按照研制润滑油的要求选择最合适的基础油与添加剂是在研制过程中之前首先要解决的问题,而内燃机油的分类在全球尚无统一的标准,不同级别的润滑油在研制中所选择的基础油和添加剂有不同的要求,目前基础油与添加剂的种类特别繁多,选用添加剂最重要的环节是正确地选择品种和质量,科学地决定添加量,同时还要考虑各种添加剂的效果和配伍作用等。常规润滑油研制过程中,除了要分析各基础油及添加剂的物理化学特性外,利用经验的方法以及大量的实验尤其重要,这种搜索较为盲目,工作量大,费时费力。如何从大量的实验数据中总结出经验或半经验规律,据以指导试验或提供线索,以便能以较少的工作量、较少的盲目性解决各种实际问题,就成为关键问题。 鉴于在处理试验结果,找出与目标值有关的参数的数学关系时,这些数学关系一般是非线性、高噪声、多因子的复杂关系。而且存在着数据样本点分布不均匀问题。所以单凭数学和实验手段基于线性假设,显然难以保证研制润滑油结果的可信度。 本论文针对润滑油研制中的特点,将现代计算机分析技术与传统的润滑油研制技术相结合,首次将人工智能、专家系统、模糊数学、模式识别、神经网络、遗传算法等智能技术应用于汽油机油研制中的添加剂选择、性能预测、优化配方等技术的研究中,建立了一套润滑油研制的智能分析方法,创新了传统的润滑油研制方法。实现了节约成本、增加效率、提高可信度的目的。 在添加剂选择专家系统知识库的建立中,根据添加剂性质表示方法的特点,在传统的基于规则的知识表示的基础上,结合面向对象的知识表示方法,程序简单,易于维护,可以方便的调用数据库软件。在建立添加剂选择专家系统时,将数据库、知识库相结合,把各种基础油及添加剂的性质储存起来,选择合适的基础油及添加剂。 在添加剂选择专家系统推理机的设计中,采用将模糊推理与基于可信度的推理相结合、正向与反向推理相结合;在添加剂类型的选择中采用带有可信度的模糊推理,在对某一添加剂的选择中采用模糊推理,在对结论的冲突消解中,将带有阈限的不确定推理、加权的不确定推理、带有可信度的并行模糊推理等方法相结合,使得结论更加完整与可靠。