Quantitative condition monitoring of lubricating oils by Fourier transform infrared (FTIR) spectroscopy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Three new quantitative Fourier transform infrared (FTIR) spectroscopic methods were developed to measure key lubricant condition monitoring parameters; total acid number (TAN), total base number (TBN), and moisture (H2O). All methods employ a common sample-handling accessory and are based on the addition of specific reagents designed to react stoichiometrically with target species in oils, with quantification being carried out using differential FTIR spectroscopy. The combined use of a stoichiometric reaction and differential spectroscopy overcomes the need for a reference oil, which has traditionally hindered quantitative analysis of lubricants by FTIR spectroscopy. Potassium hydroxide, trifluoroacetic acid (TFA) and 2,2-dimethoxypropane (DMP) were the stoichiometric reagents used to develop the FTIR TAN, TBN and H2 O methods, respectively. Calibrations were developed using either peak height measurements or partial least squares (PLS) regression and the methods were validated using standard addition techniques, as the ASTM (American Society of Testing and Materials) standard methods were not sufficiently reproducible to make valid comparisons. Validation of the methods indicated that the TAN, TBN and H2O methods had accuracies of +/-0.095 mg KOH/g, +/-0.5 mg KOH/g and +/-32ppm respectively and corresponding reproducibilities of +/-0.05 mg KOH/g, +/-0.17 mg KOH/g and +/-22 ppm. The TAN, TBN and H2O methods were implemented on a Continuous Oil Analysis and Treatment (COATRTM) System, integrating instrumentation, software and sample handling so as to provide packaged, user and environmentally friendly analytical methods that are alternatives to conventional ASTM wet chemical methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle