一种有机减阻剂摩擦系数的预测方法及系统

本发明涉及有机减阻剂优化的，尤其涉及一种有机减阻剂摩擦系数的预测方法及系统。

背景技术：

1、减阻剂是一种添加剂，通常用于各类机械发动机中，通过在机械发动机的器件表面上形成保护膜来减少各个器件间的摩擦，减少器件的磨损，可以提高机械发动机的性能，进而提高相应的燃油经济性。传统的无机减阻剂含有金属、硫和磷等元素，具有一定的毒性和污染性，而只包含碳、氢、氧和氧元素的有机减阻剂(organic friction reducer，ofr)对环境的影响相对较小，是非常理想的替代品。

2、目前有机减阻剂的配方还不够完善，在机械发动机长时间运作过程中，存在有机减阻剂易老化，润滑效率下降幅度大、下降速度快，进而使器件表面涂层受到磨损的情况，因此需要对有机减阻剂配方进行研究。早期研究表明羧酸盐有机减阻剂的性能和效果非常好，可后来发现它会对传统的机械部件的表面涂层造成一定的腐蚀，所以开发新的有机减阻剂不仅要考虑配方，还需要考虑在不同表面环境因素下的影响。

3、目前通常采用有机减阻剂在不同表面环境因素及不同润滑剂参数下的摩擦系数(coefficient of friction，cof)去评价有机减阻剂在减少摩擦和磨损方面的效果，有机减阻剂在不同表面环境因素及不同润滑剂参数下的摩擦系数可以通过分子动力学模拟去进行预测，但对于每种新的有机减阻剂、表面涂层和/或润滑剂的组合都需要重新建模再进行预测，预测效率较低。

技术实现思路

1、本发明提供了一种有机减阻剂摩擦系数的预测方法及系统，解决了现有的有机减阻剂摩擦系数预测方法效率较低的技术问题。

2、本发明第一方面提供了一种有机减阻剂摩擦系数的预测方法，包括：

3、分别建立不同有机减阻剂在不同表面环境因素及不同润滑剂参数下的非稳态的分子动力学框架模型；

4、采用所述分子动力学框架模型，在预设力场下预测多种有机减阻剂在不同表面环境因素及不同润滑剂参数下的预测摩擦系数；

5、将所述预测摩擦系数与相应的实验摩擦系数进行趋势对比，得到多种有机减阻剂在不同表面环境因素及不同润滑剂参数下的有效摩擦系数；

6、根据所述有机减阻剂的分子结构描述符、在不同表面环境因素及不同润滑剂参数下的结构性质描述符以及表面涂层依赖性描述符，分别构建每种所述有机减阻剂在不同表面环境因素及不同润滑剂参数下的有机减阻剂-表面结构描述符；

7、采用所述有效摩擦系数，结合相应的所述有机减阻剂-表面结构描述符、所述表面环境因素以及润滑剂参数，训练预设的初始神经网络模型，得到目标神经网络模型；

8、通过所述目标神经网络模型，预测有机减阻剂在不同表面环境因素及不同润滑剂参数下的目标摩擦系数。

9、可选地，所述将所述预测摩擦系数与相应的实验摩擦系数进行趋势对比，得到多种有机减阻剂在不同表面环境因素及不同润滑剂参数下的有效摩擦系数，包括：

10、分别将每个所述预测摩擦系数与相应的实验摩擦系数利用相关系数进行趋势对比；

11、若所述预测摩擦系数符合预设的涨落趋势，则将所述预测摩擦系数和相应的实验摩擦系数确定为有效摩擦系数；

12、若所述预测摩擦系数不符合预设的涨落趋势，则对所述预测摩擦系数进行修正处理，将完成修正处理的预测摩擦系数和相应的试验摩擦系数确定为有效摩擦系数。

13、可选地，所述根据所述有机减阻剂的分子结构描述符、在不同表面环境因素及不同润滑剂参数下的结构性质描述符以及表面涂层依赖性描述符，分别构建每种所述有机减阻剂在不同表面环境因素及不同润滑剂参数下的有机减阻剂-表面结构描述符前，包括：

14、根据所述有机减阻剂自身的键解离能和来自外界的剪切力，计算所述有机减阻剂分子的键断裂位置，得到所述有机减阻剂在外力作用下的结构性质描述符。

15、可选地，所述根据所述有机减阻剂的分子结构描述符、在不同表面环境因素及不同润滑剂参数下的结构性质描述符以及表面涂层依赖性描述符，分别构建每种所述有机减阻剂在不同表面环境因素及不同润滑剂参数下的有机减阻剂-表面结构描述符前，包括：

16、采用所述分子动力学框架模型，结合第一性原理计算，模拟不同有机减阻剂分子头基在不同表面涂层上的结合强度，评估不同有机减阻剂分子头基在不同表面涂层上的吸附特性，得到不同有机减阻剂分子头基在不同表面涂层上的表面涂层依赖性描述符。

