一种润滑油种类和级别的快速识别方法

摘要

本发明公开了一种润滑油种类和级别的快速识别方法，该方法包括如下步骤：第一步：收集具有代表性的样品作为训练集；第二步：测定训练集样品的中红外光谱；第三步：确定识别方案：采用多个模型逐级识别方式进行润滑油种类和级别识别；第四步：对第二步的中红外光谱数据进行预处理，其预处理后的光谱数据作为候选识别变量；第五步：根据第三步确定的识别方案，利用训练集样品，评价各候选识别变量的识别能力，然后选用BAYES判别方法，建立识别模型；第六步：对于未知润滑油样品的识别，首先测定其红外光谱，并进行与第四步中相同的预处理，然后结合第四步中建立的识别模型逐级进行种类和级别识别。本发明方法可快速识别润滑油样品的种类、粘度级别和质量级别。

主权项

1.一种润滑油种类和级别的快速识别方法，包括如下步骤：第一步：收集具有代表性的样品作为训练集；第二步：测定训练集样品的中红外光谱；第三步：确定识别方案：采用多个模型逐级识别方式进行润滑油种类和级别识别；第四步：对第二步的中红外光谱数据进行预处理，其预处理后的光谱数据作为候选识别变量；第五步：根据第三步确定的识别方案，利用训练集样品，评价各候选识别变量的识别能力，然后选用BAYES判别方法，建立识别模型；一、采用F值来评价各候选识别变量的识别能力，F越大，说明分类能力越强，反之越差，F的计算公式如下：$F=\frac{w_b}{w_w}\times \frac{n-g}{g-1}$其中，g为类别数目，n为样本总数目；w_w为所选用特征的类内偏差矩阵，w_b为所选用特征的类间偏差矩阵；二、采用BAYES判别方法建立识别模型：(1)选用识别能力强的前m个变量作为识别特征；(2)计算训练集中i类样品集的特征平均矩阵协方差矩阵S_i和先验概率P(w_i)，其中，该先验概率P(w_i)为i类样品数目与所有样品数目比值；(3)建立模型，即构建各类的h判别函数：$h_i\left(X\right)=\frac{1}{2}{(X-\overline{X_i})}^T{S}_i^{-1}(X-\overline{X_i})+\ln \left(P\left(w_i\right)\right)-\frac{1}{2}\ln \left|S_i\right|$(4)将训练集样品作为待识别样品X_un，计算X_un对训练集i类的h_i(X_un)值，然后比较h_i(X_un)大小，X属于h₁(X)，...，h_g(X)中最大的类，并与实际种类比较，计算正确识别率p_r，该正确识别率p_r为百分比；(5)绘制p_r与m的关系，选定p_r最高，且m最小的识别变量作为识别特征，建立识别模型；第六步：对于未知润滑油样品的识别，首先测定其红外光谱，并进行与第四步中相同的预处理，然后结合第五步中建立的识别模型逐级进行种类和级别识别。