GA-BPニューラルネットワークに基づくQuartz Crystal Microbalance（QCM）を使用した液体粘度の測定

センサー技術は、石油産業のさまざまな側面で極めて重要な役割を果たしています。従来のクォーツクリスタルマイクロバランス（QCM）液相検出方法では、溶液の粘度と密度を個別に識別できず、未知の液体溶液の特性を特徴付けることができません。これは、石油産業におけるQCMの適用に対する手ごわい挑戦を提示します。この研究では、液体粘度測定のために単一のQCMセンサーを独占的に利用することの実現可能性を評価することを目指しています。粘度測定の結果に対する温度と溶液濃度の影響を強調し、検証実験を実施しました。結果は、QCM液体粘度応答モデルが20〜60°Cの温度範囲で粘度測定を達成できることを示しています。単一QCMを使用して、最大誤差を7.32％で10％〜95％グリセロール溶液の濃度範囲にします。同時に、モデルの測定精度を高めることを目的として、初期調査として、遺伝的アルゴリズムと組み合わせたバックプロパゲーションニューラルネットワークを採用しました（測定データを最適化するために。結果は、QCMセンサーの測定精度の実質的な改善を示しています。粘度値の予測における根平均平方根誤差と3.07％の絶対誤差。この研究の目的は、神経ネットワークを石油産業における液体の粘度特性を評価するためのQCMセンサーの評価システムに拡張することでした。粘度測定と測定精度の向上のために、石油産業におけるQCMセンサーの適用に。

Sensor technology plays a pivotal role in various aspects of the petroleum industry. The conventional quartz crystal microbalance (QCM) liquid-phase detection method fails to discern the viscosity and density of solutions separately, rendering it incapable of characterizing the properties of unknown liquid solutions. This presents a formidable challenge to the application of QCM in the petroleum industry. In this study, we aim to assess the feasibility of exclusively utilizing a single QCM sensor for liquid viscosity measurements. Validation experiments were conducted, emphasizing the influence of temperature and solution concentration on the viscosity measurement results. The results indicate that the QCM liquid viscosity response model can achieve viscosity measurements in the temperature range of 20 to 60 °C and concentration range of 10%-95% glycerol solution using a single QCM, with a maximum error of 7.32%. Simultaneously, with the objective of enhancing the model's measurement precision, as an initial investigation, we employed a backpropagation neural network combined with genetic algorithm (to optimize the measurement data. The results demonstrate a substantial improvement in the measurement accuracy of the QCM sensor, with a root mean square error of 3.89 and an absolute error of 3.07% in predicting viscosity values. The purpose of this research was to extend neural networks into the evaluation system of QCM sensors for assessing the viscosity properties of liquid in the oil industry, providing insights into the application of QCM sensors in the petroleum industry for viscosity measurement and improving measurement accuracy.