基于智能技術的內(nèi)燃機油添加劑優(yōu)選及配伍研究.pdf

1、按照研制潤滑油的要求選擇最合適的基礎油與添加劑是在研制過程中之前首先要解決的問題，而內(nèi)燃機油的分類在全球尚無統(tǒng)一的標準，不同級別的潤滑油在研制中所選擇的基礎油和添加劑有不同的要求，目前基礎油與添加劑的種類特別繁多，選用添加劑最重要的環(huán)節(jié)是正確地選擇品種和質量，科學地決定添加量，同時還要考慮各種添加劑的效果和配伍作用等。常規(guī)潤滑油研制過程中，除了要分析各基礎油及添加劑的物理化學特性外，利用經(jīng)驗的方法以及大量的實驗尤其重要，這種搜索較為盲目

2、，工作量大，費時費力。如何從大量的實驗數(shù)據(jù)中總結出經(jīng)驗或半經(jīng)驗規(guī)律，據(jù)以指導試驗或提供線索，以便能以較少的工作量、較少的盲目性解決各種實際問題，就成為關鍵問題。 鑒于在處理試驗結果，找出與目標值有關的參數(shù)的數(shù)學關系時，這些數(shù)學關系一般是非線性、高噪聲、多因子的復雜關系。而且存在著數(shù)據(jù)樣本點分布不均勻問題。所以單憑數(shù)學和實驗手段基于線性假設，顯然難以保證研制潤滑油結果的可信度。 本論文針對潤滑油研制中的特點，將現(xiàn)代計算機分

3、析技術與傳統(tǒng)的潤滑油研制技術相結合，首次將人工智能、專家系統(tǒng)、模糊數(shù)學、模式識別、神經(jīng)網(wǎng)絡、遺傳算法等智能技術應用于汽油機油研制中的添加劑選擇、性能預測、優(yōu)化配方等技術的研究中，建立了一套潤滑油研制的智能分析方法，創(chuàng)新了傳統(tǒng)的潤滑油研制方法。實現(xiàn)了節(jié)約成本、增加效率、提高可信度的目的。 在添加劑選擇專家系統(tǒng)知識庫的建立中，根據(jù)添加劑性質表示方法的特點，在傳統(tǒng)的基于規(guī)則的知識表示的基礎上，結合面向對象的知識表示方法，程序簡單，易于

4、維護，可以方便的調用數(shù)據(jù)庫軟件。在建立添加劑選擇專家系統(tǒng)時，將數(shù)據(jù)庫、知識庫相結合，把各種基礎油及添加劑的性質儲存起來，選擇合適的基礎油及添加劑。 在添加劑選擇專家系統(tǒng)推理機的設計中，采用將模糊推理與基于可信度的推理相結合、正向與反向推理相結合；在添加劑類型的選擇中采用帶有可信度的模糊推理，在對某一添加劑的選擇中采用模糊推理，在對結論的沖突消解中，將帶有閾限的不確定推理、加權的不確定推理、帶有可信度的并行模糊推理等方法相結合，使

5、得結論更加完整與可靠。 本文運用神經(jīng)網(wǎng)絡技術，對各種添加劑的性能、不同添加劑之間的配比，進行模擬與預測。對于BP神經(jīng)網(wǎng)絡易出現(xiàn)的局部極小問題，論文采用將遺傳算法與神經(jīng)網(wǎng)絡相結合的方法，對神經(jīng)網(wǎng)絡拓撲結構及權值進行優(yōu)化，避免了BP算法容易陷入局部極小的缺點，從而保證了分析的更加有效性與可靠性。增加網(wǎng)絡的泛化能力，實現(xiàn)解的全局搜索。 論文首次應用BP神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡對潤滑油各種復合添加劑配方以及全配方進行預測。在應用

6、神經(jīng)網(wǎng)絡對潤滑油添加劑進行分析、配方進行預測中，采用附加動量法、自適應學習率法、變梯度法、牛頓法等增加網(wǎng)絡的學習精度，系統(tǒng)還可根據(jù)知識庫和數(shù)據(jù)庫中的數(shù)據(jù)推算出各添加劑的加量，從而給出最佳配方。 本論文拋棄傳統(tǒng)的數(shù)據(jù)分析中線性關系的依賴性，利用人工智能專家系統(tǒng)及神經(jīng)網(wǎng)絡對潤滑油的研制進行模型化設計，可節(jié)省大量的人力、物力和才力，其目的是為潤滑油的研制提供一種新的、簡單、快捷的方法，從而為潤滑油的研制與生產(chǎn)開拓一種新的途徑。