ارزیابی ویسکوزیته و سطوح آلاینده در روان کننده دیزل از طریق طیف سنجی دی الکتریک با استفاده از روش های محاسباتی نرم

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 47

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAM-16-3_004

تاریخ نمایه سازی: 14 مرداد 1405

چکیده مقاله:

نظارت بر وضعیت ماشین آلات یکی از جنبه های حیاتی واحدهای تولیدی و خدماتی برای حفظ کارایی عملیاتی است. از این رو، تعویض به موقع روغن موتور به طور قابل توجهی به افزایش عملکرد و افزایش طول عمر موتور کمک می کند. با این حال، تعیین زمان دقیق تعویض همچنان یک چالش است. آنالیز طیفی روغن، در عین این که موثر است، هم گران و هم زمان بر است. هدف این مطالعه معرفی یک روش جایگزین برای تحلیل طیفی روانکار موتور است. این تحقیق شامل تجزیه و تحلیل نتایج تجزیه و تحلیل طیفی و ضرایب دی الکتریک ۱۷ نمونه روغن موتور از طریق روش های آماری است. هدف اصلی توسعه مدل هایی برای پیش بینی آلاینده های موجود در روغن بر اساس خواص دی الکتریک است که جایگزینی برای تجزیه و تحلیل طیفی ارائه می دهد. برای رسیدن به این هدف چند هدف میانی دنبال می شود. شبکه عصبی مصنوعی پرسپترون چندلایه (MLP-ANN) و روش ماشین بردار پشتیبان (SVM) برای مدل سازی استفاده می شوند. عملکرد دو مدل با استفاده از شاخص هایی مانند ریشه میانگین مربعات خطا (RMSE)، کارایی مدل و ضریب تبیین (R۲) ارزیابی می شود. نتایج نشان می دهد که مدل SVM به طور مداوم کارایی بیش از ۰.۹۵ را برای همه شاخص های پیش بینی شده (Fe، Pb، Cu، Al، Mo، Na، Si وVis@۱۰۰) نشان می دهد. در نتیجه، طیف سنجی دی الکتریک روان کننده به عنوان یک جایگزین مناسب برای آنالیز مرسوم طیفی روغن متصور می باشد.

کلیدواژه ها:

ثابت دی الکتریک ، روش های محاسبات نرم ، مترولوژی ، نظارت بر وضعیت روغن موتور

نویسندگان

محمدرضا پوررمضان

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

عباس روحانی

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

محمد حسین عباسپورفرد

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :