動車組潤滑油Fe光譜與鐵量數據相關性的研究

屈曉龍

（上海鐵路局上海動車段，上海 201812）

0 引言

近年來，我國的高速鐵路技術成果和建設成就在國際社會產生了重大影響，高速動車組的新實踐、新發展極大地豐富和深化了人們對高速鐵路技術水平、功能作用、發展模式、合作交流等方面的認識，而中國高速鐵路更是走出了一條獨具魅力的成功之路。據了解，目前我國鐵路已投入運營的動車組達兩千余組，每天開行動車組四千余列，研發、制造技術位于國際領先水平。

隨著我國高速鐵路的蓬勃發展，動車組的運行安全問題也得到了空前的重視。齒輪箱作為動車組傳動系統的關鍵部件，尤其是作為一個易磨損部件，得到了廣泛關注。一般，齒輪箱的失效方式主要有磨損、腐蝕和斷裂等，其中，磨損失效是造成齒輪箱故障的主要原因之一。潤滑油作為齒輪箱內的“血液”，起著潤滑、密封、清洗、冷卻和防腐等作用。此外，它還承擔著記錄齒輪箱磨損信息的重要任務— 潤滑油內蘊含的大量機械雜質可作為監測齒輪箱運行狀態及判斷齒輪箱故障的重要依據。目前，對動車組齒輪箱潤滑油的磨損分析方法主要有原子光譜分析法、鐵譜分析法以及鐵量分析法等。

傳統觀點認為，原子發射光譜分析法有效檢測范圍為亞微米級到微米級的小磨粒，而鐵量分析法能夠有效檢測最高可達上百微米級的大磨粒，因而是獨立的兩種油液分析方法，對其數據相關性的研究較少。但是，Fe元素作為潤滑油內的主要檢測元素之一，兩種分析方法均能對其進行有效檢測。以上海動車段化驗室（下文簡稱“化驗室”）負責檢測的CRH1型動車組齒輪箱潤滑油為研究對象，借助SPSS軟件采用數理統計分析法，就Fe元素在“光譜”與“鐵量”檢測數據上的相關性進行研究和探討。

1 分析方法

1.1 旋轉盤電極原子發射光譜法

本文中所采用的檢測數據基于原子發射光譜原理，其原理是：在具備一定能量的光源（如電弧）中，物質在高溫的作用下解離，不同組分的物質解離形成的原子分布在不同的能級，由于躍遷現象將產生不同的光輻射，即形成原子發射光譜。理論上該方法可用于檢測任何狀態的樣品，且可實現多組分含量的同時檢測，此外還具有靈敏、快速的特點，因此應用十分廣泛。

1.2 鐵量分析法

鐵量儀是一種感應磁場變化的儀器，可以檢測出油樣中鐵磁性物質的存在并以其濃度表示檢測結果。其原理是：鐵量儀有2個磁通計線圈，樣品線圈（探測線圈）和參比線圈。在沒有樣品掠過時，2個線圈的磁場處于平衡狀態；當把含有鐵磁性物質的油樣掠過探測線圈時，線圈內的磁通密度發生與鐵磁性物質濃度正相關的變化，2個線圈之間的平衡被破壞產生相應電信號并被放大、過濾后顯示為鐵量濃度。鐵量儀采用的是物理檢測方法，與樣品中鐵磁性物質的含量更與其尺寸大小相關。

2 檢測數據分析

基于兩年來累積的CRH1型動車組齒輪箱潤滑油液檢測數據，光譜檢測數據與鐵量檢測數據的單位均為ppm（10-6）。研究過程中收集了CRH1型動車組的共計2400個油樣的“光譜”及“鐵量”的對應檢測數據。其中，由于光譜分析法（化驗室所使用的光譜分析儀是美國斯派超SpectrOiL 120C型光譜分析儀，有效檢測范圍＜10 μm）與鐵量分析法（有效檢測范圍至mm級）對被測對象實施有效檢測的尺寸范圍不同，剔除因油樣中含有大磨損顆粒導致光譜分析法失效的109個樣品，有效研究對象總數為2291個，約占樣本總數的95.5%。運用SPSS軟件進行相關數理統計分析。

通過對數據的觀察分析，可參考一元線性方程模型，假設：yi=α+βxi+εi。其中，yi表示某樣品光譜檢測數據值，xi表示該樣品鐵量檢測數據值。根據一般線性回歸分析方法，采用以下步驟對研究數據進行分析。

