载荷与润滑油性能相关性的研究

杜 映，王龙鑫，邵 涛

(西安交通大学现代设计及转子轴承系统教育部重点实验室，陕西 西安 710049)

载荷与润滑油性能相关性的研究

杜 映，王龙鑫，邵 涛

(西安交通大学现代设计及转子轴承系统教育部重点实验室，陕西 西安 710049)

为了研究载荷与润滑油性能的相关性，以自制的四球摩擦磨损试验机为试验设备，设计并搭建了润滑油性能在线监测系统。选取润滑油粘度、介电常数及磨粒浓度为在线可测量，研究了载荷对服役阶段润滑油性能的影响及其相关性，并对基于不同载荷的润滑油状态进行了分类。试验结果表明：载荷与润滑油性能衰变程度存在着相关性，且随着载荷的增加，润滑油的性能下降，氧化衰变程度加剧，磨损程度加剧。本研究为今后研究润滑油的健康状态表征方法提供了依据。

在线监测；润滑油分析；磨粒监测；聚类分析

1 前言

润滑油是机械设备的“血液”，它包含了全部的摩擦学信息，对润滑油的状态监测已经成为分析设备磨损状态的重要手段[1]。离线油液监测技术发展了70多年[2]，已经非常成熟，但耗费巨大的人力、物力。在线油液监测技术虽然起步较晚，但由于其具有实时监测、无需取样、避免二次污染、减少人力等优点，已初步应用在重要工业领域的重大型设备中，例如航空发动机、风电齿轮变速箱、船用柴油机及矿山设备等[3]。目前，对于润滑油性能的衰变规律的研究尚属空白。因此，对润滑油性能的实时监测十分必要。然而，润滑油在设备运行过程中，将受到变载荷的作用，从而影响润滑油的使用性能。因此，研究载荷与润滑油性能表现之间的关系非常重要。

目前，国内外在线油液监测技术的发展主要集中于在线油液传感器的开发，以试验探究为主，工程应用案例较少[4]。其中，较为成熟的传感器技术大体上可分为2类：一类是针对油液品质的传感器技术，另一类是针对油液中磨粒的传感器技术[3]。

本文采用自制的四球摩擦磨损试验机，选择合适的在线监测传感器，设计并搭建了润滑油性能参数在线监测系统。以润滑油的在线粘度、介电常数作为润滑油理化性能的可测参数，以磨粒浓度作为磨损状态的可测参数，研究了载荷对润滑油性能参数衰变规律的影响，为后续研究润滑油健康状态模型提供了依据。

2 润滑油性能在线可测性分析

2.1 可测性分析

有文献[5]表明，润滑油的衰变过程分为以下3个步骤：添加剂损耗、酸值增加、粘度上升，润滑油性能参数在线可测性分析如图1所示。故本文所选择的润滑油可测参量为：润滑油粘度、介电常数及磨粒浓度（IPCA）。

图1 润滑油参数在线可测性分析

2.2 传感器选型

在传感器选型部分，需要选择可以测量粘度、介电常数的传感器及选择合适的铁磨粒传感器。

2.2.1 油液特性传感器

在润滑油性能监测方面，选择美国MEAS传感器公司（精量电子）开发的FPS2800B12C4流体特性传感器。该传感器可直接且同时测量流体的粘度、密度、介电常数和温度。该传感器外形如图2所示，长度尺寸约80mm，最大直径30mm，其技术参数如表1所示。

图2 FPS2810B12C4流体特性传感器实物图

表1 FPS2810B12C4流体特性传感器技术参数

2.2.2 铁磨粒传感器

本文中选择了本课题组自行开发的OLVF在线磨粒传感器来监测润滑油中的铁磨粒，其结构如图3所示。

该可视化在线铁谱传感器的工作原理是利用可控电磁铁，将油液中的铁磨粒沉积在流道内，然后利用显微摄像头对沉积下来的磨粒链进行拍照，再利用分析软件对磨粒链照片进行二值化、灰度分割等操作，提取磨粒的各种特征，从而求得磨粒的尺寸、类型及IPCA等。

图3 OLVF可视化在线铁谱传感器[6]

3 试验方案

3.1 试验系统介绍

本研究以自制的回转式摩擦磨损试验台——四球摩擦磨损试验机为试验设备，如图4所示。该设备的摩擦副由4个直径均为12.7mm的钢球组成，其结构示意图如图5所示。

图4 四球摩擦磨损试验机

图5 四球摩擦磨损试验机

3.2 试验方案[7]

在其他参数保持不变的前提下，改变载荷的大小，模拟润滑油在服役阶段的衰变过程及摩擦副的磨损变化规律，即润滑油的粘度、介电常数、磨粒浓度在不同载荷下的变化规律。本模拟试验平台如图6所示。

图6 模拟试验平台

本试验分3组，其运行工况如表2 所示，主轴转速及试验运行时间保持不变，仅改变加载载荷。

表 2 试验工况

4 试验数据分析

4.1 润滑油性能的动态变化规律

在3组试验中，在线油液传感器及可视化在线铁谱传感器所得到的试验数据随时间的变化呈现出相似的规律，即在设备运行过程中润滑油的粘度、介电常数及磨粒浓度（IPCA）呈稳定的变化规律。以2#试验所测得的粘度、介电常数及磨粒IPCA值对应于时间的变化曲线为例，如图7所示。

图7 润滑油动态性能变化规律（2#试验）

试验过程中粘度值表现出上升趋势，介电常数值表现出下降趋势，而IPCA值则表现出从高到低，从剧烈变化到平稳的趋势（对应“浴盆曲线”的磨合期到正常磨损期两个阶段）。

4.2 数据分析

为了对不同载荷下各参数的变化规律做对比分析，将分别分析可测量粘度、介电常数及IPCA值在不同载荷作用下的变化情况。为了便于分析，对所得到的试验数据进行FFT滤波处理。

4.2.1 载荷与润滑油粘度特性的关系

试验所测得的不同载荷下润滑油粘度随时间的变化规律对比曲线如图8所示。

图8 不同载荷下粘度随时间变化曲线对比

在不同载荷下，随着试验的进行，各组的润滑油粘度值均成上升趋势，但曲线斜率不同，载荷越大，对应的粘度曲线上升斜率越大，50kg载荷下四球机运行6h后其润滑油粘度仅上升了约3cP，变化幅度约为5.8%，而在150kg下，6小时候润滑油粘度上升了约29cP，变化幅度高达55.7%。

由于本试验测得的粘度变化率（粘度变化曲线斜率）与载荷有关，我们将各组试验粘度的斜率与载荷进行匹配，以探究用粘度斜率来表征设备负载程度的可行性。表3为对这3条曲线进行线性拟合后对其斜率、粘度变化率的统计。

表 3 不同载荷下粘度曲线线性拟合统计

4.2.2 载荷与润滑油介电常数特性的关系

试验所测得的不同载荷下润滑油介电常数随时间的变化规律对比曲线如图9所示。

在不同载荷下，随着试验的进行，各组润滑油的介电常数在试验初期呈下降趋势。在低载荷下，介电常数呈缓慢上升趋势，而在较大载荷下，介电常数较为平稳。

图9 不同载荷下介电常数随时间变化曲线对比

在润滑油衰变初期，生成的有机酸会与油中添加剂发生中和反应，酸值不会立刻上升，而添加剂的损耗将导致润滑油中极性物质的减少，故所测得的润滑油介电常数呈下降趋势，而随着润滑油的衰变，酸性增加，介电常数增大。

因此，介电常数可以间接反映润滑油的衰变程度。本试验由于在试验时间内，润滑油并未发生严重的衰变，故试验中的介电常数未呈现出上升趋势。而图7中50kg载荷作用下的介电常数呈缓慢上升趋势可能是由于试验中混入粉尘或其他杂质改变了润滑油的极性导致的。

4.2.3 载荷与磨损程度的关系

试验所测得的不同载荷下，经过磨粒图像处理后得到的磨粒浓度（IPCA）随时间的变化规律对比曲线如图10所示。

图10 不同载荷下磨粒IPCA值变化曲线对比

在不同载荷下，IPCA曲线在试验刚开始阶段处于较高的水平，随后下降，并保持平稳变化。

由 “浴盆曲线”知，设备的磨损通常分为磨合期、正常磨损期、严重磨损期和故障期[8]。本试验中每一次试验均会更换新的摩擦副（钢球摩擦副），故每次试验开始的时候均有一段明显的磨合期；钢球与钢球之间一开始为点接触（实为面积很小的面接触），两球接触点的金属被迅速磨掉，接触面积随即增大，使得润滑油能进入到接触面之间并形成油膜，减少磨损，此时即进入到正常磨损期。图11为本试验中所得到的典型磨合期与正常磨损期的铁谱图像。

图11 试验中的典型铁谱图像

由图10可知，载荷越大，磨合期所持续的时间越长。因为载荷越大，为了减小接触点的压强，所需要的接触面积就越大，即磨合期需要磨掉更多的磨粒。而在正常磨损期，载荷越大，润滑效果差，产生的磨粒越多，故在IPCA平稳变化阶段，载荷越大，IPCA的平均值越大，即产生的磨粒越多。

5 载荷与润滑油状态的关系表征方法

基于状态指标进行润滑油状态识别是本研究采用的健康分析思路。在已有试验机理分析的基础上，本研究采用聚类分析方法，将粘度、介电常数及磨粒浓度的综合特征划分为不同衰变阶段，从而综合表征载荷与润滑油状态之间的关系。

均值漂移（Mean-Shift）聚类算法，这个概念最早在1975年由Fukunaga等人提出[9]；在1995年，Yizong Cheng对其进行了改进和推广[10]。该聚类算法一般是指一个迭代的步骤，即先算出当前点的偏移均值，移动该点到其偏移均值，然后以此为新的起始点，继续移动，直到满足一定的条件结束。运用Mean-Shift聚类分析，将上述试验数据进行分类，其结果如图12所示。由图中可知，试验数据被分为5类。其中，50kg载荷作用下，其试验数据在分类中全部被归为第1类，100kg载荷作用下，其试验数据分布在第1类和第2类，150kg载荷作用下，试验数据大部分分布在第3类-第5类下，少部分数据分布在第1类和第2类。

由此可见，载荷越高，润滑油对应的数据类别数越大，表明对试验数据的分类与润滑油的氧化衰变程度有紧密的联系。基于Mean-Shift算法的聚类分类方法可以有效地表征载荷与润滑油状态之间的关系。

图12 不同载荷试验数据聚类分析结果

由此可见，载荷越高，润滑油对应的数据类别数越大，表明对试验数据的分类与润滑油的氧化衰变程度有紧密的联系。基于Mean-Shift算法的聚类分类方法可以有效地表征载荷与润滑油状态之间的关系。

6 结论

（1）在线监测手段可以实时地反应润滑油性能参数的变化规律，试验结果表明：粘度可以表征润滑油的氧化衰变程度，介电常数不仅可以体现润滑油的氧化衰变程度，还可以间接地反映添加剂的损耗程度，IPCA则可以反映设备当前的磨损状况。

（2）随着载荷的增大，润滑油性能参数的变化率增加，即载荷的增大加快了润滑油的衰变劣化。

（3）Mean-Shift聚类分析方法能够表征载荷与润滑油状态之间的关系。

[1] HAMEED Z, HONG Y S, CHO Y M, et al. Condition monitoring and fault detection of wind turbines and related algorithms∶A review[J]. Renewable and Sustainable Energy Reviews, 2009, 13 (1)∶ 1-39.

[2]李喜武．汽车发动机润滑油信息融合技术监测方法的研究[D]．长春：吉林大学，2012．

[3] WU T H，WU H K，DU Y, PENG Z X. Progress and trend of sensor technology for on-line oil monitoring[J]．Science China Technologic=al Sciences, 2013, 56(12)∶ 2914-2926．[4]严新平，张月雷，毛军红．在线油液监测技术现状与展望[J]．润滑与密封，2011，36 (10)：1-5．

[5] Cerny J, Strnad Z, Sebor G. Composition and oxidation stability of SAE 15W-40 engine oils[J]. Tribology International, 2001 , 34 (2)∶ 127-134.

[6] WU T H, MAO J H, WANG J T, et al. A new online visual ferrograph[J]. Tribology Transactions, 2009, 52 (5)∶ 623-631. [7]龚人杰．基于多参数在线监测的润滑油性能衰变分析及实验研究[D]．西安：西安交通大学，2014．

[8]董浚修．润滑原理及润滑油[M]．北京：中国石化出版版社．1998：13-22．

[9] Keinosuke F, Larry D, Hostetler. The estimation of the gradient gradient of a density function with applications in pattern recognition[J]. IEEE Trans on Information Theory, 1975, 21 (1)∶ 32-40.

[10] Cheng YZ. Mean Shift, Mode Seeking, and Clustering[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 1995, 17 (8)∶ 790-799.

（编辑：王立新）

Research on correlation between load and properties of lubricating oil

Du Ying, Wang Longxin, Shao Tao

( Key Laboratory of Education Ministry for Modern Design & Rotor-Bearing System, Xi’an Jiaotong University, Xi’an 710049,China)

To study the correlation between the load and the properties of lubricating oil, a homemade four-ball test rig is proposed, as well as the on-line monitoring system of lubricating properties. The viscosity, permittivity and wear particle concentration of lubricating oil are selected as on-line measurable indicators. The correlation of load and the indicators of lubricating oil on working conditions are studied, along with that the state of the lubricating oil is classified into different classes. The results indicate that the degree of lubricant degradation has some correlation with the load. The performances of the lubricating oil drop with the load increases, therefore lead to the serious degree of lubricant oxidation and wear. This study provides the bases for future research on characterizing the health state of lubricating oil.

on-line monitoring; lubricating oil analysis; wear debris monitoring; cluster analysis

TH626.4

A

1672-4852（2015）03-0034-05

2015-08-17.

杜 映（1989-），女，博士研究生.