CN108700505A - 用于工作流体的原位识别的方法和*** - Google Patents

用于工作流体的原位识别的方法和*** Download PDF

Info

Publication number
CN108700505A
CN108700505A CN201780010288.2A CN201780010288A CN108700505A CN 108700505 A CN108700505 A CN 108700505A CN 201780010288 A CN201780010288 A CN 201780010288A CN 108700505 A CN108700505 A CN 108700505A
Authority
CN
China
Prior art keywords
working fluid
wave spectrum
identifying information
device identifying
fluid
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201780010288.2A
Other languages
English (en)
Inventor
格雷戈里·K·利利克
斯潘塞·T·施托贝尔
阿兰·M·斯奇洛维兹
迈克尔·L·布卢门菲尔德
加里·J·约翰斯通
塞缪尔·C·巴安布里德
埃里克·赫茨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ExxonMobil Technology and Engineering Co
Original Assignee
ExxonMobil Research and Engineering Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ExxonMobil Research and Engineering Co filed Critical ExxonMobil Research and Engineering Co
Publication of CN108700505A publication Critical patent/CN108700505A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/026—Dielectric impedance spectroscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G01N21/643—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" non-biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/26—Oils; Viscous liquids; Paints; Inks
    • G01N33/28—Oils, i.e. hydrocarbon liquids
    • G01N33/2835—Specific substances contained in the oils or fuels
    • G01N33/2882—Markers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/543—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
    • G01N33/54366—Apparatus specially adapted for solid-phase testing
    • G01N33/54373—Apparatus specially adapted for solid-phase testing involving physiochemical end-point determination, e.g. wave-guides, FETS, gratings

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Molecular Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Electrochemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Biomedical Technology (AREA)
  • Optics & Photonics (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Cell Biology (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Lubricants (AREA)
  • General Factory Administration (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

一种用于原位识别被设置在至少一个设备部件中的工作流体的***，该***包括：含有所述工作流体的工作流体储存罐；原位传感器，设置在工作流体储存罐中，使得其检测工作流体的性质或从所产生的工作流体的波谱计算性质；发射器，传送检测到的工作流体的波谱和设备识别信息；以及云计算***，接收从发射器传送的检测到的波谱和设备识别信息，其中云计算***将波谱和设备识别信息与参考数据库进行比较，以确定工作流体的波谱是否与存储的与设备的预期或指定流体相关联的参考波谱基本匹配。

Description

用于工作流体的原位识别的方法和***
技术领域
一种通过***波谱传感器(例如，阻抗/电介质和/或可见/近红外或红外波谱传感器)来原位识别设备部件中的工作流体的方法和***，以检测工作流体的物理性质，产生可与参考数据库进行比较的工作流体的波谱，以确定所用的工作流体是否符合制造商的原始规格，从而避免因灾难性设备故障而提出的保修索赔。
背景技术
诸如润滑油和液压流体的工作流体是各种机械***的重要组件，其中它们提供一种或多种功能，例如润滑运动部件，在机械***上传递力或能量，保护部件免受磨损甚至是这些的组合。这些流体通常由以被选择用来增强工作流体的一种或多种性能特性的多种性能添加剂配制的烃基础油组成。
用于分析工作流体产品的当前实践依赖于从储存罐手动移除流体样品以在实验室中进行测试，并且通常涉及产品状况的感测，例如水含量、烟灰含量、性质变化等，并且当然不是实时进行的。样品提取和运输过程需要很长的前置时间进行后续分析和报告。如果使用不适当或不充分配制的流体操作设备，这样的前置时间可能会导致设备损坏。还需要简单的方法来进行现场测量。
在许多工业环境中，通过常规实验室方法的常规流体分析是标准的操作方式。这需要获得流体样品并通常在非现场运输，以进行分析。此过程通常需要至少三整天才能完成必要的分析并可以获得报告。这种时间延迟是高度不希望的。许多提出的用于在线评估润滑剂质量的方法是基于电测量，例如工作流体的介电常数或阻抗，测量是在一个固定频率或多个频率下进行的。由于最优灵敏度的最佳频率通常取决于工作流体的性质或操作条件，因此优选以多个频率进行阻抗测量。阻抗测量的一个子集是电介质测量。
从时间依赖性阻抗测量获得的数据通常极其复杂或费解。添加剂降解、基础油氧化、温度变化、水和其他极性物质污染以及润滑油的粘度变化可以影响润滑油的阻抗性质。已经寻求对该问题的解决方案，并且可以在美国专利公开No.2005/0035755(Schilowitz等人)中找到一种这样的解决方案，该专利公开通过引用整体并入本文。
此外，这种分析不包括验证所感测的工作产品是否适合于其所使用的设备的物品的能力。也没有这样的***向用户提供防伪警报或添加剂量化警报。
发明内容
本公开不需要样品准备、运输到现场或非现场实验室，并且可以构建到单用途现场仪器中，如下文所述。
本公开的目的是提供流体产品的肯定识别。这将指示是否已将不正确的工作流体添加到工作流体储存罐中。这将检测人为错误或产品贴错标签，并防止其对设备的潜在危害。
另外，本公开的目的是向用户提供警报，该警报指示是否已将伪造产品引入工作流体储存罐中。
此外，还有一个目的是在成品被适当地添加时警告用户。
再有，一个目的是当工作流体或设备行为相对于先前行为和平均服役行为不正常时警告用户。
又另一个目的是本公开的方法和***警告和/或指示与存储在参考数据库中的平均服役行为相比，硬件的操作是否是非典型的。
最后，本公开的目的是除了产品验证之外，还提供基于实时的产品状况感测，例如水含量、烟灰含量、性质变化等，以辅助产品质量监控。
本公开还提供了许多额外的优点，其将从如下描述变得显而易见。
一种用于原位识别设置在至少一个设备部件中的工作流体的***，该***包括：含有所述工作流体的工作流体储存罐；原位传感器，设置在工作流体储存罐中，使得其检测工作流体的性质或从所产生的工作流体的波谱计算性质；发射器，传送检测到的工作流体的波谱和设备识别信息；以及云计算***，接收从发射器传送的检测到的波谱和设备识别信息，其中云计算***将波谱和设备识别信息与参考数据库进行比较，以确定工作流体的波谱是否与存储的与设备的预期或指定流体相关联的参考波谱基本匹配。
工作流体是选自润滑剂、液压流体、燃料和油田化学品中的至少一种。
***还包括添加到工作流体中以辅助进一步识别工作流体的化学标记物。化学标记物是选自下组的至少一种：多环芳烃、沥青质、洗涤剂、离子液体、金属纳米颗粒、半导体纳米颗粒、荧光化合物、酶、DNA、RNA、多肽、具有特定生物活性的脂溶性分子、氧化还原活性有机金属配合物和具有唯一分子量分布的分子阵列。
原位传感器是选自由以下组成的组的至少一个传感器：阻抗传感器、介电传感器(使用AC或DC介电常数测量)、可见/近红外传感器，红外传感器和利用温度来补偿主要测量量的漂移的传感器。优选地，使用至少两个原位传感器来增加波谱信号的保真度是有帮助的，其中组合多个波谱信号，从而生成单个多维波谱矢量。
***还包括用于存储检测到的波谱和设备识别信息的数据仓库。
***还包括用户界面，用于显示来自云计算***的结果输出，该输出是关于工作流体是否与存储的与设备相关联的参考波谱基本匹配。
一种原位识别被设置在设备部件中的工作流体的方法，该方法包括：检测经由被设置在工作流体储存罐中的原位传感器的工作流体的性质；从检测的性质产生工作流体的波谱；将检测的工作流体的波谱和设备识别信息传送到云计算***；以及将波谱和设备识别信息与参考数据库进行比较，以确定工作流体是否与存储的与设备相关联的参考波谱基本匹配，该参考波谱是针对给定的润滑***指定的。
该方法还包括将检测到的波谱与设备识别信息一起远程存储在云***上。
该方法还包括显示来自云计算***的结果输出，该输出是关于工作流体是否与存储的与设备相关联的参考波谱基本匹配。
该方法还包括以下步骤：(a)如果工作流体的波谱和设备识别信息与先前存储在参考数据库中的任何工作流体波谱不匹配，则存储工作流体的波谱和设备识别信息；以及(b)向用户报告工作流体的否定识别。
该方法还包括如果工作流体的波谱和设备识别信息与先前存储在参考数据库中的任何工作流体波谱不匹配，则向用户报告工作流体的否定识别。