（1）繪制數據散點圖（圖1）

從圖1可以看出光譜與鐵量數據之間存在一定的線性相關關系。

（2）簡單數據相關性分析

由表1可知Pearson簡單相關系數（0.877）以及相關檢驗t統計量對應的p值（0.000，＜0.05），可以看出表示兩數據間具有較強的正相關關系，其中相關系數右上角的“**”表示相關系數在0.01的顯著性水平下顯著，則在該分析結果的基礎上作進一步回歸分析。

（3）線性回歸分析

圖1 散點圖

表1 簡單相關性

表2給出了回歸模型的擬合優度（R2）、調整的擬合優度（調整 R2）、估計標準差。從所得數據結果分析，該模型的判定系數以及調整后的判定系數分別為0.7693和0.7692，表示擬合優度較高，即收集的樣品光譜檢測數據76%以上的變動都可以通過假設的模型進行解釋。

表2 回歸模型的擬合優度評價

表3給出了假設模型的方差分析數據，其中Fe統計量為7631.521，對應的p值為0。則否定該模型非顯著的可能性，即該模型的整體是顯著的。

表3 方差分析表

由表4給出的分析結果可知，鐵量（即解釋變量x）與常數項的t統計量對應p值均遠小于顯著性水平0.05，此即表示在0.05的顯著性水平下其均可滿足t檢驗的相關要求。此外，由表4還可知所假設線性模型的常數項為4.660，斜率（即變量x的回歸系數）為2.612，此時，可初步得出所假設模型方程為，即鐵量數據值每增加A，其對應光譜數據值將增加2.612A。

上述所得模型初步方程未考慮隨機擾動項，所以為進一步提高模型的可信度，繪制研究數據的標準化殘差的P-P圖（圖2），由圖2可知，研究數據形成的散點呈現在對角線附近，則可認為本研究中數據模型的殘差基本服從正態分布。

表4 回歸系數估計及其顯著性檢驗

另外，根據圖1呈現的散點可知，隨著鐵量數據值的增加，光譜數據值產生的波動范圍明顯加大，這表示隨機擾動項在本次假設的分析模型中受異方差影響較大，應通過其他數學方法對模型作進一步修正以獲得更加準確可靠的分析模型。

圖2 標準化殘差的P-P圖

3 總結

通過運用數理統計的方法分析發現兩種分析法在Fe元素的檢測數據上存在較強的正相關性，并給出了初步分析后得到的模型方程。但通過圖1可以看出，受限于數據來源，本次研究收集的數據比較集中，使得這種相關性具有一定局限性。此外，指出應借助其他數學方法修正模型以盡可能地減少異方差所產生的影響，而這些都還需要進一步收集數據后再進行深入研究分析。然而，結合生產實際，這種相關性的存在對于動車組齒輪箱潤滑油的磨損分析仍具有重要意義。

（1）驗證檢測儀器運行狀態?？梢杂糜诨ハ囹炞C油樣檢測數據的準確性，進而判斷分析儀器運行狀態是否正常，避免產生錯誤檢測數據，對齒輪箱故障的分析判斷造成干擾；

（2）彌補技術上的不足。鐵譜技術是一項十分重要的油液檢測技術，可用于檢測油液中的大磨損顆粒情況，由于其難度系數較大，暫時無法投入生產。但通過比對油樣“光譜”與鐵量數據是否與本文所述相關性存在明顯差異可以在某種程度上間接判斷油液中是否存在大磨損顆粒；

（3）提高經濟效益。鐵量分析法相對簡便快捷，光譜分析法操作繁瑣且成本相對較高，所以對該相關性進一步深入研究并修正后理論上可以利用鐵量分析法進行部分油樣的預檢測，減少“光譜”作業量，降低生產成本。

［1］中國鐵路總公司.高速動車組概論［M］.北京：中國鐵道出版社，2015.

［2］張銳，黃碧霞，何友昭.原子分析光譜［M］.合肥：中國科學技術大學出版社，1991.

［3］丁國盛，李濤.SPSS統計教程［M］.北京：機械工業出版社，2006.

［4］美國斯派超SpectrOil 120C型原子光譜分析儀使用說明書［R］.