齒輪箱潤滑油磨粒分析研究現狀與進展

唐 磊，沈 濤，王 熠，周 峰，史俊杰，何代全

（云南中煙工業有限責任公司紅云紅河集團紅河卷煙廠，云南紅河 652399）

0 引言

潤滑油是機械設備運行中不可或缺的“血液”和重要的“流動部件”，世界范圍的研究調查顯示，60%～70%的齒輪箱壽命和故障失效與潤滑直接相關[1-3]。由于磨粒的產生存在較強的復雜性、隨機性，過去的潤滑油磨粒分析技術較大程度上依賴于專家的專業知識和分析經驗，且分析過程通常需要花費較高成本和較多時間，結果也具有一定的主觀性，導致磨粒分析未能在工業企業中廣泛應用，并成為有效的設備狀態監測手段和策略[4]。近年來，隨著檢測儀器及相關軟硬件的發展、在線監測傳感技術的升級和計算機算力的增強，基于潤滑油磨粒分析和監測的機械設備齒輪箱磨損故障診斷的研究發展迅速，已成為機械設備智能故障診斷的研究熱點和重點。

齒輪箱作為機械傳動中重要的零部件之一，因其長時間工作運轉引起的磨損狀況是影響設備正常工作和使用壽命的決定性因素。當齒輪箱內零部件出現異常磨損時，產生的磨損磨粒會第一時間進入潤滑油液中，通過對潤滑油中的磨損類、添加劑類、污染類雜質進行識別和判斷，對磨損過程中產生磨粒的數量和大小、幾何形態、表面光澤和顏色、磨粒元素和化學成分等特征進行分析，可以評估當前存在異常磨損的類型和模式，進而了解和評價齒輪箱的運行狀態和磨損程度及傾向[5-8]，為重要機械設備齒輪箱開展以可靠性為核心的視情維修和前瞻性維護提供依據[9]，此外，也能為實現潤滑油從“按期換油”向“按質換油”、避免盲目與浪費、提升節能減排水平提供依據。

1 磨粒分析發展歷程

20 世紀40 年代，美國開始對設備液壓系統、航空飛行器潤滑系統、鐵路運輸設備等領域開展基于油液分析的機械零部件磨損研究[10]。40 年代初期，美國鐵路公司實驗室首先采用AES（Atomic Emission Spectrometry，原子發射光譜分析方法）[11-12]，對發動機磨損發生的過程、工作狀態、潤滑油磨粒元素種類、對應含量進行監測，發揮了提前判斷發動機零件失效、異常磨損的重要作用。50 年代，美國軍事領域首先使用了基于AES 潤滑油監測技術，獲得了明顯的應用效果，后將該技術推廣到相關的工業領域。60 年代中期，顆粒計數法（Particle Counting Method）[13]開始出現在潤滑油監測研究中，該方法對于獲取量化數據、用于評價潤滑油受污染的程度，有著良好的支撐作用。70 年代初，鐵譜技術（Ferrography Technology）問世[14]，并隨即應用在機械設備的潤滑系統故障診斷中，能夠通過檢測磨粒的形貌特征及數量，推測磨損的類型、模式及嚴重程度等信息。1982 年9 月，英國Swansea University 召開的國際鐵譜技術學術會議[15]，把鐵譜技術用于設備狀態監測推到了新的高度。80 年代起，油液監測工作者持續探索，并大力推廣基于紅外光譜儀檢測技術的潤滑油成分變化程度及污染度分析，以此反映潤滑油在使用過程中由于出現氧化、硫化、硝化而引起變質的情況。此外，隨著傅立葉變換紅外光譜儀（FTIR Spectrometer）的出現，極大加快了油液監測領域的發展。90 年代，利用氣相色譜和質譜分析方法（GC-MS）檢測潤滑油成分變化也有相關研究和應用[16]。21 世紀初期，油液監測儀器發展更加快速、豐富，呈現功能多樣、便于攜帶、在線監測等發展特點?；ヂ摼W技術的急速發展，推動了油液監測技術研究的持續深化，如遠程狀態監測、預警和診斷等[17]。

通過以上文獻回顧可以看出，磨粒分析技術在磨粒特征參數檢測方法、特征參數拓展等方面得到了顯著提升，相繼出現了分析式、直讀式、在線式鐵譜儀，直讀式發射光譜儀、原子吸收光譜儀、X 射線熒光光譜儀、紅外光譜儀，以及各類在線磨粒檢測傳感器和儀器。隨著計算機軟硬件的不斷升級，信號處理、圖像識別和智能算法技術的不斷發展，出現了許多針對不同應用場景和需求的新型磨粒分析技術，如基于專家系統、灰色系統理論、模糊理論、神經網絡理論、信息融合理論的潤滑油磨粒分析方法，使磨粒分析技術進入了新的發展階段。當前，潤滑油磨粒分析技術已成為設備狀態監測的一種重要手段，成為一種融合多學科、在線與離線并舉、監測診斷與維修管理的先進技術。

2 磨粒分析特征參數

潤滑油磨粒分析的特征參數一般包括4 個方面的內容[18]：磨粒數量和大小、磨粒幾何形態、磨粒表面光澤和顏色、磨粒元素和化學成分。根據這四個特征參數的檢測數據，能夠根據磨損機理推測磨損類型、磨損發生部位、磨損嚴重程度等，從而預報設備運行狀態及可能的故障，為維護維修提供指導。

2.1 磨粒數量和大小

表征磨粒數量和大小的特征參數主要以每毫升顆粒數大于某個指定尺寸的單位表示，也可以根據ISO、NAS 或SAE 標準以清潔度等級或代碼級別表示[19]。常用的表征磨粒大小的參數有磨粒的投影徑、統計平均徑、幾何當量徑、物理當量徑等[20-24]，通過選取一種或幾種大小特征參數來確定磨損磨粒的變化趨勢。常用的磨粒數量和大小特征參數見表1。表中，dfmin、dfmax是最小/最大費雷特直徑；dfmean是所有方向上的費雷特直徑的平均值；Dfvol是與由以dfmin為直徑、dfmax為長度構成的圓柱相同體積的球體直徑。

表1 油液磨粒數量和大小參數

從研究進展可知，磨粒數量和大小檢測通常作為油液定期測試的基礎環節，同時也是前期油液分析的關鍵，以監測潤滑油的污染水平。在實際應用中，如果潤滑油磨粒監測出現磨粒數量的突然上升，或大尺寸磨粒開始出現，則需要根據生產情況，選擇開箱檢查的應急策略，或應用如鐵譜分析、光譜分析、掃描電鏡、X 射線能譜分析等復雜技術做進一步分析，以防止發生重大故障失效情況。

圖1 油液磨粒數量和大小示意

2.2 磨粒幾何形態

通過磨粒數量和大小的分析，可以評估設備齒輪箱的磨損狀況及嚴重程度，但是，對于產生磨粒的磨損機制確定、磨損部位預測，則一般需要進行磨粒的幾何形態分析[25-29]，常用幾何形態特征參數見表2。

表2 油液磨粒幾何形態

圖2 油液磨粒幾何形態示意

研究進展顯示，由于磨損過程所處的溫度、壓力、環境、接觸方式等磨損機制和原理存在差異，因而磨損磨粒表現出來的形狀、輪廓、邊緣、紋理等幾何形態也不盡相同，如層狀磨粒、塊狀磨粒、球狀磨粒、條狀磨粒等。因此，在實際應用中，通過對磨粒幾何形態的分析，可為初步判斷和明確不同磨粒類型和發生磨損的模式提供參考和指導。

2.3 磨粒表面光澤和顏色

磨粒的表面光澤和顏色主要由背景為“0”的像素點RGB 三色指標來決定，磨粒圖像上的每個像素點以｝來表示其表面光澤和顏色特征，其中fR、fG、fB分別表示RGB 值的大小，值域范圍0～255。顏色特征量定義見表3（以R 指標為例）。

表3 油液磨粒顏色特征

文獻［30］對比了7 類典型特征磨粒的部分顏色參數計算值均值（表4）。

從表4 數據可得：黑色氧化物磨粒的顏色參數均值、標準值均明顯小于其他類型磨粒，且R、G、B 分量的均值也接近，這與其近似的灰黑色（RGB 值為96，96，96）外觀相符。因此，在實際應用中，通過對比磨粒顏色參數與典型特征磨粒的顏色參數均值與標準差，便可初步判斷發生磨損的機制、部件和位置，進而為故障定位和診斷提供科學的參考。

表4 典型特征磨粒的部分顏色參數計算值均值

2.4 磨粒元素和化學成分

在潤滑油磨粒分析的眾多方法中，元素分析法[31-36]是對潤滑油中磨粒進行定性、定量分析的有效方法之一，如原子發射光譜法，可以在高溫源中將原子化的元素提高到激發態，當電子進入空軌道并以可見光或接近該范圍的特定波長的光子釋放出多余能量，用光子的波長即可識別發射原子的化學元素，進而確定磨損金屬的元素組成。由磨粒金屬的類別對實際磨損部位進行精準識別，快速定位異常磨損位置點，提高故障診斷的效率。齒輪箱潤滑油中常見元素的射線特征波長見表5，幾類常見磨損磨粒特征[37-41]見表6。

表5 常見磨粒元素射線特征波長

表6 幾類常見磨損磨粒特征

從磨粒分析特征參數的綜述可知，不同的磨損機理、磨損模式會產生不同種類的磨損磨粒，而這些磨損磨粒又具有與其對應和匹配的參數特征。在實際應用中，通過分析潤滑油磨粒的數量和大小、幾何形態、表面光澤和顏色、元素和化學成分等方面的特征參數，就可以判斷磨損類型、磨損部位、磨損程度和嚴重性，從而預報設備運行狀態及可能的故障，為機械設備、尤其是高速卷接包裝設備的自主維護、深度維修提供指導和參考。

3 磨粒分析方法和檢測手段

磨粒特征參數的分析是判斷磨損類型、磨損部位、磨損程度和嚴重性的重要基礎，而獲得相應分析數據的檢測方法和手段主要有以下3 類。

3.1 離線磨粒分析

3.1.1 磁塞分析

磁塞分析是將磁塞（圖4）安裝在潤滑系統管道或油箱內，由磁塞芯對潤滑油中懸浮的鐵磁性磨損磨粒進行吸附，通過定期對收集的磨損磨粒特征參數進行觀測、分析，了解機械部件的磨損狀態。

圖4 磁塞結構示意

磁塞分析是一種簡易的離線檢測手段，其加工制造成本低，配合普通顯微鏡即可進行磨粒分析，對磨損狀態做初步判別。缺點是僅適用于較大鐵磁性磨粒的收集，對設備故障的早期預報性較差；此外，由于收集到的磨粒是累積的結果，結果存在一定的偶然性，也難于對單個顆粒進行觀察。

目前，針對磁塞的研究主要聚焦于在線磁塞傳感器的應用研究，通過實時監測油液磨粒狀態以監控鐵磁性金屬磨粒的變化趨勢。

圖3 常見磨損磨粒作用機理

3.1.2 鐵譜分析

鐵譜分析是借助磁力將油液中的金屬顆粒分離出來，并使油液中的磨粒依據磁力的大小按磨粒尺寸依次排列、并沉積在玻璃基片上，結合可視鐵譜顯微鏡對磨粒的數量及形貌特征進行測量、觀察和分析，從而獲得磨損相關信息（圖5）。

圖5 鐵譜分析原理

鐵譜分析儀主要有直讀式鐵譜儀、分析式鐵譜儀、智能鐵譜分析儀和在線式鐵譜儀，其中使用廣泛的智能鐵譜分析儀主要是基于成像技術，獲得油液中磨粒的數量及形貌特征，再通過專家識別系統，對磨粒的類型進行智能預測和判別。和傳統鐵譜技術相比，智能鐵譜分析儀檢測速度快、操作簡單、檢測范圍和精度較高，可部分取代分析式鐵譜儀。

目前，針對鐵譜分析的研究主要包括兩方面：一是鐵譜分析儀器的改造和研制，二是基于計算機圖像分析技術的磨粒識別、統計與診斷技術的研究。

3.1.3 光譜分析

光譜分析是根據不同物質的光譜譜線差異來鑒別物質的化學組成和相對含量的方法，根據分析原理可分為發射光譜分析（圖6）與吸收光譜分析二種。對油液進行光譜分析可以獲得油液的組成成分、磨損磨粒及污染雜質等元素的信息及其變化趨勢，從而實現設備磨損狀態評估及磨損部件的診斷。

圖6 發射光譜分析原理

光譜分析方法靈敏度較高，分析范圍廣，對異常磨損現象的初期判別、磨損嚴重性趨勢預測及磨損發生點定位的研究具有極強的指導意義，但是，受到儀器購置和維護成本偏高的制約，導致該方法的性價比不高，此外，有效識別范圍一般在5 μm 以下，制約了其在潤滑油磨粒分析中的廣泛應用。

目前，光譜分析研究主要包含故障診斷范疇和狀態監測范疇兩個方向：基于磨損金屬成分光譜分析的磨損故障初期定位和基于磨粒變化趨勢光譜分析的磨損狀態預測。

3.1.4 污染度分析

污染度分析是利用顆粒計數技術對油液中固體磨粒的尺寸、大小和數量進行分析，獲得油液污染度等級評定的分析技術，目前應用的污染度分析技術按原理可分為遮光型、流量衰減型、濾膜阻塞型等顆粒計數器，其中遮光型顆粒計數器使用最為廣泛，其原理是由遮光型傳感器接收光源發出的平行光束，當油液從二者間流過時，部分光被磨粒遮擋，導致傳感器接收到的電信號發生變化，通過與校準標準作對比，即可生成磨粒的尺寸和計數信息。

污染度分析儀器通常操作簡單、計數快速、攜帶方便，適用于現場監測。缺點是易受流體阻光性、夾帶氣泡和水污染等影響，或不符合ISO 相關標準。

目前，污染度分析技術的研究主要集中在轉變離線檢測為在線、即時監測應用方面。

3.2 在線磨粒分析

3.2.1 基于磁性電子感應探頭的磨粒探測儀

在線鐵磁性磨粒探測技術是將離線磁塞技術轉移到在線監測的具體應用，其結構由一個磁性電子感應探頭和電子控制單元組成，當捕獲到的金屬磨粒達到設定值時，將產生報警電信號并傳輸到監控中心?？捎糜诓东@和測量各類旋轉和運動機械因疲勞損傷和潤滑不良產生的鐵或含鐵金屬磨粒，對于齒輪、軸承和其他運行機件，該儀器能捕獲90%以上因疲勞損傷和潤滑不良產生的鐵或含鐵金屬磨粒。

3.2.2 基于超聲散射回波法的超聲波傳感器

在線超聲磨粒檢測技術的核心是超聲換能器，通過發出超聲脈沖，基于油液和磨粒散射得到回波信號的差異，用計算機對回波信號進行采集和處理，進而識別出磨粒的尺寸并實時顯示。具有實時性好、檢測效率高、聲波在高溫油中穿透性強的特點，此外，由于超聲傳感對油液中氣泡、水滴以及磨粒的形狀、材質等均有檢測能力，因此越來越受到研究應用的重視。

3.2.3 基于X-射線熒光光譜法的嵌入式分流傳感器

在線熒光光譜磨粒檢測技術是使用放射性同位素或電子X-射線管作照射源，對數分鐘或數小時流經傳感器的金屬磨?？偭窟M行累計，并用平均累計結果建立基線，據此確定磨損率的增加量的一種方法。

3.2.4 基于過濾器碎屑分析法的嵌入式金屬顆粒傳感器

在線磨粒監測技術通?？煞譃閮纱箢悾阂活愂抢媒胧絺鞲衅鳎斕綔y到大的鐵質顆粒時，能夠起到預警作用；一類是油液顆粒探測器，當磨粒隨油液流過傳感器時，可按照粒度、數量和類型（鐵質或非鐵質）記錄金屬顆粒，可對粒度超過100 μm的磨粒連續探測和計數。該技術可以解決現代機械轉速和功率越來越高，油過濾器孔徑越來越小，導致油液取樣分析提前發現異常磨損的有效性降低問題。常用的磨粒檢測方法和儀器匯總[42-48]見表7。

表7 常用磨粒特征參數檢測方法和儀器

通過對以上離線及在線潤滑油磨粒分析方法的文獻分析可知，針對不同的齒輪箱運行工況、運行場合、主要易損件及關鍵零部件制造材料和元素特點，可以結合不同的監測需求，選擇一種或幾種磨粒分析方法，如鐵譜分析與光譜分析相結合，以獲得較大的檢測范圍。并通過離線、在線或離線在線相結合的手段，設計更有針對性、更有效的分析策略，獲得當前齒輪箱油液中磨粒的實際情況和真實情況，進而通過檢測數據來實現齒輪箱狀態和劣化趨勢的精準跟蹤和密切監控，確保磨粒分析達到預期目的。

然而，對于卷煙包裝設備，基于磨粒分析技術的不同齒輪箱狀態監控的通用性方法及個性化手段的研究仍有待更多關注。

3.3 智能磨粒分析

以上文獻分析更多關注在用潤滑油磨粒特征參數的傳統獲取方面的研究和方法，數據分析主要依賴于專家的知識經驗，而隨著檢測儀器和在線傳感技術、計算機和人工智能技術的不斷發展，傳統磨粒識別已無法滿足現代設備狀態檢測的需要，對磨粒的自動識別和對當前磨損狀態的自動感知，已經發展成為設備磨損狀態檢測研究中的又一關鍵問題。

當前，將先進的智能分析技術引入潤滑油磨粒分析過程，實現磨粒的自動識別和精確預測已成為相關儀器和裝置在線檢測的研究熱點和難點。目前應用比較廣泛的智能理論主要有神經網絡、模糊理論、灰色理論、支持向量機理論等，幾種代表性的智能理論應用情況[49-60]見表8。

表8 典型智能油液分析方法

對上述有代表性的智能理論應用情況回顧可知，基于智能分析的數據分析方法，能夠在一定程度上提高對磨粒自動識別和對當前磨損狀態自動感知的經濟性、準確性和時效性，是突破傳統分析主要依賴于專家知識經驗的有效方式。

4 總結與展望

油液磨粒分析技術對磨損磨粒的識別和預測具有較強的指導意義，可以實現設備齒輪箱在無拆解狀態下的磨損故障分析，能夠反映摩擦系統時變特征的系統輸出，現已成為齒輪箱等封閉式潤滑系統磨損狀態監測的常用故障診斷技術。從現有文獻回顧中，新型在線傳感監測、智能算法自動識別和融合分析方法依然是潤滑油磨粒分析的主要研究方向，但同樣存在一些明顯的挑戰性問題亟待解決，主要體現在：

（1）在新型在線傳感監測研究方面：隨著復合功能潤滑油的使用，一些潤滑油改性添加劑（如納米量級的添加微粒），對磨粒監測系統帶來的影響缺乏必要研究。

（2）在智能算法自動識別方面：①現有磨粒分析方法普遍適用于常見種類的磨損磨粒材料識別，對某些稀有金屬、改性金屬等特殊金屬或非金屬元素的識別缺乏深入研究；②研究主要集中在常規機器學習方法的探索和應用，對深度學習、強化學習、遷移學習理論的應用研究還比較少。

（3）在檢測模型構建方面：①典型深度學習方法的高性能與磨粒檢測的小數據量之間的矛盾，導致深度學習方法在磨粒分析中的應用存在局限性；②大多數預測模型的適用范圍僅僅局限在單一磨損機理方面，比如只適用于疲勞磨損，或粘著磨損等，普適性和泛化性仍需開展進一步研究。

（4）在融合分析方法方面，①隨著智能分析方法的爆發式發展，不同模型的適用性與磨粒分析需求之間的對應性存在較大探索空間；②在各類智能理論的匹配性、泛化性研究方面，以及油液磨粒分析技術與其他故障診斷技術的融合研究方面，仍有一定的挑戰性。

對卷煙包裝設備的故障預警和診斷研究而言，結合新型金屬或非金屬材料、復雜傳動機構的廣泛使用，以及設計車速為14 000 支/min 左右高速設備的主流應用趨勢，有必要繼續開展基于智能油液磨粒分析技術的特殊材料元素識別研究、關鍵傳動磨損機制研究、以及狀態監測、故障預警和診斷等方面研究，借助新興技術進一步提升煙機設備的運行效能和保障水平。

云南中煙工業有限責任公司科技項目：基于潤滑油分析和監測的設備故障預警方法研究與應用（2021JC11）。