基于紅外光譜技術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

基于紅外光譜技術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

（中航工業沈陽發動機設計研究所， 遼寧 沈陽 110015）

對紅外光譜技術應用于航空合成潤滑油的快速判別進行了研究。采用紅外光譜衰減全反射附件采集5種不同牌號的航空合成潤滑油的紅外光譜。基于偏最小二乘判別分析方法，建立了5種潤滑油牌號快速判別模型。討論了建模主成分數與不同建模光譜區間對模型預測能力的影響。通過優化建模參數，提高了模型的預測精度。使用建立的分析模型對預測集樣品進行預測，判別正確率為100%。

紅外光譜；潤滑油；牌號判別

滑油作為飛機發動機的“血液”，其性能對飛機發動機可靠性影響很大[1]，每型號發動機性能不同所使用的油液種類及牌號都不同，一旦錯用可能造成故障[2]。發動機潤滑系統與外部設備所用油液也有所區別，試驗現場一旦發現有異常滴漏的油液，明確滴漏油液的種類、牌號等信息，有助于確定發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，對確保發動機試驗的安全性、可靠性有重要意義。

油液樣品的種類可依據油液的粘度、閃點等理化指標的差別彼此區分[3]，但傳統的理化性能檢測耗時長、樣品用量大，不適用于科研實際中對試驗現場少量樣品快速分析的需求。通過理化檢測方法對于同種類不同牌號的油液實現判別也鮮有報道。近年來，隨著物質紅外吸收的特征性和儀器技術的進步，紅外光譜作為一種對物質進行定性與定量分析的技術手段，在石油產品分析中得到廣泛應用[4,5]。航空潤滑油是一類由基礎油與多種添加劑組成的有機合成潤滑油，可應用紅外光譜技術對其進行定性分析，但在實際工作中發現不同牌號的航空潤滑油成分相似，其紅外譜帶復雜、譜峰重疊，通過吸收峰的位置及強度難以對各個航空潤滑油的牌號做出判別[6,7]。因此，有必要運用化學計量學分析方法，對光譜數據進行處理，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的判別信息[8]。

本文為快速對在用潤滑油牌號進行判別，采用衰減全反射紅外光譜技術對生產實際中常用的5種牌號航空合成潤滑油的中紅外光譜進行采集，應用偏最小二乘判別分析方法，選擇指紋區作為潤滑油的判別區間，建立了5種牌號航空合成潤滑油的紅外判別模型。實現了潤滑油牌號的快速判別。

1 實驗部分

1.1 實驗儀器

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。光譜數據分析處理軟件為OMNIC 8.3及MATLAB 7.1。

1.2 樣品來源及光譜采集

分別收集航空發動機潤滑系統與外部設備常用的5種牌號的合成潤滑油新油與在用油液樣品共75個，油液牌號用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、較好的精度的同時節省光譜采樣時間，選擇光譜分辨率4 cm-1，光譜掃描信號累加32次。取1 mL樣品使之均勻分布于 ARK樣品槽內，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X為校正樣品的光譜矩陣，Y為樣品對應的含量矩陣，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：隨著渠道為王的時代過去，分銷模式也逐漸被企業遺棄，從分銷向零售的轉型在家電市場已不是一個陌生的話題，然后隨著時間的推移，我們的研究發現“粉銷”正在興起。一個最簡單的例子就雙11期間，部分企業投入的大量資源購買流量，然而轉化率并不理想。數據顯示自發性品牌搜索和產品搜索的人群占比正在提升，而這部分群體也是消費升級的主要承載體。2019年，市場正在向優質品牌傾斜，希望做好高效率的營銷，首先從完善品牌認知，強化產品品質開始。

將隱變量矩陣T、U作線性回歸，用對角矩陣B關聯：TBU=

本文將每一種油液牌號賦予一個整數值，作為Y變量，與光譜矩陣X進行偏最小二乘回歸分析，根據得到的預測值來判斷樣品的類別，預測值與實際的類別整數值越接近越有可能判別為該類別。通過設定閥值來確定樣本的歸屬，與最接近的類別值之差的絕對值小于閥值，則可判斷樣本屬于該類別。

文中設定閥值為0.5，若PLS-DA預測值與實際值的差的絕對值小于0.5，則表明判別正確，否則判別錯誤。以牌號A樣品為例，令A牌號＝1，如果A牌號樣品的預測值在0.5～1.5之間，則認為判別正確。

2 結果與討論

2.1 潤滑油的紅外光譜

圖1為牌號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油與添加劑各成分化學鍵的紅外振動吸收，雖然不同牌號的潤滑油紅外吸收光譜在個別處峰位和強度存在一定的差異，但差別并不明顯，通過對比標準譜圖很難對油液牌號做出準確判別。

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測集劃分Table 2 Assigning of lubricants and samples division

2.3 主成分數的選擇

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

式中：n—建模集樣品數；

f—建立校正模型使用的主成分數；

Yy,ij—樣品的預測值；

Yij—樣品的實際值。

圖2為校正集樣品交互驗證的結果，從圖上可以看出隨著主成分數的增加，PRESS值呈現先降后升再趨于平穩的趨勢。當主成分數為16時，計算得到的PRESS值最小，主成分數大于16后， PRESS值又開始增大，說明在這點之后引入的隱變量是與被測組份無關的噪聲，參與建模會降低模型的預測能力。因此，選擇最佳建模主成分數為16，此時模型的預測能力最好。

圖2 不同主成分數的PRESS值Fig.2 PRESS values of different principle components number

圖3 不同光譜區間的PRESS值Fig.3 PRESS values of different ranges

2.4 建模區域的選擇

為不丟失光譜信息，多變量校正方法可使用全部光譜數據建模，即采用全波長建模。采用全譜建模數據計算工作量大，且當全波長范圍內信噪比較低或光譜重疊嚴重的區域參與建模會降低模型的預測能力。因此有必要考察不同光譜區間對模型的影響，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測能力，并簡化運算。

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

基于選定的建模參數建立潤滑油牌號判別PLS-DA模型，應用建立的模型對預測集樣本進行預測，結果見表 3。可以看到樣本的預測值與類別賦值的偏差的絕對值都在0.5以內，即所有樣品的偏差絕對值均小于閥值0.5，表明預測集的樣本全部判別正確，判別正確率為100%。

3 結 論

文章應用衰減全反射紅外光譜技術結合PLS-DA方法建立了航空發動機常用潤滑油牌號的判別模型，實現了5種潤滑油牌號的快速正確判別，與傳統理化分析方法相比，快速，需要的樣品量少，能夠滿足實際工作中的需要。

表3 預測集樣本預測結果Table 3 Prediction of the samples

［1］ 粟斌，史永剛，陳國需，等. 潤滑油粘度等級對發動機性能的影響[J].潤滑油，2010，25(3)：20-25.

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

［3］ 張紅，李柱國. 油液分析技術在重大機加工設備狀態監測中的應用[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用與研究進展[J]. 分析儀器，2010(2)：1-4.

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

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

［7］ 馮新滬，羅平亞，史永剛，等.發動機潤滑油高溫清凈性能的偏最小二乘法預測[J]. 現代科學儀器，2002（5）：22-24.

［8］ 袁大林，湯建國，楊晨龍，等. 近紅外光譜分析技術結合化學計量學方法快速判別品牌卷煙煙絲[J]. 光譜實驗室，2013，30(3)：1447-14510.

［9］ 杜一平，潘鐵英，張玉蘭. 化學計量學應用[M]. 北京：化學工業出版社，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年畢業于東北大學分析化學專業，研究方向：從事油品分析檢測工作。E-mail：liuyujialady@163.com。