تشخيص و پيش ‌بيني زمان تعويض روغن موتور به كمك داده‌هاي بويايي، رنگي و تركيب داده‌هاي رنگ، بو و بريكس

روان كاري قطعات به منظور كاهش ميزان اصطكاك و سايش از مهم ترين وظايف روغن موتورها است. زماني كه از روغن موتورها استفاده مي‌شود، رنگ و گرانروي آن در طي كاركرد خودرو دچار تغيير شده و با توجه به افزايش اصطكاك و انرژي لازم جهت پمپاژ روغن، موجب افزايش مصرف سوخت مي‌گردد. هدف از اين مطالعه بررسي تشخيص عمر روغن موتور از روي مسافت طي شده به كمك داده‌هاي بويايي، رنگي و داده‌هاي تركيب شده رنگ، بو و بريكس به دو روش استاندارد و صفر-يك است. در اين پژوهش از دستگاه‌هاي بيني الكترونيك، رفركتومتر و رنگ سنج استفاده شد. از روش تحليل مؤلفه هاي اصلي ,(PCA) تحليل تفكيك خطي (LDA) و شبكه عصبي مصنوعي (ANN) براي طبقه‌بندي داده‌ها جهت تشخيص مسافت طي شده به كيلومتر و از روش حداقل مربعات جزئي (PLS) و رگرسيون مؤلفه اصلي (PCR) در پيش‌بيني پارامترهاي بريكس و تغيير رنگ روغن موتور استفاده گرديد. در نتايج روش تحليل مؤلفه‌هاي اصلي، تشخيص عمر روغن موتور بر اساس رنگ بهتر انجام شد و تمام نمونه روغن‌ها براساس مسافت طي شده به خوبي از هم تفكيك شدند. همچنين روش LDA براي تشخيص عمر روغن موتور با كيلومترهاي طي شده متفاوت براي داده‌هاي رنگ با دقت 96.36% طبقه‌هاي مختلف را تفكيك كرد. بر اساس ماتريس اغتشاش حاصل از شبكه عصبي مصنوعي براي داده‌هاي رنگ نيز دقت طبقه‌بندي روغن ها با مسافت طي شده متفاوت، به ميزان 93.6% به دست آمد. روش LDA نسبت به روشهاي PCA و ANN در تشخيص مسافت طي شده، دقت طبقهبندي بهتري را نشان داد. نتايج نشان داد كه دو روش PLS و PCR نيز عملكرد مناسبي در پيش‌بيني عوامل بريكس و تغيير رنگ روغن موتور داشتند، اما عملكرد مناسبي در پيش‌بيني مسافت طي شده نداشتند. استفاده از مدل‌هاي PCR و PLS براي تشخيص بريكس و تغيير رنگ مناسب‌ترند.