4GM（1，1）模型在潤滑油性能預測中的應用

于濤++董瑞++趙凱

摘要：利用灰色系統GM（1，1）預測模型對潤滑油中的元素進行趨勢預測，首先利用元素歷史數據建立動態微分方程，然后基于該微分方程預測元素的變化趨勢，為潤滑油性能分析和故障定位提供參考。通過對某型柴油機潤滑油元素監測來預測其性能，結果表明該預測方法具有數據量小、計算簡單、預測準確的特點。

關鍵詞：GM（1，1）模型；潤滑油；性能預測

中圖分類號：TE626.3文獻標識碼：A

Application of GM （1，1） Model in Performance Prediction of Lubricating Oil

YU Tao， DONG Rui， ZHAO Kai

（91315 Troop， Dalian 116041， China）

Abstract：This article applied the gray system GM （1，1） model to predict the change trends of elements in lubricating oils. Firstly， the dynamic differential equation for elements was established based on their historical data. Then according to the differential equation， the change trends of elements can be predicted，which can be use as important reference for performance analysis and fault location of lubricating oil. Monitored experiments on a certain type of diesel engine lubricating oil were made and elements change trends were got to predict performance. The results show that the prediction method has the characteristics of a small amount of data， simple calculation and correct prediction.

Key words：GM （1，1） model； lubricating oil； performance prediction

0引言

潤滑油在機械設備中起著密封、潤滑、冷卻、清洗和防腐等作用，它本身攜帶著各種機械加工產物和外來污染物，其中有零部件的磨損顆粒、腐蝕產物、潤滑油和添加劑經一系列物理、化學變化而形成的膠質、瀝青、油泥及熱工機械燃料燃燒產物等物質，這些物質在一定程度上與機械設備及潤滑油的工作狀態相關聯。利用光、電、磁學等手段，分析其理化指標、監測所攜帶的磨損和污染物顆粒，可以獲得機械的潤滑和磨粒狀態的信息，從而評價機器的工況和預測其故障，并確定故障部位、原因和類型[1]。

1潤滑油性能進行灰色預測的可行性分析

潤滑油的監測包括磨粒檢測、污染度檢測和性能檢測，潤滑油中的磨粒、污染度和性能指標（如黏度、水分、閃點）等隨著潤滑油使用狀態變化，呈現出增長或下降的趨勢，經過一次累加生成序列后為單增序列，在這種情況下可以用指數函數來擬合，而GM（1，1）模型本身是一種指數模型建模方法，因此適合將GM（1，1）模型作為潤滑油磨粒、污染度和性能指標的預測模型。

3潤滑油性能趨勢預測實例分析

3.1監測儀器

選用M型原子發射光譜儀，該儀器具有分析速度快、讀數準確、重復性好、分析容量大等特點，通過測定一個油樣中十幾種元素含量值，可對多種元素進行定量和定性分析，從而監測在用油品的添加劑元素變化、受污染程度及金屬摩擦副的磨損情況。

3.2監測方案

選用某型艦船TBD620V12型號的發電柴油機，對該柴油機潤滑油按照柴油機運行時間每20 h進行油樣提取，共計提取油樣28個，期間更換潤滑油1次（柴油機工作1820 h的時后，潤滑油牌號由CD40更換為通用柴油機油）。

3.3結果與討論

對Fe、Cr、Pb、Cu、Sn、Al、Ni、Ag、Si、B、Na、Mg、Ca、Ba、P、Zn、Mo、Ti、V、Mn、Cd、H、H2和C共計24種元素進行了監測，將測得的數據整理后依據GM（1，1）模型趨勢預測步驟，依次輸入利用MATLAB軟件編寫的灰預測程序中，可獲得預測數據，經整理比對后繪制選取的主要數據預測趨勢圖。如圖1至圖10。

綜合分析圖1、圖2、圖6和圖7的預測數據趨勢，可以看出Fe和Cu元素是表征金屬摩擦副磨損所產生的元素，隨著設備運行時間的增加金屬元素含量增加，表明設備不斷在磨損，同時隨著潤滑油的更換，表征金屬摩擦副磨損所產生的元素降低，隨著設備運行時間的增加金屬元素含量再次增加。

綜合分析圖3和圖8的預測數據趨勢，可以看出B元素是一般表征為改善潤滑油油品性能所添加的元素，隨著設備運行時間的增加添加劑元素含量減少，不同牌號的潤滑油添加劑含量不同，同時因CD40和通用柴油機油可以互換，因此某些添加劑元素含量較為接近。

綜合分析圖4、圖5、圖9和圖10的預測數據趨勢，可以看出Na和Mg元素的含量一般表征外來物對潤滑油的污染程度，隨著設備運行時間的增加Na和Mg元素含量增加，表明微量的污染物進入到了潤滑油中。

從圖1至圖10中可以看到，實際數據趨勢和預測數據趨勢是一致的，并且實際數據值接近預測值，在事先設定閾值的情況下，可以根據所監測添加劑和污染物元素的含量做出因添加劑元素損耗和外來污染物超標而更換潤滑油的決策，同時還可以根據所監測金屬元素的含量做出故障的準確定位。在未事先設定閾值的情況下，可以根據所監測金屬元素的含量做出設備維修決策。

4結論

針對潤滑油的性能特點，從理論上證明了采用灰色理論中GM（1，1）模型用于潤滑油元素含量的預測是可行的。本文對TBD620V12型發電柴油機潤滑油元素含量運用了GM（1，1）模型進行了預測驗證，結果表明可以利用灰色GM（1，1）模型對表征潤滑油性能的元素進行預測，并能準確地預測其發展趨勢，且精度較高，為潤滑油的更換和設備故障準確定位以及設備維修決策提供了參考的理論依據和前提保障。

參考文獻：

[1] 楊其明，嚴新平，賀石中，等.油液監測分析現場使用技術[M]. 1版.機械工業出版社，2006.

[2] 劉思峰，黨耀國，方志耕，等.灰色系統理論及其應用[M]. 5版.科學出版社，2010.

[3] 黃立立，黃道.基于新息GM（1，1）的故障診斷預測[J]. 控制工程，2006，13（3）：252-255.

[4] 謝春麗，夏虹，劉永闊，等.GM（1，1）灰色模型在核電設備趨勢預測中的應用[J]. 核科學與工程，2007，27（2）：138-141.

[5] 季彩萍.灰色預測法在故障診斷中的應用[J]. 機械與電子，2009（11）：79-80.收稿日期：2016-06-28。