油液監(jiān)測(cè)信息綜合應(yīng)用的關(guān)鍵問題研究

石新發(fā) 劉東風(fēng) 周志才

（海軍工程大學(xué)青島油液檢測(cè)分析中心 青島 266012）

按照系統(tǒng)工程學(xué)的觀點(diǎn)，在處理摩擦學(xué)問題時(shí)，摩擦、磨損、潤滑三者有密切的聯(lián)系，摩擦副不再是一個(gè)獨(dú)立的事物，而是一個(gè)復(fù)雜的摩擦系統(tǒng)組成單元，主要由相對(duì)運(yùn)動(dòng)的工作表面（摩擦面）、潤滑（工作）介質(zhì)、潤滑系統(tǒng)、磨損產(chǎn)物、工作環(huán)境等5部分構(gòu)成.油液監(jiān)測(cè)作為摩擦學(xué)系統(tǒng)主要監(jiān)測(cè)技術(shù)之一，為提高監(jiān)測(cè)的準(zhǔn)確性、有效性，多技術(shù)手段、多參數(shù)綜合監(jiān)測(cè)是油液監(jiān)測(cè)應(yīng)用的發(fā)展趨勢(shì)之一，而由此帶來的信息量將會(huì)大大增加，最優(yōu)化利用獲取的信息已和技術(shù)手段自身的發(fā)展同等重要.因此，信息的融合應(yīng)用成為了油液監(jiān)測(cè)技術(shù)應(yīng)用與發(fā)展的關(guān)鍵問題之一.

1 油液監(jiān)測(cè)信息組成及特點(diǎn)

1.1 油液信息組成、來源及表征指標(biāo)

油液監(jiān)測(cè)技術(shù)所采用的技術(shù)手段主要涉及潤滑劑性能分析和磨損顆粒分析量大技術(shù)領(lǐng)域，主要有原子光譜分析（發(fā)射光譜、X-熒光能譜、吸收光譜等）、紅外光譜分析、理化指標(biāo)分析、鐵譜分析、污染度測(cè)試等技術(shù)，以及在線監(jiān)測(cè)技術(shù)和電化學(xué)分析技術(shù).油液監(jiān)測(cè)信息組成及來源也由各技術(shù)手段所決定，另外，在實(shí)施中還存在在線監(jiān)測(cè)、現(xiàn)場(chǎng)監(jiān)測(cè)和實(shí)驗(yàn)室監(jiān)測(cè)等不同實(shí)施方式獲取的信息.其具體組成見表1.

表1 油液監(jiān)測(cè)信息組成

1.2 油液監(jiān)測(cè)信息的特點(diǎn)

由表1可見，油液監(jiān)測(cè)信息總體呈現(xiàn)以下特點(diǎn)：

1）信息的多源性與各異性 油液監(jiān)測(cè)信息源不但涉及的技術(shù)手段多，獲取方式不同，而且涉及的系統(tǒng)部件多，信息量大且來源復(fù)雜，不但要考慮信息采集源（技術(shù)手段），還要考慮信息的生成源（設(shè)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(jiān)測(cè)信息中數(shù)字型、文字描述型和圖像型等信息并存，數(shù)據(jù)計(jì)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(shí)間依賴性信息（如：發(fā)射光譜信息）和非時(shí)間依賴性信息共存（如：進(jìn)水、燃油等污染類信息），信息獲取的時(shí)間尺度差別大；宏觀信息（如：理化指標(biāo)）和微觀信息（如：紅外光譜信息）共存.

2）信息的冗余性、互補(bǔ)性與協(xié)同性 油液監(jiān)測(cè)中，很多情況下存在不同手段（儀器）提供的關(guān)于同一特征的多個(gè)信息，在一定程度上造成了信息的冗余性，比如，進(jìn)燃油現(xiàn)象，粘度、閃點(diǎn)和紅外光譜均能夠表征出來.油液監(jiān)測(cè)的某個(gè)儀器或手段只在一個(gè)側(cè)面反映了系統(tǒng)狀態(tài)，在監(jiān)測(cè)中應(yīng)當(dāng)綜合應(yīng)用信息來反映系統(tǒng)整體狀態(tài)，使得各個(gè)信息源在一定程度上具有互補(bǔ)性.在故障診斷或狀態(tài)判定時(shí)，單個(gè)信息源往往需要另一個(gè)信息源的支持才能對(duì)狀態(tài)進(jìn)行確定，形成協(xié)同作用的方式，最為典型的就是潤滑油中進(jìn)海水，檢測(cè)到進(jìn)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(jiān)測(cè)主要的信息源多種，且各信息源中均有多個(gè)指標(biāo)，比如，僅原子發(fā)射光譜信息源共有19個(gè)數(shù)據(jù)指標(biāo)，各類信息源指標(biāo)總和近50余個(gè)，造成了其信息存在維數(shù)高的特點(diǎn)，使得在信息處理中存在計(jì)算過程繁瑣，非線性強(qiáng)，所建立的模型階次過高等問題.

2 油液監(jiān)測(cè)信息應(yīng)用現(xiàn)狀

在油液監(jiān)測(cè)信息應(yīng)用與處理方面，從資料統(tǒng)計(jì)看，主要體現(xiàn)在原子發(fā)射光譜信息，磨損顆粒識(shí)別信息，顆粒計(jì)數(shù)信息和油品衰變監(jiān)測(cè)信息的應(yīng)用，也開展了一定的多手段聯(lián)合應(yīng)用的研究.

原子發(fā)射光譜信息的應(yīng)用研究主要體現(xiàn)為三個(gè)方面：元素含量預(yù)測(cè)，特征信息提取和磨損狀態(tài)識(shí)別與分類等研究.在數(shù)據(jù)預(yù)測(cè)的研究中，主要應(yīng)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(jīng)網(wǎng)絡(luò)算法、SVM 回歸算法、改進(jìn)歐拉算法、LSSVR-AR 模型、信息熵與灰色系統(tǒng)組合模型、多元回歸與時(shí)間序列組合、PLSR 算法等，通過對(duì)元素濃度預(yù)測(cè)值或擬合值與實(shí)際值的對(duì)比，實(shí)現(xiàn)故障預(yù)警.在特征信息提取的研究中，提出了相關(guān)系數(shù)、梯度、比例等幾種模型對(duì)柴油機(jī)原子發(fā)射光譜數(shù)據(jù)進(jìn)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(shù)，實(shí)現(xiàn)對(duì)某柴油機(jī)故障分析；模糊信息熵聚類算法、灰色趨勢(shì)關(guān)聯(lián)度，主成分分析法［1］、基于Parzen窗的Vague集理論［2］等也在原子發(fā)射光譜信息特征提取與優(yōu)選中得到應(yīng)用；在監(jiān)測(cè)數(shù)據(jù)界限值制定中，分別應(yīng)用最大熵值理論、改進(jìn)傳統(tǒng)三線值法、穩(wěn)健回歸理論［3］，研究了元素?cái)?shù)據(jù)的界限值制定.在設(shè)備整體磨損狀態(tài)進(jìn)行識(shí)別與分類的研究中，主要應(yīng)用Rough Se理論、物元分析方法、人工免疫系統(tǒng)［4］、投影尋蹤［5］、證據(jù)理論實(shí)現(xiàn)基于發(fā)射光譜數(shù)據(jù)的發(fā)動(dòng)機(jī)磨損狀態(tài)評(píng)判，文獻(xiàn)［6］通過集成最大熵概率密度估計(jì)和迭代遞歸預(yù)測(cè)誤差算法，構(gòu)建了不完整數(shù)據(jù)下發(fā)動(dòng)機(jī)磨損的預(yù)防性維修決策框架.

磨粒識(shí)別與分析是揭示摩擦副表面的磨損機(jī)理、磨損過程與磨損失效模式的主要技術(shù)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(shí)別、磨損狀態(tài)識(shí)別兩方面.在磨粒識(shí)別研究方面，應(yīng)用小波分析、分形維數(shù)算法，灰色聚類算法、遺傳神經(jīng)網(wǎng)絡(luò)算法、粗糙集理論、D-S證據(jù)理論與BP神經(jīng)網(wǎng)絡(luò)集成算法、加權(quán)模糊優(yōu)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(shí)別與分類方法.在磨損狀態(tài)識(shí)別研究中，應(yīng)用灰靶理論實(shí)現(xiàn)某沖壓自動(dòng)生產(chǎn)線的磨損模式識(shí)別［10］；應(yīng)用模糊灰色關(guān)聯(lián)度、對(duì)稱信息熵［11］等，計(jì)算了裝備磨損模式與標(biāo)準(zhǔn)磨損模式的關(guān)聯(lián)度（相似度）；文獻(xiàn)［12］通過鐵譜圖像覆蓋面積回歸分析，實(shí)現(xiàn)磨損狀態(tài)的判斷和預(yù)測(cè)；文獻(xiàn)［13］應(yīng)用直讀式和分析式鐵譜制定了某型柴油機(jī)磨合規(guī)范；也有作者應(yīng)用GM（1，1）模型實(shí)現(xiàn)基于直讀鐵譜的磨損趨勢(shì)預(yù)測(cè).

顆粒計(jì)數(shù)技術(shù)對(duì)于液壓系統(tǒng)等油液清潔度要求較高的設(shè)備，是最有效的監(jiān)測(cè)手段.主成分分析法、粗糙集理論等算法相繼用于該技術(shù)獲取信息的特征提取，得到了特征性顆粒尺寸；灰色模型、時(shí)間序列和神經(jīng)網(wǎng)絡(luò)等也用于了油液污染度的預(yù)測(cè)方面的研究.

在油品衰變監(jiān)測(cè)方面，由于理化指標(biāo)分析技術(shù)存在分析耗時(shí)長、費(fèi)用高，某些參數(shù)檢測(cè)的重復(fù)性和再現(xiàn)性差，計(jì)量單位復(fù)雜等特點(diǎn)，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(shù)應(yīng)用至油液監(jiān)測(cè)中后，工程師們開展了大量應(yīng)用實(shí)踐［14］，該技術(shù)獲取的數(shù)據(jù)精度高，便于進(jìn)行存儲(chǔ)、提取和統(tǒng)計(jì)分析，成為了在用油油品監(jiān)測(cè)的重要手段.文獻(xiàn)［15］等應(yīng)用粗糙集理論研究了IR 光譜與理化指標(biāo)的數(shù)據(jù)挖掘，隨后作者研究了二者信息關(guān)聯(lián)性［16］，并應(yīng)用主成分分析法實(shí)現(xiàn)了潤滑油IR 光譜信息提?。?7］.另外，采用PLSR 等模型應(yīng)用IR 光譜信息對(duì)酸值、粘度進(jìn)行回歸分析也取得了一定的效果.

在多技術(shù)手段信息聯(lián)合應(yīng)用方面，應(yīng)用A型灰色關(guān)聯(lián)度模型研究了發(fā)射光譜、直讀鐵譜和理化指標(biāo)等多指標(biāo)綜合評(píng)價(jià)方法；應(yīng)用D-S證據(jù)組合理論研究了原子發(fā)射光譜、紅外光譜、理化指標(biāo)和鐵譜分析等信息的融合方法；應(yīng)用加權(quán)灰色關(guān)聯(lián)模型研究了直讀式鐵譜數(shù)據(jù)與理化指標(biāo)數(shù)據(jù)的關(guān)聯(lián)性進(jìn)行了研究；應(yīng)用層次分析法研究了實(shí)施多參數(shù)監(jiān)測(cè)時(shí)指標(biāo)權(quán)重的確定方法；應(yīng)用模糊粗糙集理論實(shí)現(xiàn)原子發(fā)射光譜、分析鐵譜等多指標(biāo)屬性約簡(jiǎn)；應(yīng)用加權(quán)灰色關(guān)聯(lián)度模型研究了潤滑油的理化指標(biāo)和直讀鐵譜的關(guān)聯(lián)性［18］；應(yīng)用灰色趨勢(shì)關(guān)聯(lián)度分析了酸值、積碳含量、鐵含量與介電常數(shù)等的關(guān)聯(lián)性［19］.

3 油液監(jiān)測(cè)多源信息應(yīng)用研究的關(guān)鍵問題

油液監(jiān)測(cè)信息應(yīng)用的目標(biāo)是從來源和類型多樣化的監(jiān)測(cè)數(shù)據(jù)中，將獲取的數(shù)據(jù)集中描述為與系統(tǒng)依賴性和時(shí)間依賴性相關(guān)的定量特征，識(shí)別摩擦學(xué)系統(tǒng)健康狀態(tài).要實(shí)現(xiàn)這一目標(biāo)，需從以下幾個(gè)方面開展研究.

