Навигация:

Главная Случайная страница Обратная связь ТОП Интересно знать Избранные Новые материалы

Топ:

Комплексной системы оценки состояния охраны труда на производственном объекте (КСОТ-П): Цели и задачи Комплексной системы оценки состояния охраны труда и определению факторов рисков по охране труда...

История развития методов оптимизации: теорема Куна-Таккера, метод Лагранжа, роль выпуклости в оптимизации...

Техника безопасности при работе на пароконвектомате: К обслуживанию пароконвектомата допускаются лица, прошедшие технический минимум по эксплуатации оборудования...

Интересное:

Принципы управления денежными потоками: одним из методов контроля за состоянием денежной наличности является...

Мероприятия для защиты от морозного пучения грунтов: Инженерная защита от морозного (криогенного) пучения грунтов необходима для легких малоэтажных зданий и других сооружений...

Берегоукрепление оползневых склонов: На прибрежных склонах основной причиной развития оползневых процессов является подмыв водами рек естественных склонов...

Дисциплины:

Автоматизация Антропология Археология Архитектура Аудит Биология Бухгалтерия Военная наука Генетика География Геология Демография Журналистика Зоология Иностранные языки Информатика Искусство История Кинематография Компьютеризация Кораблестроение Кулинария Культура Лексикология Лингвистика Литература Логика Маркетинг Математика Машиностроение Медицина Менеджмент Металлургия Метрология Механика Музыкология Науковедение Образование Охрана Труда Педагогика Политология Правоотношение Предпринимательство Приборостроение Программирование Производство Промышленность Психология Радиосвязь Религия Риторика Социология Спорт Стандартизация Статистика Строительство Теология Технологии Торговля Транспорт Фармакология Физика Физиология Философия Финансы Химия Хозяйство Черчение Экология Экономика Электроника Энергетика Юриспруденция

Идентификация моторных масел с использованием трехфакторных образов по скорости развертки

2022-11-14

0.00 из 5.00 0 оценок

Заказать работу

⇐ ПредыдущаяСтр 6 из 8Следующая ⇒

Одной из проблем вольтамперометрических мультисенсорных систем является нестабильность аналитических сигналов, обусловленная изменением состояния поверхности рабочего электрода при протекании электрохимической реакции и регенерации массива сенсоров. В условиях анализа многомерных данных это мешает строить устойчивые во времени калибровочные модели и формировать банк данных.

Для оценки стабильности сигнала во времени в течение трех экспериментальных дней были сняты вольтамперограммы восстановления маркеров на УПЭ, модифицированных моторными маслами разных типов (рис. 3.7).

Рис. 3.7. Дифференциальные вольтамперограммы восстановления 10^-3 М Cu⁺² на фоне 0.01 М HCl при разных скоростях развертки потенциалов на угольно-пастовом электроде, модифицированном и полусинтетическим маслом

Результаты SIMCA-классификации с использованием в качестве калибровочных моделей массива вольтамперограмм, полученных в первый экспериментальный день, представлены в табл. 3.1-3.2.

Таблица 3.1

Доля правильно и ошибочно распознанных образцов моторных масел с использованием SIMCA-классификации.

Маркер – 10^-3 М Cu⁺² на фоне 0.01 М HCl, v_разв = 1 В/с

образцы

1-й день

2 день

3 день

N_ПР

N_ОР

N_ПР

N_ОР

N_ПР

N_ОР

с1

1,00

0,00

0,03

0,00

0,01

0,00

с2

1,00

0,00

0,25

0,00

с3

1,00

0,00

0,13

0,00

0,06

с4

1,00

0,13

0,00

0,10

0,00

0,02

с5

1,00

0,00

0,09

0,00

с6

1,00

0,13

0,00

1,00

0,00

с7

1,00

0,16

0,75

0,25

0,00

с8

1,00

0,31

0,00

0,13

0,00

0,13

п9

1,00

0,16

0,00

п10

1,00

0,34

0,06

0,00

0,03

0,07

п11

1,00

0,13

0,00

п17

1,00

0,00

0,13

0,03

0,00

м12

1,00

0,00

0,08

0,04

0,01

0,06

м13

1,00

0,03

0,00

м14

1,00

0,00

0,07

0,03

0,02

0,03

м15

1,00

0,00

N_ПР, N_ОР – доли правильно и ошибочно распознанных образцов

Таблица 3.2

Доля правильно и ошибочно распознанных образцов моторных масел с использованием SIMCA-классификации.