该方法还包括如果工作流体的波谱和设备识别信息与先前存储在参考数据库中的工作流体波谱匹配，则向用户报告工作流体的肯定识别。
该方法还包括高级算法或机器学习装置，其中不断更新参考数据库以反映对检测到的工作流体的波谱相对于初始参考波谱的现实世界效应。
通过参考以下附图和详细描述，将理解本公开的其他目的、特征和优点。
附图说明
图1是描绘对六种新鲜润滑剂样品测量的阻抗波谱的图表。
图2是根据本公开的用于确定是否已将适当的工作流体添加到流体储存罐的***和方法的流程图。
图3是根据本公开使用的计算机***的框图。
图4是根据本公开的原位产品识别***的框图。
图5是本公开的工作流体识别方法的逻辑图；
图6说明离子液体TBP-DDBS和THP-TMPP作为化学标记物的用途；以及
图7说明了离子液体TBP-DDBS和THP-TMPP作为化学标记物的用途。
具体实施方式
在本文详细说明和权利要求书内的所有数值均由“约”或“近似”指示值来修饰，并考虑本领域普通技术人员会预期的实验误差和变化。
一种为了产品验证、防伪和添加量化的目的，利用波谱检测器(传感器)识别工作流体(例如润滑油和液压流体)的方法。用于工作流体识别的波谱包括电(阻抗/电介质)和/或可见/近红外或红外波谱的组合。术语“波谱”还可以指在离散频率下进行的并且组合成信号的离散测量。
此外，可以将化学标记物引入工作流体中以增强工作流体的识别。优选的化学标记物选自以下组成的组：多环芳烃，沥青质，洗涤剂，离子液体，油溶性离子液体(如三(己基)十四烷基膦双(2,4,4-三甲基戊基)次膦酸盐(THP-TMPP))和三丁基(十四烷基)膦十二烷基苯磺酸盐(TBP-DDBS))，金属纳米颗粒和氧化还原活性有机金属配合物。在各种实施例中，化学标记物以基于工作流体的总重量为大于或等于0.1重量％(wt.％)，或0.2重量％，或0.3重量％的量存在。然而，应该理解，取决于用于检测的传感器的灵敏度，可以使用较低浓度的化学标记物。
已识别的工作流体的数据库将用作肯定识别的参考。类似的数据库将是遗传学家用于找到接近或精确基因匹配的脱氧核糖核酸(DNA)数据库。
该方法还含有将原始或轻度处理的传感器/检测器数据传输到远程“云”，在那里将处理并解释原始信号。针对流体的肯定识别，将原始信号或轻度处理的信号与产品参考数据库进行比较，肯定并且经由数据分析针对考虑中的润滑剂的操作，提供高级算法或信号与随时间的正常行为的机器学习的比较(即从都将数据传输到“云”的一系列传感器/探测器合成的)。然后，该过程或解释的信号将被从云传输到显示接口或其他数据仓库。
一种用于确保产品质量的方法，其中材料、产品或添加剂包被特定波谱或信号或波谱或信号的组合识别，并与参考材料、产品或添加剂包进行比较。该实施例可与在上游使用的润滑剂、燃料和油田化学品有关。
指纹算法(类似于声学的算法)可以用于识别数据库内的样品波谱。波谱可以转换为声音，并与参考“歌曲”或交响乐进行比较。异常检测学习算法(比指纹算法更鲁棒)可以在没有任何先前信息的情况下学习何为正常。这些算法是数据不可知的。阈值是动态的并且算法是自适应的。以这种方式，当“正常”改变时，发出警报，并且当流体储存罐不理想时，算法和算法将适应新的正常，或者可能会发生预测性维护以校正“正常”向更理想的条件移动。
介电传感器可以例如选自以下组成的组：同轴状、同心状环、薄膜状和板状探针。这种介电传感器可以是传统传感器或智能传感器，即传统传感器仅为批量处理提供电压，因为计算机处理将在基于云的服务器中进行，并且智能传感器执行在线处理，例如基于温度补偿计算压力。
根据Frost&Sullivan的2015传感器和控制顶级技术(D675-TI)“智能传感器本质上是一种传感器，其拥有超越仅检测特定参数和发送原始未补偿信号的能力。它包括在信号传输到控制网络或其目的地之前调节信号的电子设备。智能传感器功能可以包括信号放大、温度补偿、模数转换、自诊断、总线通信等。”
具有智能能力的传感器可以简化原始设备制造商(OEM)的产品或***中的传感器的集成。与原始传感器相比，具有适当总线或网络通信能力的智能传感器可以更容易地在传感器网络中加以实现。智能传感器正在所有行业中取代传统传感器，以允许OEM的较低的成本和降低的复杂性。智能传感器将在物联网革命中发挥重要作用，因为更多装置可以容易地相互连接。
优选的可见/近红外或红外波谱传感器的示例如下：傅里叶变换红外波谱(FTIR)、声光可调谐滤波器(AOTF)、带通滤波器傅里叶变换红外波谱(FTIR)、声光可调谐滤波器(AOTF)、带通滤波器。
可以使用阻抗/电介质传感器和可见/近红外或红外波谱传感器两者来提供工作流体的更多的肯定识别。这是由于每个传感器的唯一测量可能“看到”两个传感器都不可见的工作流体属性的可能性。通过随后组合这些唯一(正交)测量，收集更大量的重要数据用于比较“复合参考波谱数据库”。
图1示出了对六种新鲜润滑剂样品测量的阻抗波谱。在奈奎斯特图中绘制频率响应，在相应轴上具有Z虚部(电容)和Z实部(电阻)。在这种情况下，使用光谱仪在0.0075Hz至75kHz的频率范围内测量这些量。具有唯一配方和添加剂包的润滑剂样品产生对频率的识别波谱响应。可以测量润滑剂(或其他工作流体)的唯一测量波谱并将其添加到参考的数据库中。数据库中的唯一波谱可以用于提供具有参考波谱的润滑剂的肯定识别。波谱测量的其他组合(红外、傅里叶变换红外和电介质)同样可以用于创建用于肯定识别的已知工作流体的参考数据库。
