龐新宇，閆宗慶

(1.太原理工大學(xué)機(jī)械與運(yùn)載工程學(xué)院，山西太原 030024；2.煤礦綜采裝備山西省重點(diǎn)實(shí)驗(yàn)室，山西太原 030024)

引言

隨著機(jī)械制造智能化的發(fā)展，對(duì)機(jī)械設(shè)備的要求也越來(lái)越高，如何延長(zhǎng)機(jī)械設(shè)備的使用壽命，降低運(yùn)維成本，提高生產(chǎn)效率受到越來(lái)越多的關(guān)注。據(jù)統(tǒng)計(jì)，在各類(lèi)機(jī)械故障中，80%的設(shè)備失效是由潤(rùn)滑不良導(dǎo)致異常磨損引起的[1],因此潤(rùn)滑環(huán)境的優(yōu)劣對(duì)設(shè)備的運(yùn)行狀態(tài)有著重要影響。潤(rùn)滑油作為設(shè)備潤(rùn)滑的關(guān)鍵介質(zhì)，其所攜帶的信息充分反映了設(shè)備的運(yùn)行情況[2]，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。

20世紀(jì)40年代美國(guó)將光譜分析技術(shù)應(yīng)用到設(shè)備的潤(rùn)滑油分析上[3]，在之后的發(fā)展中，又將鐵譜分析技術(shù)、質(zhì)譜分析技術(shù)等應(yīng)用到潤(rùn)滑油分析中，并被廣泛應(yīng)用于航空、采礦、機(jī)床、風(fēng)電、車(chē)輛、船舶等各個(gè)方面[4-12]。

油液的離線(xiàn)檢測(cè)和在線(xiàn)監(jiān)測(cè)技術(shù)[13-17]可實(shí)現(xiàn)設(shè)備早期磨損故障的診斷和預(yù)防[18]，有效減少設(shè)備的非正常磨損，為其提供良好的潤(rùn)滑環(huán)境，并提高其使用壽命和工作效率。人工智能的興起，為油液分析技術(shù)的發(fā)展插上“智慧之翼”[19]。油液分析技術(shù)的智能化，擺脫了對(duì)專(zhuān)業(yè)人員的依賴(lài),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)。智能化油液分析技術(shù)的研究已成為當(dāng)下對(duì)設(shè)備進(jìn)行故障診斷研究的熱點(diǎn)之一。

因此，本研究在簡(jiǎn)述油液分析技術(shù)及檢測(cè)方法的基礎(chǔ)上，著重對(duì)國(guó)內(nèi)外機(jī)械設(shè)備油液分析技術(shù)的智能化應(yīng)用現(xiàn)狀進(jìn)行綜述，主要包括專(zhuān)家系統(tǒng)、圖像識(shí)別、神經(jīng)網(wǎng)絡(luò)、模糊邏輯、支持向量機(jī)、遠(yuǎn)程診斷在油液分析方面的技術(shù)特點(diǎn)、局限性和適用范圍以及對(duì)現(xiàn)存問(wèn)題的總結(jié)分析，并對(duì)油液分析技術(shù)智能化的發(fā)展進(jìn)行展望。

1 油液分析技術(shù)及檢測(cè)方法

油液分析技術(shù)利用相關(guān)的檢測(cè)儀器對(duì)油液所攜帶的設(shè)備工況信息進(jìn)行檢測(cè)，對(duì)設(shè)備的當(dāng)前工作狀況以及未來(lái)工作狀況作出判斷，為設(shè)備的故障診斷和維護(hù)提供有效依據(jù)[20]。該方法尤其適用于對(duì)設(shè)備磨損類(lèi)故障的診斷[21]，具有信息集成度高、能夠預(yù)測(cè)早期故障等優(yōu)點(diǎn)。油液分析技術(shù)主要包含：

(1) 油液理化指標(biāo)分析技術(shù)[22-28]；

(2) 鐵譜分析技術(shù)[29-30]；

(3) 光譜分析技術(shù)[31-32]；

(4) 顆粒度分析技術(shù)[33]；

(5) PQ值分析技術(shù)[34]。

如表1所示，列舉了油液分析技術(shù)中常用的幾種檢測(cè)儀器原理及用途。

表1 常用油液檢測(cè)儀器原理及用途

2 油液分析技術(shù)智能化研究現(xiàn)狀

現(xiàn)代工業(yè)中，設(shè)備不斷朝著系統(tǒng)化、自動(dòng)化、信息化、智能化的方向發(fā)展，傳統(tǒng)的油液分析技術(shù)因其檢測(cè)結(jié)果的滯后性以及對(duì)檢測(cè)人員的高要求性，難以得到推廣應(yīng)用。近年來(lái)，隨著對(duì)人工智能與機(jī)械故障診斷技術(shù)結(jié)合的研究以及油液在線(xiàn)監(jiān)測(cè)技術(shù)的發(fā)展，推動(dòng)了油液分析技術(shù)智能化的研究與發(fā)展，使得分析結(jié)果不再過(guò)度依賴(lài)于檢測(cè)人員的經(jīng)驗(yàn)，逐步實(shí)現(xiàn)了設(shè)備由事后維修向預(yù)防維修的轉(zhuǎn)變。另一方面實(shí)現(xiàn)了磨損嚴(yán)重的零件的及時(shí)更換，改善了設(shè)備的潤(rùn)滑環(huán)境，從而延長(zhǎng)了設(shè)備的使用壽命。

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)的研究正在逐漸深入，并被廣泛地應(yīng)用到設(shè)備故障診斷中。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(zhuān)家系統(tǒng)、圖像識(shí)別、神經(jīng)網(wǎng)絡(luò)、模糊邏輯、支持向量機(jī)以及遠(yuǎn)程診斷。

油液數(shù)據(jù)是油液分析技術(shù)的基礎(chǔ)，油液的數(shù)據(jù)處理技術(shù)決定了油液分析智能化的水平，因此本研究首先對(duì)油液數(shù)據(jù)處理技術(shù)現(xiàn)狀進(jìn)行概述。

2.1 油液數(shù)據(jù)處理技術(shù)

油液數(shù)據(jù)處理技術(shù)是指將利用傳感器監(jiān)測(cè)的油液數(shù)據(jù)經(jīng)過(guò)自動(dòng)化裝置處理，將大量、難以理解的數(shù)據(jù)轉(zhuǎn)化成對(duì)油液分析技術(shù)人員有意義、有價(jià)值的信息，完成對(duì)油液和設(shè)備狀態(tài)的分析。數(shù)據(jù)處理的流程可大致分為3個(gè)階段，即數(shù)據(jù)的準(zhǔn)備、處理、輸出，其具體流程如圖1所示。數(shù)據(jù)處理技術(shù)作為處理數(shù)據(jù)的手段，其方法有很多，包括列表法、數(shù)據(jù)預(yù)處理、作圖法、逐差法、最小二乘法等。隨著多種數(shù)據(jù)處理方法的提出和應(yīng)用，研究人員開(kāi)始將這些方法應(yīng)用到油液分析方面，為了實(shí)現(xiàn)對(duì)油液中含水率的預(yù)測(cè)，TRIPATHI M M等[35]將主成分回歸(PCR)、偏最小二乘法(PLS)兩種重要的多元數(shù)據(jù)分析技術(shù)獨(dú)立的應(yīng)用于油液紅外光譜信息，構(gòu)建了油液含水率預(yù)測(cè)模型。饒冬飛等[36]利用性能退化可靠性模型對(duì)油液光譜信息中的Cu元素濃度進(jìn)行評(píng)估分析，實(shí)現(xiàn)了對(duì)傳動(dòng)裝置失效的可靠性評(píng)估。數(shù)據(jù)處理技術(shù)除了應(yīng)用于對(duì)單項(xiàng)檢測(cè)數(shù)據(jù)的處理外，在對(duì)多項(xiàng)檢測(cè)數(shù)據(jù)的處理中，也有著較多的應(yīng)用，為了更好的實(shí)現(xiàn)對(duì)煤機(jī)設(shè)備故障的診斷，都玉輝等[37]對(duì)煤機(jī)在用油的多項(xiàng)指標(biāo)進(jìn)行定期檢測(cè)，尋找各檢測(cè)指標(biāo)間的相關(guān)性，利用偏最小二乘回歸模型建立了潤(rùn)滑油中鐵元素含量、黏度、酸值和水分的關(guān)系模型。YAN S F等[38]使用一種新的證據(jù)加權(quán)數(shù)據(jù)融合方法，通過(guò)對(duì)多個(gè)油液狀態(tài)監(jiān)測(cè)數(shù)據(jù)集的融合，更好的表征機(jī)械傳動(dòng)的退化程度。LOUTAS T H等[39]利用數(shù)據(jù)融合的方法將振動(dòng)、聲發(fā)射、潤(rùn)滑油磨粒監(jiān)測(cè)3種測(cè)量技術(shù)中最具代表性的特征整合到1個(gè)數(shù)據(jù)矩陣中，并將其與變速箱的不同損傷模式聯(lián)系起來(lái)，以此來(lái)評(píng)估齒輪的運(yùn)行狀態(tài)。

圖1 數(shù)據(jù)處理流程

2.2 基于專(zhuān)家系統(tǒng)的智能分析方法

基于專(zhuān)家系統(tǒng)的智能分析方法是指油液分析領(lǐng)域的專(zhuān)家根據(jù)已有的油液分析知識(shí)和分析經(jīng)驗(yàn)建立相應(yīng)的知識(shí)庫(kù)，利用推理機(jī)模擬專(zhuān)家思維對(duì)油液監(jiān)測(cè)信息進(jìn)行分析，使分析結(jié)果達(dá)到專(zhuān)家水平，實(shí)現(xiàn)對(duì)設(shè)備潤(rùn)滑環(huán)境和零部件磨損程度的準(zhǔn)確判斷[40]。實(shí)現(xiàn)完整的專(zhuān)家系統(tǒng)功能，需要包含人機(jī)交互界面、知識(shí)庫(kù)、解釋器、數(shù)據(jù)庫(kù)、推理機(jī)和知識(shí)獲取，其基本結(jié)構(gòu)如圖2所示。1965年，首個(gè)專(zhuān)家系統(tǒng)Dendral被開(kāi)發(fā)出來(lái)，并在化學(xué)領(lǐng)域得到應(yīng)用。經(jīng)過(guò)多年的發(fā)展，專(zhuān)家系統(tǒng)廣泛應(yīng)用到各個(gè)領(lǐng)域當(dāng)中，主要起到解釋、預(yù)測(cè)、診斷、故障排除、設(shè)計(jì)、監(jiān)視、修正和控制等作用[41]。為了便于初級(jí)油液分析人員或非專(zhuān)業(yè)人員根據(jù)油液光譜數(shù)據(jù)更好地了解設(shè)備的運(yùn)行情況，高經(jīng)緯等[42]特意開(kāi)發(fā)了針對(duì)油液光譜數(shù)據(jù)分析的知識(shí)庫(kù)。PELLIN Z等[43]為了實(shí)現(xiàn)發(fā)動(dòng)機(jī)的自動(dòng)故障診斷，開(kāi)發(fā)了油液光譜分析診斷專(zhuān)家系統(tǒng)，對(duì)發(fā)動(dòng)機(jī)的工況進(jìn)行監(jiān)測(cè)和診斷?？紤]到專(zhuān)家系統(tǒng)比傳統(tǒng)分析方法更加可靠，XU Wei等[44]利用油液分析技術(shù)對(duì)設(shè)備關(guān)鍵運(yùn)動(dòng)部件的失效過(guò)程進(jìn)行了監(jiān)測(cè)，設(shè)計(jì)了基于油液分析的綜合監(jiān)測(cè)專(zhuān)家系統(tǒng)。航空發(fā)動(dòng)機(jī)作為重要的動(dòng)力源裝置，直接關(guān)系到飛機(jī)的運(yùn)行狀態(tài)，葛科宇等[45]考慮到航空發(fā)動(dòng)機(jī)磨損故障專(zhuān)家系統(tǒng)知識(shí)難以獲取的問(wèn)題，提出了一種基于Weka平臺(tái)的專(zhuān)家系統(tǒng)模型。專(zhuān)家系統(tǒng)的出現(xiàn)，同時(shí)為中小型企業(yè)解決了許多的問(wèn)題，針對(duì)中小型煤礦企業(yè)缺乏潤(rùn)滑油分析的專(zhuān)業(yè)團(tuán)隊(duì)，馬俊杰等[46]研究了一種基于多種油液分析技術(shù)融合診斷的專(zhuān)家系統(tǒng)，避免了設(shè)備的過(guò)度磨損和潤(rùn)滑油的污染，提高了工作效率。

圖2 專(zhuān)家系統(tǒng)結(jié)構(gòu)圖

2.3 基于圖像識(shí)別的智能分析方法

基于圖像識(shí)別的智能分析方法是指通過(guò)計(jì)算機(jī)對(duì)機(jī)械設(shè)備在用油中的磨粒圖像進(jìn)行處理和分析，以便于識(shí)別設(shè)備不同磨損狀態(tài)下的特征，完成對(duì)設(shè)備磨損狀態(tài)及磨損程度的判斷[47]。圖像識(shí)別的流程大體可以分為4個(gè)步驟：圖像的采集、圖像的預(yù)處理、圖像的特征提取和圖像的識(shí)別，具體流程圖如圖3所示。其中圖像的預(yù)處理以及圖像的特征提取作為識(shí)別過(guò)程中的關(guān)鍵步驟，對(duì)最后的識(shí)別精度有著重要的影響，故而在對(duì)圖像進(jìn)行識(shí)別的研究中，著重對(duì)其預(yù)處理和特征識(shí)別的方法的進(jìn)行研究。圖像識(shí)別技術(shù)的研究主要經(jīng)過(guò)了3個(gè)階段，1950年關(guān)于文字識(shí)別的研究階段，1965年數(shù)字圖像處理和識(shí)別的研究階段，以及現(xiàn)在關(guān)于物體識(shí)別的研究。隨著圖像識(shí)別技術(shù)的發(fā)展，其在油液分析方面的研究和應(yīng)用也逐漸增多。在對(duì)鐵譜圖像進(jìn)行預(yù)處理方法的對(duì)比研究當(dāng)中，武通海等[48]發(fā)現(xiàn)通過(guò)YUV顏色空間可得到平滑的灰度圖像，有利于對(duì)磨粒圖像的辨識(shí)。樊紅衛(wèi)等[49]經(jīng)過(guò)大量的實(shí)驗(yàn)發(fā)現(xiàn)，對(duì)獲得的鐵譜圖像采取反向操作灰度圖轉(zhuǎn)化和三段式閾值分割的處理方法，有助于提高磨粒特征參數(shù)獲取的準(zhǔn)確率，進(jìn)而提高齒輪箱磨損故障的識(shí)別率。在對(duì)油液中磨粒圖像識(shí)別方法的研究中，除了圖像預(yù)處理方法的研究外，還在圖像特征提取的方法上展開(kāi)了研究。陳桂明等[50]首先對(duì)鐵譜圖像中的顏色特征進(jìn)行了研究，為后續(xù)鐵譜圖像的處理和識(shí)別奠定了基礎(chǔ)。LIU Hong等[51]針對(duì)磨粒圖像的分割，設(shè)計(jì)了一種關(guān)于局部紋理特性的顏色量化方法，實(shí)驗(yàn)表明該方法有著較高的精度，可代替灰度圖像用于彩色圖像。除了對(duì)圖像預(yù)處理和特征提取方法的研究外，LAGHARI M S等[52]利用計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)對(duì)磨損機(jī)理產(chǎn)生的微觀顆粒進(jìn)行了分析，設(shè)計(jì)了一個(gè)交互式圖像分析系統(tǒng)，用于處理和存儲(chǔ)顆粒形狀和邊緣細(xì)節(jié)的定量信息，對(duì)磨損顆粒進(jìn)行系統(tǒng)的形態(tài)分析。

