基于油液光谱分析的综合传动视情维护研究

闫书法，马 彪，郑长松^*

北京理工大学机械与车辆学院，北京 100081

摘 要 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。

关键词 油液光谱分析；失效建模；视情维护；比例风险回归；综合传动装置

引 言

随着工业科技的快速发展和全球化竞争的日益激烈，现代军用装甲车辆传动系统呈现出规模大、复杂度高和效率高的发展趋势，机械传动系统的可靠性与安全性受到了广泛的重视。 作为军用装甲车辆传动系统的核心部件之一，综合传动(power-shift steering transmission, PSST)装置的稳定可靠运行对车辆战术指标的正常发挥起着关键的作用，是提高部队快速反应能力和战场生存能力的重要保障，其失效事故的发生所造成的经济及军事损失往往是不可估量的^[1]。 因此，必须采取积极主动的方法，准确实时的评估综合传动装置的运行状态，并制定相应的视情维护策略(condition-based maintenance, CBM)。

视情维护的关键是装备的状态监测数据，评估装备的性能劣化状态，预测装备的使用寿命，在此基础上制定最优维护时间、最优监测间隔、备用零部件生产量以及其余相关的保障性维护策略，最终实现装备的可靠性最高和维护成本最低的目标^[2]。 在综合传动装置运行过程中，传动齿轮、离合器摩擦片等关键零部件会不断的磨损，磨损经过一定时间的积累并达到一定的阈值之后会导致损伤，最终导致综合传动装置的失效^[3]。 综合传动装置润滑油中的金属磨粒来自于不同的摩擦副表面且在油液中均匀混合，其元素浓度能够通过原子发射光谱仪分析得到，这使得油液光谱数据成为监测综合传动装置性能劣化的重要监测指标^[4-5]。 因此，利用综合传动装置运行过程中油液光谱分析数据监测装置的劣化状态，在此基础上制定综合传动装置的视情维护策略是保障综合传动安全可靠运行的切实可行的方法。

目前针对综合传动装置视情维护策略的相关问题，已有学者利用油液光谱数据开展了部分研究工作。 Wan^[6]与Liu^[7]利用数理统计方法，研究了综合传动装置全寿命周期油液分析的浓度界限值与趋势界限值、油液污染颗粒的分布参数与成分参数等关键问题，为基于油液分析的运行状态监测与评价奠定了基础。 闫书法等^[8-9]利用支持向量机与主成分分析相关理论，建立了综合传动装置多摩擦副、多磨损部位的分类与评价模型，实现了对不同摩擦副潜在故障模式的识别。 近年来，Yan与Ma等^[10-11]等利用随机过程理论，建立了综合传动装置的随机劣化失效模型，得到了综合传动装置的剩余寿命及分布，避免了采用条件维护时间对综合传动装置进行维护与保养的局限性。 然而，以上这些代表性研究成果都是结合经验阈值与劣化变量趋势分析结果对综合传动装置进行状态监测、故障诊断及维护决策，没有考虑维护成本、装备可用度等因素对视情维护策略的影响。

基于以上问题，提出一种基于油液光谱分析数据的综合传动装置视情维护决策方法。 首先，针对综合传动装置历史故障油液光谱分析数据，采用比例风险回归模型建立了综合传动装置的工作寿命模型；然后，分别以最少维护成本、最大可用度为维护目标分别建立了综合传动装置的维护决策模型；最后，通过实验证明了本方法的有效性。

1 视情维护决策模型

综合传动装置的磨损状态分为磨合磨损、正常磨损、异常磨损和剧烈磨损4个阶段，大量关键零部件失效发生在异常磨损阶段。 实际使用经验表明，磨损劣化失效是综合传动装置的首要失效模式。 因此，为实现综合传动装置磨损状态的准确监测及其视情维护策略的合理制定，避免装置关键零部件异常磨损及剧烈磨损的产生，提高装置的可维护性与可靠性，必须开展综合传动装置的磨损劣化建模与视情维护策略制定工作。

众所周知，词汇知识对于语言学习者，不是“要么至关重要，要么无关紧要”的现象（Laufer,1998)[6]，而是语言知识若干层面和维度的连续体（Laufer&Paribakth,1998,p.367)[7]。多年来，第一语言和第二语言研究者对词汇知识的构成提出了不同的建议。Richards（1976），Robinson,R.,&Good,T.L.(1987)[8][9]声称单词知识涉及各种亚知识，如形态学和语法知识。还有一些人认为，掌握一个单词有不同的程度，由被动的接受到主动产出，即能在不同语境不同场景熟练地自由地使用该词汇。

1.1 劣化失效建模

综合传动装置的油液光谱携带着磨损部位与磨损状态信息，其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，使基于油液光谱的综合传动装置的劣化建模成为了可能^[10-11]。 国内外针对机械装备系统的状态监测与磨损劣化建模开展了大量的理论与实践研究，主要包括回归分析、支持向量机和神经网络等方法。 其中比例风险回归模型建立了装备寿命与各劣化状态监测数据间的相互关系，能够反映各劣化变量对装备劣化的贡献程度，适合于对综合传动装置等复杂装备系统的失效建模研究。

在专业技能教育方面，要求学生在专业领域具备全面的、系统的、专业的理论知识体系以及与专业相关的其他知识，并且具备一定的技能实践能力和技术应用能力。应用型本科院校相比于研究型本科院校更重视应用，即能够将理论上的科学知识应用到工程实践中。

在工程实际中，发动机、机械传动等复杂装备的失效一般采用Weibull分布描述，且失效概率受装备劣化程度的影响^[12-13]。 因此，采用Weibull分布描述综合传动装置的工作寿命，并考虑各劣化变量对装置失效的影响，即可得到基于Weibull比例风险回归模型的综合传动装置失效时间的概率密度函数(probability density function, PDF)为

(1)

式中，β 为形状参数，η 为尺度参数，X (t )为劣化变量，γ =(γ ₁，γ ₂，…，γ _N )为劣化变量的偏回归系数。

进一步依据综合传动装置的油液光谱历史失效数据估计装置失效模型的参数。 假设一共有N 台因磨损劣化而发生故障的综合传动装置，失效时劣化变量为[X (t ₁)，X (t ₂)，…，X (t _N )]，相对应的失效时间为(T ₁，T ₂，…，T _N )，则似然函数为

(2)

式中，D 为截尾样本的集合，为累计风险函数，T _j 为各综合传动装置的失效时间。

重组改构人肿瘤坏死因子对比顺铂胸腔灌注治疗恶性胸腔积液疗效与安全性的系统评价 ……………… 郭奇遇等（6）：839

通过最大化式(2)即可求得综合传动装置失效模型的参数和值得注意的是，当失效模型的劣化变量较多时，会导致极大似然估计解析解困难，此时可以应用Newton-Raphson方法迭代计算求解似然函数^[14]。

1.2 视情维护决策

综合传动装置的维护策略目前主要是事后维修与基于条件维护时间的换油维护相结合的方法，这种维护策略不能做到对装置运行状态的准确估计，容易造成维护过度或不足的后果，具有一定的局限性。 因此，需要在对装置运行状态的准确估计的基础上制定综合传动装置的视情维护策略。

表1中的项目中VT′是根据实测的在线黏度和温度，得到树脂的黏温关系，然后通过计算到VT′60 ℃的在线黏度，再根据VT′60 ℃的在线黏度和实验室黏度得到两者的转换计算参数，进行转换计算。这里的黏温关系参数和实验室转换参数先以一组(即认为所有的牌号树脂都一样)进行计算。

名物化现象在国内外都是语言学研究关注的一个重要话题。本研究借助CiteSpace软件分析了1999年至今国内外核心期刊的文献数据，从发文量、关键词共现、文献共被引、作者共被引、期刊共被引等五个方面呈现了名物化研究的现状，并针对英语语篇名物化研究的发展提出了一些希望和建议。

1.2.1 最小维护成本目标决策模型

综合传动装置在训练演习工况下的维护目标宜设定为单位时间内的维护成本最小。 考虑预防性维护与故障后维修两种情况，综合传动装置的单位时间平均维护成本为

(3)

式中，C ₁为单次预防性维护的平均成本，C ₂为单次故障后维修的平均成本，C ₁/C ₂为预防性维护与故障后维修的占比；E (N (t |X ))为预防性维护周期内的平均故障次数，且有

结合响应曲面实验设计，对单因素实验结果进行分析，选择合理的发酵时间，并对其pH值与培养温度、发酵时间等进行分析，获得正确的大豆油脂提取响应变量。在实验中利用Minitab软件配合Box-Behnken原理实施响应面设计分析，然后对微生物发酵法条件下所提取的大豆油脂工艺进行有效处理[8-10]。最后基于实验因素水平的有效选取，例如在-1水平下实验时间为16h、pH值为3，最终的大豆油脂测量提取温度为34℃。本实验中专门选取了15个实验点，其中有12个为析因点，3个为零点，结合零点展开3次实验，并执行误差估计计算，可获得响应曲面实验结果。

③不断完善取水许可制度体系，加强重要规划和重点项目水资源论证，以水资源条件确定规划和项目内容、规模和布局；调整取水许可管理权限，提高准入门槛，将原来由县级水行政主管部门审批的地下水机井取水许可权上收到市级水行政主管部门或流域管理机构；建立以GIS技术为基础的取水许可管理信息系统，实现信息共享，避免取水许可分级管理造成的过度许可和数据混乱；加强计划用水管理，按照来水情况制定用水和调水计划，确保不超许可水量，缓解用水冲突。

无线超声雾化系统原理框图，如图1所示。两片STC89C52单片机通过无线模块接收和发送数据，采用nRF24L01模块实现无线传输的功能。其中，一片单片机通过串口和PC机相连，实现数据在电脑上显示和传输；另一片单片机和雾化片的控制开关相连，起到控制作用。当外界的温度超过预先设定的温度，在一定的水位条件下，单片机控制的雾化片开始工作，产生水雾，漂浮在空气中，起到降温的作用；当外界的湿度超过预先的湿度，在一定的水位条件下，雾化片工作，起到加湿作用。