然后可以通过在每个测量的频率下计算未知样品的波谱与参考数据库中的每个样品之间的Z实部和Z虚部的绝对差值来识别润滑剂或其他流体。在给定的容差内使该差值最小化的参考波谱对应于未知样品的身份。
图2的流程图详细描述了根据本公开的操作，其确定是否将适当的流体添加到流体储存罐中。
对于添加到存储器中的新流体，测量原位波谱和/或多波谱(波谱电阻抗/电介质和可见/近红外或红外波谱以进一步提高保真度)。
本公开的新颖方面是通过无线通信将未处理的一个或多个波谱传输到云计算***。不断更新的数据库***用于参考。与一个或多个波谱一起，本公开还传输设备/储存罐信息，其指示哪一批流体适合于储存罐。
不断更新的数据库***用于云***中的参考和肯定识别。基于所传输的设备/储存罐信息，将未定义流体的波谱与已知流体波谱的数据库进行比较。
本公开的新颖方面是详细的参考波谱，其对每个流体批次是特定的。在配方期间针对流体批次组分递增地测量波谱。将最终配方和增量组分的波谱组合并作为参考进行处理，以便稍后用于肯定识别。本发明的另一新颖方面是多种波谱(电(阻抗/电介质)和可见/近红外或红外波谱)的组合和使用，以进一步增加流体批次参考的保真度，以用于针对肯定识别的稍后的比较。
使用高级算法(例如机器学习算法)不断改进参考波谱数据库，以使参考波谱精细化，以更准确地参考在非理想条件下在流体储存罐中的场中测量的波谱。另一个新颖方面是与参考数据库相比，本公开将周期性地确认流体是正常的和/或预期的。
(基于数据库的)流体的识别和是否已将适当的流体添加到储存罐的指示被传送到本公开，用户显示界面和/或单独的数据库仓库。
如果需要，经由显示界面向用户提供警告。此警告指示储存罐和设备中是否有合适的流体，这可能导致设备停机。此外，本公开提供了正常流体的指示或非预期流体的警告。
图3是用于使用本公开的***300的框图。***300包括耦合到网络325(例如因特网)的计算机305。
计算机305包括用户界面310，处理器315和存储器325。计算机305可以在通用微计算机上实现。尽管计算机305在本文中表示为独立装置，但是不限于此，而是可以经由网络320耦合到其他装置(未示出)。
处理器315由响应并执行指令的逻辑电路配置。
存储器325存储用于控制处理器315的操作的数据和指令。存储器325可以在随机存取存储器(RAM)、硬盘驱动器、只读存储器(ROM)或其组合中实现。存储器325的组件之一是程序模块330。
程序模块330含有用于控制处理器315以执行本文描述的方法的指令。例如，作为程序模块330执行的结果，处理器315执行以下步骤：经由设置在工作流体储存罐401中的原位传感器(403，405)检测工作流体的性质；从检测到的性质产生工作流体(507，509)的波谱；将检测到的工作流体(507，509)的波谱和设备识别信息501传送到云计算***411；以及将波谱(507，509)和设备识别信息501与参考数据库505进行比较，以确定工作流体是否与存储的与设备(未示出)相关联的参考波谱基本匹配。术语“模块”在本文中用于表示功能操作，其可以体现为独立组件或多个下级组件的集成配置。因此，程序模块330可以实现为单个模块或者彼此协作操作的多个模块。此外，虽然程序模块330在本文中被描述为安装在存储器325中，并且因此以软件实现，但是它可以以任何硬件(例如，电子电路)、固件、软件或其组合来实现。
用户界面310包括输入装置，例如键盘或语音识别子***，用于使用户能够将信息和命令选择传送到处理器315。用户界面310还包括输出装置，例如显示器或打印机。诸如鼠标、跟踪球或操纵杆的光标控制允许用户操纵显示器上的光标以将附加信息和命令选择传送到处理器315。
处理器315向用户界面310输出本文描述的方法的执行结果。或者，处理器315可以经由网络320将输出引导到远程装置(未示出)。
虽然程序模块330被指示为已经加载到存储器325中，但是它可以被配置在存储介质335上用于随后加载到存储器325中。存储介质335可以是以有形形式在其上存储程序模块330的任何常规存储介质。存储介质335的示例包括软盘、光盘、磁带、只读存储器、光学存储介质、通用串行总线(USB)闪存驱动器、数字通用盘或zip驱动器。或者，存储介质335可以是随机存取存储器或其他类型的电子存储，其位于远程存储***上并经由网络320耦合到计算机305。
图4是根据本公开的原位产品识别***400的框图，其中设备工作流体储存罐401可以含有流体，例如润滑油或液压流体。工作流体储存罐401是含电子设备控制器402的相同设备***的一部分。至少一个传感器，例如阻抗传感器403和/或波谱传感器405与工作流体储存罐401原位放置以产生工作流体的实时测量。来自传感器(403和/或405)的信号是原始信号或者是轻度处理的，用于初始解释和压缩以进行传输。这种轻度处理的传感器信息可以指示工作流体的主要问题，因此经由通信线路407向设备控制器402提供反馈以立即关闭设备409。否则，一旦传输，传感器数据的高级处理将与经由设备控制器402，通信线路409和发射器404发送到云***411的有关设备控制器数据一起发生。云***411是数据存储仓库和连接关系。
传感器波谱和设备控制器数据(包括被禁止的，OEM推荐的工作流体)被传输到计算机服务器412以进行肯定识别。将测量的波谱与参考波谱进行比较以进行肯定识别。更新参考波谱以调整实际测量中的变化。在分析指示已将不适当的工作流体引入工作流体储存罐401的情况下，将比较处理的结果和解释传送到用户数据仓库413，用户界面415和/或到设备控制器402，由此可以立即采取行动来防止设备故障。
