[发明专利]一种基于微流控与人工智能的油液分析设备故障预测系统

权利要求书

1.一种基于微流控与人工智能的油液分析设备故障预测系统，其特征在于：包括油液进样结构、磨屑属性分析芯片、第一数据采集单元、油液物化分析芯片、第二数据采集单元和服务器；

油液进样结构：用于向磨屑属性分析芯片中输送油液样品，

磨屑属性分析芯片：包括通过第一通道依次连通的过滤区、图像采集区和光谱测试区；

所述过滤区设计有多个孔隙；

所述图像采集区内的通道设计为连续S型通道；

所述光谱测试区设计有观察室；

第一数据采集单元：包括图像采集仪和第一光谱仪；

所述图像采集仪的镜头对着图像采集区，用于采集油液检测分析过程产生的磨屑图像；

所述第一光谱仪的镜头对着光谱测试区，用于对进入磨屑属性分析芯片进行光谱分析，分析油液中被分离出的磨屑的化学组分，得到油液样品的磨屑光谱；

油液物化分析芯片：包括具有萃取功能的，且与第一通道连通的第二通道；

所述具有萃取功能的第二通道上具有萃取溶剂入口；

在所述第二通道的前半部分设有多个传感器，所述多个传感器包括温度传感器、压力传感器、电容传感器和电导传感器，分别用于检测进入油液物化分析芯片中油液样品的温度信息、压力信息、电容信息和电导率信息；

第二数据采集单元包括第二光谱仪和第三光谱仪；

所述第二光谱仪的镜头对着第二通道的前半部分，用于对进入油液物化分析芯片中油液样品进行光谱分析，分析萃取前油液与萃取溶剂的化学组分，得到萃取前油液样品的油液溶剂光谱；

所述第三光谱仪的镜头对着第二通道的后半部分，用于萃取后油液进行光谱分析，分析萃取后油液的化学组分，得到萃取后油液的第一油液溶剂光谱；所述第三光谱仪还对萃取后溶剂进行光谱分析，分析萃取后溶剂的化学组分，得到萃取后油液的第二油液溶剂光谱；

所述服务器分别与磨屑属性分析芯片和油液物化分析芯片连接，服务器对磨屑属性分析芯片和油液物化分析芯片传输的信息进场存储和计算，得到油液样品的油液物化参数和磨屑属性参数；

所述油液物化参数包括粘度、总酸值、总碱值和结蜡风险指数，计算方法如下：

确定目标油液物化参数包括粘度μ，总酸值TAN，总碱值TBN和结蜡风险指数VPI的泛函方程，具体为：

其中，P为油液静压，由压力传感器获取，MPa；T为油液温度，由温度传感器获取，℃；v为油液注入速率，在注样时设定，μL/min；ρ为油液密度，为样品的质量与体积之比值，kg/m³；R为油液电导率，由电导率传感器获取，Ω^-1；C为油液电容，由电容传感器获取，F；

建立油液物化参数包括粘度μ，总酸值TAN，总碱值TBN和结蜡风险指数VPI的回归模型，具体为：

其中，Y为回归模型的输出向量，指代油液物化参数，包括粘度μ，总酸值TAN，总碱值TBN和结蜡风险指数VPI的其中之一；σ()为激活函数；W₁、W₂分别为回归模型的一次和二次权值项；b₁、b₂分别为回归模型的一次和二次偏差项；是由油液静压P、油液温度T、油液速率v、油液密度ρ、油液电导率R和油液电容C 6维特征构成的回归模型的输入向量；·指代向量乘法运算；

应用人工神经网络算法，引入油液大数据库中一定数量的油液静压P、油液温度T、油液速率v、油液密度ρ、油液电导率R和油液电容C数据作为训练集，训练油液物化参数回归模型中的权值项及偏差项，并结合梯度下降算法，通过反馈模型误差，更新回归模型中的权值项及偏差项，具体为：

其中，上标t表示第t次迭代参数对应的取值；m和n均为向量的大小；α为学习率，用于调整梯度下降的速度；

达到设定的迭代次数后，人工神经网络算法停止迭代，得到训练完成的回归模型；

基于训练完成的回归模型，通过输入待预测油液的油液静压P、油液温度T、油液速率v、油液密度ρ、油液电导率R和油液电容C数据，实现对油液物化参数包括粘度μ，总酸值TAN，总碱值TBN和结蜡风险指数VPI的预测。

2.如权利要求1所述的基于微流控与人工智能的油液分析设备故障预测系统，其特征在于： 所述过滤区设计的孔隙直径为500μm。

3.如权利要求1所述的基于微流控与人工智能的油液分析设备故障预测系统，其特征在于：所述观察室的直径为所述第一通道宽度的2-3倍。