人工智能在傳統(tǒng)潤(rùn)滑油行業(yè)中的應(yīng)用

秦立果，黃小東，張輝，汪利平，董光能

(1.西安交通大學(xué)設(shè)計(jì)科學(xué)與基礎(chǔ)部件研究所，陜西 西安 710049；2.西安交通大學(xué)現(xiàn)代設(shè)計(jì)及轉(zhuǎn)子軸承系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710049；3.中國(guó)石油蘭州潤(rùn)滑油研究開發(fā)中心，甘肅 蘭州 730060)

0 引言

人工智能、空間技術(shù)和原子能技術(shù)一起被譽(yù)為20世紀(jì)三大科學(xué)技術(shù)成就。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展、信息化和智能化技術(shù)應(yīng)用水平的不斷提高，各行業(yè)均展現(xiàn)出了高速發(fā)展的趨勢(shì)。各種技術(shù)中，如利用特定的算法程序?qū)崿F(xiàn)模仿人類智能思維行為發(fā)展而來(lái)的現(xiàn)代計(jì)算機(jī)科學(xué)理論和技術(shù)，即人工智能(Artificial Intelligence)，已受到越來(lái)越廣泛的關(guān)注和研究[1]。人工智能率先在機(jī)器人和自動(dòng)化控制等領(lǐng)域得到應(yīng)用，隨著學(xué)科間的聯(lián)動(dòng)與相互促進(jìn)，某些領(lǐng)域新產(chǎn)品(如涉及配方開發(fā)的產(chǎn)品)的開發(fā)人員也逐漸開始利用人工智能技術(shù)進(jìn)行數(shù)據(jù)挖掘、分析和決策指導(dǎo)。

潤(rùn)滑油作為一種石油衍生產(chǎn)品，在各種工程機(jī)械中得到了廣泛使用。使用潤(rùn)滑油的目的是降低摩擦副的摩擦和磨損，因而在機(jī)械、汽車行業(yè)使用尤為廣泛，且隨工作條件以及環(huán)境等各種要求的嚴(yán)苛對(duì)其質(zhì)量性能提出了更高的需求[2]。潤(rùn)滑油質(zhì)量的評(píng)價(jià)準(zhǔn)則有環(huán)保、節(jié)能、無(wú)污染和使用壽命長(zhǎng)等指標(biāo)，這對(duì)延長(zhǎng)機(jī)械設(shè)備的使用壽命、降低運(yùn)維成本和提高生產(chǎn)效率起著至關(guān)重要的作用。潤(rùn)滑油作為工程機(jī)械全生命周期的必需品[3]，潤(rùn)滑油產(chǎn)業(yè)如何在“工業(yè)4.0”新時(shí)代下實(shí)現(xiàn)創(chuàng)新性發(fā)展，快速適應(yīng)市場(chǎng)變化，成為大家思考的主要問題。人工智能技術(shù)的出現(xiàn)給潤(rùn)滑油產(chǎn)業(yè)帶來(lái)了新的機(jī)遇和挑戰(zhàn)。

傳統(tǒng)的潤(rùn)滑油行業(yè)主要包括潤(rùn)滑油的研發(fā)、生產(chǎn)、使用和維護(hù)。針對(duì)潤(rùn)滑油行業(yè)的各個(gè)階段，將人工智能技術(shù)與傳統(tǒng)的潤(rùn)滑油生產(chǎn)方法相結(jié)合，如在潤(rùn)滑油研發(fā)方面，可以利用人工智能專家系統(tǒng)及神經(jīng)網(wǎng)絡(luò)對(duì)潤(rùn)滑油的研制進(jìn)行模型化設(shè)計(jì)，從而達(dá)到優(yōu)化潤(rùn)滑油配方設(shè)計(jì)的目的；在潤(rùn)滑油生產(chǎn)方面，通過建立智能化生產(chǎn)系統(tǒng)及過程，以及網(wǎng)絡(luò)化分布式生產(chǎn)設(shè)施的實(shí)現(xiàn)，建立潤(rùn)滑油生產(chǎn)的智能工廠；在潤(rùn)滑油使用和維護(hù)方面，通過智能化油液分析技術(shù)，實(shí)時(shí)監(jiān)測(cè)油液性能，識(shí)別潤(rùn)滑狀態(tài)，可更好地保障潤(rùn)滑系統(tǒng)的安全性和可靠性。

1 人工智能在潤(rùn)滑油研發(fā)中的應(yīng)用

回溯潤(rùn)滑油的發(fā)展歷程，受使用條件惡劣、環(huán)保要求越來(lái)越高等因素的影響，其更新?lián)Q代的速率越來(lái)越快。因此，潤(rùn)滑油研發(fā)能力的強(qiáng)弱是評(píng)估潤(rùn)滑油企業(yè)發(fā)展快慢的重要手段[1]。潤(rùn)滑油的研發(fā)主要包括對(duì)基礎(chǔ)油和添加劑的全面研發(fā)。依據(jù)潤(rùn)滑條件以及潤(rùn)滑要求，選取合適的基礎(chǔ)油，并通過匹配和調(diào)節(jié)添加劑的加入量，從而實(shí)現(xiàn)潤(rùn)滑油理化性質(zhì)的改善，賦予潤(rùn)滑油新的特殊性能，或加強(qiáng)其原來(lái)具有的某種性能，滿足工程機(jī)械對(duì)潤(rùn)滑油日益增長(zhǎng)的需求。

在常規(guī)潤(rùn)滑油的研制過程中，除了要分析基礎(chǔ)油及添加劑的理化特性外，經(jīng)驗(yàn)以及大量的實(shí)驗(yàn)尤為重要，但存在盲目、工作量大、費(fèi)時(shí)費(fèi)力和研發(fā)周期長(zhǎng)且難以快速得到最優(yōu)配方的缺點(diǎn)。因此，若能結(jié)合計(jì)算機(jī)的分析技術(shù)對(duì)潤(rùn)滑油的配方進(jìn)行定量化研究，輔以機(jī)器學(xué)習(xí)的方法理解和優(yōu)化潤(rùn)滑油的調(diào)配過程，這將對(duì)潤(rùn)滑油配方研制和相關(guān)產(chǎn)業(yè)的升級(jí)起到里程碑式的意義。

仝秋紅[4]等建立了各種添加劑特性及配比的特性知識(shí)庫(kù)，運(yùn)用專家系統(tǒng)為基礎(chǔ)油選擇合適的添加劑，并向神經(jīng)網(wǎng)絡(luò)輸入初始數(shù)據(jù)。運(yùn)用初始數(shù)據(jù)，按照研制油的要求，從神經(jīng)網(wǎng)絡(luò)推導(dǎo)出合適的配比，并將推算的結(jié)果添加到知識(shí)庫(kù)。實(shí)踐證明，該表示方法非常符合潤(rùn)滑油及其基礎(chǔ)油、添加劑的特點(diǎn)。

馬林才[5]等以BP神經(jīng)網(wǎng)絡(luò)為工具，計(jì)算MoDTP和無(wú)機(jī)硼酸鹽(B)之間的最佳復(fù)配值，并將BP神經(jīng)網(wǎng)絡(luò)與直觀分析以及回歸分析作一比較，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)在計(jì)算最優(yōu)復(fù)配比時(shí)，獲得的結(jié)論具有可靠、精度高的優(yōu)點(diǎn)，是研究最佳潤(rùn)滑油配方的優(yōu)秀數(shù)學(xué)工具。

李宏君[1]通過遺傳算法結(jié)合人工神經(jīng)網(wǎng)絡(luò)對(duì)CI 40W-40多級(jí)柴油機(jī)油配方進(jìn)行配比優(yōu)化，得到最佳配方比，并對(duì)優(yōu)化所得配方進(jìn)行黏溫性能評(píng)定，實(shí)測(cè)值與預(yù)測(cè)值基本一致，該研究證明了優(yōu)化配方的方法是可行的。

荊毅[6]基于收集到的實(shí)際潤(rùn)滑油配方及其相應(yīng)的物理化學(xué)性能，結(jié)合現(xiàn)有工業(yè)應(yīng)用的經(jīng)驗(yàn)計(jì)算方法獲得的數(shù)據(jù)，建立了對(duì)油成分包的分類模型和對(duì)某些物理化學(xué)性能指標(biāo)和決策因素之間的映射關(guān)系模型，并對(duì)模型進(jìn)行泛化能力評(píng)價(jià)。

上述研究結(jié)果表明運(yùn)用各種人工智能與神經(jīng)網(wǎng)絡(luò)技術(shù)，從已知數(shù)據(jù)和實(shí)驗(yàn)事實(shí)中提取規(guī)律性，最后采用計(jì)算機(jī)輔助甚至是取代潤(rùn)滑油研制中的半經(jīng)驗(yàn)和經(jīng)驗(yàn)規(guī)律是可行的。該方案的重點(diǎn)是建立一套完備且準(zhǔn)確的數(shù)據(jù)庫(kù)，通過存儲(chǔ)各種基礎(chǔ)油及添加劑的性質(zhì)，利用專家系統(tǒng)選擇合適的基礎(chǔ)油及添加劑，最后通過神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)各種添加劑的性能、不同添加劑之間的配比進(jìn)行模擬與預(yù)測(cè)，從而給出符合工況的最佳配方。在當(dāng)今大數(shù)據(jù)以及互聯(lián)網(wǎng)共用的信息時(shí)代，人工智能助力潤(rùn)滑油的研發(fā)將具有非常誘人的發(fā)展前景。

人工智能與神經(jīng)網(wǎng)絡(luò)技術(shù)在潤(rùn)滑油的研發(fā)過程中已得到初步的應(yīng)用，從已知數(shù)據(jù)和實(shí)驗(yàn)事實(shí)中提取規(guī)律性，對(duì)各種添加劑的性能以及不同添加劑之間的配比進(jìn)行模擬與預(yù)測(cè)，已能初步給出符合工況的最佳配方，但這些都建立在大量準(zhǔn)確的實(shí)驗(yàn)數(shù)據(jù)之上。因此，要提高輸出配方的準(zhǔn)確性，首先要保證一定量的數(shù)據(jù)以及數(shù)據(jù)的準(zhǔn)確性?，F(xiàn)階段由于不同的研究單位物理空間上的相互隔絕和交流的相對(duì)欠缺，無(wú)法實(shí)現(xiàn)大容量數(shù)據(jù)庫(kù)的建立和共享。各單位往往開展大量重復(fù)實(shí)驗(yàn)，存在時(shí)間成本高和實(shí)驗(yàn)資源浪費(fèi)的缺點(diǎn)，且建立的模擬模型不具備基礎(chǔ)性和通用性，能解決的問題面偏窄。因此，若能建立共享的數(shù)據(jù)庫(kù)，將各研究單位的實(shí)驗(yàn)數(shù)據(jù)經(jīng)過驗(yàn)證后集中保存，將會(huì)為潤(rùn)滑油配方的研究提供良好的數(shù)據(jù)基礎(chǔ)。另外，輸出的配方還應(yīng)經(jīng)過實(shí)驗(yàn)驗(yàn)證后方可投入使用?？傊瑧?yīng)用人工智能與人工神經(jīng)網(wǎng)絡(luò)進(jìn)行潤(rùn)滑油配方研究，可節(jié)省大量人力、物力和財(cái)力，其目的是為潤(rùn)滑油的研制提供一種新的、簡(jiǎn)單快捷的方法，從而為潤(rùn)滑油的研發(fā)開拓新的途徑。

2 人工智能在潤(rùn)滑油生產(chǎn)中的應(yīng)用

在潤(rùn)滑油的生產(chǎn)工藝流程中，基礎(chǔ)油作為潤(rùn)滑油的主要組分，其質(zhì)量占比約為 85%～95%。添加劑是潤(rùn)滑油的另一主要組分，其質(zhì)量占比約為5%～15% 。兩者通過油泵按照一定比例加入到調(diào)合釜中，調(diào)合化驗(yàn)合格后，經(jīng)過過濾機(jī)過濾，用泵打入成品油貯存罐中，以備包裝運(yùn)輸[7]。

將人工智能與大數(shù)據(jù)應(yīng)用于潤(rùn)滑油的生產(chǎn)過程中，可以實(shí)時(shí)監(jiān)測(cè)生產(chǎn)過程中的各類數(shù)據(jù)，從而解決在制造過程中由于不協(xié)調(diào)、不同步、不一致導(dǎo)致的大量人力、物力、財(cái)力的浪費(fèi)問題。

2.1 生產(chǎn)數(shù)據(jù)可視化

在生產(chǎn)現(xiàn)場(chǎng)，每隔幾秒可以收集一次數(shù)據(jù)，利用這些數(shù)據(jù)可以實(shí)現(xiàn)很多形式的分析。如在生產(chǎn)工藝改進(jìn)方面，可以使用這些大數(shù)據(jù)分析整個(gè)生產(chǎn)流程，考察每個(gè)環(huán)節(jié)的執(zhí)行過程。一旦某個(gè)流程偏離了標(biāo)準(zhǔn)工藝，就會(huì)激發(fā)相應(yīng)的報(bào)警信號(hào)，從而快速地發(fā)現(xiàn)錯(cuò)誤或者瓶頸，實(shí)現(xiàn)了問題的快速解決[7]。

例如，中國(guó)石化北京潤(rùn)滑油公司搭建的自動(dòng)計(jì)量實(shí)時(shí)數(shù)據(jù)庫(kù)集成平臺(tái)，實(shí)現(xiàn)HTG(Hydrostatic Tank Gauging)自動(dòng)計(jì)量系統(tǒng)與生產(chǎn)運(yùn)營(yíng)系統(tǒng)的對(duì)接，采集、存儲(chǔ)和管控油品液位、油品溫度、油品密度、油品凈重和油品體積;同步油品密度和物料名稱到油罐之星系統(tǒng);通過搭建生產(chǎn)監(jiān)控平臺(tái)實(shí)現(xiàn)罐區(qū)實(shí)時(shí)監(jiān)控管理、實(shí)時(shí)過程數(shù)據(jù)管理、質(zhì)量管理;依托實(shí)時(shí)數(shù)據(jù)庫(kù)，可以根據(jù)業(yè)務(wù)需求開發(fā)相關(guān)的統(tǒng)計(jì)報(bào)表。

2.2 利用信息統(tǒng)計(jì)技術(shù)控制產(chǎn)品質(zhì)量

將信息統(tǒng)計(jì)技術(shù)運(yùn)用到產(chǎn)品生產(chǎn)中，采用統(tǒng)計(jì)的方式將收集到的數(shù)據(jù)加工成有用的信息，從而對(duì)現(xiàn)場(chǎng)質(zhì)量的控制進(jìn)行一定的分析，以此來(lái)解決相關(guān)的質(zhì)量問題。例如對(duì)抗磨液壓油進(jìn)行為期一年的檢驗(yàn)，檢驗(yàn)報(bào)告中對(duì)載度指數(shù)、閃點(diǎn)、凝點(diǎn)數(shù)據(jù)、各指標(biāo)載度以及抗乳化性等數(shù)據(jù)進(jìn)行具體的統(tǒng)計(jì)以及反應(yīng)，并且通過Excel軟件的統(tǒng)計(jì)功能對(duì)相應(yīng)的數(shù)據(jù)繪制成圖表。這將利于相關(guān)人員分析產(chǎn)品質(zhì)量不合格的各種因素，從而更加方便管理人員對(duì)生產(chǎn)進(jìn)行重點(diǎn)控制[8]。

2.3 潤(rùn)滑油生產(chǎn)行業(yè)的智能工廠升級(jí)

建立基于工業(yè)大數(shù)據(jù)和“互聯(lián)網(wǎng)”的潤(rùn)滑油生產(chǎn)智能工廠，最基本的原則是有一個(gè)清晰的，定義準(zhǔn)確的數(shù)字化戰(zhàn)略[7]。

首先，要建立比較完善的系統(tǒng)模型，實(shí)現(xiàn)以智能工廠為方向的流程制造，優(yōu)化工廠的整體設(shè)計(jì)、工藝流程及布局，并通過模擬仿真、設(shè)計(jì)存儲(chǔ)相應(yīng)的數(shù)據(jù)，通過數(shù)據(jù)采集系統(tǒng)建立實(shí)時(shí)數(shù)據(jù)庫(kù)，從而實(shí)現(xiàn)生產(chǎn)模型化分析決策、過程的量化管理。

其次，數(shù)字化車間，車間總體設(shè)計(jì)、工藝流程及布局建設(shè)均需建立數(shù)字化模型，并進(jìn)行模擬仿真，實(shí)現(xiàn)規(guī)劃、生產(chǎn)、運(yùn)營(yíng)全流程數(shù)字化管理；利用云計(jì)算、大數(shù)據(jù)等新一代信息技術(shù)，在保障信息安全的前提下，實(shí)現(xiàn)經(jīng)營(yíng)、管理和決策的智能優(yōu)化。

最后，應(yīng)用人工智能技術(shù)助力潤(rùn)滑油的生產(chǎn)，實(shí)現(xiàn)潤(rùn)滑油的智能制造。其本質(zhì)是實(shí)現(xiàn)貫穿企業(yè)設(shè)備層、控制層、管理層等不同層面的縱向集成以及從潤(rùn)滑油全生命周期的端到端集成，標(biāo)準(zhǔn)化是確保全方位集成的關(guān)鍵途徑。結(jié)合智能制造技術(shù)架構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)，從潤(rùn)滑油的質(zhì)量控制、生產(chǎn)數(shù)據(jù)監(jiān)控和智能工廠設(shè)計(jì)等多個(gè)維度構(gòu)建智能制造體系，從而實(shí)現(xiàn)潤(rùn)滑油的智能制造。

3 人工智能在潤(rùn)滑系統(tǒng)的使用和維護(hù)中的應(yīng)用

潤(rùn)滑油作為設(shè)備潤(rùn)滑的關(guān)鍵介質(zhì)，其攜帶的信息充分反映了設(shè)備的運(yùn)行情況[9]，對(duì)于判別機(jī)械設(shè)備的健康狀態(tài)有著十分重要的作用。對(duì)在用潤(rùn)滑油進(jìn)行檢測(cè)分析，判斷在用潤(rùn)滑油的質(zhì)量，指導(dǎo)及時(shí)更換失效潤(rùn)滑油是保障機(jī)械部件正常運(yùn)轉(zhuǎn)的必要條件。傳統(tǒng)的潤(rùn)滑系統(tǒng)運(yùn)行維護(hù)方式一般采用經(jīng)驗(yàn)判斷、離線檢測(cè)和周期換油，經(jīng)常出現(xiàn)該換油時(shí)沒有換，不必?fù)Q油時(shí)卻更換了油液的現(xiàn)象，造成了人力、物力的浪費(fèi)和不必要的停機(jī)[10]。

為方便高效地確定油品好壞、運(yùn)行參數(shù)是否正常，可將人工智能技術(shù)應(yīng)用于潤(rùn)滑系統(tǒng)的使用和維護(hù)中，集“在線監(jiān)測(cè)、故障診斷、智能運(yùn)維”于一體的智能潤(rùn)滑技術(shù)將是一種務(wù)實(shí)可行的方案。

智能潤(rùn)滑技術(shù)采用了在線監(jiān)測(cè)、故障診斷和智能運(yùn)維等多項(xiàng)關(guān)鍵技術(shù)以實(shí)現(xiàn)潤(rùn)滑系統(tǒng)的智能運(yùn)行和管理。如圖1所示，通過分層式網(wǎng)絡(luò)結(jié)構(gòu)，由分布在潤(rùn)滑系統(tǒng)關(guān)鍵部位的多個(gè)高精度變送器結(jié)合在線監(jiān)測(cè)軟件對(duì)油品參數(shù)(顆粒雜質(zhì)、水分含量等)和運(yùn)行參數(shù)(溫度、壓力、流量等)進(jìn)行連續(xù)監(jiān)測(cè)和診斷分析。上位機(jī)可顯示潤(rùn)滑監(jiān)控、參數(shù)調(diào)節(jié)信息、設(shè)備運(yùn)行狀態(tài)、故障記錄和供油量記錄等狀態(tài)信息，實(shí)現(xiàn)潤(rùn)滑系統(tǒng)運(yùn)行狀態(tài)的實(shí)時(shí)顯示，并及時(shí)預(yù)測(cè)和發(fā)現(xiàn)潤(rùn)滑系統(tǒng)的故障。依據(jù)在線監(jiān)測(cè)結(jié)果自動(dòng)采取報(bào)警、凈化、關(guān)斷和補(bǔ)油等措施，同時(shí)發(fā)出延伸報(bào)警信號(hào)通知值班人員，實(shí)現(xiàn)了潤(rùn)滑系統(tǒng)的智能化管理[11]。

圖1 智能潤(rùn)滑技術(shù)框圖

3.1 智能化油液分析技術(shù)

隨著人工智能技術(shù)和油液分析技術(shù)的不斷結(jié)合，智能化油液分析技術(shù)的研究正在逐漸拓展，并被廣泛地應(yīng)用到設(shè)備故障診斷中[12]。目前，在油液分析技術(shù)的智能化研究方面所涉及到的方法主要有：專家系統(tǒng)[13]、圖像識(shí)別[14]、神經(jīng)網(wǎng)絡(luò)[15]、模糊邏輯[16]、支持向量機(jī)[17]以及遠(yuǎn)程診斷[18]。為了更方便地理解智能分析方法，現(xiàn)對(duì)智能分析方法的特點(diǎn)、局限性及適用范圍總結(jié)如表1所示。

表1 智能分析方法的特點(diǎn)、局限性和適用范圍

油液分析技術(shù)的智能化，擺脫了對(duì)專業(yè)人員的依賴，可完成對(duì)設(shè)備磨損情況及故障的智能分析，及時(shí)反映設(shè)備的運(yùn)行狀況，實(shí)現(xiàn)對(duì)設(shè)備的故障預(yù)警及潤(rùn)滑維護(hù)。

3.2 故障診斷與智能運(yùn)維

結(jié)合故障診斷與智能運(yùn)維技術(shù)，建立潤(rùn)滑系統(tǒng)的工況管理模型。基于大數(shù)據(jù)處理技術(shù)，形成潤(rùn)滑油的系統(tǒng)數(shù)據(jù)庫(kù)，結(jié)合歷史變化趨勢(shì)進(jìn)行綜合分析，實(shí)現(xiàn)對(duì)潤(rùn)滑系統(tǒng)運(yùn)行狀態(tài)的分析判斷并自動(dòng)生成趨勢(shì)圖和統(tǒng)計(jì)報(bào)表，提供專業(yè)的故障診斷功能，為潤(rùn)滑系統(tǒng)操作及管理方案進(jìn)行趨勢(shì)預(yù)測(cè)，可減少人為因素造成的失誤；并結(jié)合網(wǎng)絡(luò)通信技術(shù)，實(shí)現(xiàn)遠(yuǎn)程數(shù)據(jù)交互，方便遠(yuǎn)程專家人員進(jìn)行會(huì)診，并及時(shí)做出決策[11]。

通過潤(rùn)滑系統(tǒng)工況管理技術(shù)，可以達(dá)到如下效果：

(1)提前感知潤(rùn)滑系統(tǒng)的運(yùn)行工況是否正常；

(2)準(zhǔn)確得知發(fā)生故障所在部位以及故障類型；

(3)從專家角度給出診斷意見，為操作和檢修人員提供分析和處理依據(jù)，協(xié)助編制設(shè)備檢修計(jì)劃；

(4)根據(jù)歷史數(shù)據(jù)確定潤(rùn)滑系統(tǒng)中潤(rùn)滑設(shè)備檢修周期和潤(rùn)滑介質(zhì)的更換周期，延長(zhǎng)設(shè)備使用壽命，降低用油成本。

相比較傳統(tǒng)潤(rùn)滑模式，智能潤(rùn)滑系統(tǒng)能更好地保障系統(tǒng)的安全性和可靠性，也能實(shí)現(xiàn)潤(rùn)滑系統(tǒng)的智能管理，符合智能化發(fā)展的必然趨勢(shì)。建立智能潤(rùn)滑系統(tǒng)的關(guān)鍵在于潤(rùn)滑油在線檢測(cè)技術(shù)的技術(shù)突破以及在線檢測(cè)系統(tǒng)與機(jī)械設(shè)備的同步設(shè)計(jì)。目前在用潤(rùn)滑油檢測(cè)設(shè)備的檢測(cè)項(xiàng)目有限，不能完全覆蓋潤(rùn)滑油的所有指標(biāo)和實(shí)際潤(rùn)滑狀態(tài)，檢測(cè)結(jié)果不全面且檢測(cè)效率比較低，針對(duì)目前潤(rùn)滑油在用檢測(cè)技術(shù)存在的問題，在用潤(rùn)滑油檢測(cè)技術(shù)將向開發(fā)新型傳感器、研究新的數(shù)據(jù)處理方法和應(yīng)用高光譜技術(shù)的方向發(fā)展[19]。傳感器的功效將直接影響潤(rùn)滑油檢測(cè)效率與準(zhǔn)確性，智能化、多功能化及靈巧話是傳感器發(fā)展的必然趨勢(shì)；在用潤(rùn)滑油檢測(cè)數(shù)據(jù)的處理對(duì)于結(jié)果的穩(wěn)定性和準(zhǔn)確度具有很大影響，研究檢測(cè)數(shù)據(jù)的處理方法是無(wú)數(shù)研究人員的重點(diǎn)工作；光譜技術(shù)不僅能對(duì)潤(rùn)滑油中的元素進(jìn)行定性和定量的分析，且抗干擾能力較強(qiáng)，檢測(cè)結(jié)果穩(wěn)定，在潤(rùn)滑油檢測(cè)技術(shù)中最具潛力，是在用潤(rùn)滑油檢測(cè)領(lǐng)域發(fā)展的趨勢(shì)。在線檢測(cè)設(shè)備與機(jī)械設(shè)備的同步設(shè)計(jì)，即應(yīng)用數(shù)字孿生技術(shù)，結(jié)合傳感器檢測(cè)的結(jié)果，集成多學(xué)科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映出實(shí)體設(shè)備的全生命周期過程，以便對(duì)機(jī)械設(shè)備進(jìn)行壽命預(yù)測(cè)并進(jìn)行實(shí)時(shí)維護(hù)，從而延長(zhǎng)潤(rùn)滑系統(tǒng)的生命周期。

4 總結(jié)

人工智能時(shí)代的到來(lái)，既是挑戰(zhàn)，也是機(jī)遇。作為傳統(tǒng)行業(yè)之一的潤(rùn)滑油行業(yè)，在“中國(guó)制造2025”與“工業(yè)4.0”環(huán)境下更應(yīng)該緊緊抓住這一機(jī)會(huì)，將人工智能與潤(rùn)滑油的研發(fā)、生產(chǎn)、使用和維護(hù)整個(gè)過程緊密結(jié)合，利用人工神經(jīng)網(wǎng)絡(luò)助力潤(rùn)滑油配方的研發(fā)和優(yōu)化，建造“智能工廠”實(shí)現(xiàn)潤(rùn)滑油的智能制造，通過智能潤(rùn)滑技術(shù)保障潤(rùn)滑系統(tǒng)的安全性和可靠性，從而應(yīng)對(duì)新時(shí)代對(duì)于工程機(jī)械潤(rùn)滑油日益增長(zhǎng)的需求與挑戰(zhàn)。