تشخیص و پیش بینی زمان تعویض روغن موتور به کمک داده‌های بویایی، رنگ و ادغام داده‌های رنگ، بو و بریکس

دولتی جلیلیان, پوریا; لرستانی, علی نجات; عقیلی ناطق, ناهید

doi:10.22034/JRMAM.2024.14453.668

تشخیص و پیش بینی زمان تعویض روغن موتور به کمک داده‌های بویایی، رنگ و ادغام داده‌های رنگ، بو و بریکس

نوع مقاله : مقاله پژوهشی

نویسندگان

پوریا دولتی جلیلیان ¹

علی نجات لرستانی ²

ناهید عقیلی ناطق ³

¹ گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

² گروه مهندسی مکانیک بیوسیستم،دانشگاه رازی، کرمانشاه، ایران

³ گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی سنقر،دانشگاه رازی، کرمانشاه، ایران

https://doi.org/10.22034/JRMAM.2024.14453.668

چکیده

روانکاری قطعات به منظور کاهش میزان اصطکاک و سایش از مهمترین وظایف روغن موتورها است. زمانی که از روغن موتورها استفاده می‌شود، رنگ و گرانروی آن در طی کارکرد خودرو دچار تغییر شده و با توجه به افزایش اصطکاک و انرژی لازم جهت پمپاژ روغن، موجب افزایش مصرف سوخت می‌گردد. هدف از این مطالعه بررسی تشخیص عمر روغن موتور از روی مسافت طی شده به کمک داده‌های بویایی،رنگ و داده‌های ادغام شده رنگ، بو و بریکس به دو روش استاندارد و صفر-یک است. در این پژوهش از دستگاه‌های بینی الکترونیک،رفرکتومتر و رنگ‌سنج استفاده شد. از روش تحلیل مؤلفه‌های اصلی ,(PCA) تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی (ANN) برای طبقه‌بندی داده‌ها جهت تشخیص مسافت طی شده به کیلومتر و از روش حداقل مربعات جزئی (PLS) و رگرسیون مؤلفه اصلی (PCR) در پیش‌بینی پارامترهای بریکس و تغییر رنگ روغن موتور استفاده گردید. در نتایج روش تحلیل مؤلفه‌های اصلی تشخیص عمر روغن موتور بر اساس رنگ بهتر انجام شد و تمام نمونه روغن‌ها براساس مسافت طی شده به خوبی از هم تفکیک شدند. همچنین روش LDA برای تشخیص عمر روغن موتور با کیلومترهای طی شده متفاوت برای داده‌های رنگ با دقت 36/96% طبقه‌های مختلف را تفکیک کرد. بر اساس ماتریس اغتشاش حاصل از شبکه عصبی مصنوعی برای داده‌های رنگ نیز دقت طبقه‌بندی روغن‌ها با مسافت طی شده متفاوت 6/93% به دست آمد. روش LDAنسبت به روشهای PCA و ANN در تشخیص مسافت طی شده دقت طبقهبندی بهتری را نشان داد. نتایج نشان داد که دو روش PLS و PCR نیز عملکرد مناسبی در پیش‌بینی عوامل بریکس و تغییر رنگ روغن موتور داشتند، اما عملکرد مناسبی در پیش‌بینی مسافت طی شده نداشتند. استفاده از مدل‌های PCR و PLS برای تشخیص بریکس و تغییر رنگ مناسب‌ترند.

کلیدواژه‌ها

روغن موتور

بویایی

رنگ

بریکس

موضوعات