Маркер – 10^-3 М Pb⁺² на фоне 0.01 М HCl, v_разв = 1 В/с

образцы	1-й день		2 день		3 день
образцы	N_ПР	N_ОР	N_ПР	N_ОР	N_ПР	N_ОР
с1	1,00	0,00	0,00	0,13	0,00	0,00
с2	1,00	0,28	0,00	0,13	0,00	0,00
с3	1,00	0,19	1,00	0,28	0,75	0,28
с4	1,00	0,00	0,00	0,19	0,00	0,31
с5	1,00	0,13	0,00	0,13	0,00	0,00
с6	1,00	0,16	0,00	0,00	0,00	0,00
с7	1,00	0,25	0,00	0,00	0,00	0,00
с8	1,00	0,09	0,00	0,19	0,00	0,00
п9	1,00	0,25	0,00	0,03	0,00	0,00
п10	1,00	0,09	0,00	0,00	0,00	0,13
п11	1,00	0,47	0,00	0,00	0,00	0,00
п17	1,00	0,31	0,00	0,00	0,00	0,00
м12	1,00	0,13	0,00	0,13	0,00	0,13
м13	1,00	0,34	0,00	0,00	0,00	0,00
м14	1,00	0,13	0,00	0,00	0,00	0,00
м15	1,00	0,13	0,00	0,00	0,00	0,13

N_ПР, N_ОР – доли правильно и ошибочно распознанных образцов

Из таблицы видно, что доля правильно распознанных образцов в последующие дни после калибровочных имеет низкие значения и не превышает в среднем 13%, что свидетельствует о нестабильности во времени калибровочных моделей, связанной с большим дрейфом данных во времени (рис. 3.8). Эту же закономерность можно увидеть на рис. 3.7 как различие в вольтамперограммах по значениям силы тока и величинам пиков во всей области потенциалов. Подобная ситуация наблюдается и в случае использования других маркеров.

а)

б)

Рис. 3.8. График счетов МГК-моделирования вольтамперограмм восстановления Cu⁺² на УПЭ, модифицированном полусинтетическим (а) и синтетическим (б) маслами, в течение трех дней. Скорость развертки потенциалов – 1 В/с

Для нивелирования дрейфа данных и улучшения правильности идентификации исследуемых образцов предложено построение «трехфакторных МГК-моделей», представляющих собой графики счетов МГК-моделирования не одной вольтамперограммы, а нескольких, полученных при трех режимах регистрации. В данной работе мы использовали два вида режимов регистрации вольтамперограмм: 1) варьирование скорости развертки 2) использование маркеров различной природы. Как известно, в вольтамперометрии скорость развертки является мощным инструментом, выявляющим особенности электрохимических процессов.

На рис. 3.9 представлены графики счетов МГК-моделирования массивов данных, включающих вольтамперограммы электровосстановления маркера CuSO₄ на УПЭ, модифицированном полусинтетическим моторным маслом, при трех скоростях развертки. Полученные трехфакторные образы предложено использовать в качестве «визуальных отпечатков» природы исследуемых объектов для решения задач их идентификации.

Рис. 3.9. Графики счетов МГК-моделирования вольтамперограмм восстановления при трех скоростях развертки Cu⁺² на УПЭ, модифицированном полусинтетическим маслом.

По графикам счетов прослеживается уменьшение разброса данных в кластерах, которые относятся к разным скоростям развертки потенциалов, что может свидетельствовать, что такие трехфакторные образы предположительно более стабильные во времени и их можно использовать в качестве калибровочных для идентификации исследуемых объектов для обеспечения лучших результатов.

Три главные компоненты содержат более 90% объясненной дисперсии, которая характеризует степень сжатия данных. Поэтому для описания различий в вольтамперометрическом поведении маркеров оптимальным числом главных компонент было выбрано – 3.

При визуальном сравнении трехфакторных образов различных масел по скорости развертки заметны различия в положении кластеров. В решении задач идентификации многокомпонентных растворов полученные трехфакторные образы можно использовать как основу для установления схожести и отличия между исследуемыми растворами (рис. 3.10).

синтетическое масло минеральное масло

полусинтетическое масло трансмиссионное масло

Рис. 3.10. Трехфакторные образы моторных масел по скорости развертки

Из рисунка 3.10 видно, что каждое моторное масло характеризуется своим индивидуальным расположением на плоскости главных компонент облаков. По аналогии с «электронным носом», такие графики, называемые «визуальными отпечатками» природы исследуемого раствора, можно использовать для оценки схожести и различия между исследуемыми объектами. Для статистической оценки воспроизводимости идентификации провели SIMCA-классификацию (табл. 3.3-3.5).

Таблица 3.3

Доля правильно и ошибочно распознанных образцов моторных масел с использованием SIMCA-классификации.

