基于人工嗅覺系統的潤滑油氧化狀態快速檢測方法研究總結
這篇英文文章提出人工嗅覺系統（AOS）結合支持向量機（SVM） 的新方法，實現潤滑油氧化狀態的快速、在線檢測，解決傳統檢測離線、低效、復雜的痛點。

研究背景

1、潤滑油氧化會引發潤滑失效、設備故障，實時監測氧化狀態至關重要。
2、現有檢測方法（介電常數、FTIR、GC-MS 等）多為離線檢測，存在操作復雜、成本高、無法實時監測等缺陷。
3、人工嗅覺系統（電子鼻）具備結構簡單、響應快、無需復雜預處理等優勢，可用于檢測潤滑油揮發組分，為在線監測提供新思路。

實驗設計

樣本制備：選取兩種品牌潤滑油，經 170℃、12 小時 / 周期的加速氧化實驗，共 7 個周期，得到 8 種氧化狀態。

實驗儀器

電子鼻：AIRSENSE電子鼻（10 個金屬氧化物傳感器），實時識別氣體組分變化。

用便攜式近紅外（NIR）光譜儀同步采集光譜數據，用于對比驗證。

電子鼻建模與識別效果

算法：支持向量機（SVM），核函數優選徑向基函數 RBF
最優參數：懲罰系數 c=100，gamma=0.1
識別準確率：潤滑油氧化狀態平均99.6%，多數階段 100%，最低≥97%
泛化能力：跨品牌預測準確率72%（列歸一化），具備工業推廣潛力

核心結果

AOS-SVM 模型：平均識別準確率達99.6%，各氧化階段準確率均超 97%，部分階段 100%。

NIR-SVM 模型：平均準確率不足 50%，識別效果遠差于人工嗅覺方法。

AOS+NIR 融合模型：準確率與純 AOS 模型持平，無明顯提升，無需融合 NIR 數據。
泛化性能：跨品牌預測時，列歸一化（同一時間不同傳感器響應值歸一化）效果更佳，準確率達 72%。
核函數對比：RBF 核函數準確率 100%，顯著優于 C-SVM、ν-SVM 等其他核函數。

研究結論

1、電子鼻結合 SVM 可精準檢測潤滑油氧化狀態，具備快速、便攜、可在線的優勢，性能優于傳統 NIR 方法。
2、補充實際工況油樣數據、降低環境干擾因素，推動該技術在工業現場落地，也可拓展至其他揮發性物質的質量檢測領域。