این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
شیمی و مهندسی شیمی ایران، جلد ۳۹، شماره ۱، صفحات ۱۵۹-۱۶۶
عنوان فارسی تعیین گروه‌های عاملی مؤثر بر شاخص گرانروی روغن موتور‌ها به وسیله‌ی روش ‌ FT-IR و برازش خطی چند متغیره بر پایه‌ی الگوریتم ژنتیک
چکیده فارسی مقاله روغن موتور­ها ویژگی­های 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 مهم­ترین ویژگی­ های روغن بوده و عامل بسیار مهمی در روغن­های صنعتی به حساب می ­آید، زیرا تمام ویژگی­ های طراحی شده برای روغن ­های صنعتی به گرانروی آن­ ها ارجاع داده می­شود. 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 موتور­ها تابعی از ترکیب شیمیایی روغن است، در این پژوهش، با استفاده از یک فناوری طیف سنجی ساده مثل فروسرخ تبدیل فوریه (FT-IR)، آنالیز روغن موتور­ها صورت گرفت، سپس به وسیله­ ی روش انتخاب متغیر الگوریتم ژنتیک، GA، عدد موج­ های مهم و تأثیر­گذار بر شاخص گرانروی روغن موتور­ها مشخص شد و معلوم شد ترکیب ­های دارنده­ی گروه­های عاملی آلکیل هالید، آلکن، نیترو، اسید، آلکان، آلکین و الکل بر شاخص گرانروی روغن موتور­ها تأثیر­گذار هستند. مدل سازی شاخص گرانروی روغن موتور­ها 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 وGA-MLR نیز استفاده شد. نتیجه­های به دست آمده از مدل ­سازی با پارامتر­های گوناگونی مانند ضریب برازش (R2 ) و ریشه­ ی دوم متوسط خطا­ها ( RMSE) سنجیده شد. مقدارهایR2 و RMSE به دست آمده با استفاده ازGA-MLR، به ترتیب 998/0و 954 /0  به دست آمدند
کلیدواژه‌های فارسی مقاله روغن موتور،شاخص گرانروی،طیف سنجی فروسرخ تبدیل فوریه،الگوریتم ژنتیک،برازش خطی چند متغیره،
عنوان انگلیسی Determination of Functional Groups Affecting the Viscosity Index of Motor Oils Using FT-IR and Multivariate Linear Regression Based on Genetic Algorithm
چکیده انگلیسی مقاله 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 (FT-IR) 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 Auto-scaling were operated before the MLR and GA-MLR 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 GA-MLR were 0.998 and 0.954 respectively.
کلیدواژه‌های انگلیسی مقاله روغن موتور,شاخص گرانروی,طیف سنجی فروسرخ تبدیل فوریه,الگوریتم ژنتیک,برازش خطی چند متغیره
نویسندگان مقاله سمانه احسانی |
دانشکده علوم پایه، دانشگاه تربیت مدرس، تهران، ایران

احمد مانی ورنوسفادرانی |
دانشکده علوم پایه، دانشگاه تربیت مدرس، تهران، ایران

یداله یمینی |
دانشکده علوم پایه، دانشگاه تربیت مدرس، تهران، ایران

نشانی اینترنتی https://www.nsmsi.ir/article_32892_504bc227f8237c102d20d6315cbe5ebd.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات