劉宇佳，佟文偉，修攀瑞，孫佳斯，田淑元

基于紅外光譜技術(shù)的航空潤滑油判別分析

劉宇佳，佟文偉，修攀瑞，孫佳斯，田淑元

（中航工業(yè)沈陽發(fā)動(dòng)機(jī)設(shè)計(jì)研究所， 遼寧 沈陽 110015）

對(duì)紅外光譜技術(shù)應(yīng)用于航空合成潤滑油的快速判別進(jìn)行了研究。采用紅外光譜衰減全反射附件采集5種不同牌號(hào)的航空合成潤滑油的紅外光譜?；谄钚《伺袆e分析方法，建立了5種潤滑油牌號(hào)快速判別模型。討論了建模主成分?jǐn)?shù)與不同建模光譜區(qū)間對(duì)模型預(yù)測(cè)能力的影響。通過優(yōu)化建模參數(shù)，提高了模型的預(yù)測(cè)精度。使用建立的分析模型對(duì)預(yù)測(cè)集樣品進(jìn)行預(yù)測(cè)，判別正確率為100%。

紅外光譜；潤滑油；牌號(hào)判別

滑油作為飛機(jī)發(fā)動(dòng)機(jī)的“血液”，其性能對(duì)飛機(jī)發(fā)動(dòng)機(jī)可靠性影響很大[1]，每型號(hào)發(fā)動(dòng)機(jī)性能不同所使用的油液種類及牌號(hào)都不同，一旦錯(cuò)用可能造成故障[2]。發(fā)動(dòng)機(jī)潤滑系統(tǒng)與外部設(shè)備所用油液也有所區(qū)別，試驗(yàn)現(xiàn)場(chǎng)一旦發(fā)現(xiàn)有異常滴漏的油液，明確滴漏油液的種類、牌號(hào)等信息，有助于確定發(fā)生故障的裝置以及具體的部位，以便采取有效的措施。因此，快速判別未知油液樣品的種類牌號(hào)，對(duì)確保發(fā)動(dòng)機(jī)試驗(yàn)的安全性、可靠性有重要意義。

油液樣品的種類可依據(jù)油液的粘度、閃點(diǎn)等理化指標(biāo)的差別彼此區(qū)分[3]，但傳統(tǒng)的理化性能檢測(cè)耗時(shí)長、樣品用量大，不適用于科研實(shí)際中對(duì)試驗(yàn)現(xiàn)場(chǎng)少量樣品快速分析的需求。通過理化檢測(cè)方法對(duì)于同種類不同牌號(hào)的油液實(shí)現(xiàn)判別也鮮有報(bào)道。近年來，隨著物質(zhì)紅外吸收的特征性和儀器技術(shù)的進(jìn)步，紅外光譜作為一種對(duì)物質(zhì)進(jìn)行定性與定量分析的技術(shù)手段，在石油產(chǎn)品分析中得到廣泛應(yīng)用[4,5]。航空潤滑油是一類由基礎(chǔ)油與多種添加劑組成的有機(jī)合成潤滑油，可應(yīng)用紅外光譜技術(shù)對(duì)其進(jìn)行定性分析，但在實(shí)際工作中發(fā)現(xiàn)不同牌號(hào)的航空潤滑油成分相似，其紅外譜帶復(fù)雜、譜峰重疊，通過吸收峰的位置及強(qiáng)度難以對(duì)各個(gè)航空潤滑油的牌號(hào)做出判別[6,7]。因此，有必要運(yùn)用化學(xué)計(jì)量學(xué)分析方法，對(duì)光譜數(shù)據(jù)進(jìn)行處理，將其所含的有用信息提取出來并降低噪聲和冗余，以最大限度地獲取潤滑油牌號(hào)的判別信息[8]。

本文為快速對(duì)在用潤滑油牌號(hào)進(jìn)行判別，采用衰減全反射紅外光譜技術(shù)對(duì)生產(chǎn)實(shí)際中常用的5種牌號(hào)航空合成潤滑油的中紅外光譜進(jìn)行采集，應(yīng)用偏最小二乘判別分析方法，選擇指紋區(qū)作為潤滑油的判別區(qū)間，建立了5種牌號(hào)航空合成潤滑油的紅外判別模型。實(shí)現(xiàn)了潤滑油牌號(hào)的快速判別。

