加氢ⅡⅢ类润滑油基础油氧化安定性神经网络预测研究论文.pdfVIP

2008中国润滑油技术经济论坛论文专辑 加氢Ⅱ／Ⅲ类润滑油基础油氧化 安定性神经网络预测研究 谢欣 (中国石化石油化工科学研究院。北京100083) 摘要：本文针对不同产地加氢精制Ⅱ／Ⅲ类润滑油基础油的结构特征，分别应用多层感知神经网络和径向基神经 网络方法将加氢基础油链烷烃、环烷烃、烷基苯含量和粘度指数作为输入变量，建立了氧化安定性为输出变量的 9参数神经网络模型。对比两个模型预测结果后发现多层感知网络模型预测准确度比后者提高了12．7％，达到 了94．2％。研究首次将粘度指数作为预测模型输入参数，使模型预测准确度得到大幅提高。模型预测精度较为 满意。可以满足不同产地的加氢基础油氧化安定性的预测需要。通过对影响加氢基础油氧化安定性的因素分析。 找出了和氧化安定性有正／负相关关系的Ⅱ／Ⅲ类基础油的烷烃组成成分。 关键词：润滑油；基础油；氧化安定性；神经网络；模拟 0前言 润滑油的氧化安定性是润滑油最重要的性能之一，润滑油的氧化是造成油品质量变坏的主要原因 之一。基础油的氧化安定性对润滑油性能有着至关重要的作用。润滑油基础油是一个非常复杂的混 合物，组成的差别导致了基础油氧化安定性的巨大差别。随着发动机技术日益发展，车用内燃机油的 升级换代越来越快，以及应对全球变暖的环保要求，目前中高档内燃机油的调配大量使用加氢精制的 Ⅱ类和Ⅲ类润滑油基础油，评定Ⅱ／Ⅲ类基础油的氧化安定性，找到影响其高低的主要因素和规律，对 于润滑油产品的研制具有重要意义。API基础油分类准则见表1。 表1 API基础油分类准则 国内外研究者提出了一些基础油氧化安定性与基础油化学组成关系的关联模型。模型类型包含 了线性回归模型…、指数回归模型口。和神经网络方法¨“1等。润滑油基础油组成与氧化安定性具有多 Neural 参数，高维非线性的特点，而人工神经网络(ArtificalNetwork，ANN)可以很好地处理高维非线 性体系，并具有自组织、自适应、自学习的特性。为了提高模型预测准确度，本研究采用多层感知神经 网络模型，在指标的选取中改进了过去研究模型中通常采用的饱和烷烃含量，将其细分的链烷烃和不 同个数环烷烃含量作为输入变量，通过不断的参数调整后，得到了最终模型。实验证明，该模型的预测 精度令人满意。 本文采用最为广泛使用的旋转氧弹法ASTMD一2272作为评定润滑油基础油氧化安定性方法。 针对加氢精制润滑油基础油的结构特征，分别应用多层感知神经网络和径向基神经网络方法，建立了 两个预测加氢基础油氧化安定性的神经网络模型，多层感知网络预测准确度比径向基神经网络模型高 出20％。研究发现将粘度指数作为输入变量加多层感知神经网络后，模型预测精度提高了ll％。此 结果说明，粘度指数加入模型是提高预测加氢油氧化安定性一个必要的因素。本研究同时对影响加氢 基础油氧化安定性的因素进行了分析，找出同氧化安定性有正相关和负相关关系的lI／Ⅲ类基础油的 433 谢欣．加氢Ⅱ／Ⅲ类润滑油基础油氧化安定性神经网络预测研究 烷烃组成成分。 1神经网络模型简介 1．1 多层感知神经网络 artificialneural 多层感知神经网络(Multiple 网络，节点只能在相邻层之间由权联结，输入信息表示输入层的输入向量，输出层的输出向量是系统转 换处理过的信息。MLP—ANN网络采用共轭梯度降序向后传播训练函数，层结构可以是三层或者更 多，构成网络的层数与解决的问题有关，MLP—ANN网络模型如图l。MLP—ANN的输入向量表示为： 置=∑f(Kc『+6f) (1) 输出向量表示为： C；=，(鼍) (2) 式中：K。『为M、N的权向量函数，不同的层具有不同的权函数；q为输人信息；6，为偏差；f为激活函 数，是非线性s曲线函数： l