تعیین گروه‌های عاملی موثر بر شاخص گرانروی روغن موتور‌ها به وسیله‌ی روش ‌ ftir و برازش خطی چند متغیره بر پایه‌ی الگوریتم ژنتیک

روغن موتور ها ویژگی های فیزیکی و شیمیایی بسیاری دارند که از آن ها می توان به گرانروی، شاخص گرانروی، نقطه ی اشتعال، نقطه ی ریزش و غیره اشاره کرد. گرانروی یکی از مهم ترین ویژگی های روغن بوده و عامل بسیار مهمی در روغن های صنعتی به حساب می آید، زیرا تمام ویژگی های طراحی شده برای روغن های صنعتی به گرانروی آن ها ارجاع داده می شود. تغییر گرانروی با دما با شاخص گرانروی اندازه گیری و بیان می شود و برای تشخیص نوع روغن، از این شاخص استفاده می شود. هر چه این  شاخص گرانروی بزرگ تر باشد نشان دهنده این است که گرانروی روغن نسبت به تغییرهای دما تغییر کم تری دارد. درنتیجه با توجه به اهمیت این شاخص در روغن های روان کننده، و با توجه به این که شاخص گرانروی در روغن موتور ها تابعی از ترکیب شیمیایی روغن است، در این پژوهش، با استفاده از یک فناوری طیف سنجی ساده مثل فروسرخ تبدیل فوریه (ftir)، آنالیز روغن موتور ها صورت گرفت، سپس به وسیله ی روش انتخاب متغیر الگوریتم ژنتیک، ga، عدد موج های مهم و تاثیر گذار بر شاخص گرانروی روغن موتور ها مشخص شد و معلوم شد ترکیب های دارنده ی گروه های عاملی آلکیل هالید، آلکن، نیترو، اسید، آلکان، آلکین و الکل بر شاخص گرانروی روغن موتور ها تاثیر گذار هستند. مدل سازی شاخص گرانروی روغن موتور ها به کمک روش برازش خطی چند متغیره (mlr ) صورت گرفت. از روش های پیش پردازش گوناگونی مانند روش متمرکز کردن به میانگین و مقیاس گذاری پیش از روش های mlr وgamlr نیز استفاده شد. نتیجه های به دست آمده از مدل سازی با پارامتر های گوناگونی مانند ضریب برازش (r2 ) و ریشه ی دوم متوسط خطا ها ( rmse) سنجیده شد. مقدارهایr2 و rmse به دست آمده با استفاده ازgamlr، به ترتیب 998/0و 954 /0  به دست آمدند

Determination of Functional Groups Affecting the Viscosity Index of Motor Oils Using FTIR and Multivariate Linear Regression Based on Genetic Algorithm

Motor oils have different physicochemical properties, namely viscosity, viscosity index, flash point, pour point, etc. Viscosity is one of the important properties of motor oils since all the properties of industrial lubricants are referred to as their viscosities. The changes in viscosity with variation in temperature are regarded as the viscosity index. The greater the viscosity index, the lower the chances of the viscosity of motor oil with temperature and vice versa. According to the importance of viscosity index in lubricants and because the viscosity index of lubricants is dependent on the chemical composition of motor oils, thus in this study, a simple spectroscopic technique like Fourier Transform InfraRed (FTIR) spectroscopy was used to analyze the Behran motor oils. The important wavenumbers that affect the viscosity indices were identified by using the Genetic Algorithm (GA) as a variable selection method. By using this method, some functional groups like Alkyl halides, Alkene, Nitro, Acid, Alkane, Alkyne, and Alcohol were recognized that affect the viscosity index of motor oils. Modeling the viscosity index of motor oils was done by Multivariate Linear Regression (MLR) method. Various data preprocessing techniques like Mean Centering and Autoscaling were operated before the MLR and GAMLR techniques. The results of modeling were evaluated by using different parameters like regression coefficients (R2) and Root Mean Square Error (RMSE). The values of R2 and RMSE, obtained by the GAMLR were 0.998 and 0.954 respectively.