AIRSENSE电子鼻英文文献 | 基于人工嗅觉系统的润滑油氧化状态快速检测方法研究总结

基于人工嗅觉系统的润滑油氧化状态快速检测方法研究总结
这篇英文文章提出人工嗅觉系统（AOS）结合支持向量机（SVM） 的新方法，实现润滑油氧化状态的快速、在线检测，解决传统检测离线、低效、复杂的痛点。

研究背景

1、润滑油氧化会引发润滑失效、设备故障，实时监测氧化状态至关重要。
2、现有检测方法（介电常数、FTIR、GC-MS 等）多为离线检测，存在操作复杂、成本高、无法实时监测等缺陷。
3、人工嗅觉系统（电子鼻）具备结构简单、响应快、无需复杂预处理等优势，可用于检测润滑油挥发组分，为在线监测提供新思路。

实验设计

样本制备：选取两种品牌润滑油，经 170℃、12 小时 / 周期的加速氧化实验，共 7 个周期，得到 8 种氧化状态。

实验仪器

电子鼻：AIRSENSE电子鼻（10 个金属氧化物传感器），实时识别气体组分变化。

用便携式近红外（NIR）光谱仪同步采集光谱数据，用于对比验证。

电子鼻建模与识别效果

算法：支持向量机（SVM），核函数优选径向基函数 RBF
最优参数：惩罚系数 c=100，gamma=0.1
识别准确率：润滑油氧化状态平均99.6%，多数阶段 100%，最低≥97%
泛化能力：跨品牌预测准确率72%（列归一化），具备工业推广潜力

核心结果

AOS-SVM 模型：平均识别准确率达99.6%，各氧化阶段准确率均超 97%，部分阶段 100%。

NIR-SVM 模型：平均准确率不足 50%，识别效果远差于人工嗅觉方法。

AOS+NIR 融合模型：准确率与纯 AOS 模型持平，无明显提升，无需融合 NIR 数据。
泛化性能：跨品牌预测时，列归一化（同一时间不同传感器响应值归一化）效果更佳，准确率达 72%。
核函数对比：RBF 核函数准确率 100%，显著优于 C-SVM、ν-SVM 等其他核函数。

研究结论

1、电子鼻结合 SVM 可精准检测润滑油氧化状态，具备快速、便携、可在线的优势，性能优于传统 NIR 方法。
2、补充实际工况油样数据、降低环境干扰因素，推动该技术在工业现场落地，也可拓展至其他挥发性物质的质量检测领域。