航空發動機燃油污染快速檢測技術的初步研究

劉宇佳，郎 宏，何 山，許秋玲，佟文偉

（中航工業沈陽發動機設計研究所，沈陽110015）

0 引言

現代航空發動機的發展趨勢是高轉速、高性能、長壽命，使得發動機在使用中具有更高的安全性和可靠性。除設計、零部件生產工藝及產品質量因素外，潤滑系統的運行狀況對發動機的健康運轉和使用壽命具有重要意義。航空發動機潤滑系統散熱器故障或密封部件失效時會發生串油故障，使滑油系統受到燃油的污染，從而使潤滑油性能降低，造成機械部件潤滑不良，加速磨損；燃油中的不飽和烴還會加劇潤滑油氧化，加速生成油泥等沉淀物，影響發動機可靠性和使用壽命，更嚴重時會引起發動機著火、爆炸等事故[1-3]。

燃油污染可通過發動機試制現場滑油箱中油量異常上漲、潤滑油氣味異常等現象初判，后續還要將油液樣本送往分析實驗室做進一步檢測。傳統檢測方法如閃點法、粘度法[4]等需要的樣本數量多，分析時間長，不能滿足快速檢測的需要。而紅外光譜是1種快速、無損、“綠色”的分析技術，已被廣泛應用于諸多行業[5-7]。在潤滑油監測領域，利用傅里葉變換紅外光譜技術（FTIR）可以獲知潤滑油中的水分[8]、積炭、氧化產物、硝化產物、硫化產物以及各種添加劑的變化[9-12]。偏最小二乘法是化學計量學中常用的定量分析方法，可提取紅外光譜中有用的光譜信息，有效消除干擾和噪聲[13-15]。

本文基于傅里葉紅外光譜分析技術，開展了航空發動機滑油系統受到燃油污染的快速檢測技術研究。采用偏最小二乘方法，初步建立傅里葉紅外光譜檢測模型，以實現潤滑油中燃油污染的快速、定量檢測。該方法可用于航空發動機潤滑系統的故障監測及預防，為發動機安全可靠地運行提供技術保證。

1 設備與方法

1.1 儀器設備

Nicoletis10傅里葉變換紅外光譜儀可多次全反射ARK采樣附件。光譜數據分析處理軟件為OMNIC8.3及MATLAB7.1。

1.2 樣本制備

選擇航空發動機在用的某牌號合成航空潤滑油與噴氣燃料，分別配制燃油質量分數為（0～8）%的混合油液樣本，共46個分析樣本。從各樣本中隨機選取39個作為建模集用于建立校正模型，建模集燃油質量分數見表1。其余7個樣本作為預測集。

表1 建模集樣本燃油質量分數 %

1.3 紅外光譜采集

采用多次全反射ARK采樣附件采集油液樣本的紅外光譜，掃描范圍為4000～650cm-1，光譜分辨率為4cm-1，掃描信號累計32次。取1mL樣本使之均勻分布于ARK樣本槽內，以空氣為背景，采集譜圖。

1.4 數據處理

偏最小二乘法利用主成分分析將吸光度矩陣和質量分數矩陣分別分解為特征向量和載荷向量，然后用偏最小二乘回歸在這些隱含量之間建立相互關系，從而得到吸光度矩陣與質量分數矩陣之間的數學校正模型。

本研究應用MATLAB7.1軟件對所有數據進行處理與計算。采用去一交互驗證法，校正集樣本的交互驗證均方根誤差（RMSECV）為優化模型參數，選擇最佳的波長范圍與光譜預處理方法，以RMSECV和預測殘差平方和（PRESS）為優化參數選擇最佳PLS因子數。以預測均方根誤差（RMSEP）、預測集樣本質量分數的預測值與其實際值間的回歸系數（R）和重現性試驗標準偏差（SD）考核模型的預測能力。均方根誤差（RMSE）按式（1）計算，PRESS按式（2）計算。

式中：n 為樣本數；Yy，i為樣本的預測值；Yi為樣本的實際值。

式中：n 為建模集樣本數；f 為建立校正模型使用的PLS因子數；Yy，ij為樣本的預測值；Yij為樣本的實際值。

2 結果與分析

2.1 紅外光譜分析

潤滑油與噴氣燃料的紅外譜如圖1所示。潤滑油與噴氣燃料均為碳氫化合物，試驗中使用的航空合成潤滑油由合成酯類基礎油與多種抗氧化、抗腐蝕、抗磨損等添加劑組成。噴氣燃料的芳性組分含量比潤滑油的高，常以750～850cm-1附近芳烴碳氫鍵的彎曲振動峰為特征峰進行紅外檢測[15]，當潤滑油中噴氣燃料摻混量較低時，噴氣燃料的吸收峰被潤滑油較強的吸收峰覆蓋，很難在譜圖中分辨出來，不能對混入的噴氣燃料進行鑒別。利用多波長校正可從復雜的光譜信息中提取有用信息，剔除冗余信息，建立校正模型，再利用校正模型預測未知樣本組成和性質。分析區域可以是全譜或某一波數范圍，噴氣燃料在700～1500 cm-1范圍內可見甲基、亞甲基和芳烴等的特征吸收峰，因此選擇該區域作為分析區域進行建模。

