1：A觀察試管及試樣若干分鐘，直至試樣溫度達到150°C為止。如試樣中有水分時，即發生泡沫，可以聽到噼啪的爆裂響聲，甚至試管會發生震動或顫動，高出浴面的油層會變成渾濁131. 12小波變換及能量分布特征提取則稱奴》是基本小波。由基本小波生成的二進離散小波函數為扒）一般可看作為帶通濾波器，其對應的尺度函數9（）滿足：9（兮本質上是低通濾波器。由9（）導到的一簇二進正交尺度函數為：根據多分辨分析理論，如果二進離散小波函數簇*ik（）jl構成I（R）中的標準正交基，則對信號X》有如下的正交小波分解：0前言在機械設備的潤滑油管理中，水分含量是一個非常重要的指標，且機械設備在運行時，由于水封的失效或損壞，熱交換器的腐蝕或損壞，潮濕空氣的原因，水侵入潤滑油系統是不可避免的11.潤滑油含水超標將會導致油膜失效、潤滑油系統部件的腐蝕和銹蝕、潤滑油乳化、添加劑失效等嚴重后果121.目前，常見的潤滑油水分測量方法有卡爾一費休法、蒸餾法、重量法、介電常數法、微波衰減法、華特斯摩試紙法和爆裂法等，其中卡爾一費休法、蒸餾法和重量法屬于實驗室分析方法，介電常數法和微波衰減法可用于現場測量，但影響因素較多，不能有效地進行潤滑油水分含量的判斷，而華特斯摩試紙法和爆裂法屬于定性的判斷方法。本文以爆裂法為基礎，對其進行半定量研究，著重研究了如何判斷潤滑油中的水分含量是否超標的方法。

　　工程專業，碩士研究生，主要從事油液分析領域的研究，已公開發Bp申經網絡是自20世紀80年代發展起來的一種新的模式識別方法，它以其良好的非線性映射特性和自適應、自學習能力在模式識別、函數逼近和分類、數據壓縮等領域得以應用，并取得了一定的研究成果。文中基于潤滑油水分定性實驗的爆裂聲信號，構造了相應的BP網絡目標識別模型，仿真實驗結果表明，該方法對于半定量的確定潤滑油中水分含量是可行的，為現場測量潤滑油中水分含量提供了新的思路和方法，具有一定的理論價值和實際意義。

　　1基本原理11潤滑油水分定性實驗法BP算法包括信息的正向傳播和誤差的反向傳播，不斷修正權值和誤差，使網絡輸出層實際輸出與期望輸出的誤差平方和達到最小。由于這種算法采用非線性規劃中的最速下降法，按誤差函數的負梯度方向修改權系數，因此存在學習效率低，收斂速度慢；易陷于局部極小狀態；網絡的泛化及適應能力較差等缺點。為了解決這些問題，出現了很多BI改進算法，文中采用附加動量項的方法。

　　2潤滑油水分測量研究21爆裂實驗21.1儀器和材料信號。在實驗過程中，每次取5mL試樣置于燒杯中，用電爐加熱。pulse系統分析帶寬設為~256kHz頻譜線數設為1600根據GB/T7607 02%時需要對潤滑油進行更換。因此，在實驗中，分別選取4組濃度小于0 2%的含水潤滑油（農度分別為0068%、0093%、013%和0 17%）和3組濃度大于02%的含水潤滑油（濃度分別為0. 25%、030%和050%）作為實驗對象。

　　22潤滑油水分測量研究含微量水分的潤滑油是典型的油包水型分子基團，油是連續相，水是分散相，由于油的沸點比水高，受熱后水總是先達到沸點而蒸發或沸騰。當油滴中的壓力超過油的表面張力及環境壓力之和時，水蒸氣將沖破油膜的阻力使油滴發生爆炸，發出爆裂聲，同時形成更細小的油滴，這就是微爆效應。因此，文中利用二進小波變換來提取尺度空間上的能量分布作為BP申經網絡的輸入特征向量。基于小波變換和BP神經網絡的潤滑油水分測量研究過程如221能量分布特征提取首先，對每個濃度的試樣采集10組數據，共70組數據，選40組作為訓練樣本，其中濃度0 50%的6組，其余30組作為測試樣本，其中0068%、0.093%、0 13%和017%的各5組，濃度025%和030%的各3組，濃度050%的4組。對這70組數據進行6層小波分解，采用db小波，計算各個高頻分量的能量，這樣每個能量特征向量的維數就是6總共有40組訓練樣本和30組測試樣本。

　　~分別為濃度為0069%的含水潤滑油（合格）加熱時發生微爆效應所采集到的原始信號以及6層小波分解后得到的近似信號和細節信號。

　　22.2BP申經網絡分類器的實現根據Km定理，采用一個NX2N+1XM的3層BP網絡作為狀態分類器。其中，N表示輸入特征向量的分量數，M表示輸出狀態類別總數。由此可得，該BP網絡結構為：輸入層有6個神經元，中間層有13個神經元，輸出層有2個神經元，用（Q 0）表示合格，（1，0康示不合格，中間層神經元的傳遞函數為§型正切函數，輸出層神經元的傳遞函數為S型對數函數。然后，利用訓練樣本對該BP神經網絡進行訓練，經過2432次訓練后，網絡的均方誤差落在所設定的0 00001以內。訓練曲線如1994-2圖小皮分解后的各層細節言號eCicPubliShingHUSe.All圖sBP神經網絡訓練曲線wxnki.net最后，利用訓練好的BP神經網絡，把30個測試樣本輸入到神經網絡，根據BP神經網絡的實際輸出對潤滑油含水量是否合格進行判斷，結果如表1觀察BP神經網絡輸出結果可以發現，根據BP神經網絡輸出結果判斷的潤滑油含水量與實際結果完全一致，表明該BP神經網絡分類器可以準確的判斷潤滑油中含水量是否合格。

　　表1測試樣本的網絡輸出和含水量的判斷濃度，％能量特征向量實際輸出結果判斷合格70位合格不合格3結論文中基于小波變換和BP神經網絡理論，構造了一個BP神經網絡分類器，并成功地應用于潤滑油中水分含量的判斷。實驗結果表明：該方法能有效地進行潤滑油含水量合格與否的判斷，從而為研究潤滑油水分含量的測量提供了新的思路和方法。

　　另外，文中在實驗時只選取了7種濃度的溶液，且溶液的濃度差別相對較大。因此，溶液的濃度相差較小時是否可以用該方法進行有效的判斷以及是否可以對分類結果進行更具體的分類將是下一步研究的重點。

作者：佚名　　來源：中國潤滑油網