油液監測信息綜合應用的關鍵問題研究

石新發 劉東風 周志才

（海軍工程大學青島油液檢測分析中心 青島 266012）

按照系統工程學的觀點，在處理摩擦學問題時，摩擦、磨損、潤滑三者有密切的聯系，摩擦副不再是一個獨立的事物，而是一個復雜的摩擦系統組成單元，主要由相對運動的工作表面（摩擦面）、潤滑（工作）介質、潤滑系統、磨損產物、工作環境等5部分構成.油液監測作為摩擦學系統主要監測技術之一，為提高監測的準確性、有效性，多技術手段、多參數綜合監測是油液監測應用的發展趨勢之一，而由此帶來的信息量將會大大增加，最優化利用獲取的信息已和技術手段自身的發展同等重要.因此，信息的融合應用成為了油液監測技術應用與發展的關鍵問題之一.

1 油液監測信息組成及特點

1.1 油液信息組成、來源及表征指標

油液監測技術所采用的技術手段主要涉及潤滑劑性能分析和磨損顆粒分析量大技術領域，主要有原子光譜分析（發射光譜、X-熒光能譜、吸收光譜等）、紅外光譜分析、理化指標分析、鐵譜分析、污染度測試等技術，以及在線監測技術和電化學分析技術.油液監測信息組成及來源也由各技術手段所決定，另外，在實施中還存在在線監測、現場監測和實驗室監測等不同實施方式獲取的信息.其具體組成見表1.

表1 油液監測信息組成

1.2 油液監測信息的特點

由表1可見，油液監測信息總體呈現以下特點：

1）信息的多源性與各異性 油液監測信息源不但涉及的技術手段多，獲取方式不同，而且涉及的系統部件多，信息量大且來源復雜，不但要考慮信息采集源（技術手段），還要考慮信息的生成源（設備部件），比如，同一磨損元素可能來自于軸承也可能來自于齒輪，造成了故障定位難的問題.油液監測信息中數字型、文字描述型和圖像型等信息并存，數據計量單位各異；同一信息源能表征多種故障類別，同一信息能指向多種故障部件；時間依賴性信息（如：發射光譜信息）和非時間依賴性信息共存（如：進水、燃油等污染類信息），信息獲取的時間尺度差別大；宏觀信息（如：理化指標）和微觀信息（如：紅外光譜信息）共存.

2）信息的冗余性、互補性與協同性 油液監測中，很多情況下存在不同手段（儀器）提供的關于同一特征的多個信息，在一定程度上造成了信息的冗余性，比如，進燃油現象，粘度、閃點和紅外光譜均能夠表征出來.油液監測的某個儀器或手段只在一個側面反映了系統狀態，在監測中應當綜合應用信息來反映系統整體狀態，使得各個信息源在一定程度上具有互補性.在故障診斷或狀態判定時，單個信息源往往需要另一個信息源的支持才能對狀態進行確定，形成協同作用的方式，最為典型的就是潤滑油中進海水，檢測到進水后，必須依靠元素分析確定是海水還是淡水.

3）信息的高維性 油液監測主要的信息源多種，且各信息源中均有多個指標，比如，僅原子發射光譜信息源共有19個數據指標，各類信息源指標總和近50余個，造成了其信息存在維數高的特點，使得在信息處理中存在計算過程繁瑣，非線性強，所建立的模型階次過高等問題.

2 油液監測信息應用現狀

在油液監測信息應用與處理方面，從資料統計看，主要體現在原子發射光譜信息，磨損顆粒識別信息，顆粒計數信息和油品衰變監測信息的應用，也開展了一定的多手段聯合應用的研究.

原子發射光譜信息的應用研究主要體現為三個方面：元素含量預測，特征信息提取和磨損狀態識別與分類等研究.在數據預測的研究中，主要應用AR 模型、非等間隔階躍灰色模型、遺傳算法的組合算法、神經網絡算法、SVM 回歸算法、改進歐拉算法、LSSVR-AR 模型、信息熵與灰色系統組合模型、多元回歸與時間序列組合、PLSR 算法等，通過對元素濃度預測值或擬合值與實際值的對比，實現故障預警.在特征信息提取的研究中，提出了相關系數、梯度、比例等幾種模型對柴油機原子發射光譜數據進行分析，也有作者以元素間的濃度比值和相鄰油樣的元素濃度比值為特征參數，實現對某柴油機故障分析；模糊信息熵聚類算法、灰色趨勢關聯度，主成分分析法［1］、基于Parzen窗的Vague集理論［2］等也在原子發射光譜信息特征提取與優選中得到應用；在監測數據界限值制定中，分別應用最大熵值理論、改進傳統三線值法、穩健回歸理論［3］，研究了元素數據的界限值制定.在設備整體磨損狀態進行識別與分類的研究中，主要應用Rough Se理論、物元分析方法、人工免疫系統［4］、投影尋蹤［5］、證據理論實現基于發射光譜數據的發動機磨損狀態評判，文獻［6］通過集成最大熵概率密度估計和迭代遞歸預測誤差算法，構建了不完整數據下發動機磨損的預防性維修決策框架.