1 實(shí)驗(yàn)部分

1.1 實(shí)驗(yàn)儀器

Is10型傅立葉變換紅外光譜儀（美國 Nicolet公司），水平衰減全反射ARK采樣附件。光譜數(shù)據(jù)分析處理軟件為OMNIC 8.3及MATLAB 7.1。

1.2 樣品來源及光譜采集

分別收集航空發(fā)動(dòng)機(jī)潤滑系統(tǒng)與外部設(shè)備常用的5種牌號(hào)的合成潤滑油新油與在用油液樣品共75個(gè)，油液牌號(hào)用A-E表示，見表1。采用多次全反射ARK采樣附件采集油液樣品的紅外光譜，掃描范圍4 000～650 cm-1,為保證光譜在具有足夠的樣品信息、較好的精度的同時(shí)節(jié)省光譜采樣時(shí)間，選擇光譜分辨率4 cm-1，光譜掃描信號(hào)累加32次。取1 mL樣品使之均勻分布于 ARK樣品槽內(nèi)，以空氣為背景，采集紅外光譜的譜圖。

表1 樣品信息Table 1 Information of the samples

1.3 偏最小二乘判別分析（PLS-DA）

偏最小二乘判別分析是基于偏最小二乘回歸的判別分析方法。偏最小二乘回歸的基本原理：設(shè)X為校正樣品的光譜矩陣，Y為樣品對(duì)應(yīng)的含量矩陣，E、F分別為殘差矩陣。偏最小二乘法除了把光譜矩陣分解為吸光度隱變量矩陣T與載荷矩陣P的乘積外，還把含量矩陣分解為隱變量矩陣U與載荷矩陣Q的乘積[9]：

“粉銷”的興起：隨著渠道為王的時(shí)代過去，分銷模式也逐漸被企業(yè)遺棄，從分銷向零售的轉(zhuǎn)型在家電市場(chǎng)已不是一個(gè)陌生的話題，然后隨著時(shí)間的推移，我們的研究發(fā)現(xiàn)“粉銷”正在興起。一個(gè)最簡單的例子就雙11期間，部分企業(yè)投入的大量資源購買流量，然而轉(zhuǎn)化率并不理想。數(shù)據(jù)顯示自發(fā)性品牌搜索和產(chǎn)品搜索的人群占比正在提升，而這部分群體也是消費(fèi)升級(jí)的主要承載體。2019年，市場(chǎng)正在向優(yōu)質(zhì)品牌傾斜，希望做好高效率的營銷，首先從完善品牌認(rèn)知，強(qiáng)化產(chǎn)品品質(zhì)開始。

將隱變量矩陣T、U作線性回歸，用對(duì)角矩陣B關(guān)聯(lián)：TBU=

本文將每一種油液牌號(hào)賦予一個(gè)整數(shù)值，作為Y變量，與光譜矩陣X進(jìn)行偏最小二乘回歸分析，根據(jù)得到的預(yù)測(cè)值來判斷樣品的類別，預(yù)測(cè)值與實(shí)際的類別整數(shù)值越接近越有可能判別為該類別。通過設(shè)定閥值來確定樣本的歸屬，與最接近的類別值之差的絕對(duì)值小于閥值，則可判斷樣本屬于該類別。

文中設(shè)定閥值為0.5，若PLS-DA預(yù)測(cè)值與實(shí)際值的差的絕對(duì)值小于0.5，則表明判別正確，否則判別錯(cuò)誤。以牌號(hào)A樣品為例，令A(yù)牌號(hào)＝1，如果A牌號(hào)樣品的預(yù)測(cè)值在0.5～1.5之間，則認(rèn)為判別正確。