圖3 圖像識(shí)別流程

2.4 基于神經(jīng)網(wǎng)絡(luò)的智能分析方法

基于神經(jīng)網(wǎng)絡(luò)的智能分析方法是指模仿人類(lèi)大腦神經(jīng)突觸連接的結(jié)構(gòu)對(duì)設(shè)備中油液的監(jiān)測(cè)信息進(jìn)行處理的數(shù)學(xué)模型，以油液實(shí)測(cè)樣本作為基礎(chǔ)，通過(guò)神經(jīng)網(wǎng)絡(luò)的并行處理過(guò)程，完成對(duì)設(shè)備故障的預(yù)測(cè)及診斷。1943年，W PITTS和W MCCULLOCH最先提出神經(jīng)元的數(shù)學(xué)模型。20世紀(jì)80年代，HOPFIELD在美國(guó)科學(xué)院院刊發(fā)表的關(guān)于人工神經(jīng)網(wǎng)絡(luò)研究的論文，掀起了神經(jīng)網(wǎng)絡(luò)的研究熱潮。隨著對(duì)神經(jīng)網(wǎng)絡(luò)的不斷研究，各類(lèi)神經(jīng)網(wǎng)絡(luò)被應(yīng)用于設(shè)備的故障預(yù)測(cè)和診斷當(dāng)中，其中應(yīng)用較廣泛的主要有BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、感知神經(jīng)網(wǎng)絡(luò)、線(xiàn)性神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等。在對(duì)潤(rùn)滑油進(jìn)行黏度分析和預(yù)測(cè)時(shí)，為了獲得更好的預(yù)測(cè)性能，ESFE等[53]設(shè)計(jì)了一個(gè)具有2個(gè)隱層和6個(gè)神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，經(jīng)過(guò)預(yù)測(cè)數(shù)據(jù)與試驗(yàn)數(shù)據(jù)的對(duì)比，表明利用神經(jīng)網(wǎng)絡(luò)可以有效提高對(duì)潤(rùn)滑油黏度的預(yù)測(cè)精度。ALTINTAS O[54]根據(jù)機(jī)械顆粒和潤(rùn)滑油樣品介電特性之間的關(guān)系，采用人工神經(jīng)網(wǎng)絡(luò)方法，對(duì)機(jī)車(chē)潤(rùn)滑油樣品的介電常數(shù)和損耗因子值進(jìn)行了線(xiàn)性關(guān)系的觀測(cè)和預(yù)測(cè)。在油液分析中研究較多的主要為RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)，喻步賢等[55]針對(duì)船舶柴油機(jī)磨損故障難以診斷的問(wèn)題，采用RBF神經(jīng)網(wǎng)絡(luò)對(duì)柴油機(jī)磨損故障進(jìn)行模式識(shí)別，識(shí)別率高達(dá)90%以上，有效的降低了柴油機(jī)的磨損故障發(fā)生率。在對(duì)航空發(fā)動(dòng)機(jī)進(jìn)行故障診斷及故障預(yù)測(cè)中，石宏等[56]運(yùn)用最優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)油液中的金屬含量進(jìn)行預(yù)測(cè)，提高了對(duì)發(fā)動(dòng)機(jī)潛在故障的發(fā)現(xiàn)概率，王琳等[57]以油液光譜數(shù)據(jù)為基礎(chǔ)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)其磨損部位進(jìn)行識(shí)別，取得了較高的識(shí)別率。

2.5 基于模糊邏輯的智能分析方法

基于模糊邏輯的智能分析方法是指借助模糊數(shù)學(xué)中的模糊隸屬關(guān)系，根據(jù)設(shè)備中的油液監(jiān)測(cè)數(shù)據(jù)對(duì)設(shè)備運(yùn)行狀態(tài)實(shí)行模糊的判斷，以達(dá)到對(duì)設(shè)備故障診斷的目的。一個(gè)完整的模糊邏輯推理系統(tǒng)基本包括模糊產(chǎn)生器、模糊推理機(jī)、模糊規(guī)則庫(kù)及反模糊化器四大部分，其系統(tǒng)結(jié)構(gòu)圖見(jiàn)圖4。模糊邏輯的概念最早在1965年被美國(guó)數(shù)學(xué)家ZADEH L提出，意味著模糊數(shù)學(xué)的產(chǎn)生，主要用于描述和處理現(xiàn)實(shí)生活中模糊性的問(wèn)題。由于設(shè)備工況的不確定性和復(fù)雜性使得模糊邏輯在設(shè)備故障診斷中的應(yīng)用成為可能。李兵等[58-59]將模糊相對(duì)權(quán)重概念與模糊優(yōu)選理論結(jié)合在一起，很好實(shí)現(xiàn)了發(fā)動(dòng)機(jī)鐵譜分析磨粒的智能識(shí)別,在此基礎(chǔ)上，建立了加權(quán)模糊優(yōu)選模型，可以快速、準(zhǔn)確的識(shí)別發(fā)動(dòng)機(jī)的磨損故障。MACIAN V等[60]提出了一種基于模糊邏輯的狀態(tài)監(jiān)測(cè)系統(tǒng)，主要用于對(duì)柴油機(jī)機(jī)油的分析診斷，以此來(lái)判定柴油機(jī)引擎故障的嚴(yán)重程度。陳勁松[61]介紹了模糊邏輯在煤礦機(jī)械故障診斷中的應(yīng)用情況，表明模糊邏輯在煤礦機(jī)械故障診斷中可以起到很好的效果。MARKOVA L V[62]考慮到潤(rùn)滑油的狀態(tài)信息存在的不確定性、不完整性和模糊性，提出一種基于Mamdani算法的潤(rùn)滑油狀態(tài)智能決策方法和模糊邏輯方法的結(jié)構(gòu)圖，更為客觀的評(píng)價(jià)潤(rùn)滑油的性能，實(shí)現(xiàn)對(duì)摩擦系統(tǒng)的及時(shí)維護(hù)。

圖4 模糊邏輯系統(tǒng)結(jié)構(gòu)圖

2.6 基于支持向量機(jī)的智能分析方法

基于支持向量機(jī)(SVM)的智能分析方法是指利用SVM完成對(duì)油液監(jiān)測(cè)數(shù)據(jù)的統(tǒng)計(jì)分類(lèi)和回歸分析，以達(dá)到對(duì)油液監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)以及設(shè)備磨損故障識(shí)別的目的。SVM最早被提出的時(shí)間在1964年[63]，但對(duì)其研究相對(duì)較少，直到1995年，CORTES和VAPNIK將SVM應(yīng)用于對(duì)字符識(shí)別的問(wèn)題當(dāng)中，才引起廣泛的關(guān)注[64]，開(kāi)始應(yīng)用于各個(gè)領(lǐng)域。支持向量機(jī)對(duì)小樣本數(shù)據(jù)集有著很好的訓(xùn)練和學(xué)習(xí)能力，這一點(diǎn)剛好契合油液監(jiān)測(cè)數(shù)據(jù)的特點(diǎn)，因而被應(yīng)用于油液分析的研究中。GUAN L等[65]結(jié)合支持向量機(jī)分類(lèi)技術(shù)，利用介電譜對(duì)來(lái)自美孚、殼牌和Esso的20個(gè)發(fā)動(dòng)機(jī)潤(rùn)滑油樣品進(jìn)行了黏度等級(jí)和來(lái)源的分類(lèi)，表明該方法可以很好的獲得潤(rùn)滑油的成分以及結(jié)構(gòu)信息。李?lèi)?ài)等[66]通過(guò)對(duì)航空發(fā)動(dòng)機(jī)油液檢測(cè)數(shù)據(jù)的研究，運(yùn)用支持向量機(jī)對(duì)油樣光譜中各金屬元素進(jìn)行界限值的制定，較傳統(tǒng)界限值制定方法更加真實(shí)可靠。除了上述運(yùn)用于油品及故障分類(lèi)外，SVM還被應(yīng)用于狀態(tài)預(yù)測(cè)。在對(duì)設(shè)備進(jìn)行換油和采樣時(shí)很容易影響到設(shè)備中油液的各項(xiàng)指標(biāo)，從而造成對(duì)油液數(shù)據(jù)的預(yù)測(cè)結(jié)果與實(shí)測(cè)值有較大偏差，范紅波等[67]針對(duì)該類(lèi)問(wèn)題，利用SVM回歸特性，對(duì)油液光譜數(shù)據(jù)進(jìn)行分析，建立了針對(duì)油液光譜的預(yù)測(cè)模型。陳彬等[68]根據(jù)變壓器油中Cu、Fe、SiO2顆粒物粒徑和數(shù)量與油樣介損因數(shù)之間的相關(guān)性，建立了相關(guān)的SVM數(shù)學(xué)預(yù)測(cè)模型，所得預(yù)測(cè)結(jié)果與實(shí)際結(jié)果相近。為了能夠獲得較高預(yù)測(cè)精度，RIVAS B L D等[69]根據(jù)潤(rùn)滑油的紅外光譜數(shù)據(jù)，建立了偏最小二乘法，支持向量機(jī)和線(xiàn)性模型等多種分析方法結(jié)合的油液光譜預(yù)測(cè)模型。

2.7 基于遠(yuǎn)程診斷的智能分析方法

基于遠(yuǎn)程診斷的智能分析方法是指基于Internet技術(shù)實(shí)現(xiàn)診斷資源同診斷設(shè)備之間的遠(yuǎn)程通信[70]，即將設(shè)備潤(rùn)滑油的監(jiān)測(cè)信息通過(guò)網(wǎng)絡(luò)遠(yuǎn)程傳輸?shù)皆\斷資源或診斷專(zhuān)家手中，通過(guò)診斷資源達(dá)到對(duì)設(shè)備故障及潤(rùn)滑油狀態(tài)智能診斷的目的。一個(gè)完整的遠(yuǎn)程診斷系統(tǒng)需要包括數(shù)據(jù)采集系統(tǒng)、狀態(tài)監(jiān)控系統(tǒng)、本地故障診斷系統(tǒng)、數(shù)據(jù)遠(yuǎn)程傳輸系統(tǒng)，遠(yuǎn)程診斷系統(tǒng)和遠(yuǎn)程專(zhuān)家會(huì)診中心，具體結(jié)構(gòu)如圖5所示。1997年1月，首屆遠(yuǎn)程監(jiān)控診斷工作會(huì)議的舉辦，推動(dòng)了遠(yuǎn)程診斷技術(shù)的發(fā)展和研究。遠(yuǎn)程診斷技術(shù)作為當(dāng)前國(guó)內(nèi)外的研究熱點(diǎn)，在油液分析方面最先展開(kāi)了理論的研究，張培林等[71]討論了遠(yuǎn)程診斷技術(shù)在油液分析中應(yīng)用的必要性，并對(duì)其具體實(shí)現(xiàn)方法進(jìn)行了理論研究和詳細(xì)闡述。丁勇等[72]針對(duì)當(dāng)時(shí)油液監(jiān)控技術(shù)的應(yīng)用現(xiàn)狀，提出通過(guò)油液監(jiān)控實(shí)現(xiàn)對(duì)軍用裝備進(jìn)行遠(yuǎn)程故障診斷的想法。近年來(lái)，遠(yuǎn)程診斷技術(shù)除了理論研究之外，也開(kāi)始出現(xiàn)較多的應(yīng)用研究，ZHANG X S等[73]設(shè)計(jì)了一種基于GPRS的潤(rùn)滑油遠(yuǎn)程監(jiān)測(cè)系統(tǒng)，可以隨時(shí)對(duì)設(shè)備潤(rùn)滑油的狀態(tài)進(jìn)行監(jiān)測(cè)，促進(jìn)了油液監(jiān)測(cè)智能化、信息化、高效化的發(fā)展。MAUNTZ M等[74]提出一種對(duì)工業(yè)齒輪箱潤(rùn)滑油進(jìn)行連續(xù)監(jiān)測(cè)的在線(xiàn)診斷系統(tǒng)，通過(guò)在線(xiàn)傳感器將油液監(jiān)測(cè)信息通過(guò)局域網(wǎng)傳輸?shù)交趙eb的狀態(tài)監(jiān)測(cè)系統(tǒng)，對(duì)識(shí)別早期齒輪的磨損情況有著很好的效果。易楠[75]設(shè)計(jì)了風(fēng)電機(jī)組集中潤(rùn)滑遠(yuǎn)程在線(xiàn)監(jiān)測(cè)系統(tǒng)，用于對(duì)風(fēng)電機(jī)組潤(rùn)滑狀態(tài)的監(jiān)測(cè)，及時(shí)改善設(shè)備的潤(rùn)滑環(huán)境，提高設(shè)備使用壽命。

圖5 遠(yuǎn)程診斷系統(tǒng)結(jié)構(gòu)

2.8 智能分析方法的優(yōu)點(diǎn)、局限性及適用范圍

為了更方便的理解智能分析方法，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2所示。

表2 智能分析方法的特點(diǎn)、局限性及適用范圍

3 油液分析技術(shù)智能化現(xiàn)存問(wèn)題

油液分析技術(shù)智能化的出現(xiàn)和發(fā)展，明顯推動(dòng)了設(shè)備故障診斷的發(fā)展，降低了對(duì)專(zhuān)業(yè)分析人員的依賴(lài)性，提高了設(shè)備故障診斷效率和精度。但目前而言，智能分析方法在油液分析的應(yīng)用中仍存在一些問(wèn)題。

1) 可應(yīng)用于實(shí)際工況的在線(xiàn)傳感器較少

油液數(shù)據(jù)的采集是智能分析方法應(yīng)用的基礎(chǔ)，沒(méi)有采集的數(shù)據(jù)，無(wú)法展開(kāi)后續(xù)工作。離線(xiàn)檢測(cè)雖能獲得油液數(shù)據(jù)，但因其本身的滯后性，不能及時(shí)發(fā)現(xiàn)設(shè)備存在的隱患，而在線(xiàn)傳感器的研究大多仍處于實(shí)驗(yàn)室試驗(yàn)階段，應(yīng)用于實(shí)際工況的在線(xiàn)傳感器相對(duì)較少，其穩(wěn)定性也有待驗(yàn)證。

2) 缺乏相關(guān)的準(zhǔn)則和標(biāo)準(zhǔn)

在對(duì)油液進(jìn)行監(jiān)測(cè)時(shí)，沒(méi)有健全油液監(jiān)控的相關(guān)準(zhǔn)則和標(biāo)準(zhǔn)，許多企業(yè)都是以自己的標(biāo)準(zhǔn)作為監(jiān)測(cè)依據(jù)，不利于推動(dòng)油液分析技術(shù)智能化的發(fā)展。

3) 油液智能分析的方法還不成熟

在很早之前便有人著手研究智能分析方法，但將智能分析方法應(yīng)用于油液分析中的研究較晚，并且由表2可知智能分析方法本身具有一定的缺陷，所以當(dāng)前的油液智能分析的方法還不成熟，許多的研究仍處于試驗(yàn)階段。雖然已有成型的油液智能分析設(shè)備應(yīng)用于實(shí)際的工作設(shè)備中，但仍有諸多的限制，僅適用于某類(lèi)工況下，而在其他工況并不適用。

4 結(jié)論

本研究對(duì)油液分析技術(shù)及檢測(cè)方法進(jìn)行了概述，在此基礎(chǔ)上，著重闡述了基于油液分析技術(shù)的專(zhuān)家系統(tǒng)、圖像識(shí)別、神經(jīng)網(wǎng)絡(luò)、模糊邏輯、支持向量機(jī)、遠(yuǎn)程診斷等智能分析方法的研究現(xiàn)狀，并對(duì)各智能分析方法的特點(diǎn)、局限性以及其結(jié)合油液分析技術(shù)的適用范圍進(jìn)行了總結(jié)，同時(shí)指出了當(dāng)前油液分析技術(shù)智能化存在的問(wèn)題。

通過(guò)對(duì)智能化油液分析技術(shù)的總結(jié)和分析，對(duì)其今后研究重點(diǎn)進(jìn)行了展望。

1) 油液在線(xiàn)監(jiān)測(cè)技術(shù)的研究

在今后油液分析技術(shù)智能化的研究過(guò)程中，在線(xiàn)監(jiān)測(cè)技術(shù)仍是研究的熱點(diǎn)問(wèn)題，在線(xiàn)監(jiān)測(cè)傳感器不僅要在實(shí)際的工作環(huán)境中具備穩(wěn)定的性能，同時(shí)能實(shí)現(xiàn)對(duì)在用油多個(gè)指標(biāo)的監(jiān)測(cè)，即將多項(xiàng)監(jiān)測(cè)功能集成到一個(gè)傳感器上。

2) 遠(yuǎn)程診斷技術(shù)的研究

遠(yuǎn)程診斷技術(shù)作為當(dāng)前國(guó)內(nèi)外研究的前沿課題，通過(guò)文獻(xiàn)及調(diào)研可知，其在油液分析方面的應(yīng)用相對(duì)較少，目前主要用于理論研究和狀態(tài)監(jiān)測(cè)中，因此未來(lái)基于油液分析的遠(yuǎn)程診斷技術(shù)的研究將是油液分析方面的研究熱點(diǎn)和難點(diǎn)，其不僅要實(shí)現(xiàn)遠(yuǎn)程監(jiān)測(cè)及智能診斷的功能，同時(shí)要克服自身的局限性，避免受天氣、設(shè)備工作環(huán)境等影響數(shù)據(jù)的遠(yuǎn)程傳輸功能。

3) 智能油液分析方法的融合

當(dāng)前智能油液分析方法的研究主要以單一的智能分析方法的研究及應(yīng)用為主，通過(guò)對(duì)智能分析方法的總結(jié)可知，單一的智能分析方法有著一定的局限性，而多種智能分析方法的融合，能夠很好的彌補(bǔ)單一智能分析方法的缺陷，因此今后將更側(cè)重于對(duì)多種智能油液分析方法進(jìn)行融合的研究。

4) 不同故障診斷技術(shù)的融合

隨著各種故障診斷技術(shù)和智能分析方法的研究及應(yīng)用，單獨(dú)一種故障診斷技術(shù)和智能分析方法的結(jié)合已不能滿(mǎn)足當(dāng)前對(duì)設(shè)備進(jìn)行診斷的需求，采用多個(gè)故障診斷技術(shù)的研究，如油液、振動(dòng)、聲信號(hào)等多種診斷技術(shù)同智能分析方法結(jié)合的研究，可以實(shí)現(xiàn)對(duì)設(shè)備故障更加準(zhǔn)確的診斷及預(yù)測(cè)。

5) 大數(shù)據(jù)在油液分析技術(shù)中的應(yīng)用

引起設(shè)備產(chǎn)生故障的因素各種各樣，對(duì)整個(gè)企業(yè)而言，所要監(jiān)控的設(shè)備數(shù)量多、分布廣，采用傳統(tǒng)的診斷方法不僅費(fèi)時(shí)費(fèi)力，且診斷效率低下。隨著信息化、智能化的不斷發(fā)展，利用大數(shù)據(jù)對(duì)設(shè)備故障進(jìn)行診斷成為可能，不僅能實(shí)現(xiàn)設(shè)備診斷信息的不斷更新和匯總，也能加快故障診斷效率。