圖1 油液樣本紅外光譜

2.2 光譜范圍及預處理方法選擇

以模型的RMSECV值作為優化參數，考察不同光譜范圍及預處理方法對模型預測能力的影響。對原始光譜和經過ATR校正的光譜進行縱坐標歸一化處理，以排除其它因素的干擾。計算2種不同光譜預處理方法在不同波數范圍建立模型的RMSECV值，所得結果見表2。從表中可見，經原始光譜歸一化后的光譜在700～900、1250～1500cm-1范圍內建模得到的RMSECV值最小，說明對于檢測燃油污染最有利的是未經ATR校正的原始光譜，最佳分析波長范圍為700～900、1250～1500cm-1。

表2 不同光譜范圍及預處理方法對模型RMSECV值的影響

2.3 PLS 因子數選擇和交叉驗證

采用PLS 方法建立定量分析模型，PLS 因子數（主成分數）的選擇直接影響到模型的實際預測能力。若PLS 因子數過少，不足以反映樣本的光譜信息；若PLS 因子數過多，則會將噪聲信息加入計算，降低模型的預測能力。本研究采用去一交互驗證方法，應用RMSECV和PRESS值為優化參數確定最佳的PLS 因子數，即每次從樣本中選擇1個樣本作為預測集，其余樣本構成建模集，建立模型，在不同因子數下計算所構建模型的RMSECV和PRESS值，交互驗證的RMSECV和PRESS值越小，代表模型的預測能力越好。

潤滑油燃油污染定量分析模型交叉驗證的結果如圖2所示。從圖中可見，隨著因子數的增加，RMSECV和PRESS值呈現先降后升的趨勢。當因子數為19時，RMSECV和PRESS值最小，此時模型的預測能力最好。當PLS 因子數>19后，RMSECV和PRESS值又開始增大，說明在該點后引入的隱變量是與被測組份無關的噪聲，參與建模會降低模型的預測能力。因此，PLS因子數為19時最佳。

2.4 最佳PLS 定量分析模型的建立

對采集39個建模集樣本在700～1500cm-1范圍的原始紅外光譜進行縱坐標歸一化處理。建模集的紅外光譜如圖3所示。從圖中可見，不同質量分數的潤滑油與噴氣燃料混合樣本的紅外譜線相互重疊，沒有明顯差別，吸收強度與質量分數間相關性差，難以通過常規分析定量，需通過建立光譜模型實現噴氣燃料的檢測。

將700～900、1250～1500cm-1范圍的光譜數據作為輸入變量，樣本所含噴氣燃料質量分數作為預測值，選擇PLS 因子數為19建立PLS 模型。應用所建立的校正模型對預測集樣本的燃油含量進行預測分析，7個預測集結果見表3。光譜預測值均能很好地接近于實際值。預測集樣本實際值與預測值的相關性如圖4所示。預測值與實際值之間的相關系數R=0.9994。預測均方根誤差RMSEP=0.082，表明所建模型具有良好的預測能力，能夠滿足實際應用需要。

圖2 去一交互檢驗的RMSECV和PREsS值隨PLS 因子數變化

圖3 建模樣本的紅外光譜

表3 預測集樣本預測結果%

圖4 樣本預測值與實際值相關性

2.5 重復性試驗

隨機選取任意3個燃油含量的樣本，依據上述方法重復測定5次，結果見表4。5次重復測定結果的SD分別為0.044、0.088、0.055。表明方法的重復性良好。

表4 樣本重復測定結果 %

3 結束語

本研究以某發動機研制中使用的特定牌號航空合成潤滑油與噴氣燃料為研究對象，在潤滑油中混入質量分數為0～8%的燃油建立紅外光譜定量檢測模型。通過選擇合適的光譜分析范圍、光譜預處理方法和PLS 因子數對模型進行優化。應用該模型對已知燃油含量的樣本進行預測，得到較為滿意的結果。初步驗證了紅外光譜結合PLS 方法應用于航空發動機燃油污染定量檢測是可行的。

本研究關注的是某牌號潤滑油中燃油污染的早期發現，建立的紅外模型具有較強的針對性。在其他航空發動機研制中，也可以利用本研究成果，建立專門的紅外光譜定量檢測模型，對潤滑油中燃油污染進行快速檢測。

[1]李詠.潤滑油閃點測定在發動機修理中的運用[J].潤滑油，2010，25（3）：43-46.LI Yong.Application of lubricant flash point determination in engine maintenance[J].Lubricating Oil，2010，25（3）：43-46.（in Chinese）

[2]陳釗，蘭琳，陳群.柴油機潤滑系統故障分析及預防措施[J].煤礦機械，2007，28（9）：196-198.CHEN Zhao，LAN Lin，CHEN Qun.Fault analysis and preventive measure to lubricating system of diesel engine[J].Coal Mine Machinery，2007，28（9）：196-198.（in Chinese）

