冷却液和制动液是车辆工作过程中非常重要的油品, 对车辆的正常运行具有非常重要的作用。 在冷却液和制动液中掺水是掺假的主要手段之一, 掺水后的冷却液和制动液, 其有效成分会减少, 从而影响了冷却液和制动液本来的功能, 对车辆造成危害, 从而影响车辆的正常运行。 实现对冷却液和制动液含水率的快速准确检测, 是保证冷却液和制动液品质的关键。 采用傅里叶变换近红外光谱对不同品牌的掺水的汽车无水冷却液和制动液含水率检测进行了研究。 分别采集了3个不同品牌无水冷却液和4个不同品牌制动液在掺入不同含水率(0%, 5%, 10%, 15%, 20%, 25%, 30%, 35%)下的近红外透射光谱, 并基于10 067～5 442 cm-1范围内的光谱进行了研究。 不同含水率的无水冷却液和制动液近红外透射光谱存在差异。 单个品牌不同含水率的无水冷却液及制动液的主成分分析(PCA)表明不同含水率样本之间存在差异。 采用二阶导数(Second derivative)对单个品牌以及包含有不同品牌的无水冷却液及制动液(不同含水率)的特征波数进行了选择, 发现不同品牌之间选择的特征波数相近, 且单个品牌与包含不同品牌之间选择的特征波数也相近, 而经过特征波数选择后波数减少了至少98.67%。 基于单个品牌样本的全谱以及包含有不同品牌样本的全谱和特征波数, 分别建立偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)模型, 所有模型的建模集和预测集决定系数均高于0.9, 剩余预测偏差(RPD)均高于3, 含水率预测模型取得了较好的预测结果。 基于全谱的模型预测效果与基于特征波数的模型预测效果相当, 表明特征波数选择可用于无水冷却液和制动液中含水率的检测。 基于单个品牌样本的模型预测效果与包含不同品牌样本的模型预测效果相近, 表明包含品牌差异, 建立基于多个品牌的无水冷却液和制动液掺水量的预测模型是可行的。 研究结果表明, 近红外透射光谱结合化学计量学方法可用于不同品牌汽车无水冷却液和制动液掺水量检测, 为研究开发在线检测仪器奠定了基础, 也为其他类型的车用液体制品中含水率的检测提供了技术和方法参考。

采用近红外透射光谱研究了汽车制动液品牌及新旧的鉴别。 采集宝马(BMW), 丰田(Toyota), 沃尔沃(Volvo)以及嘉实多(Castrol)四种品牌的汽车制动液全新样本以及用过的样本的透射光谱。 分别对每一种品牌下全新与用过汽车制动液样本的光谱数据进行主成分分析(PCA), 主成分得分图表明不同品牌制动液以及该品牌下全新样本以及用过的样本能够被较好的区分, 其光谱特性存在差异。 基于主成分载荷(Loadings)进行特征波数选择, 偏最小二乘判别分析(PLS-DA), 线性判别分析(LDA), 簇类独立软模式法(SIMCA), k最邻近分类算法(KNN), 随机森林(RF), 误差反向传播人工神经网络(BPNN), 径向基神经网络(RBFNN), 极限学习机(ELM), 支持向量机(SVM), 最小二乘支持向量机(LS-SVM)等判别分析方法用于建立基于特征波数的判别分析模型, 判别模型的建模集和预测集判别正确率均略低于或达到了100%。 与其他三种品牌汽车制动液相比, 嘉实多全新样本与用过样本的差异较小, KNN与LS-SVM模型的建模集正确率均低于100%。 结果表明, 近红外透射光谱结合特征波长选择以及判别分析模型对不同品牌制动液以及同一品牌下全新样本以及用过的样本进行识别是可行的, 为开发在线或便携式仪器提供理论支持。

研究了不同分辨近红外光谱对汽车差速器油品牌鉴别的效果与影响.分别采集了五种不同品牌汽车差速器油在4,8,16和32 cm-1分辨率下的透射光谱.去除采集波段范围两端噪声明显部分后采用10 522.28～4 443.425 cm-1范围光谱进行分析.不同分辨率光谱的主成分分析(principal component analysis,PCA)结果表明不同品牌差速器油可以被鉴别.同时基于不同分辨率光谱全谱所建立的偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)以及支持向量机(support vector machine,SVM)模型所获得的判别正确率相近且均高于90%.其中以8 cm-1分辨率下PLS-DA与SVM模型的判别正确率最高.上述研究结果表明分辨率对判别分析结果的影响较小.进一步对不同分辨率下的近红外光谱采用连续投影算法(successive projections algorithm,SPA)选择特征波数,发现不同分辨率下得到的特征波数均不相同,表明分辨率影响特征波数的选择.以不同分辨率特征波数建立的PLS-DA以及SVM模型取得了较好的判别分析效果,与以不同分辨率下全谱建立的判别分析模型效果相当.研究结果表明,分辨率对差速器油品牌鉴别影响较小,而对特征波数的选择影响较大,在实际应用中应考虑到分辨率对特征波数选择的影响.总体而言,不同分辨率的近红外光谱全谱与对应的特征波数都能有效的实现对汽车差速器油品牌的鉴别。

探讨了可见-近红外光谱技术快速无损识别不同品牌车蜡的可行性。 实验一共获得104 样本， 其中40个样本（建模集）用于建立模型， 剩余64个样本（预测集）被用于独立验证建立好的模型。 基于五种不同品牌车蜡的可见-近红外光谱分别建立了线性判别分析（linear Discriminant Analysis， LDA）和最小二乘支持向量机（least square-support vector machine, LS-SVM）模型。 基于两个算法的全波段光谱模型的预测集正确率分别达到了84%和97%。 进一步采用连续投影算法（successive projections algorithm, SPA）算法从751波段中选取了7个特征波段（351, 365, 401, 441, 605, 926和980 nm）。 基于SPA选择的变量建立LS-SVM模型， 准确率依然保持在97%。 说明SPA选择的特征波段包含了对于车蜡品牌鉴别最重要的光谱信息， 而大多数无用信息则被有效剔除。 将SPA与LS-SVM算法的车蜡识别模型在保证正确率的基础上， 还可以大大降低模型计算复杂程度， 说明该模型能快速准确的从车蜡可见-近红外光谱中提取有效信息， 并实现车蜡品牌的无损鉴别。

对掺入不同含量大豆油和菜籽油的鱼油进行鱼油掺假含量的可见-近红外光谱(Vis-NIR)研究。 向3个不同品牌鱼油中分别掺入不同比例的大豆油, 另外3个不同品牌中分别掺入不同比例的菜籽油, 共获得300个样本。 对所采集样本的光谱数据分别采用原始光谱, 以及平滑, 变量标准化(SNV), 多元散射校正(MSC), 一阶求导和二阶求导等预处理算法进行处理后, 建立偏最小二乘回归(PLSR)模型。 基于全波段光谱的鱼油中大豆油和菜籽油掺假含量预测的最优模型分别为全波段PLSR模型和MSC-PLSR模型, 其预测相关系数(Rp)分别达到0.938 6和0.959 3。 进一步采用连续投影算法(SPA)分析鱼油中大豆油和菜籽油掺假样品的光谱, 并分别获得了11个和15个光谱特征波长变量。 基于特征变量的PLSR模型的Rp分别为0.941 2和0.932 6。 试验研究表明, 可以采用Vis-NIR技术实现对鱼油掺假物含量的检测。

研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法。获得了 润滑油在475 ～ 975 nm范围内的可见-近红外光谱。采用最小二乘支持向量机(LS-SVM)建立 可见-近红外光谱检测模型，并通过将无信息变量消除算法(UVE)与连续投影算法(SPA)相结合进行 光谱有效波长选取。通过UVE-SPA法进行变量选择计算，最终将原始光谱所包含的500 个光谱变量减少到了8个(分别为489 nm、553 nm、591 nm、874 nm、893 nm、910 nm、935 nm和 951 nm)。基于这8个变量建立的LS-SVM模型获得了预测集确定系数为0.9546、误差均方根为0.0081和 剩余预测残差为4.5663的预测结果，说明可见-近红外光谱技术可以用于润滑油酸值无损检测。 与酸值测定标准方法相比，该方法具有快速、无损和成本低等优点。同时，UVE-SPA法是一种有效的 光谱变量选择方法。