1）故障機(jī)理研究 當(dāng)前，裝備子系統(tǒng)多且結(jié)構(gòu)復(fù)雜，故障與特征之間的關(guān)系并不是一一映射的關(guān)系，一種故障可能表現(xiàn)出多種特征，一種特征也可能是多種故障呈現(xiàn)的.故障模式分析能夠得出摩擦學(xué)系統(tǒng)的主要故障模式和產(chǎn)生原因、發(fā)展規(guī)律、表征信息、對(duì)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(guān)系，特別是多信息中故障與信息的映射關(guān)系，從而為信息特征提取、故障模式的信息描述模型構(gòu)建、故障診斷和狀態(tài)評(píng)估等提供奠定理論基礎(chǔ).

2）信息特征提取研究 艦船裝備油液監(jiān)測(cè)獲取的大量高維數(shù)據(jù)，均包含著一定量的冗余信息和干擾信息，其存在將會(huì)大大增強(qiáng)模型建立的復(fù)雜性和降低計(jì)算的準(zhǔn)確度.在油液監(jiān)測(cè)多源信息應(yīng)用中，更關(guān)注的是信息的內(nèi)涵、各信息源的優(yōu)化協(xié)調(diào)和信息組合后所能描述的特征，而這些是需要通過對(duì)獲取信息進(jìn)行特征提取來實(shí)現(xiàn)的.應(yīng)當(dāng)在研究單個(gè)信息源的特征提取的基礎(chǔ)上，構(gòu)建科學(xué)、合理的數(shù)據(jù)配準(zhǔn)框架，在一個(gè)數(shù)據(jù)框架內(nèi)，開展信息屬性約簡(jiǎn)、數(shù)據(jù)降維、各信息源關(guān)聯(lián)性分析等研究，理清信息的內(nèi)部關(guān)系，提取能夠切實(shí)反映裝備摩擦學(xué)系統(tǒng)技術(shù)狀態(tài)和典型故障模式的特征信息.

3）故障模式與信息映射關(guān)系建立研究 由于油液監(jiān)測(cè)信息的自身特點(diǎn)，及隨著其應(yīng)用深入而產(chǎn)生的大量復(fù)雜程度增高的數(shù)據(jù)信息，使得以往依據(jù)先驗(yàn)信息建立信息與故障模式映射的相關(guān)理論模型，然后進(jìn)行推演得出結(jié)論的方法很難實(shí)現(xiàn)，主要存在兩方面的問題：一是模型中眾多結(jié)構(gòu)參數(shù)和物性參數(shù)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(qiáng)、不確定性大等問題.因此，需要研究新的映射關(guān)系建立方法，實(shí)現(xiàn)應(yīng)用油液監(jiān)測(cè)信息準(zhǔn)確、定量表征裝備健康狀態(tài)和典型故障模式.

4）信息融合模型構(gòu)建 信息融合框架結(jié)構(gòu)是融合模型的“軀干”，隨著油液監(jiān)測(cè)應(yīng)用的深入，需要監(jiān)測(cè)的項(xiàng)目越來越多，表現(xiàn)為信息源數(shù)量大、種類多，并且信息源間的表征指標(biāo)關(guān)系復(fù)雜，因此，需要從模型的功能、融合層次、融合結(jié)構(gòu)等方面系統(tǒng)建模，綜合集成并整體優(yōu)化.融合算法是核心，目前概率論、證據(jù)理論、統(tǒng)計(jì)推斷、隨機(jī)集、核算法等已成為信息融合的數(shù)學(xué)基礎(chǔ)，隨著新算法的發(fā)展，新的、更有效的信息融合算法不斷出現(xiàn)，比如：基于數(shù)據(jù)驅(qū)動(dòng)、機(jī)器學(xué)習(xí)、知識(shí)推理等算法，為油液監(jiān)測(cè)信息融合提供了新的思路.融合過程評(píng)估是保證，融合評(píng)估不但能夠保證建立最優(yōu)的融合模型，提升模型性能，還能夠解決監(jiān)測(cè)資源調(diào)度問題，為監(jiān)測(cè)平臺(tái)資源優(yōu)化提供支持，實(shí)現(xiàn)油液監(jiān)測(cè)信息獲取與融合聯(lián)合優(yōu)化.群體決策是一種趨勢(shì)，群體決策能夠?qū)崿F(xiàn)多算法的集成應(yīng)用，其體現(xiàn)就是群體智能算法；還可以發(fā)揮多個(gè)研究群體的智慧，集體決策，其體現(xiàn)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(qiáng)等問題.