2 結(jié)果與討論

2.1 潤滑油的紅外光譜

圖1為牌號(hào)A-E的5種航空潤滑油的紅外譜圖，可見這五種油均為合成潤滑油，由相似的基礎(chǔ)油與添加劑組成，2 850～2 950 cm-1附近與1 703 cm-1處的吸收峰為基礎(chǔ)油C-H鍵與C＝O鍵的吸收峰，655～1 550 cm-1范圍較多的吸收為基礎(chǔ)油與添加劑各成分化學(xué)鍵的紅外振動(dòng)吸收，雖然不同牌號(hào)的潤滑油紅外吸收光譜在個(gè)別處峰位和強(qiáng)度存在一定的差異，但差別并不明顯，通過對(duì)比標(biāo)準(zhǔn)譜圖很難對(duì)油液牌號(hào)做出準(zhǔn)確判別。

圖1 5種潤滑油的紅外光譜圖Fig.1 FTIR spectrum of 5 kinds of lubricants

2.2 樣本劃分

表2 潤滑油的賦值與建模集和預(yù)測(cè)集劃分Table 2 Assigning of lubricants and samples division

2.3 主成分?jǐn)?shù)的選擇

采用偏最小二乘方法建立定量分析模型，主成分?jǐn)?shù)(隱變量)的選擇直接影響到模型的實(shí)際預(yù)測(cè)能力。主成分?jǐn)?shù)過少，不足以反映樣品的光譜信息，過多則會(huì)將噪聲信息加入計(jì)算，降低模型的預(yù)測(cè)能力。本文采用去一交互驗(yàn)證法，計(jì)算校正集樣本的預(yù)測(cè)殘差平方和（PRESS），作為選擇最佳主成分?jǐn)?shù)的參數(shù)。PRESS按如下公式計(jì)算。

式中：n—建模集樣品數(shù)；

f—建立校正模型使用的主成分?jǐn)?shù)；

Yy,ij—樣品的預(yù)測(cè)值；

Yij—樣品的實(shí)際值。

圖2為校正集樣品交互驗(yàn)證的結(jié)果，從圖上可以看出隨著主成分?jǐn)?shù)的增加，PRESS值呈現(xiàn)先降后升再趨于平穩(wěn)的趨勢(shì)。當(dāng)主成分?jǐn)?shù)為16時(shí)，計(jì)算得到的PRESS值最小，主成分?jǐn)?shù)大于16后， PRESS值又開始增大，說明在這點(diǎn)之后引入的隱變量是與被測(cè)組份無關(guān)的噪聲，參與建模會(huì)降低模型的預(yù)測(cè)能力。因此，選擇最佳建模主成分?jǐn)?shù)為16，此時(shí)模型的預(yù)測(cè)能力最好。

圖2 不同主成分?jǐn)?shù)的PRESS值Fig.2 PRESS values of different principle components number

圖3 不同光譜區(qū)間的PRESS值Fig.3 PRESS values of different ranges

2.4 建模區(qū)域的選擇

為不丟失光譜信息，多變量校正方法可使用全部光譜數(shù)據(jù)建模，即采用全波長建模。采用全譜建模數(shù)據(jù)計(jì)算工作量大，且當(dāng)全波長范圍內(nèi)信噪比較低或光譜重疊嚴(yán)重的區(qū)域參與建模會(huì)降低模型的預(yù)測(cè)能力。因此有必要考察不同光譜區(qū)間對(duì)模型的影響，以便從全部光譜中提取有效的譜圖信息，使模型具有較好的預(yù)測(cè)能力，并簡化運(yùn)算。

圖3為不同的光譜區(qū)間建模對(duì)模型預(yù)測(cè)能力的影響。由圖可知選擇750～ 1 050 cm-1光譜區(qū)間作為建模區(qū)域得到的PRESS值最小，即建立模型的預(yù)測(cè)能力較好。此波段為各潤滑油紅外光譜的指紋區(qū)，反映不同牌號(hào)油品特性，有利于對(duì)油品牌號(hào)做出判別。2.5 基于PLS-DA模型的油液牌號(hào)判別

基于選定的建模參數(shù)建立潤滑油牌號(hào)判別PLS-DA模型，應(yīng)用建立的模型對(duì)預(yù)測(cè)集樣本進(jìn)行預(yù)測(cè)，結(jié)果見表 3?？梢钥吹綐颖镜念A(yù)測(cè)值與類別賦值的偏差的絕對(duì)值都在0.5以內(nèi)，即所有樣品的偏差絕對(duì)值均小于閥值0.5，表明預(yù)測(cè)集的樣本全部判別正確，判別正確率為100%。

3 結(jié) 論

文章應(yīng)用衰減全反射紅外光譜技術(shù)結(jié)合PLS-DA方法建立了航空發(fā)動(dòng)機(jī)常用潤滑油牌號(hào)的判別模型，實(shí)現(xiàn)了5種潤滑油牌號(hào)的快速正確判別，與傳統(tǒng)理化分析方法相比，快速，需要的樣品量少，能夠滿足實(shí)際工作中的需要。

表3 預(yù)測(cè)集樣本預(yù)測(cè)結(jié)果Table 3 Prediction of the samples

［1］ 粟斌，史永剛，陳國需，等. 潤滑油粘度等級(jí)對(duì)發(fā)動(dòng)機(jī)性能的影響[J].潤滑油，2010，25(3)：20-25.

［2］ 張占綱，郭紹輝，宋蘭琪，等. 航空發(fā)動(dòng)機(jī)串油故障分析研究[J].宇航材料工藝，2005(4)：58-61.

［3］ 張紅，李柱國. 油液分析技術(shù)在重大機(jī)加工設(shè)備狀態(tài)監(jiān)測(cè)中的應(yīng)用[J]. 潤滑與密封，2002（5）：67-68.

［4］ 馬蘭芝，褚小立，田松柏，等. 紅外光譜法在潤滑油分析中的應(yīng)用與研究進(jìn)展[J]. 分析儀器，2010(2)：1-4.

［5］ 化巖，史永剛，任連嶺，等. 紅外光譜技術(shù)在潤滑油分析中的應(yīng)用[J]. 合成潤滑材料，2008，35(2)：5-7.

［6］ 趙暢暢，陳閩杰，丘暉饒.合成潤滑油基礎(chǔ)油的紅外光譜分析與特征峰辨識(shí)[J]. 潤滑與密封，2013，38(10)：102-104.

［7］ 馮新滬，羅平亞，史永剛，等.發(fā)動(dòng)機(jī)潤滑油高溫清凈性能的偏最小二乘法預(yù)測(cè)[J]. 現(xiàn)代科學(xué)儀器，2002（5）：22-24.

［8］ 袁大林，湯建國，楊晨龍，等. 近紅外光譜分析技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法快速判別品牌卷煙煙絲[J]. 光譜實(shí)驗(yàn)室，2013，30(3)：1447-14510.

［9］ 杜一平，潘鐵英，張玉蘭. 化學(xué)計(jì)量學(xué)應(yīng)用[M]. 北京：化學(xué)工業(yè)出版社，2008：159-165.

Identification of Aviation Lubricating Oil Based on Infrared Spectrum Technique

LIU Yu-jia，TONG Wen-wei，XIU Pan-rui，SUN Jia-si，TIAN Shu-yuan
（AVIC Shenyang Engine Design and Research Institute, Liaoning Shenyang 110015，China）

The identification of synthesized lubricant for the aero-engine was studied by the means of Fourier transform infrared spectrum technique. Five different grades of lubricants were analyzed by the attenuated total reflection sampler of Fourier transform infrared spectrum. The quick grade identification model was built with the method of partial least squares discriminant analysis. The influence of the principle components number and the different spectra range to the prediction was discussed. The prediction precision of the model was improved by optimizing the parameters. The model was used to predict the sample. The results show the model has 100% accuracy to predict the samples.

Infrared spectrum; Lubricant; Grade identification

O 6-339

： A

： 1671-0460（2015）04-0875-03

2015-03-10

劉宇佳（1984-），女，遼寧沈陽人，工程師，碩士，2009年畢業(yè)于東北大學(xué)分析化學(xué)專業(yè)，研究方向：從事油品分析檢測(cè)工作。E-mail：liuyujialady@163.com。