图5是说明根据本公开的处理流程和分析的逻辑图，其中设备控制器向OEM(原始设备制造商)推荐的工作流体505的参考数据库传送数据501，例如，设备识别规范、模型、制造商等，以及与工作流体批次识别(经由条形码或手动输入)相关的用户输入503。
从发射器404接收的工作流体阻抗波谱507和光谱509被组合511成云***411或计算机服务器412中的单个多维矢量。计算机服务器412计算根据511的工作流体波谱和所有已知矢量波谱513的参考数据库之间的绝对差值以确定是否可以确定515工作流体的肯定识别。然后***试图确定是否可以获得517工作流体的肯定识别。如果没有匹配检测到的工作流体，则***将该新参考矢量存储519在云中以供将来使用并向用户报告521它不能识别包含在工作流体储存罐401中的工作流体。如果在检测到的波谱和参考波谱之间存在匹配，则***通过比较根据517的实际检测到的工作流体识别与用于特定设备(未示出)的OEM推荐工作流体505的参考数据库来确认523预期的工作流体。
如果实际工作流体识别517与OEM推荐工作流体505的参考数据库之间存在匹配，则经由525更新参考数据库波谱505以反映对工作流体波谱的现实世界影响，并且此后向用户报告527工作流体识别。如果实际肯定识别517与OEM推荐工作流体505的参考数据库之间不匹配，则***报告521已检测到工作流体的否定识别。
图6说明了使用离子液体TBP-DDBS和THP-TMPP来标记成品发动机油润滑剂，使得其在80℃下可被介电常数传感器识别。
图7说明了使用>0.1重量％的TBP-DDBS或THP-TMPP来标记成品润滑剂，以便在80℃下由介电常数传感器进行检测。
PCT和EP条款
1.一种用于原位识别被设置在设备部件(402)中的工作流体的***(400)，所述***包括：工作流体储存罐(401)，其含有所述工作流体；原位传感器(403，405)，其被设置在所述工作流体储存罐(401)中，使得其检测所述工作流体的性质并产生所述工作流体的波谱；发射器(404)，其传送检测到的所述工作流体的波谱和设备识别信息；以及云计算***(411，412)，其接收从所述发射器(404)传送的所述检测到的波谱和所述设备识别信息，其中所述云计算***(411，412)将所述波谱和设备识别信息与参考数据库(505)进行比较以确定所述工作流体是否与存储的与所述设备(402)相关联的参考波谱基本匹配。
2.根据条款1所述的***(400)，其中所述工作流体是选自由润滑剂、液压流体、燃料和油田化学品组成的组中的至少一种。
3.根据条款1-2的***(400)，还包括被添加到所述工作流体中以辅助进一步识别所述工作流体的化学标记物，其中所述化学标记物是选自由以下各项组成的组中的至少一种：
多环芳烃、沥青质、洗涤剂、离子液体、油溶性离子液体(如三(己基)十四烷基膦双(2,4,4-三甲基戊基)次膦酸盐(THP-TMPP)和三丁基(十四烷基)膦十二烷基苯磺酸盐(TBP)-DDBS))、金属纳米颗粒、半导体纳米颗粒、荧光化合物、酶、DNA、RNA、多肽、具有特定生物活性的脂溶性分子、氧化还原活性有机金属配合物、以及具有唯一分子量分布的分子阵列。
4.根据条款1-3的***(400)，其中所述原位传感器(403，405)是选自由阻抗传感器、电介质传感器、可见/近红外传感器和红外传感器组成的组中的至少一种传感器，优选使用至少两个原位传感器(403，405)，并且还包括组合来自所述原位传感器的所述检测波谱，从而产生单个多维矢量。
5.根据条款1-4的***，还包括数据仓库(413)，用于存储所述检测到的波谱和所述设备识别信息。
6.根据条款1-5的***，还包括用户界面(415)，用于显示从所述云计算***的结果输出，该输出是关于所述工作流体是否基本匹配与所述设备(402)相关联的存储的参考波谱。
7.一种对被设置在设备部件中的(402)中的工作流体进行原位识别的方法，所述方法包括：经由设置在工作流体储存罐(401)中的原位传感器(403，405)检测所述工作流体的性质；从所述检测到的性质产生所述工作流体的波谱；将检测到的所述工作流体的波谱和设备识别信息传送到云计算***(411，412)；以及将所述波谱和设备识别信息与参考数据库(5005)进行比较，以确定所述工作流体是否与所述设备(402)相关联的存储的参考波谱基本匹配。
8.根据条款7的方法，还包括存储所述检测到的波谱和所述设备识别信息。
9.根据条款7-8的方法，还包括显示(415)来自所述云计算***的结果输出，所述输出是关于所述工作流体是否与存储的与所述设备相关联的参考波谱基本匹配。
10.根据条款7-9的方法，还包括以下步骤：
(a)如果所述工作流体的所述波谱和设备识别信息与先前存储在所述参考数据库中的任何工作流体波谱不匹配，则存储所述工作流体的所述波谱和设备识别信息；以及
(b)向用户报告所述工作流体的否定识别。
11.根据条款7-10的方法，还包括：
如果所述工作流体的所述波谱和设备识别信息与先前存储在所述工作流体中的任何工作流体波谱不匹配，则向用户报告所述工作流体的否定识别，或者
如果所述工作流体的所述波谱和设备识别信息与先前存储在所述参考数据库中的工作流体波谱匹配，则向用户报告所述工作流体的肯定识别。
12.根据条款7-11的方法，还包括：
更新所述参考数据库以反映对所述工作流体的检测到的波谱的现实世界影响。
虽然已经示出并描述了根据本发明的若干实施例，但是应该清楚地理解，对于本领域技术人员而言，这些实施例可以容许许多变化。因此，不希望受限于所示和所述的细节，而是旨在示出落入所附权利要求书范围内的所有变化和修改。

