相关系数法在船舶柴油机油液光谱分析中的应用

船舶柴油机过磨合期后,各摩擦副发生早期磨损时,由于磨损量不大,润滑油中各金属元素数值未超过检出限值,分析人员可能会认为设备磨损正常,超出检出限值时,经验少的技术人员对于分析定位磨损颗粒元素来源不确定。文章通过对船舶柴油机油液光谱数据的分析,发现相关系数法可以有效解决上述问题,为相关系数法在船舶柴油机以油液分析技术为手段的故障诊断中提供了一种新的应用。

改进欧拉算法在油液光谱分析趋势预测中的应用

基于原子发射光谱油液分析是大型机械设备磨损状态监测与故障诊断的重要技术,由于灰预测理论在趋势预测方面具有明显的优势,文章利用油液原子发射光谱分析结果,结合灰预测理论,建立了某综合传动油液中金属元素Fe趋势变化的灰预测模型。在模型参数辨识求解上首次引入了改进欧拉算法,解决了避免原灰预测模型在实际应用过程中出现的预测结果主要依赖于第一个实测值的问题,使得预测结果更准确。将该算法结合原子发射光谱分析Fe元素浓度的阈值制定,有效地捕捉到综合传动发生故障的征兆信息,及时采取措施防止综合传动的故障,具有很好的推广应用价值。

某型柴油机磨损特点及油液光谱分析诊断研究

从磨损类型、磨损过程、主要摩擦副、样本数据分布以及磨损元素相关系数等几个方面系统分析了某型柴油机的磨损特点,并且针对柴油机磨损状态监测问题研究了油液光谱分析的诊断原理,制定了浓度模型、梯度模型和比例模型等数据分析模型的界限值,提出了适合光谱数据预测的灰色模型和时间序列模型预测方法,为柴油机磨损状态监测提供了一整套可行的监测方案。

基于油液光谱分析和粒子滤波的发动机剩余寿命预测研究

油液光谱分析是机械磨损状态监测、故障诊断与故障预测的重要技术,基于光谱数据的机械状态剩余寿命预测有利于实现机械系统的最优维修决策。由于机械设备越来越复杂,其健康状态的退化过程很难用线性模型来表示,而粒子滤波(particle filter,PF)对非线性非高斯系统的处理能力,与经典Kalman滤波相比具有明显的优势,文章将PF预测方法运用于光谱分析,提出了基于PF和油液光谱分析技术的设备剩余寿命预测方法。在预测模型中实现了根据设备后验分布的估计值预测其先验分布概率,建立了基于PF的多步向前长期预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统Kalman滤波方法的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。

油液光谱分析比例模型的建立

针对油液光谱分析中数学分析模型的建立问题,分析了现有光谱数据数学分析模型的不足,提出了比例模型的概念,介绍了比例模型的建立过程,给出了比例模型界限值的制定方法,并应用比例模型对某型发动机进行实际磨损状态监测。

基于遗传算法的组合预测在油液光谱分析中的应用

基于目前的一元线性回归预测模型、灰色预测模型和时间序列预测模型3种预测模型的优缺点,综合上述3种预测模型,提出了一种基于遗传算法的组合预测模型,并应用遗传算法确定了组合预测的权重系数。实例分析计算表明,该方法具有更好的预测效果。

基于稳健回归的油液光谱分析界限值制定

利用原子发射光谱监测柴油机磨损状态时必须首先制定各磨损元素的浓度界限值。针对传统最小二乘法在制定界限值时受异常数据影响较大的局限性,引入稳健回归方法提高其抗异常点干扰的能力;通过对实际柴油机监测获得的数据进行界限值制定,结果表明,该方法避免了因异常数据干扰而导致结果偏离实际过大的问题,从而能真实准确地监测柴油机的运行状态。

一种基于油液光谱分析和免疫原理的内燃机磨损故障诊断方法

人工免疫系统(AIS)具有分布性、自适应性和动平衡性等特点,通过在油液分析领域引入免疫原理,将油液光谱分析的正常数据和故障数据分别作为AIS的自己串和非己串,进化学习后生成典型故障条件下的成熟检测器,并依据该检测器对某型军用内燃机油液分析数据进行了故障诊断。应用结果表明:新的内燃机故障诊断方法能够有效分辨出故障数据,取得了很好的故障诊断效果。

物元分析方法在基于油液光谱分析的发动机磨损状态监测中的应用

鉴于目前基于油液光谱分析的发动机磨损状态监测的评判方法中存在人为影响因素过多、权值计算的不确定性等不足,提出了一种基于物元分析理论的新评判方法,采用发动机磨损状态监测中综合评判的各种指标,根据计算出的综合关联度,实现对发动机磨损状态的精确监测。实例表明该方法是科学的,可靠的,在基于油液光谱分析的发动机磨损状态监测领域具有进一步的研究与应用价值。

基于GM(0,N)模型的油液光谱分析界限值制定

针对传统油液光谱分析界限值制定方法中以磨粒含量服从正态分布假设为前提的局限,提出应用GM(0,N)模型制定油液光谱元素数据分析界限值的方法,该模型不仅能正确拟合光谱数据,还能够体现各元素间相关关系。应用GM(0,N)模型对船舶柴油机实际光谱数据进行处理,结果验证了该方法的有效性。

基于油液光谱分析的综合传动视情维护研究

综合传动装置磨损产生的金属颗粒在润滑油液中均匀混合,导致装置工作环境的恶化并最终导致装置磨损失效事故的发生。因此,实现综合传动装置磨损劣化状态的准确监测和视情维护策略的合理制定对提高装置的可靠性与可维护性具有重要意义。携带着磨损部位与磨损状态信息的油液光谱与综合传动装置寿命的相互关系反映了装置磨损劣化的分布特征,使实现基于油液光谱数据的装置劣化建模和维护决策成为可能。现有综合传动装置视情维护研究是通过油液光谱数据趋势分析结合经验阈值实现的,没有考虑维护成本、装备可用度等因素的影响。鉴于此,提出基于油液光谱数据的综合传动装置视情维护决策方法。首先,针对综合传动装置的历史故障油液光谱数据,考虑装备寿命与各劣化变量间的相互关系及各劣化变量对装备劣化的贡献程度,采用Weibull比例风险回归建立了装置的工作寿命模型。然后,针对综合传动装置训练演习和执行任务两种使用工况,分别以最少维护成本、最大可用度为目标建立了装置的维护决策模型。与传统的综合传动装置维护决策方法相比,该方法考虑了维护成本因素和装备可用度因素的影响,能够根据维护目标有效的制定装置最优维护时间,为装置的视情维护决策提供了一个客观的量化方法。最后,通过对Ch系列综合传动装置历史故障油液光谱数据的实例分析证明了该方法的有效性,它能够实现综合传动装置视情维护策略的合理制定,也为其他装备的视情维护决策提供了有益的参考。

基于多元回归理论的油液光谱分析诊断方法

利用多元回归理论对光谱数据建立了多元回归诊断模型,并且建立了回归方程以及回归系数的检验方法,给出了异常磨损的界限值,最后通过诊断实例证明了该模型有一定的应用价值.

基于灰色时序组合模型的油液光谱分析预测

以某型发动机油液光谱分析数据为基础,分别利用GM模型、AR模型和灰色时序组合模型,对实测数据进行动态建模,并对发动机润滑油中Fe元素的变化进行预测,结果对比表明,灰色模型能够模拟数据的宏观变化趋势,时序模型能够描述数据的细微随机变化,灰色时序组合模型综合两种模型的优点,达到更高的预测精度。

北京航维宽普科技有限公司自主研发的油液光谱分析仪通过专家鉴定

2017年12月13日,北京航维宽普科技有限公司自主研发的＂OAS750型油液光谱分析仪＂通过了由中国分析测试协会组织的技术鉴定。技术鉴定会由鉴定委员会主任王海舟院士主持。OAS750型油液光谱分析仪具有以下技术特点：1、自主创新的交流振荡电弧光源,提高了电弧光源的稳定性;2、

装甲装备推进系统油液光谱分析方法探讨

该文针对装甲装备推进系统侍点，就采用油液光谱分析方法监测其技术状态的核心问题──技术状态评定方法进行分析与讨论。

主成分分析在某型柴油机光谱数据分析中的应用

通过改变气缸套和活塞间隙,设计了6种工作状态,获得了某型6缸柴油机在每种工作状态下不同负荷时的润滑油样本共计69个,采用超谱M型原子发射光谱仪分析21种元素浓度。应用主成分分析法,分别以分析元素和润滑油样本为研究对象,基于权系数和主成分得分,对光谱数据进行了元素分类和样本分类。发现应用主成分分析法分析油液光谱数据能比较理想地对元素进行分类,该分类的3种主成分反映了5种类型的元素组合即磨损元素Fe,Cr,Cu,Al和Pb,含量较高的添加剂元素Na,Zn,P,Ca和Mg,含量较低的添加剂元素Ba和B,润滑油主成分元素C和H和干扰元素Ni,Ti,Mo,V和Ag等。不仅如此,主成分分析法对样本的分类较好地区分了来自柴油机不同的气缸套—活塞设计间隙的油样。研究表明应用主成分分析法分析润滑油光谱分析数据可揭示不同元素的来源、监测工况和诊断磨损故障。

基于SVM的柴油机油液光谱预测模型研究

针对传统油液光谱预测模型存在的缺陷,利用支持向量机(SVM)的回归算法建立光谱预测模型。支持向量机的非线性回归方法得到的回归函数对光谱历史数据有良好的逼近效果,通过SVM回归函数的外推计算建立的SVM回归预测模型能有效消除换油和采样间隔不一致对模型预测效果的影响,具有更广泛的应用范围。

基于油液光谱RKPCA的综合传动磨损状态评价（英文）

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。以综合传动全寿命磨损试验不同阶段采集的多个油液样本为研究对象,分别运用基于模糊隶属度的稳健核主成分分析(RKPCA)与传统主成分分析(PCA)对光谱数据进行主成分提取与对比。在剔除光谱数据中的干扰元素后,计算与比较两种方法的主成分数量与贡献率,并利用RKPCA主成分进行综合传动多摩擦副的分类识别;对光谱数据和RKPCA特征值分别进行模糊C均值聚类,对比两种聚类结果应用在磨损状态评价中的效果。研究表明,由于光谱数据离群值与非线性影响,RKPCA较PCA的主成分数量稍小且累积贡献率高,说明前者能更有效地降低变量维数;通过RKPCA主成分与摩擦副组件的相关性分析可以看出,该方法可以精确的实现综合传动多摩擦副、多磨损部位的分类与识别,进而分类评价不同摩擦副的磨损状态;RKPCA特征值的模糊C均值聚类结果与光谱数据直接聚类结果相比,前者能更精确的定位磨损状态转化的临界点,从而准确评价综合传动整体磨损状态。油液光谱RKPCA分析方法的创新在于将特征值变化规律引入整体磨损状态评价,实现整体评价与关键摩擦副的分类评价相结合。这样不仅有助于综合传动大修期的准确判断,还能给出需维修部件建议。该方法也适用于其他复杂机械系统的磨损监测与评价等相关领域。

基于油液光谱Wiener过程的综合传动装置失效预测

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。作为一种非直接测量方法,油液光谱数据是车辆综合传动装置可靠性评估中的系统性能劣化的重要监测指标,可用于系统失效评估与剩余寿命预测。针对油液光谱数据这类型的一元劣化失效,随机过程尤其是Wiener过程模型具有良好的计算分析性质,在基于性能劣化的可靠性分析中应用日趋广泛。通过对车辆综合传动装置运行中的实时采样,共取得50个油液光谱样本。采用其中三种指示元素的线性回归方程来计算综合传动装置运行中每个瞬时的特征值与均值。基于正漂移Wiener过程,建立了综合传动装置的劣化失效预测模型,并基于R语言环境进行了随机微分方程的仿真与求解。得到了油液光谱中的Fe,Cu和Mo元素含量增长趋势的预测结果以及三种指示元素各自的首中时间。经比较,劣化失效周期的预测值较之条件维护时间延长了27 Mh(15.9%)。维护时间的延长,能够有效的减少全寿命周期内的维护次数,并最终降低维护成本。研究结果表明,该方法适用于综合传动装置的磨损与失效预测、全寿命周期费用与维护计划的优化。同时,也可推广至其他复杂机械系统的失效预测与评价等相关领域。

基于油液原子光谱多维时间序列模型的机械磨损状态监测研究

提出了一种利用润滑油原子光谱分析技术对机械磨损状态进行监测的新方法。对磨合期润滑油原子光谱数据建立多维时间序列模型并视为标准模型,将新数据通过此模型后得到残差并选择残差方差阵元素作为新数据所属磨损状态的特征。然后,利用主成分分析法对高维特征进行降维,提取前三个主成分构成对应磨损状态的特征向量。最后,利用欧式距离度量对测试样本进行分类,达到了对机械磨损状态识别的目的。利用上述方法,通过对某型履带车辆发动机台架实验的光谱数据进行分析,对发动机磨损状态进行了有效识别,从而证明了所提方法的有效性。结果表明,将多维时间序列模型引入油液光谱分析技术,能够实现光谱信息的有效融合,提高机械磨损状态监测的准确性。