Маркер – 10^-3 М Cu⁺² на фоне 0.01 М HCl, v_разв = 0.1; 1; 5 В/с

образцы	1-й день		2 день		3 день
образцы	N_ПР	N_ОР	N_ПР	N_ОР	N_ПР	N_ОР
с1	1,00	0,04	0,33	0,00	0,50	0,00
с2	1,00	0,06	0,00	0,51	0,00	0,26
с3	1,00	0,23	1,00	0,27	0,50	0,29
с4	1,00	0,17	0,00	0,28	0,00	0,29
с5	1,00	0,25	0,33	0,16	0,67	0,24
с6	1,00	0,17	0,58	0,38	0,58	0,20
с7	1,00	0,30	0,67	0,48	0,33	0,02
с8	1,00	0,45	0,33	0,27	0,33	0,30
п9	1,00	0,46	0,58	0,29	0,67	0,32
п10	1,00	0,48	0,00	0,15	0,00	0,16
п11	1,00	0,59	0,17	0,25	0,00	0,00
п17	1,00	0,20	0,00	0,00	0,33	0,33
м12	1,00	0,38	0,08	0,04	0,00	0,00
м13	1,00	0,33	0,33	0,10	0,00	0,19
м14	1,00	0,19	0,33	0,21	0,00	0,00
м15	1,00	0,13	0,58	0,00	0,33	0,00

N_ПР, N_ОР – доли правильно и ошибочно распознанных образцов

Таблица 3.4

Доля правильно и ошибочно распознанных образцов моторных масел с использованием SIMCA-классификации.

Маркер – 10^-3 М Pb⁺² на фоне 0.01 М HCl, v_разв = 0.1; 1; 5 В/с

образцы	1-й день		2 день		3 день
образцы	N_ПР	N_ОР	N_ПР	N_ОР	N_ПР	N_ОР
с1	1,00	0,21	0,50	0,24	0,25	0,36
с2	1,00	0,52	0,00	0,18	0,33	0,32
с3	1,00	0,18	0,33	0,28	0,33	0,44
с4	1,00	0,36	0,92	0,35	0,00	0,23
с5	1,00	0,21	0,00	0,46	0,67	0,13
с6	1,00	0,18	0,17	0,10	0,50	0,11
с7	1,00	0,29	0,00	0,17	0,33	0,18
с8	1,00	0,53	0,50	0,39	0,33	0,17
п9	1,00	0,36	0,25	0,17	0,00	0,26
п10	1,00	0,29	0,25	0,10	0,00	0,08
п11	1,00	0,51	0,33	0,13	0,00	0,20
п17	1,00	0,17	0,00	0,02	0,33	0,13
м12	1,00	0,47	0,25	0,04	0,00	0,06
м13	1,00	0,24	0,33	0,18	0,00	0,21
м14	1,00	0,18	0,00	0,03	0,50	0,14
м15	1,00	0,23	0,00	0,00	0,00	0,00

N_ПР, N_ОР – доли правильно и ошибочно распознанных образцов

Таблица 3.5

Доля правильно и ошибочно распознанных образцов моторных масел с использованием SIMCA-классификации.

Маркер – 10^-4 М о-нитроанилин на фоне 0.01 М HCl, v_разв = 0.1; 1; 5 В/с

образцы

1-й день

2 день

3 день

N_ПР

N_ОР

N_ПР

N_ОР

N_ПР

N_ОР

с1

1,00

0,63

1,00

0,56

0,67

0,51

с2

1,00

0,50

0,33

0,35

0,78

0,42

с3

1,00

0,56

1,00

0,75

1,00

0,69

с4

1,00

0,51

0,22

0,28

0,67

0,57

с5

1,00

0,74

0,89

0,76

0,89

0,81

с6

1,00

0,57

1,00

0,64

1,00

0,76

с7

1,00

0,54

0,11

0,65

0,22

0,29

с8

1,00

0,71

0,67

0,68

0,67

0,61

п9

1,00

0,68

1,00

0,81

0,89

0,79

п10

1,00

0,79

0,67

0,36

1,00

0,78

п11

1,00

0,83

0,33

0,82

0,67

0,81

п17

1,00

0,71

1,00

0,68

0,89

0,76

м12

1,00

0,71

0,67

0,72

0,67

0,64

м13

1,00

0,65

0,33

0,57

0,33

0,79

м14

1,00

0,76

1,00

0,83

0,67

м15

1,00

0,39

0,33

0,50

0,67

0,25

N_ПР, N_ОР – доли правильно и ошибочно распознанных образцов

По результатам SIMCA-классификации следует, что доля правильно распознанных образцов значительно увеличивается по сравнению с однофакторными моделями и составляет в целом более 33%, а для некоторых случаев достигает и 100%. Улучшение результатов идентификации можно также наблюдать и в случае использования трехфакторных образов по скорости развертки для остальных маркеров. Таким образом, можно судить, что, трехфакторные модели по скорости развертки улучшают воспроизводимость анализа.

⇐ Предыдущая 1 2 3 4 567 8 Следующая ⇒

Поделиться с друзьями:

Опора деревянной одностоечной и способы укрепление угловых опор: Опоры ВЛ - конструкции, предназначенные для поддерживания проводов на необходимой высоте над землей, водой...

Типы оградительных сооружений в морском порту: По расположению оградительных сооружений в плане различают волноломы, обе оконечности...

Общие условия выбора системы дренажа: Система дренажа выбирается в зависимости от характера защищаемого...

Археология об основании Рима: Новые раскопки проясняют и такой острый дискуссионный вопрос, как дата самого возникновения Рима...