磨粒識別與分析是揭示摩擦副表面的磨損機理、磨損過程與磨損失效模式的主要技術手段之一.從分析式鐵譜儀誕生開始，在磨粒信息方面開展了大量的研究工作，主要集中在磨粒識別、磨損狀態識別兩方面.在磨粒識別研究方面，應用小波分析、分形維數算法，灰色聚類算法、遺傳神經網絡算法、粗糙集理論、D-S證據理論與BP神經網絡集成算法、加權模糊優選理論、核主成分分析算法［7］、交互信息熵算法［8］、主成分聚類算法［9］等研究了磨粒識別與分類方法.在磨損狀態識別研究中，應用灰靶理論實現某沖壓自動生產線的磨損模式識別［10］；應用模糊灰色關聯度、對稱信息熵［11］等，計算了裝備磨損模式與標準磨損模式的關聯度（相似度）；文獻［12］通過鐵譜圖像覆蓋面積回歸分析，實現磨損狀態的判斷和預測；文獻［13］應用直讀式和分析式鐵譜制定了某型柴油機磨合規范；也有作者應用GM（1，1）模型實現基于直讀鐵譜的磨損趨勢預測.

顆粒計數技術對于液壓系統等油液清潔度要求較高的設備，是最有效的監測手段.主成分分析法、粗糙集理論等算法相繼用于該技術獲取信息的特征提取，得到了特征性顆粒尺寸；灰色模型、時間序列和神經網絡等也用于了油液污染度的預測方面的研究.

在油品衰變監測方面，由于理化指標分析技術存在分析耗時長、費用高，某些參數檢測的重復性和再現性差，計量單位復雜等特點，造成了信息處理難度大，在其信息的處理上研究較少.FT-IR光譜技術應用至油液監測中后，工程師們開展了大量應用實踐［14］，該技術獲取的數據精度高，便于進行存儲、提取和統計分析，成為了在用油油品監測的重要手段.文獻［15］等應用粗糙集理論研究了IR 光譜與理化指標的數據挖掘，隨后作者研究了二者信息關聯性［16］，并應用主成分分析法實現了潤滑油IR 光譜信息提取［17］.另外，采用PLSR 等模型應用IR 光譜信息對酸值、粘度進行回歸分析也取得了一定的效果.

在多技術手段信息聯合應用方面，應用A型灰色關聯度模型研究了發射光譜、直讀鐵譜和理化指標等多指標綜合評價方法；應用D-S證據組合理論研究了原子發射光譜、紅外光譜、理化指標和鐵譜分析等信息的融合方法；應用加權灰色關聯模型研究了直讀式鐵譜數據與理化指標數據的關聯性進行了研究；應用層次分析法研究了實施多參數監測時指標權重的確定方法；應用模糊粗糙集理論實現原子發射光譜、分析鐵譜等多指標屬性約簡；應用加權灰色關聯度模型研究了潤滑油的理化指標和直讀鐵譜的關聯性［18］；應用灰色趨勢關聯度分析了酸值、積碳含量、鐵含量與介電常數等的關聯性［19］.

3 油液監測多源信息應用研究的關鍵問題

油液監測信息應用的目標是從來源和類型多樣化的監測數據中，將獲取的數據集中描述為與系統依賴性和時間依賴性相關的定量特征，識別摩擦學系統健康狀態.要實現這一目標，需從以下幾個方面開展研究.

1）故障機理研究 當前，裝備子系統多且結構復雜，故障與特征之間的關系并不是一一映射的關系，一種故障可能表現出多種特征，一種特征也可能是多種故障呈現的.故障模式分析能夠得出摩擦學系統的主要故障模式和產生原因、發展規律、表征信息、對裝備造成的影響等特征，還可獲取的信息與故障模式的映射關系，特別是多信息中故障與信息的映射關系，從而為信息特征提取、故障模式的信息描述模型構建、故障診斷和狀態評估等提供奠定理論基礎.

2）信息特征提取研究 艦船裝備油液監測獲取的大量高維數據，均包含著一定量的冗余信息和干擾信息，其存在將會大大增強模型建立的復雜性和降低計算的準確度.在油液監測多源信息應用中，更關注的是信息的內涵、各信息源的優化協調和信息組合后所能描述的特征，而這些是需要通過對獲取信息進行特征提取來實現的.應當在研究單個信息源的特征提取的基礎上，構建科學、合理的數據配準框架，在一個數據框架內，開展信息屬性約簡、數據降維、各信息源關聯性分析等研究，理清信息的內部關系，提取能夠切實反映裝備摩擦學系統技術狀態和典型故障模式的特征信息.

3）故障模式與信息映射關系建立研究 由于油液監測信息的自身特點，及隨著其應用深入而產生的大量復雜程度增高的數據信息，使得以往依據先驗信息建立信息與故障模式映射的相關理論模型，然后進行推演得出結論的方法很難實現，主要存在兩方面的問題：一是模型中眾多結構參數和物性參數較難確定，很難建立與需求相符的模型；另一方面建立的理論模型階次過高、非線性太強、不確定性大等問題.因此，需要研究新的映射關系建立方法，實現應用油液監測信息準確、定量表征裝備健康狀態和典型故障模式.

