便、可行的特点。

聚乙二醇萃取—苯基荧光酮光度法测定油样中铝

以聚乙二醇—硫酸铵—铝试剂萃取消除V(Ⅴ),Cr(Ⅵ),Zn^(2+),Co^(2+),Mg^(2+),Mn^(2+),Ni^(2+)等离子的干扰,采用苯基荧光酮—吐温-80显色体系分光光度法测定油样中的微量铝。考察了测定和干扰离子的萃取分离条件。铝络合物的最大吸收峰位于550 nm,铝质量浓度在0～3.2×10^(-4)g/L范围内符合比尔定律,表观摩尔吸收系数ε_(550)=7.6×10~4L·mol^(-1)·cm^(-1)。对大庆渣油与煤焦油中铝进行测定,加标平均回收率分别为99.3%,100.2%,相对标准偏差分别为2.8%,0.6%。

光谱油样分析数据的神经网络多变量预测技术

针对非等间隔的受加油因素影响的光谱油样分析数据的建模预测问题,利用人工神经网络高度的并行分布式、联想记忆能力、自组织学习能力和极强的非线性映射能力,建立了BP神经网络的多变量预测模型。同时,用遗传算法对网络参数进行了优化。最后,利用两组实际的航空发动机油样光谱分析数据对模型进行了验证。结果表明,提出的神经网络多变量预测模型能有效解决实际的受多因素影响的油样分析数据建模问题,具有较强的工程实用价值和通用性。

基于PLC的石油油样采集系统设计与应用

设计了一种以PLC为处理器、触摸屏为人机界面的石油油样采集系统,可实现油样的自动采集,数据的实时显示存储及查询等功能。介绍了系统的总体结构,硬件设计和软件设计,硬件设计实现了系统器件的选型和供电部分,PLC软件设计实现了系统的整体运行,在WinCC flexible软件平台上设计实现了人机界面的最终控制终端。现场测试结果表明,系统操作简单、运行稳定可靠,适用于石油有关领域的油样采集。

50-1-4在用润滑油样采集及金属磨粒浓度监测实验研究

对50-1-4在用油样的采集时机进行了模型分析,对取样时间、周期和部位进行了研究,介绍了MOA型原子发射光谱仪的工作原理和测定指标,利用原子发射光谱分析法对50-1-4在用润滑油不同时期的金属元素及其浓度进行了监测,结合油液光谱分析数据对飞机发动机的工作状态进行了分析。

油样的二次脱气在色谱分析中应用的思考

1引言 在日常的色谱分析过程中,有可能因各种原因而造成试验失败,通常的做法是只能去变电站重新取油样。本文介绍了通过对油样的再次脱气试验（即二次溶解平衡）,然后对试验结果进行修正,从而得到所需要的原油样的结果。

采集水中乳化性和溶解性油样装置

采集水中乳化性和溶解性油样，要避开漂浮在水表面的油膜。设计的采样装置，可避开水面油膜采集水面下任意深度的乳化性和溶解性油类水样。１装置用５００ｍＬ或１０００ｍＬ试剂瓶作采样瓶，选１试剂瓶，２橡胶塞，３采样架，４橡胶管，５止水夹。图１采样装置示意择合适...