滑油监测技术在设备磨损检测中的应用研究

何振林，刘安林，王登辉，熊俊，宋晓东，彭军，张克强

滑油监测技术在设备磨损检测中的应用研究

何振林，刘安林，王登辉，熊俊，宋晓东，彭军，张克强

（中国核动力研究设计院 第一研究所，四川 成都 610031）

在基本的磨损理论基础上，研究了磨损规律，并从不同角度制定了确保设备安全的磨损界限值，包括由磨损含量与取样频率关系统计的浓度界限值、相邻两个油样中含量变化统计的趋势界限值，通过这些界限值来捕捉故障征兆，也可灵敏地反映磨损变化。为了提前发现设备的磨损情况，基于GM方法建立了GM磨损预测模型，并对设备的磨损状况进行了预测，通过比较预测值和测量值，验证了所用方法的准确性。还校正了更换滑油对元素浓度测量及磨损程度预测带来的影响，使校正后的测量值及预测值能够准确反映设备的真实状况。

核动力装置；磨损规律；磨损界限值；GM

核动力装置中有诸多安全相关的旋转设备，根据核动力装置运行统计，这类设备的磨损类故障占总故障的60%～65%[1]。因此，降低并减缓磨损故障是延长这类设备寿命的关键。

通过对旋转设备的润滑油进行分析，发现其中所含“杂质”的种类和含量与设备的磨损程度存在某种相关性。根据已有的研究结果可知，这种相关性正是存在于设备润滑油中的磨损信息，对这种相关性的定性、定量描述可以揭示设备的磨损状态，找出诱发因素，评判机械的工况和预测其故障，并确定故障位置、原因和类型[2-3]。滑油监测技术即是对于这种相关性的描述，其优势在于，可实时获得设备本身的性能和工作状况，而无需对设备进行拆卸和分解。本文通过制定一系列的限值限定设备的安全运行范围，同时通过灰色预测模型（Gray Model，GM）方法对滑油中的关键信息参数进行预测预报，将此二者结合起来可以有效做到对设备故障的早发现、早干预，准确定位，减少维修时间和成本，提高核动力装置的安全性。

1 磨损限值的制定

影响机器零部件磨损的因素很多，所以对于磨损的定量计算很困难。试验表明，一般零部件的磨损过程可分解为三个阶段：磨合、稳定磨损、剧烈磨损[4-5]。其中稳定磨损阶段是机械设备稳定发挥功能的阶段，在此阶段通过对滑油的监测分析，防止小故障引发大故障，从而延长正常发挥功能的时间。本文利用光谱技术分析了某设备润滑油中的6种元素含量随时间的变化关系，如图1所示，其中运行至250 h时进行了滑油的更换。

图1 磨损元素随时间的变化关系

滑油监测技术是一种预知性维修的策略，界限值是为了保证机器安全运行或者有无故障征兆的一种预报或提示，是根据统计规律、置信度和运行经验来划分的一种定量预报[6]。界限值边界实际是一个小的模糊区，制定的界限值既能预报故障征兆，又留有一定的保守裕度。

机器的磨损程度是渐变和突变并存的，要根据元素含量去判断磨损程度，需要3～4个不同级别的界限值。一般需要磨损含量与取样频率关系统计的浓度界限值、相邻两个油样中含量变化统计的趋势界限值，两者还必须相辅相成去捕捉故障征兆，而趋势界限值往往可灵敏地反映磨损变化程度[6]。

针对某一机器的多个油样分析结果，具有随机性，利用概率论和数理统计，可以确定正常、临界和异常的界限值，配以置信度设置，估计可能出现的概率。

1.1 磨损金属元素浓度界限值制定

对某设备的滑油进行多次取样，测量样品中的磨损元素含量，并对其计算浓度均值和均方偏差：

依据正态分布理论，各浓度界限值如表1所示，表1中同时计算出了Fe元素界限值。

表1 浓度界限值

状态浓度界限值（×10-6）Fe元素浓度界限值 正常43.95×10-6 临界76.26×10-6 异常92.42×10-6

1.2 磨损金属元素浓度趋势值界限值制定

依据正态分布理论，各浓度趋势界限值如表2所示，表2中同时计算出了Fe元素的趋势界限值。

表2 趋势界限值

状态趋势界限值（×10-6）Fe元素趋势界限值 正常0.254×10-6 临界0.38×10-6 异常0.506×10-6

2 磨损元素浓度换油影响校正

机械设备需要定期更换滑油，这一措施虽提高了滑油品质、延缓了机械磨损，但未从根本上消除磨损，同时给滑油监测带来了一定的困难，分析换油前后Fe元素的含量，结果如图1所示，因此需要对滑油影响进行校正。消除更换滑油对元素浓度影响的方法是对更换滑油后的元素浓度曲线进行线性回归，得出换油后Fe浓度随时间的变化关系，利用所得的数学关系做外推计算，即先求出换油前后的元素的浓度差值，再将换油后的浓度值与差值求和，即可求得消除换油影响后的浓度值，如图2所示。

3 基于灰色系统模型的磨损预测

部分信息已知而部分信息未知的系统称为灰色系统。灰色系统理论以小样本、贫信息、不确定性系统为研究对象[7]。机械设备的磨损因为过程异常复杂、影响因素众多，各影响因素之间的关系也不甚明了，系统的输入输出关系带有随机波动性等，所以其摩擦磨损系统是一个典型的灰色系统。

图2 磨损元素界限值及滑油影响校正

基于灰色系统理论的机械设备磨损预测方法主要包括以下四个步骤[8-9]。

（1）获取机械设备磨损量的历史测量值，在本文中采用光谱技术测量滑油中的磨损金属元素来表征机械设备的磨损状态，以Fe元素为例，其历史测量值时间序列表示为：

（2）灰色系统是针对离散时间序列建立的，它要求时间序列满足光滑性，但一般得到的时间序列并不满足该要求，因此需要对历史时间序列做累加生成[10]。累加生成的另一重要作用是增强数据的规律性，尽可能反应出系统

（3）建立基于灰色系统理论的设备磨损预测模型，定义：

（4）依据生成的时间序列，建立GM(1, 1)模型的微分方程，为：

根据磨损预测量判断设备的运行状态，预测量若在[0,T]，则认为设备运行正常；若在[T,T]，则应密切关注设备的运行状态，防止事故的发生；若在[T,T]，则应考虑停机检修。

本文利用上述方法，对润滑油中的Fe元素的含量进行了预测，如图3所示，最大预测误差为0.14%，在可接受的范围内，最重要的是该方法能够较准确地反应磨损量的变化趋势，再结合前文的磨损界限值，即可判断设备的运行状态，对事故做到提前发现、提前预防。

图3 实测值和预测值比较

4 结语

由于核动力装置中的大量旋转设备对核设施的安全运行起至关重要的作用，本文从旋转设备的磨损规律、磨损界限值制定、磨损量预测三个方面进行研究，并得出如下结论：

（1）利用概率统计方法制定了安全运行的界限值，当元素测量值或者预测值达到界限值范围内时，运行人员须采取相应的措施；

（2）对更换滑油的影响进行了校正，使其能够准确反应设备的磨损状态；

（3）利用灰色系统理论对设备磨损建立了预测模型，并对磨损量进行了预测，通过比较实测值和预测量，发现所建立的模型能较准确地预测磨损元素的含量，同时能准确预测出磨损元素含量的变化趋势。结合磨损元素含量的界限值和预测，可以准确预判设备的运行状态，避免事故的发生。

[1]田勇，廉书林，陈闽杰. 油液污染分析在机械磨损检测中的研究进展[J]. 液压气动与密封，2013（7）：2-4.

[2]许斌，余学军. 油液分析技术在设备维修中的应用与研究[J]. 润滑油，2006（4）：62-64.

[3]郎宏，佟文伟，何山，等. 基于光谱分析技术的磨损故障监测影响因素分析[J]. 航空发动机，2013（3）：85-88.

[4]李和言，王立勇，马彪. 基于光谱分析的综合传动空载磨合磨损规律研究[J]. 光谱学与光谱分析，2009（29）：1013-1017.

[5]王国庆. 润滑油液监测技术现状与发展[J]. 润滑油，2004，19（5）：7-11.

[6]万耀青，郑长松，马彪. 原子发射光谱仪作油液分析故障诊断的界限值问题[J]. 机械强度，2006，28（4）：485-488.

[7]邓聚龙. 灰色系统基本方法[M]. 武汉：华中理工大学出版社，1993.

[8]冯世榕. 航空活塞发动机机匣微振磨损可用度分析与预测[J]. 机械，2015，42（8）：25-29.

[9]殷鹏远. 灰色预测系统GM（1, 1）模型及其Matlab实现[J].黑龙江水利科技，2017，45（7）：16-18.

[10]李艳鸽，李粮钢，张乾. 基于优化GM(1, 1)模型的可视化沉降预测数据的精度研究[J]. 工程设计学报，2009，16（2）：145-149.

Study on Oil Analysis Technology and its Application in the Detection of Mechanical Wear

HE Zhenlin，LIU Anlin，WANG Denghui，XIONG Jun，SONG Xiaodong，PENG Jun，ZHANG Keqiang

(The First Institute, Nuclear Power Institute of China,Chengdu610031, China )

On the basis of the basic wear theory, this paper studied the wear regularity, and established the wear limit values to ensure the safety of the equipment from different perspectives, including the concentration limit values calculated from the relationship between wear content and sampling frequency, and the trend limit values calculated from the content changes in two adjacent oil samples. Through these limit values, the portent of failure can be captured, and the wear change can also be sensitively reflected. In order to know about the wear condition of the equipment in advance, a GM wear prediction model is established based on GM method, and the wear condition of equipment was predicted. The accuracy of the method was verified by comparing the predicted value with the measured one. This paper also corrected the influence of changing lubricating oil on element concentration measurement and wear prediction, so that the corrected measured value and the predicted value can accurately reflect the real condition of the equipment.

Nuclear power plant；wear regularity；wear limit value；GM

TH117.1

A

10.3969/j.issn.1006-0316.2020.05.004

1006－0316 (2020) 05－0023－04

2019－11－12

何振林（1985－），男，甘肃武威人，硕士，工程师，主要从事反应堆运行相关工作，E-mail：hzl494310541@qq.com。