Claims (22)

1.一种用于对被设置在至少一个设备部件中的工作流体进行原位识别的***，所述***包括：
工作流体储存罐，其含有所述工作流体；
原位传感器，其被设置在所述工作流体储存罐中，使得其检测所述工作流体的性质或从所述工作流体的所产生的波谱来计算性质；
发射器，其传送所述工作流体的被检测到的波谱和设备识别信息；以及
云计算***，其接收从所述发射器传送的所述被检测到的波谱和所述设备识别信息，
其中，
所述云计算***将所述波谱和设备识别信息与参考数据库进行比较，以确定所述工作流体的波谱是否与被存储的参考波谱基本匹配，所述参考波谱是与对于所述设备所预期的或指定的流体相关联的。
2.根据权利要求1所述的***，其中，
所述工作流体是选自由润滑剂、液压流体、燃料和油田化学品组成的组中的至少一种。
3.根据权利要求1所述的***，还包括：
被添加到所述工作流体中以辅助所述工作流体的进一步识别的化学标记物。
4.根据权利要求3所述的***，其中，所述化学标记物是选自由以下各项组成的组中的至少一种：
多环芳烃、沥青质、洗涤剂、离子液体、金属纳米颗粒、半导体纳米颗粒、荧光化合物、酶、DNA、RNA、多肽、具有特定生物活性的脂溶性分子、氧化还原活性有机金属配合物、以及具有唯一分子量分布的分子阵列。
5.根据权利要求1所述的***，其中，所述原位传感器是选自由以下各项组成的组的至少一个传感器：
阻抗传感器、电介质传感器、可见/近红外传感器、以及红外传感器。
6.根据权利要求1所述的***，还包括：
数据仓库，其用于存储所述被检测到的波谱和所述设备识别信息。
7.根据权利要求1所述的***，还包括用户界面，所述用户界面用于：
关于所述工作流体是否与和所述设备相关联的所述被存储的参考波谱基本匹配，来显示来自所述云计算***的结果输出。
8.一种对被设置在设备部件中的工作流体进行原位识别的方法，所述方法包括：
检测经由被设置在工作流体储存罐中的原位传感器的所述工作流体的性质；
从被检测到的所述性质来产生所述工作流体的波谱；
将所述工作流体的被检测到的波谱和设备识别信息传送到云计算***；以及
将所述波谱和设备识别信息与参考数据库进行比较，以确定所述工作流体是否与和所述设备相关联的被存储的参考波谱基本匹配。
9.根据权利要求8所述的方法，其中，
所述工作流体是选自由润滑剂、液压流体、燃料和油田化学品组成的组中的至少一种。
10.根据权利要求8所述的方法，还包括：
将化学标记物添加到所述工作流体，以辅助对所述工作流体的进一步识别。
11.根据权利要求10所述的方法，其中，所述化学标记物是选自由以下各项组成的组中的至少一种：
多环芳烃、沥青质、洗涤剂、离子液体、金属纳米颗粒、半导体纳米颗粒、荧光化合物、酶、DNA、RNA、多肽、具有特定生物活性的脂溶性分子、氧化还原活性有机金属配合物、以及具有唯一分子量分布的分子阵列。
12.根据权利要求10所述的方法，其中，
所述化学标记物是油溶性离子液体。
13.根据权利要求12所述的方法，其中，
所述油溶性离子液体选自三(己基)十四烷基膦双(2,4,4-三甲基戊基)次膦酸盐(THP-TMPP)和三丁基(十四烷基)膦十二烷基苯磺酸盐(TBP-DDBS)。
14.根据权利要求13所述的方法，其中，
基于所述工作流体的总重量，所述油溶性离子液体以大于或等于0.1重量％的浓度存在。
15.根据权利要求8所述的方法，其中，所述原位传感器是选自由以下各项组成的组的至少一个传感器：
阻抗传感器、电介质传感器、可见/近红外传感器和红外传感器。
16.根据权利要求15所述的方法，其中，
使用至少两个原位传感器，并且进一步包括组合来自所述原位传感器的所述被检测到的波谱，从而生成单个多维矢量。
17.根据权利要求8所述的方法，还包括：
存储所述被检测到的波谱和所述设备识别信息。
18.根据权利要求8所述的方法，还包括：
关于所述工作流体是否与和所述设备相关联的所述被存储的参考波谱基本匹配，来显示来自所述云计算***的结果输出。
19.根据权利要求8所述的方法，还包括以下步骤：
(a)如果所述工作流体的所述波谱和设备识别信息与先前存储在所述参考数据库中的任何工作流体波谱不匹配，则存储所述工作流体的所述波谱和设备识别信息；以及
(b)向用户报告对所述工作流体的否定识别。
20.根据权利要求8所述的方法，还包括：
如果所述工作流体的所述波谱和设备识别信息与先前存储在所述参考数据库中的任何工作流体波谱不匹配，则向用户报告对所述工作流体的否定识别。
21.根据权利要求8所述的方法，还包括：
如果所述工作流体的所述波谱和设备识别信息与先前存储在所述参考数据库中的工作流体波谱匹配，则向用户报告对所述工作流体的肯定识别。
22.根据权利要求18所述的方法，还包括：
更新所述参考数据库，以反映对所述工作流体的被检测出的波谱的现实世界效应。
CN201780010288.2A 2016-02-15 2017-01-23 用于工作流体的原位识别的方法和*** Pending CN108700505A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662295269P 2016-02-15 2016-02-15
US62/295,269 2016-02-15
PCT/US2017/014495 WO2017142679A1 (en) 2016-02-15 2017-01-23 Method and system for in-situ identification of working fluids

