坦克柴油機潤滑油液檢測中消除換油影響的方法

喬新勇, 劉 君, 靳 瑩

(裝甲兵工程學院機械工程系, 北京 100072)

柴油機是一種結構復雜的機械設備，更是一個由眾多摩擦副組成的集合體[1]。摩擦副之間的磨損情況會不同程度地影響柴油機的安全運行，而嚴重的磨損可能影響其正常使用，進而可能導致重大事故的發生。潤滑油具有減小摩擦副間的摩擦因數、冷卻摩擦副表面、防止表面銹蝕、清潔摩擦副表面雜物等作用。而通過檢測潤滑油中的金屬屑，可直接判斷柴油機主要零件的磨損狀況。因此，可以通過分析柴油機潤滑油液中元素含量的變化來對柴油機的磨損和運行情況進行檢測。由于柴油機的運行會不斷地消耗潤滑油，因此必須定期對其進行補充或更換[2]，而該操作會影響潤滑油液元素的檢測和分析。徐泰富等[3]通過對某臺柴油機機油進行長期連續的檢測，并對元素含量進行線性回歸分析，雖一定程度上消除了換油的影響，但其試驗數據的獲取成本大、周期長。為此，筆者通過對大量坦克柴油機的潤滑油液數據進行分析，擬合生成了各元素質量分數隨元素總質量分數的變化曲線，提出了一種能夠有效消除換油操作和摩托小時影響的分析方法，為柴油機的磨損和故障情況的分析奠定了基礎。

1 油液分析技術與油液特征元素提取

1.1 油液分析技術簡介

目前常用的油液分析技術有鐵譜分析技術和光譜分析技術。

鐵譜分析技術又稱為磨屑監測技術，是20世紀70年代產生的一種技術性高、應用范圍廣的磨損顆粒分析技術，是機械設備狀態監測的方法之一。鐵譜分析的原理是在重力場和磁場作用下，使鐵磁性和非鐵磁性的磨損微粒按一定規律分離出來[4]，進而對油樣進行定量或定性分析。

光譜分析技術最早開始于20世紀40年代，美國的Denver&Riogard鐵路公司率先成功對內燃機車用潤滑油進行了光譜分析，為油液光譜技術的發展奠定了基礎。經過幾十年不斷的發展，光譜分析技術逐漸成熟，應用到了各個領域，發揮了重要作用[5]。通過光譜分析，可快速獲得潤滑油中各種金屬磨粒和污染物微粒的組成元素和質量分數，根據各元素的質量分數及其變化情況，并依據柴油機各摩擦副的材質，推斷柴油機磨損程度和磨損部位。

1.2 油液特征元素提取

潤滑油液數據中磨損元素的成分及質量分數是評價一個機械設備磨損情況的重要指標。同時，磨損元素的成分以及質量分數與摩擦副的成分以及摩擦程度有著緊密聯系，以此可以判斷磨損部位和磨損程度。筆者所用柴油機的潤滑油液中各元素的來源[6]如表1所示。

表1 柴油機潤滑油液中各元素來源

2 消除換油影響的方法原理

在柴油機潤滑油液分析中，為獲得油液中元素成分和質量分數的變化規律，通常對同一臺柴油機持續進行試驗，并定期對油液進行采樣和分析[3,7-8]。但這種方法試驗周期長，且單一的試驗數據存在一定的偶然性，不符合統計學的基本要求。如果對多臺柴油機進行統計分析，則存在由于換油時機及累計運行時間不同而造成的不同油樣不具備可比性的問題，難以準確描述潤滑油液數據的變化規律。

考慮到油液中單元素質量分數占所有元素總質量分數的比重在某部件磨損時將發生變化，且不受換油的影響。因此，筆者從分析各元素質量分數占所有元素總質量分數的比重入手，研究消除換油影響的方法及磨損故障診斷方法，其主要原理如下。

以正常磨損柴油機為標準進行數據分析。設有m臺正常運行的柴油機，n種磨損特征元素，第i臺柴油機油液中第j個元素的質量分數為hij(i=1,2,…,m;j=1,2,…,n)，則第i臺柴油機潤滑油液數據中所有元素總質量分數為

以所有元素總質量分數H為橫坐標，以第j個元素的質量分數為縱坐標，得到第j個元素質量分數隨所有元素總質量分數的變化曲線，如圖1所示。

圖1 元素質量分數變化曲線

在正常運行的柴油機潤滑油液中，單個元素質量分數隨元素總質量分數呈遞增的變化趨勢，可利用線性回歸分析方法[9]，以擬合得到回歸曲線AB作為判斷磨損的標準。

以圖1中C點為例進行分析，C點表示柴油機潤滑油元素總質量分數為HC，第j個元素的質量分數為hC。根據建立的正常運行柴油機油液標準曲線AB，元素總質量分數為HC時，第j個元素的標準質量分數為hE。易見，hC明顯大于hE，所以該柴油機潤滑油液中第j個元素的質量分數存在超標現象，進而可以推斷含有第j個元素的部件可能磨損較為嚴重。再對D點進行分析，可以得到該柴油機油液中第j個元素的質量分數低于標準值，說明該柴油機中含有第j個元素的部件磨損情況良好。

