فهرست نشریات علمی دسترسی آزاد ایران

نظارت بر وضعیت ماشین‌آلات یکی از جنبه‌های حیاتی واحدهای تولیدی و خدماتی برای حفظ کارایی عملیاتی است. از این رو، تعویض به‌موقع روغن موتور به‌طور قابل‌توجهی به افزایش عملکرد و افزایش طول عمر موتور کمک می‌کند. با این حال، تعیین زمان دقیق تعویض همچنان یک چالش است. آنالیز طیفی روغن، در عین این‌که موثر است، هم گران و هم زمان‌بر 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 دی‌الکتریک 17 نمونه روغن موتور از طریق روش‌های آماری است. هدف اصلی توسعه مدل‌هایی برای پیش‌بینی آلاینده‌های موجود در روغن بر اساس خواص دی‌الکتریک است که جایگزینی برای تجزیه و تحلیل طیفی ارائه می‌دهد. برای رسیدن به این هدف چند هدف میانی دنبال می‌شود. شبکه‌ عصبی مصنوعی پرسپترون چندلایه (MLP-ANN) و روش‌ ماشین بردار پشتیبان (SVM) برای مدل‌سازی استفاده می‌شوند. عملکرد دو مدل با استفاده از شاخص‌هایی مانند ریشه میانگین مربعات خطا (RMSE)، کارایی مدل و ضریب تبیین (R2) ارزیابی می‌شود. نتایج نشان می‌دهد که مدل SVM به‌طور مداوم کارایی بیش از 0.95 را برای همه شاخص‌های پیش‌بینی‌شده (Fe، Pb، Cu، Al، Mo، Na، Si وVis@100) نشان می‌دهد. در نتیجه، طیف‌سنجی دی‌الکتریک روان‌کننده به‌عنوان یک جایگزین مناسب برای آنالیز مرسوم طیفی روغن متصور می‌باشد.