Publications (1)

Publication Number Publication Date
CN108700505A true CN108700505A (zh) 2018-10-23

Family

ID=58016816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780010288.2A Pending CN108700505A (zh) 2016-02-15 2017-01-23 用于工作流体的原位识别的方法和***

Country Status (6)

Country Link
US (1) US10365239B2 (zh)
EP (1) EP3417273B1 (zh)
CN (1) CN108700505A (zh)
AR (2) AR107604A1 (zh)
TW (1) TW201741647A (zh)
WO (1) WO2017142679A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10591388B2 (en) 2015-04-27 2020-03-17 Virtual Fluid Monitoring Services LLC Fluid analysis and monitoring using optical spectroscopy
US10151687B2 (en) 2015-04-27 2018-12-11 Virtual Fluid Monitoring Services, Llc Systems, apparatuses, and methods for fluid analysis and monitoring
US11442019B2 (en) 2018-06-19 2022-09-13 Virtual Fluid Monitoring Services, Llc Fluid analysis and monitoring using optical spectroscopy
US11262298B2 (en) * 2018-08-30 2022-03-01 Caterpillar Inc. System and method for determining fluid origin
US11562371B2 (en) 2020-04-15 2023-01-24 Merative Us L.P. Counterfeit pharmaceutical and biologic product detection using progressive data analysis and machine learning

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004031332A2 (en) * 2002-10-01 2004-04-15 Shell Internationale Research Maatschappij B.V. System for identifying the lubricating oil in a machine
US20050110503A1 (en) * 2003-11-26 2005-05-26 Koehler Charles J. Fluid condition monitoring using broad spectrum impedance spectroscopy
CN1659434A (zh) * 2002-06-07 2005-08-24 埃克森美孚研究工程公司 利用阻抗光谱分析工作流体的改进方法
US20050184734A1 (en) * 2004-02-24 2005-08-25 Eaton Corporation In situ fluid condition monitoring
CN101821611A (zh) * 2007-10-12 2010-09-01 Sp3H公司 用于流体分析的光谱仪
CN102538869A (zh) * 2011-01-06 2012-07-04 北京盈胜泰科技术有限公司 一种液体油的质量监测***及其监测方法
CN202854125U (zh) * 2011-03-04 2013-04-03 贝克顿·迪金森公司 用于识别流体的一种或多种参数和组分的连接装置及***
CN103969224A (zh) * 2013-01-31 2014-08-06 法国大陆汽车公司 包含透射测量单元的红外光学传感器
CN104115008A (zh) * 2011-04-14 2014-10-22 美捷特（橘郡）有限公司 用于识别流体并监测容器中的流体的品质的***及方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6274381B1 (en) 1998-11-09 2001-08-14 Rohm And Haas Company Method for invisibly tagging petroleum products using visible dyes
MXPA01011530A (es) 2001-06-04 2004-04-21 Uziel Ben Itzhak Metodo y sistema para marcar un liquido.
US7241621B2 (en) 2001-11-30 2007-07-10 Exxonmobil Research And Engineering Company Method for determining residual fuel and insolubles contamination in used marine engine lubricants using UV-visible spectroscopy and chemometrics
US7172903B2 (en) 2002-03-12 2007-02-06 Exxonmobil Research And Engineering Company Method for on-line monitoring of lubricating oil using light in the visible and near IR spectra
US6779505B2 (en) 2002-04-23 2004-08-24 Exxonmobil Research And Engineering Company Method of employing instrumentation to efficiently modify a lubricant's flow rate or properties in an operating all-loss lubricating system
US7157611B2 (en) 2002-07-11 2007-01-02 Rohm And Haas Company Pyrazinoporphyrazines as markers for liquid hydrocarbons
JP3806118B2 (ja) 2003-06-13 2006-08-09 ローム アンド ハース カンパニー 置換アントラキノンでの炭化水素のマーキング方法。
US7378675B2 (en) 2003-06-26 2008-05-27 Ncr Corporation Security markers for indicating condition of an item
US6876193B2 (en) 2003-08-12 2005-04-05 Exxonmobil Research And Engineering Company Method for deconvolution of impedance spectra
US7741122B2 (en) 2006-02-10 2010-06-22 Exxonmobil Research And Engineering Company Determination of total base number in marine engine lubricants by elements
US7442936B2 (en) 2006-03-31 2008-10-28 Exxonmobil Research And Engineering Company Infrared spectroscopy method for measuring the base number of overbased lubricants
US7689370B2 (en) 2007-01-19 2010-03-30 Exxonmobil Research And Engineering Company On-line absolute viscosity measurement system
GB0901658D0 (en) 2009-02-03 2009-03-11 Johnson Matthey Plc Methods of measuring fluorescence in liquids
US8840029B2 (en) 2012-01-18 2014-09-23 Spectra Systems Corporation Multi wavelength excitation/emission authentication and detection scheme
WO2015054434A1 (en) 2013-10-08 2015-04-16 Rutgers, The State University Of New Jersey Process for providing luminescence in or from a food product

