人工智能在傳統潤滑油行業中的應用

秦立果，黃小東，張輝，汪利平，董光能

(1.西安交通大學設計科學與基礎部件研究所，陜西 西安 710049；2.西安交通大學現代設計及轉子軸承系統教育部重點實驗室，陜西 西安 710049；3.中國石油蘭州潤滑油研究開發中心，甘肅 蘭州 730060)

0 引言

人工智能、空間技術和原子能技術一起被譽為20世紀三大科學技術成就。隨著計算機科學技術的不斷發展、信息化和智能化技術應用水平的不斷提高，各行業均展現出了高速發展的趨勢。各種技術中，如利用特定的算法程序實現模仿人類智能思維行為發展而來的現代計算機科學理論和技術，即人工智能(Artificial Intelligence)，已受到越來越廣泛的關注和研究[1]。人工智能率先在機器人和自動化控制等領域得到應用，隨著學科間的聯動與相互促進，某些領域新產品(如涉及配方開發的產品)的開發人員也逐漸開始利用人工智能技術進行數據挖掘、分析和決策指導。

潤滑油作為一種石油衍生產品，在各種工程機械中得到了廣泛使用。使用潤滑油的目的是降低摩擦副的摩擦和磨損，因而在機械、汽車行業使用尤為廣泛，且隨工作條件以及環境等各種要求的嚴苛對其質量性能提出了更高的需求[2]。潤滑油質量的評價準則有環保、節能、無污染和使用壽命長等指標，這對延長機械設備的使用壽命、降低運維成本和提高生產效率起著至關重要的作用。潤滑油作為工程機械全生命周期的必需品[3]，潤滑油產業如何在“工業4.0”新時代下實現創新性發展，快速適應市場變化，成為大家思考的主要問題。人工智能技術的出現給潤滑油產業帶來了新的機遇和挑戰。

傳統的潤滑油行業主要包括潤滑油的研發、生產、使用和維護。針對潤滑油行業的各個階段，將人工智能技術與傳統的潤滑油生產方法相結合，如在潤滑油研發方面，可以利用人工智能專家系統及神經網絡對潤滑油的研制進行模型化設計，從而達到優化潤滑油配方設計的目的；在潤滑油生產方面，通過建立智能化生產系統及過程，以及網絡化分布式生產設施的實現，建立潤滑油生產的智能工廠；在潤滑油使用和維護方面，通過智能化油液分析技術，實時監測油液性能，識別潤滑狀態，可更好地保障潤滑系統的安全性和可靠性。

1 人工智能在潤滑油研發中的應用

回溯潤滑油的發展歷程，受使用條件惡劣、環保要求越來越高等因素的影響，其更新換代的速率越來越快。因此，潤滑油研發能力的強弱是評估潤滑油企業發展快慢的重要手段[1]。潤滑油的研發主要包括對基礎油和添加劑的全面研發。依據潤滑條件以及潤滑要求，選取合適的基礎油，并通過匹配和調節添加劑的加入量，從而實現潤滑油理化性質的改善，賦予潤滑油新的特殊性能，或加強其原來具有的某種性能，滿足工程機械對潤滑油日益增長的需求。

在常規潤滑油的研制過程中，除了要分析基礎油及添加劑的理化特性外，經驗以及大量的實驗尤為重要，但存在盲目、工作量大、費時費力和研發周期長且難以快速得到最優配方的缺點。因此，若能結合計算機的分析技術對潤滑油的配方進行定量化研究，輔以機器學習的方法理解和優化潤滑油的調配過程，這將對潤滑油配方研制和相關產業的升級起到里程碑式的意義。

仝秋紅[4]等建立了各種添加劑特性及配比的特性知識庫，運用專家系統為基礎油選擇合適的添加劑，并向神經網絡輸入初始數據。運用初始數據，按照研制油的要求，從神經網絡推導出合適的配比，并將推算的結果添加到知識庫。實踐證明，該表示方法非常符合潤滑油及其基礎油、添加劑的特點。

馬林才[5]等以BP神經網絡為工具，計算MoDTP和無機硼酸鹽(B)之間的最佳復配值，并將BP神經網絡與直觀分析以及回歸分析作一比較，發現BP神經網絡在計算最優復配比時，獲得的結論具有可靠、精度高的優點，是研究最佳潤滑油配方的優秀數學工具。

李宏君[1]通過遺傳算法結合人工神經網絡對CI 40W-40多級柴油機油配方進行配比優化，得到最佳配方比，并對優化所得配方進行黏溫性能評定，實測值與預測值基本一致，該研究證明了優化配方的方法是可行的。

荊毅[6]基于收集到的實際潤滑油配方及其相應的物理化學性能，結合現有工業應用的經驗計算方法獲得的數據，建立了對油成分包的分類模型和對某些物理化學性能指標和決策因素之間的映射關系模型，并對模型進行泛化能力評價。

上述研究結果表明運用各種人工智能與神經網絡技術，從已知數據和實驗事實中提取規律性，最后采用計算機輔助甚至是取代潤滑油研制中的半經驗和經驗規律是可行的。該方案的重點是建立一套完備且準確的數據庫，通過存儲各種基礎油及添加劑的性質，利用專家系統選擇合適的基礎油及添加劑，最后通過神經網絡技術對各種添加劑的性能、不同添加劑之間的配比進行模擬與預測，從而給出符合工況的最佳配方。在當今大數據以及互聯網共用的信息時代，人工智能助力潤滑油的研發將具有非常誘人的發展前景。

人工智能與神經網絡技術在潤滑油的研發過程中已得到初步的應用，從已知數據和實驗事實中提取規律性，對各種添加劑的性能以及不同添加劑之間的配比進行模擬與預測，已能初步給出符合工況的最佳配方，但這些都建立在大量準確的實驗數據之上。因此，要提高輸出配方的準確性，首先要保證一定量的數據以及數據的準確性。現階段由于不同的研究單位物理空間上的相互隔絕和交流的相對欠缺，無法實現大容量數據庫的建立和共享。各單位往往開展大量重復實驗，存在時間成本高和實驗資源浪費的缺點，且建立的模擬模型不具備基礎性和通用性，能解決的問題面偏窄。因此，若能建立共享的數據庫，將各研究單位的實驗數據經過驗證后集中保存，將會為潤滑油配方的研究提供良好的數據基礎。另外，輸出的配方還應經過實驗驗證后方可投入使用。總之，應用人工智能與人工神經網絡進行潤滑油配方研究，可節省大量人力、物力和財力，其目的是為潤滑油的研制提供一種新的、簡單快捷的方法，從而為潤滑油的研發開拓新的途徑。

2 人工智能在潤滑油生產中的應用

在潤滑油的生產工藝流程中，基礎油作為潤滑油的主要組分，其質量占比約為 85%～95%。添加劑是潤滑油的另一主要組分，其質量占比約為5%～15% 。兩者通過油泵按照一定比例加入到調合釜中，調合化驗合格后，經過過濾機過濾，用泵打入成品油貯存罐中，以備包裝運輸[7]。

將人工智能與大數據應用于潤滑油的生產過程中，可以實時監測生產過程中的各類數據，從而解決在制造過程中由于不協調、不同步、不一致導致的大量人力、物力、財力的浪費問題。

2.1 生產數據可視化

在生產現場，每隔幾秒可以收集一次數據，利用這些數據可以實現很多形式的分析。如在生產工藝改進方面，可以使用這些大數據分析整個生產流程，考察每個環節的執行過程。一旦某個流程偏離了標準工藝，就會激發相應的報警信號，從而快速地發現錯誤或者瓶頸，實現了問題的快速解決[7]。

例如，中國石化北京潤滑油公司搭建的自動計量實時數據庫集成平臺，實現HTG(Hydrostatic Tank Gauging)自動計量系統與生產運營系統的對接，采集、存儲和管控油品液位、油品溫度、油品密度、油品凈重和油品體積;同步油品密度和物料名稱到油罐之星系統;通過搭建生產監控平臺實現罐區實時監控管理、實時過程數據管理、質量管理;依托實時數據庫，可以根據業務需求開發相關的統計報表。

2.2 利用信息統計技術控制產品質量

將信息統計技術運用到產品生產中，采用統計的方式將收集到的數據加工成有用的信息，從而對現場質量的控制進行一定的分析，以此來解決相關的質量問題。例如對抗磨液壓油進行為期一年的檢驗，檢驗報告中對載度指數、閃點、凝點數據、各指標載度以及抗乳化性等數據進行具體的統計以及反應，并且通過Excel軟件的統計功能對相應的數據繪制成圖表。這將利于相關人員分析產品質量不合格的各種因素，從而更加方便管理人員對生產進行重點控制[8]。

2.3 潤滑油生產行業的智能工廠升級

建立基于工業大數據和“互聯網”的潤滑油生產智能工廠，最基本的原則是有一個清晰的，定義準確的數字化戰略[7]。

首先，要建立比較完善的系統模型，實現以智能工廠為方向的流程制造，優化工廠的整體設計、工藝流程及布局，并通過模擬仿真、設計存儲相應的數據，通過數據采集系統建立實時數據庫，從而實現生產模型化分析決策、過程的量化管理。

其次，數字化車間，車間總體設計、工藝流程及布局建設均需建立數字化模型，并進行模擬仿真，實現規劃、生產、運營全流程數字化管理；利用云計算、大數據等新一代信息技術，在保障信息安全的前提下，實現經營、管理和決策的智能優化。

最后，應用人工智能技術助力潤滑油的生產，實現潤滑油的智能制造。其本質是實現貫穿企業設備層、控制層、管理層等不同層面的縱向集成以及從潤滑油全生命周期的端到端集成，標準化是確保全方位集成的關鍵途徑。結合智能制造技術架構和產業結構，從潤滑油的質量控制、生產數據監控和智能工廠設計等多個維度構建智能制造體系，從而實現潤滑油的智能制造。

3 人工智能在潤滑系統的使用和維護中的應用

潤滑油作為設備潤滑的關鍵介質，其攜帶的信息充分反映了設備的運行情況[9]，對于判別機械設備的健康狀態有著十分重要的作用。對在用潤滑油進行檢測分析，判斷在用潤滑油的質量，指導及時更換失效潤滑油是保障機械部件正常運轉的必要條件。傳統的潤滑系統運行維護方式一般采用經驗判斷、離線檢測和周期換油，經常出現該換油時沒有換，不必換油時卻更換了油液的現象，造成了人力、物力的浪費和不必要的停機[10]。

為方便高效地確定油品好壞、運行參數是否正常，可將人工智能技術應用于潤滑系統的使用和維護中，集“在線監測、故障診斷、智能運維”于一體的智能潤滑技術將是一種務實可行的方案。

智能潤滑技術采用了在線監測、故障診斷和智能運維等多項關鍵技術以實現潤滑系統的智能運行和管理。如圖1所示，通過分層式網絡結構，由分布在潤滑系統關鍵部位的多個高精度變送器結合在線監測軟件對油品參數(顆粒雜質、水分含量等)和運行參數(溫度、壓力、流量等)進行連續監測和診斷分析。上位機可顯示潤滑監控、參數調節信息、設備運行狀態、故障記錄和供油量記錄等狀態信息，實現潤滑系統運行狀態的實時顯示，并及時預測和發現潤滑系統的故障。依據在線監測結果自動采取報警、凈化、關斷和補油等措施，同時發出延伸報警信號通知值班人員，實現了潤滑系統的智能化管理[11]。

圖1 智能潤滑技術框圖

3.1 智能化油液分析技術

隨著人工智能技術和油液分析技術的不斷結合，智能化油液分析技術的研究正在逐漸拓展，并被廣泛地應用到設備故障診斷中[12]。目前，在油液分析技術的智能化研究方面所涉及到的方法主要有：專家系統[13]、圖像識別[14]、神經網絡[15]、模糊邏輯[16]、支持向量機[17]以及遠程診斷[18]。為了更方便地理解智能分析方法，現對智能分析方法的特點、局限性及適用范圍總結如表1所示。

表1 智能分析方法的特點、局限性和適用范圍

油液分析技術的智能化，擺脫了對專業人員的依賴，可完成對設備磨損情況及故障的智能分析，及時反映設備的運行狀況，實現對設備的故障預警及潤滑維護。

3.2 故障診斷與智能運維

結合故障診斷與智能運維技術，建立潤滑系統的工況管理模型。基于大數據處理技術，形成潤滑油的系統數據庫，結合歷史變化趨勢進行綜合分析，實現對潤滑系統運行狀態的分析判斷并自動生成趨勢圖和統計報表，提供專業的故障診斷功能，為潤滑系統操作及管理方案進行趨勢預測，可減少人為因素造成的失誤；并結合網絡通信技術，實現遠程數據交互，方便遠程專家人員進行會診，并及時做出決策[11]。

通過潤滑系統工況管理技術，可以達到如下效果：

(1)提前感知潤滑系統的運行工況是否正常；

(2)準確得知發生故障所在部位以及故障類型；

(3)從專家角度給出診斷意見，為操作和檢修人員提供分析和處理依據，協助編制設備檢修計劃；

(4)根據歷史數據確定潤滑系統中潤滑設備檢修周期和潤滑介質的更換周期，延長設備使用壽命，降低用油成本。

相比較傳統潤滑模式，智能潤滑系統能更好地保障系統的安全性和可靠性，也能實現潤滑系統的智能管理，符合智能化發展的必然趨勢。建立智能潤滑系統的關鍵在于潤滑油在線檢測技術的技術突破以及在線檢測系統與機械設備的同步設計。目前在用潤滑油檢測設備的檢測項目有限，不能完全覆蓋潤滑油的所有指標和實際潤滑狀態，檢測結果不全面且檢測效率比較低，針對目前潤滑油在用檢測技術存在的問題，在用潤滑油檢測技術將向開發新型傳感器、研究新的數據處理方法和應用高光譜技術的方向發展[19]。傳感器的功效將直接影響潤滑油檢測效率與準確性，智能化、多功能化及靈巧話是傳感器發展的必然趨勢；在用潤滑油檢測數據的處理對于結果的穩定性和準確度具有很大影響，研究檢測數據的處理方法是無數研究人員的重點工作；光譜技術不僅能對潤滑油中的元素進行定性和定量的分析，且抗干擾能力較強，檢測結果穩定，在潤滑油檢測技術中最具潛力，是在用潤滑油檢測領域發展的趨勢。在線檢測設備與機械設備的同步設計，即應用數字孿生技術，結合傳感器檢測的結果，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映出實體設備的全生命周期過程，以便對機械設備進行壽命預測并進行實時維護，從而延長潤滑系統的生命周期。

4 總結

人工智能時代的到來，既是挑戰，也是機遇。作為傳統行業之一的潤滑油行業，在“中國制造2025”與“工業4.0”環境下更應該緊緊抓住這一機會，將人工智能與潤滑油的研發、生產、使用和維護整個過程緊密結合，利用人工神經網絡助力潤滑油配方的研發和優化，建造“智能工廠”實現潤滑油的智能制造，通過智能潤滑技術保障潤滑系統的安全性和可靠性，從而應對新時代對于工程機械潤滑油日益增長的需求與挑戰。