17、可选地，所述采用所述有效摩擦系数，结合相应的所述有机减阻剂-表面结构描述符、所述表面环境因素以及润滑剂参数，训练预设的初始神经网络模型，得到目标神经网络模型，包括：

18、将所述有机减阻剂-表面结构描述符、所述表面环境因素以及润滑剂参数输入至所述初始神经网络模型，输出训练摩擦系数；

19、将所述有效摩擦系数作为所述初始神经网络模型的参考输出，计算所述训练摩擦系数与所述有效摩擦系数的误差；

20、根据所述误差调整所述初始神经网络模型内的参数，得到更新后的初始神经网络模型；

21、跳转执行所述将所述有机减阻剂-表面结构描述符、所述表面环境因素以及润滑剂参数输入至所述初始神经网络模型，输出训练摩擦系数，直至所述误差收敛，得到目标神经网络模型。

22、本发明第二方面提供了一种有机减阻剂摩擦系数的预测系统，包括：

23、分子动力学模型建立模块，用于分别建立不同有机减阻剂在不同表面环境因素及不同润滑剂参数下的非稳态的分子动力学框架模型；

24、数据预测模块，用于采用所述分子动力学框架模型，在预设力场下预测多种有机减阻剂在不同表面环境因素及不同润滑剂参数下的预测摩擦系数；

25、数据对比模块，用于将所述预测摩擦系数与相应的实验摩擦系数进行趋势对比，得到多种有机减阻剂在不同表面环境因素及不同润滑剂参数下的有效摩擦系数；

26、描述符构建模块，用于根据所述有机减阻剂的分子结构描述符、在不同表面环境因素及不同润滑剂参数下的结构性质描述符以及表面涂层依赖性描述符，分别构建每种所述有机减阻剂在不同表面环境因素及不同润滑剂参数下的有机减阻剂-表面结构描述符；

27、模型训练模块，用于采用所述有效摩擦系数，结合相应的所述有机减阻剂-表面结构描述符、所述表面环境因素以及润滑剂参数，训练预设的初始神经网络模型，得到目标神经网络模型；

28、摩擦系数预测模块，用于通过所述目标神经网络模型，预测有机减阻剂在不同表面环境因素及不同润滑剂参数下的目标摩擦系数。

29、可选地，所述数据对比模块包括：

30、趋势对比子模块，用于分别将每个所述预测摩擦系数与相应的实验摩擦系数利用相关系数进行趋势对比；

31、第一有效摩擦系数子模块，用于若所述预测摩擦系数符合预设的涨落趋势，则将所述预测摩擦系数和相应的实验摩擦系数确定为有效摩擦系数；

32、第二有效摩擦系数子模块，用于若所述预测摩擦系数不符合预设的涨落趋势，则对所述预测摩擦系数进行修正处理，将完成修正处理的预测摩擦系数和相应的试验摩擦系数确定为有效摩擦系数。

33、可选地，所述预测系统还包括：

34、结构性质获取模块，用于根据所述有机减阻剂自身的键解离能和来自外界的剪切力，计算所述有机减阻剂分子的键断裂位置，得到所述有机减阻剂在外力作用下的结构性质描述符。

35、可选地，所述预测系统还包括：

36、依赖性获取模块，用于采用所述分子动力学框架模型，结合第一性原理计算，模拟不同有机减阻剂分子头基在不同表面涂层上的结合强度，评估不同有机减阻剂分子头基在不同表面涂层上的吸附特性，得到不同有机减阻剂分子头基在不同表面涂层上的表面涂层依赖性描述符。

37、可选地，所述模型训练模块包括：

38、训练输出模块，用于将所述有机减阻剂-表面结构描述符、所述表面环境因素以及润滑剂参数输入至所述初始神经网络模型，输出训练摩擦系数；

39、误差计算模块，用于将所述有效摩擦系数作为所述初始神经网络模型的参考输出，计算所述训练摩擦系数与所述有效摩擦系数的误差；

40、参数调整模块，用于根据所述误差调整所述初始神经网络模型内的参数，得到更新后的初始神经网络模型；

41、训练收敛模块，用于跳转执行所述将所述有机减阻剂-表面结构描述符、所述表面环境因素以及润滑剂参数输入至所述初始神经网络模型，输出训练摩擦系数，直至所述误差收敛，得到目标神经网络模型。

42、从以上技术方案可以看出，本发明具有以下优点：

43、本发明公开了一种有机减阻剂摩擦系数的预测方法及系统，通过将实验数据与预测的理论数据融合并作为初始神经网络模型训练的参考输出，且充分考虑了有机减阻剂自身的分子结构、有机减阻剂在外力作用下的结构性质以及有机减阻剂与表面涂层的结合特性，去构建有机减阻剂-表面结构描述符并作为模型训练的输入，保证了目标神经网络训练模型的预测准确性；进而通过构建的目标神经网络训练模型实现高通量自动化地对摩擦系数进行预测，有效提高了有机减阻剂摩擦系数的预测效率。