[3]孫曉軍，吳新，欒東.航空發動機燃油系統抗污染綜述[J].航空發動機，2010，36（6）:1-5.SUN Xiaojun，WU Xin，LUAN Dong.Review of anti-fouling technologies for aeroengine fuel system[J].Aeroengine，2010，36（6）:1-5.（in Chinese）

[4]張占綱，郭紹輝，宋蘭琪，等.航空發動機串油故障分析研究[J].宇航材料工藝，2005（4）：58-61.ZHANG Zhangang，GUO Shaohui，SONG Langqi，et al.Analysis of abnormal serial connection of different oil system in aeroengine[J].Aerospace Materials and Technology，2005（4）：58-61.（in Chinese）

[5]王桂清，劉敏娜.紅外光譜技術的近代進展及其應用[J].現代儀器，2002（2）：1-4.WANG Guiqing，LIU Minna.Recent advances and application in technology of infrared spectroscopy[J].Modern Instruments，2002（2）：1-4.（in Chinese）

[6]薛進，張九淵，王春濤.紅外波譜技術在軸承潤滑脂分析上的應用[J].軸承，2003（7）：25-29.XUE Jin，ZHANG Jiuyuan，WANG Chuntao.Application of infrared spectrum technique in bearing grease analysis[J].Bearing，2003（7）：25-29.（in Chinese）

[7]鄒春海，馮均利，李勇，等.食用油的紅外吸收光譜分析[J].光譜實驗室，2013，30（3）：1099-1102.ZOU Chunhai，FENG Junli，LI Yong，et al.Analysis of cooking oil by transform infrared spectroscopy[J].Chinese Journal of Spectroscopy Laboratory，2013，30（3）：1099-1102.（in Chinese）

[8]吳勇，王彩云，夏志新.液壓油含水量的紅外光譜測量方法研究[J].中國礦業大學學報，2000，29（2）：195-198.WU Yong，WANG Caiyun，XIA Zhixin.Study on infrared spectrum monitoring water content in hydraulic oil[J].Journal of China University of Mining and Technology，2000，29（2）：195-198.（in Chinese）

[9]馬蘭芝，褚小立，田松柏，等.紅外光譜法在潤滑油分析中的應用與研究進展[J].分析儀器，2010（2）：1-4.MA Lanzhi，CHU Xiaoli，TIAN Songbai，et al.Progress of application of infrared spectroscopic techniques in analysis of lubricating oil[J].Analytical Instrumentation，2010（2）：1-4.（in Chinese）

[10]陳學鋒，趙質良.紅外光譜分析技術在船舶裝備油液監測中的應用[J].機械管理開發，2009，24（6）：7-8.CHEN Xuefeng，ZHAO Zhiliang.Application of the infrared spectrum analysis in lube monitoring[J].Mechanical Management and Development，2009，24（6）：7-8.（in Chinese）

[11]化巖，史永剛，任連嶺，等.紅外光譜技術在潤滑油分析中的應用[J].合成潤滑材料，2008，35（2）：5-7.HUA Yan，SHI Yonggang，REN Lianling，et al.Applications of infrared spectroscopy technique on lubricating oil analysis[J].Synthetic Lubricants，2008，35（2）：5-7.（in Chinese）

[12]徐杰，阮竹，李象瑢.汽油機油在使用過程中老化降解規律的紅外光譜研究[J].潤滑油，1994，9（6）：28-34.XU Jie，RUAN Zhu，LI Xiangrong.An IR spectra study on ageing and degradation regular pattern of engine oil in use[J].Lubricating Oil，1994，9（6）：28-34.（in Chinese）

[13]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.SHI Xinfa，LIU Dongfeng，ZHOU Zhicai.Extraction and application of FTIR spectrum feature information for in-using lube oil of marine diesel engine[J].Chinese Internal Combustion Engine Engineering，2013，34（5）：81-86.（in Chinese）

[14]馮新滬，羅平亞，史永剛，等.發動機潤滑油高溫清凈性能的偏最小二乘法預測[J].現代科學儀器，2002（5）：22-24.FENG Xinhu，LUO Pingya，SHI Yonggang，et al.Predicting high temperature detergent performance of engine lubricant by PLS[J].Modern Scientific Instruments，2002（5）：22-24.（in Chinese）

[15]楊旭，任芊，黃友之，等.近紅外光譜法用于含能材料快速分析的研究[J].北京理工大學學報，2002，22（5）：646-649.YANG Xu，REN Qian，HUANG Youzhi，et al.On-line rapid measurement of volatile ingredients in propellant products with the NIR spectroscopy method[J].Journal of Beijing Institute of Technology，2002，22（5）：646-649.（in Chinese）

[16]金甌，任天輝.FTIR紅外光譜在燃油稀釋評價中的應用[J].光譜實驗室，2013，30（3）：1422-1426.JIN Ou，REN Tianhui.Application of FTIR to the evaluation of diesel dilution in lubricant[J].Chinese Journal of Spectroscopy Laboratory，2013，30（3）：1422-1426.（in Chinese）