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1659434A (zh) * 2002-06-07 2005-08-24 埃克森美孚研究工程公司 利用阻抗光谱分析工作流体的改进方法
WO2004031332A2 (en) * 2002-10-01 2004-04-15 Shell Internationale Research Maatschappij B.V. System for identifying the lubricating oil in a machine
US20050110503A1 (en) * 2003-11-26 2005-05-26 Koehler Charles J. Fluid condition monitoring using broad spectrum impedance spectroscopy
US20050184734A1 (en) * 2004-02-24 2005-08-25 Eaton Corporation In situ fluid condition monitoring
CN101821611A (zh) * 2007-10-12 2010-09-01 Sp3H公司 用于流体分析的光谱仪
CN102538869A (zh) * 2011-01-06 2012-07-04 北京盈胜泰科技术有限公司 一种液体油的质量监测***及其监测方法
CN202854125U (zh) * 2011-03-04 2013-04-03 贝克顿·迪金森公司 用于识别流体的一种或多种参数和组分的连接装置及***
CN104115008A (zh) * 2011-04-14 2014-10-22 美捷特（橘郡）有限公司 用于识别流体并监测容器中的流体的品质的***及方法
CN103969224A (zh) * 2013-01-31 2014-08-06 法国大陆汽车公司 包含透射测量单元的红外光学传感器

Also Published As

Publication number Publication date
EP3417273A1 (en) 2018-12-26
AR107603A1 (es) 2018-05-16
EP3417273B1 (en) 2023-07-19
AR107604A1 (es) 2018-05-16
WO2017142679A1 (en) 2017-08-24
TW201741647A (zh) 2017-12-01
US10365239B2 (en) 2019-07-30
US20170234819A1 (en) 2017-08-17

Similar Documents

Publication Publication Date Title
CN108700505A (zh) 用于工作流体的原位识别的方法和***
Wang et al. Online class imbalance learning and its applications in fault detection
Li et al. Non-destructive evaluation of pork freshness using a portable electronic nose (E-nose) based on a colorimetric sensor array
US12007745B2 (en) Apparatus for predicting equipment damage
EP3495905A2 (en) Operational improvement effect calculation device, operational improvement effect calculation method and recording medium
CN111277459A (zh) 一种设备异常检测方法、装置和机器可读存储介质
Laref et al. A comparison between SVM and PLS for E-nose based gas concentration monitoring
Jiang et al. Qualitative and quantitative analysis in solid-state fermentation of protein feed by FT-NIR spectroscopy integrated with multivariate data analysis
CN108712504A (zh) 基于物联网的机床设备智能监控***
EP3093770A2 (en) System and method for the creation and detection of process fingerprints for monitoring in a process plant
Najib et al. Agarwood classification: A case-based reasoning approach based on E-nose
Sad et al. Limitations of the pour point measurement and the influence of the oil composition on its detection using principal component analysis
CN117115637A (zh) 一种基于大数据技术的水质监测预警方法及***
CN107220705B (zh) 常减压装置常压塔顶干点预测方法
Pinder et al. Food process monitoring systems
Thornhill et al. Multidimensional visualization and clustering of historical process data
Castanys et al. Identification of Raman spectra through a case‐based reasoning system: application to artistic pigments
Gärtler et al. Machine Learning Approaches for Phase Identification Using Process Variables in Batch Processes
WO2023113812A1 (en) Assisted business intelligence on performance of complex assets with taxonomy of real time systems
Seliniotaki et al. Stream correlation monitoring for uncertainty-aware data processing systems
CN107220393B (zh) 常减压装置常压塔常一线干点预测方法
CN104503441B (zh) 一种基于改进动态可见图的过程故障监测方法
CN115796058B (zh) 一种cvd设备的设备数据分析方法及***
CN117191126B (zh) 一种集装箱自检***、方法、装置及存储介质
RU2237273C2 (ru) Способ визуального представления и анализа аномальных значений измерительных параметров многомерного объекта или процесса

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181023