申请/专利权人：淮阴工学院

申请日：2022-10-24

公开（公告）日：2024-05-17

公开（公告）号：CN116108361B

主分类号：G06F18/24

分类号：G06F18/24;G06N3/006;G06N3/0499;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2023.05.30#实质审查的生效;2023.05.12#公开

摘要：本发明公开了油液质量智能检测方法和监测系统，包括油液参数测量终端、现场监控端，油液参数测量终端负责采集被检测油液参数信息，在现场监控端中有油液质量的智能等级分类器，通过网关节点实现油液参数测量终端、现场监控端、云平台和油液监测手机APP的双向通信，实现被检测油液参数采集和油液质量安全等级的分类。本发明针对现有油液监测设备昂贵，只有当油液的污染程度相当恶劣时，才采取一定的措施，可能已经对产生了很大危害；提高检测油液品质的精确性和可靠性，降低油液监测的成本，推动油液污染监测与控制的普及，有效控制油质的失效，推动油处理技术的发展，产生良好的经济社会效益。

主权项：1.油液质量智能检测方法，其特征在于，包括以下步骤：步骤1、构建参数检测模块参数检测模块包括粒子群优化自适应小波神经网络-NARX神经网络模型、TDL按拍延迟线A、小波分解模型、降噪自编码神经网络-NARX神经网络模型、LSTM神经网络-NARX神经网络模型、TDL按拍延迟线B、TDL按拍延迟线C、TDL按拍延迟线D和区间犹豫模糊数的BAM神经网络-AANN自联想神经网络模型；步骤2、构建油液质量的智能等级分类器油液质量的智能等级分类器包括4个参数检测模块、TDL按拍延迟线E和区间数的BAM神经网络-DRNN神经网络模型油液质量分类器；步骤3、影响油液质量的油液污染参数、黏度参数、温度参数和水分参数的传感器输出作为油液质量的智能等级分类器的输入，油液质量的智能等级分类器输出被检测油液的质量安全等级；所述步骤1中，参数传感器输出作为粒子群优化自适应小波神经网络-NARX神经网络模型的输入，粒子群优化自适应小波神经网络-NARX神经网络模型输出作为TDL按拍延迟线A的输入，TDL按拍延迟线A的输出作为小波分解模型输入，小波分解模型输出的低频趋势部分和多个高频波动部分分别作为LSTM神经网络-NARX神经网络模型和降噪自编码神经网络-NARX神经网络模型的输入，LSTM神经网络-NARX神经网络模型和降噪自编码神经网络-NARX神经网络模型的输出分别作为TDL按拍延迟线B和TDL按拍延迟线C的输入，TDL按拍延迟线B、TDL按拍延迟线C和TDL按拍延迟线D的输出分别作为区间犹豫模糊数的BAM神经网络-AANN自联想神经网络模型的对应输入，区间犹豫模糊数的BAM神经网络-AANN自联想神经网络模型输出的4个参数分别为a、b、c、d作为TDL按拍延迟线D的输入，区间犹豫模糊数的BAM神经网络-AANN自联想神经网络模型输出作为参数检测模块的输出；a和b组成区间数（a，b）作为被检测参数的极小值，c和d组成区间数（c，d）作为被检测参数的极大值，区间数（a，b）和区间数（c，d）组成[（a，b），（c，d）]作为被检测参数的区间犹豫模糊数。

全文数据：

权利要求：

百度查询： 淮阴工学院 油液质量智能检测方法与监测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD