تشخیص و پیش ‌بینی زمان تعویض روغن موتور به کمک داده‌های بویایی، رنگی و ترکیب داده‌های رنگ، بو و بریکس

روان کاری قطعات به منظور کاهش میزان اصطکاک و سایش از مهم ترین وظایف روغن موتورها است. زمانی که از روغن موتورها استفاده می‌شود، رنگ و گرانروی آن در طی کارکرد خودرو دچار تغییر شده و با توجه به افزایش اصطکاک و انرژی لازم جهت پمپاژ روغن، موجب افزایش مصرف سوخت می‌گردد. هدف از این مطالعه بررسی تشخیص عمر روغن موتور از روی مسافت طی شده به کمک داده‌های بویایی، رنگی و داده‌های ترکیب شده رنگ، بو و بریکس به دو روش استاندارد و صفر-یک است. در این پژوهش از دستگاه‌های بینی الکترونیک، رفرکتومتر و رنگ سنج استفاده شد. از روش تحلیل مولفه های اصلی ,(pca) تحلیل تفکیک خطی (lda) و شبکه عصبی مصنوعی (ann) برای طبقه‌بندی داده‌ها جهت تشخیص مسافت طی شده به کیلومتر و از روش حداقل مربعات جزئی (pls) و رگرسیون مولفه اصلی (pcr) در پیش‌بینی پارامترهای بریکس و تغییر رنگ روغن موتور استفاده گردید. در نتایج روش تحلیل مولفه‌های اصلی، تشخیص عمر روغن موتور بر اساس رنگ بهتر انجام شد و تمام نمونه روغن‌ها براساس مسافت طی شده به خوبی از هم تفکیک شدند. همچنین روش lda برای تشخیص عمر روغن موتور با کیلومترهای طی شده متفاوت برای داده‌های رنگ با دقت 96.36% طبقه‌های مختلف را تفکیک کرد. بر اساس ماتریس اغتشاش حاصل از شبکه عصبی مصنوعی برای داده‌های رنگ نیز دقت طبقه‌بندی روغن ها با مسافت طی شده متفاوت، به میزان 93.6% به دست آمد. روش lda نسبت به روشهای pca و ann در تشخیص مسافت طی شده، دقت طبقهبندی بهتری را نشان داد. نتایج نشان داد که دو روش pls و pcr نیز عملکرد مناسبی در پیش‌بینی عوامل بریکس و تغییر رنگ روغن موتور داشتند، اما عملکرد مناسبی در پیش‌بینی مسافت طی شده نداشتند. استفاده از مدل‌های pcr و pls برای تشخیص بریکس و تغییر رنگ مناسب‌ترند.