研究了基于可见–近红外光谱技术的制动液品牌混掺比例快速无损检测方法。全波段建立的 偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型均得到了较好的预测结果。这两个模型的建模集和预测集的确 定系数(r2c和r2p)均在0.98以上。采用连续投影算法(SPA)挖掘特征波长，最终选择了439 nm、 443 nm、459 nm、519 nm、570 nm、717 nm、896 nm和902 nm共8个波长作为最优变量。基于SPA选择的变量建立的PLSR 和LS–SVM模型的r2c和r2p均在0.97以上，能够满足实际应用的需要。研究结果表明，可见–近红外光谱 可以用于制动液品牌混掺比例快速无损检测。

提出了一种应用可见近红外光谱技术快速测定发动机润滑油动力粘度值的新方法。 对5种不同粘度的润滑油共150个样本进行光谱扫描, 经过光谱预处理后应用偏最小二乘法(PLS)建立了润滑油动力粘度值的预测模型, 并提取出前6个有效主成分作为最小二乘-支持向量机(LS-SVM)预测模型的输入变量, 建立相应的最小二乘-支持向量机(LS-SVM)预测模型, 采用径向基函数(RBF)作为核函数, 超参数γ和RBF核函数参数σ2的最佳组合为γ=27.321 2和σ2=3.229 5。 用125个样本建模, 25个样本验证。 实验结果表明, LS-SVM模型比PLS模型能获得更满意的预测效果。 说明应用光谱技术可以实现发动机润滑油动力粘度值的快速无损检测。

研究了基于可见-近红外光谱技术的发动机润滑油含水量快速检测方法。 在获取光谱信息的基础上, 提出了采用不同的光谱建模方法以提高检测精度和简化分析计算。 分别采用主成分分析(PCA)和连续投影算法(SPA)方法进行模型输入变量的提取。 SPA最终选择了476, 483, 544, 925, 933, 938, 952, 970和974 nm共9个波长为最优变量。 基于SPA选择的变量, 分别应用偏最小二乘回归(PLSR)和多元线性回归(MLR)建模。 效果均优于全波段PLSR模型和PCA-PLSR模型。 说明SPA选择的有效变量能够包含最重要的全波段光谱信息, 同时可以去除无用的信息变量。 为了进一步提高检测效果, 采用LS-SVM分别基于SPA选择后的有效变量和全波段光谱进行建模。 两个模型的预测确定系数(R2p)均在0.9以上。 SPA-LS-SVM的效果要优于全波段LS-SVM模型的效果。 SPA-LS-SVM模型的R2p达到了0.983, 剩余预测偏差(RPD)值为6.963。 表明可见-近红外光谱可以用于发动机润滑油含水量的检测。

提出了一种用可见-近红外透射光谱技术快速鉴别机油品种的新方法, 应用可见-近红外光谱仪测定三种机油的光谱曲线, 然后用主成分分析法对不同品种的机油样本进行聚类分析, 并获取机油可见-近红外光谱的特征信息, 再结合多类判别分析技术建立机油品种鉴别的模型,对经过预处理的光谱数据进行主成分分析。结果表明, 以样本在第一主成分和第二主成分上的得分做出的二维散点图, 对不同种类机油具有很好的聚类, 能定性区分不同种类机油; 经过主成分分析得到的前8个主成分的累积可信度已达95.38%, 说明这8个变量能够代表绝大部分原始光谱的信息。从180个样本中随机抽取150个样本用于建立多类判别分析品种鉴别模型, 余下的30个样本用于验证。对未知的30个样本进行品种预测, 准确率为100%。证明本方法具有明显的分类和鉴别作用, 为不同品种的机油鉴别提供了一种新方法。