由以上的分析可以看出：該方法與油液取樣時間無關，因此可消除柴油機摩托小時和換油時機不同造成的影響。

3 坦克柴油機磨損故障診斷

3.1 油液分析及磨損標準確定

筆者采集了132臺某型坦克柴油機(其中129臺正常磨損，3臺存在磨損故障)的潤滑油光譜分析數據。這些柴油機摩托小時不同，換油時機也不同，所以難以從時間序列的角度來尋找元素含量變化的規律。為了避開這些因素的干擾，從分析各元素質量分數占元素總質量分數的比重角度出發，研究某個元素質量分數隨元素總質量分數的變化規律。

通過對129臺正常運行柴油機的潤滑油液數據進行分析，利用主成分分析法[10]，提取鐵(Fe)、鉻(Cr)、鉛(Pb)、銅(Cu)、鋁(Al)、硅(Si)6種元素作為特征元素，以每臺柴油機油液中這6種元素的質量分數之和作為元素總質量分數，通過數據分析得到二者之間的變化曲線，并采用線性回歸分析方法，擬合得到6種元素的線性回歸曲線，如圖2所示。其回歸表達式為

Fe:y=0.389x-5.100。

Cr:y=0.015x-0.022。

Pb:y=0.019x+7.968。

Cu:y=0.029x+2.722。

Al:y=0.160x+1.109。

Si:y=0.388x-6.676。

式中:x為元素總的質量分數;y為單個元素的質量分數。由于這些曲線都是通過分析磨損狀態正常的柴油機得到的，在一定程度上反映了油液中元素質量分數的變化規律，因此可將其作為判定磨損情況的參考標準。在對未知情況的柴油機油液進行分析時，可參照該標準比對油液中各元素的質量分數，進而診斷出可能的磨損部件。

圖2 各元素質量分數隨元素總質量分數的變化曲線

3.2 磨損故障診斷

3.2.1 基于優化3σ規則的故障診斷原理

在統計學中常采用3σ規則[11]來判定異常數據，因此在故障診斷中也經常被用來制定故障判別的準則。

vi=xi-yi,

標準差σ近似為

運用3σ方法對3.1節中數據進行計算可得到6種元素的σ值分別為8.27×10-6、0.62×10-6、3.24×10-6、3.50×10-6、3.01×10-6、7.11×10-6。在對未知狀況柴油機進行診斷時，當該柴油機元素質量分數高出理論值的部分大于3σ時，則認為該元素的質量分數超標，進而判定含有該元素的部件可能存在磨損較為嚴重的情況。

3.2.2 磨損故障診斷實例

試驗中共提取了3臺具有磨損故障的柴油機潤滑油液，現以其中某臺為例說明磨損故障的診斷過程。其油液中鐵、鉻、鉛、銅、鋁、硅的質量分數分別為102×10-6、8.9×10-6、11.9×10-6、4.5×10-6、42.9×10-6、90.2×10-6，6種元素的總質量分數為260.4×10-6，其與標準質量分數曲線的關系如圖3所示。

根據線性回歸曲線得到各元素的理論標準質量分數分別為96.17×10-6、3.81×10-6、12.94×10-6、10.35×10-6、42.72×10-6、94.39×10-6，由計算結果和圖3可知：鉻元素質量分數高出理論標準值的部分明顯大于相應的3σ值，因此可以判定鉻元素超標，進而推斷該型柴油機中含有鉻元素的金屬部件(活塞環或主軸)存在較為嚴重的磨損。

圖3 某柴油機潤滑油液中元素質量分數

同理，對其余2臺柴油機潤滑油液中元素進行分析，其結果如表2和表3所示。

表2 1#柴油機潤滑油液中元素分析結果 10-6

表3 2#柴油機潤滑油液中元素分析結果 10-6

經過對柴油機的檢查，以上診斷結論與實際檢查結果一致。當然在柴油機潤滑油液檢測中，影響診斷精確度的問題不但與換油、采樣時間有關，還與采樣的位置、狀態有關。在其他條件不變的情況下，該方法能夠有效消除換油影響，從而準確地判別柴油機磨損狀態或故障。

參考文獻：

[1] 袁野. 光、鐵譜分析在柴油機故障預報及診斷中的應用[J]. 鐵道機車車輛工人，2005(10)：5-8.

[2] 張英堂，任國全，高經緯. 基于機油光譜分析的柴油機磨損規律建模研究[J]. 車用發動機，2005(2)：20-22.

[3] 徐泰富，嚴新平，盛晨興. 柴油機油液光譜分析中消除換油干擾的方法研究[J]. 潤滑與密封，2006(7)：71-72.

[4] 賈耀富，馮貞陽. 油液監測技術在發動機故障診斷中的應用[J]. 儀表技術，2011(8)：61-64.

[5] 李柱國.油液分析診斷技術[M]. 上海：上?？茖W技術文獻出版社，1997，46-57.

[6] 王寶有. 礦用柴油發動機機油油液分析的研究[D]. 阜新：遼寧工程技術大學，2004.

[7] 冀樹德，楊天軍，劉新華，等. 柴油機油液光譜分析中換油干擾的處理[J]. 車用發動機，2011(2)：86-89.

[8] 冀樹德，許世永，劉新華，等. 柴油機油液診斷中光譜分析數據的預處理[J]. 潤滑與密封，2011(8)：105-108.

[9] 劉會燈，朱飛. Matlab編程基礎與典型應用[M]. 北京：人民郵電出版社，2008: 89-90.

[10] 劉韜，田洪祥，郭文勇. 主成分分析在某型柴油機光譜數據分析中的應用[J]. 光譜學與光譜分析，2010,30(3)：779-781.

[11] 費業泰. 誤差理論與數據處理[M]. 北京：機械工業出版社，2006： 56-62.