4 結(jié)束語

隨著油液監(jiān)測(cè)技術(shù)發(fā)展與應(yīng)用拓展，產(chǎn)生的信息量也較以往大大增加，在其獲取信息的應(yīng)用中，不僅僅是采取傳統(tǒng)的數(shù)據(jù)處理方法，應(yīng)當(dāng)更新信息應(yīng)用思路，挖掘隱藏在數(shù)據(jù)中的特征信息，實(shí)現(xiàn)信息的集成融合應(yīng)用，最大化的提升信息應(yīng)用水平.本文首先分析了油液監(jiān)測(cè)信息的組成及其特點(diǎn)，然后從原子發(fā)射光譜信息、磨損顆粒識(shí)別信息，顆粒計(jì)數(shù)信息、油品衰變信息和多手段聯(lián)合應(yīng)用信息等應(yīng)用方面，研究了當(dāng)前油液監(jiān)測(cè)信息的應(yīng)用情況，系統(tǒng)分析了油液監(jiān)測(cè)在信息應(yīng)用方面存在的問題，提出了油液監(jiān)測(cè)信息應(yīng)用需要解決的關(guān)鍵點(diǎn).

［1］劉 韜，田洪祥，郭文勇.主成分分析在某型柴油機(jī)光譜數(shù)據(jù)分析中的應(yīng)用［J］.光譜學(xué)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(yōu)選［J］.光譜學(xué)與光譜分 析，2011，31（2）：465-468.

［3］周 平，劉東風(fēng)，石新發(fā).基于穩(wěn)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(jīng)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(nèi)燃機(jī)磨損故障診斷方法［J］.內(nèi)燃機(jī)工 程，2008，29（1）：77-80.

［5］周 平，劉東風(fēng)，吳 千.投影尋蹤在柴油機(jī)磨損狀態(tài)評(píng)價(jià)中的應(yīng)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(shù)據(jù)下發(fā)動(dòng)機(jī)磨損的預(yù)防性維修決策框架［J］.內(nèi)燃機(jī)學(xué)報(bào)，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(xué)學(xué)報(bào)，2007，29（2）：113-116.

［8］張培林，李 兵，任國全.發(fā)動(dòng)機(jī)典型磨損磨粒識(shí)別的SCE模型［J］.潤滑與密封，2008，33（4）：24-26.

［9］呂植勇，嚴(yán)新平，彭雅芳.磨損磨粒的主成分聚類方法分析［J］.摩擦學(xué)學(xué)報(bào)，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(fā)動(dòng)機(jī)磨損模式識(shí)別的SFCE方法［J］.內(nèi)燃機(jī)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(nèi)燃機(jī)學(xué)報(bào)，2006，24（6）：554-558.

［13］包春江，張 菊，楊志伊.ZN490柴油機(jī)磨合期的鐵譜監(jiān)測(cè)試驗(yàn)研究［J］.內(nèi)燃機(jī)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(fā)，劉東風(fēng).基于粗糙集理論的潤滑油衰變數(shù)據(jù)挖掘及實(shí)現(xiàn)［J］.武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2008，32（6）：530-532.

［16］石新發(fā)，劉東風(fēng)，周志才.船舶柴油機(jī)潤滑油衰變監(jiān)測(cè)信息關(guān)聯(lián)性分析［J］.內(nèi)燃機(jī)學(xué)報(bào)，2013，31（3）：281-287.

［17］石新發(fā)，劉東風(fēng)，周志才.船舶柴油機(jī)在用潤滑油FT-IR光譜特征信息提取與應(yīng)用［J］.內(nèi)燃機(jī)工程，2013，34（5）：81-86.

［18］包春江，王碧玲，楊志伊.汽車發(fā)動(dòng)機(jī)油液監(jiān)測(cè)試驗(yàn)研究［J］.內(nèi)燃機(jī)學(xué)報(bào)，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(jiān)測(cè)數(shù)據(jù)關(guān)聯(lián)度分析［J］.潤滑與密封，2011，36（11）：41-44.