4）信息融合模型構建 信息融合框架結構是融合模型的“軀干”，隨著油液監測應用的深入，需要監測的項目越來越多，表現為信息源數量大、種類多，并且信息源間的表征指標關系復雜，因此，需要從模型的功能、融合層次、融合結構等方面系統建模，綜合集成并整體優化.融合算法是核心，目前概率論、證據理論、統計推斷、隨機集、核算法等已成為信息融合的數學基礎，隨著新算法的發展，新的、更有效的信息融合算法不斷出現，比如：基于數據驅動、機器學習、知識推理等算法，為油液監測信息融合提供了新的思路.融合過程評估是保證，融合評估不但能夠保證建立最優的融合模型，提升模型性能，還能夠解決監測資源調度問題，為監測平臺資源優化提供支持，實現油液監測信息獲取與融合聯合優化.群體決策是一種趨勢，群體決策能夠實現多算法的集成應用，其體現就是群體智能算法；還可以發揮多個研究群體的智慧，集體決策，其體現就是多專家集體決策；通過群體決策可以克服單一算法的可移植性、泛化性、魯棒性不強等問題.

4 結束語

隨著油液監測技術發展與應用拓展，產生的信息量也較以往大大增加，在其獲取信息的應用中，不僅僅是采取傳統的數據處理方法，應當更新信息應用思路，挖掘隱藏在數據中的特征信息，實現信息的集成融合應用，最大化的提升信息應用水平.本文首先分析了油液監測信息的組成及其特點，然后從原子發射光譜信息、磨損顆粒識別信息，顆粒計數信息、油品衰變信息和多手段聯合應用信息等應用方面，研究了當前油液監測信息的應用情況，系統分析了油液監測在信息應用方面存在的問題，提出了油液監測信息應用需要解決的關鍵點.

［1］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）：779-782.

［2］徐 超，張培林，任國全.基于Parzen窗的Vague集理論用于油液原子光譜特征優選［J］.光譜學與光譜分 析，2011，31（2）：465-468.

［3］周 平，劉東風，石新發.基于穩健回歸的油液光譜分析界限值制定［J］.潤滑與密封，2010，35（5）：85-88.

［4］高經緯，張培林，吳定海，等.一種基于油液光譜分析和免疫原理的內燃機磨損故障診斷方法［J］.內燃機工 程，2008，29（1）：77-80.

［5］周 平，劉東風，吳 千.投影尋蹤在柴油機磨損狀態評價中的應用［J］.潤滑與密封，2009，34（10）：92-95.

［6］尹曉虎，尹家銅，張忠良.不完整滑油數據下發動機磨損的預防性維修決策框架［J］.內燃機學報，2010，28（2）：165-172.

［7］李 岳，溫熙森，呂克洪.基于核主成分分析的鐵譜磨粒特征提取方法研究［J］.國防科技大學學報，2007，29（2）：113-116.

［8］張培林，李 兵，任國全.發動機典型磨損磨粒識別的SCE模型［J］.潤滑與密封，2008，33（4）：24-26.

［9］呂植勇，嚴新平，彭雅芳.磨損磨粒的主成分聚類方法分析［J］.摩擦學學報，2008，28（5）：453-455.

［10］CHEN Shiwei，LI Zhuguo，XU Qisheng.Grey target theory based equipment condition monitoring and wear mode recognition［J］.Wear，2006，260：438-449.

［11］張培林，李 兵，任國全.發動機磨損模式識別的SFCE方法［J］.內燃機工程，2008，29（4）：81-84.

［12］李大光，呂植勇，何曉昀，等.基于圖像處理的鐵譜覆蓋面積回歸分析［J］.內燃機學報，2006，24（6）：554-558.

［13］包春江，張 菊，楊志伊.ZN490柴油機磨合期的鐵譜監測試驗研究［J］.內燃機工程，2009，30（1）：55-58.

［14］van de VOORT F R，SEDMAN J，PINCHUK D.An overview of progress and developments in FT-IR lubricant condi-tion monitoring methology［J］.Journal of ASTM International，2011（8）：1-14.

［15］石新發，劉東風.基于粗糙集理論的潤滑油衰變數據挖掘及實現［J］.武漢理工大學學報：交通科學與工程版，2008，32（6）：530-532.

［16］石新發，劉東風，周志才.船舶柴油機潤滑油衰變監測信息關聯性分析［J］.內燃機學報，2013，31（3）：281-287.

［17］石新發，劉東風，周志才.船舶柴油機在用潤滑油FT-IR光譜特征信息提取與應用［J］.內燃機工程，2013，34（5）：81-86.

［18］包春江，王碧玲，楊志伊.汽車發動機油液監測試驗研究［J］.內燃機學報，2008，26（5）：457-462.

［19］侯曉亞，張英堂，任國全.基于灰色理論的潤滑油監測數據關聯度分析［J］.潤滑與密封，2011，36（11）：41-44.