(4)

数据来自本课题组长期积累的Ch系列综合传动装置的25例发生故障维修时的油液光谱。 油液样本来自于可靠性试验中的实时采样。 依据试验大纲，试验工况为多档位、变负荷、多转速循环工况，油液取样位置为精滤器上游，具体的取样操作规范与原则可以参考文献[3]。 采用MOA Ⅱ型原子发射光谱仪，对综合传动装置磨损试验油液样本进行分析，能够得到21种常见元素的光谱分析浓度值。 根据文献[1]剔除油液光谱数据中与表征综合传动装置磨损状态相关度较低的元素后，得到与表征综合传动装置磨损劣化状态相关的Cr，Ni，Cu，Mn，Pb，Fe和Mo共7种元素，如表1所示。

1.2.2 最大可用度目标决策模型

综合传动装置在执行任务工况下的维护目标宜设定为单位时间内的可用度最大，以实现装置的稳定可靠运行，保障车辆战术指标的正常发挥。 考虑预防性维护间隔、预防性维护时间和故障后维修时间，综合传动装置在t 时刻能够正常运行的概率为

(5)

综合传动装置长期运行在高速重载的工况下，其传动齿轮、离合器摩擦片等关键零部件的磨损会导致润滑油液中磨损颗粒的增加，进一步导致装置工作环境的恶化，随着工作时间的累计，最终导致综合传动装置失效事故的发生。 因此，以综合传动装置状态监测数据中的油液光谱分析得到的金属元素浓度为劣化监测数据验证本方法。

A (t )的最大值即为装备的最大可用度，对装备的平均可用度求解极限即可求得。 则综合传动装置的最大可用度为

(6)

考虑到在实际求解过程中，式(6)中的积分难以求解，一般采用插值法计算得到不同运行时刻的极限可用度，其中最大可用度对应的运行时刻即为预防性维护时间的最优值(参照图2)。

1.3 维护决策应用

为实现综合传动装置的状态监测与视情维护，需要刻画油液光谱数据与系统劣化状态的关系，即基于实时监测的油液光谱数据判断综合传动装置是否需要维护。 依据1.2节求得的视情维护最优维护时间，在历史故障数据中找到一组与最优维护时间最接近的故障时间及相应的油液光谱数据，即可求得综合传动装置的故障率阈值为

(7)

0.008x ₅(t )+0.377x ₆(t )+0.076x ₇(t )]

(8)

依据式(8)，依据1.1节估计得到的综合传动装置失效模型参数，以装置运行时间t 为横轴，以不等式右端项为纵轴做出曲线(参照图3)，所得曲线即为装置故障率阈值对应的状态。 在综合传动装置实际运行过程中，利用实时监测到的油液光谱数据在图中画出装置运行状态点(t ，γX (t ))。 如果装置运行状态点位于曲线下方，说明综合传动装置运行正常；如果装置运行状态点位于曲线上方，说明综合传动装置运行异常，需要严密监测，必要时采取维护措施。

2 实验部分

式中，MTTF为劣化故障前的平均工作时间，MTTR为故障平均维修时间；t _p 为预防性维护间隔，t _a 为预防性维护时间，t _b 为故障平均维修时间。

2.1 数据获取与预处理

在劣化变量数据较大时，采用Markov过程计算公式(3)的最小值较为困难。 此时一般采用图形法(参照图1)求解装备的视情维护阈值，即当综合传动装置的维护成本方程斜率最小时，维护成本最小^[15]。

表1 综合传动装置历史故障油液光谱数据
Table 1 Spectral oildata of PSST history fault (unit :μg ·g ^-1 )

我们将表1中的油液光谱数据称为磨损劣化变量，记为X (t )={x ₁(t )，x ₂(t )，…，x ₇(t )}。 利用统计软件R对劣化变量进行独立性检验，得到各劣化变量间的相关系数较小(<0.5)，说明各劣化变量间独立性较好；进一步进行模型显著性分析，得到各P 值均较小(<0.05)，则认为模型是显著的^[17]。

装备在不同的使用工况下具有不同的使用要求，需要制定相应的视情维护决策目标。 综合传动装置的使用工况按大类分可分为训练演习和执行任务两种，其维护目标通常包含单位时间内的维护成本最小和单位时间内装置可用度最大两种。 下面给出这两种维护目标的决策模型。

2.2 视情维护决策

为实现综合传动装置的视情维护策略，将综合传动装置历史故障失效时间作为自变量，油液光谱分析获得的劣化变量作为协变量，利用极大似然方法最大化式(2)求得和得到综合传动装置失效风险模型为

0.115x ₂(t )+0.273x ₃(t )+0.093x ₄(t )+

（20）迭往迭來，盈吳戊己，而負陰抱陽。司化萬物，實緊水火陶魂鑄魄也。（《太上說玄天大聖真武本傳神呪妙經註》卷二，《中华道藏》30/549）

对式(7)两边取对数可得

(9)

下面依据1.2节建立的装备视情维护决策模型求解综合传动装置的最优维护阈值。

2.2.1 最小维护成本决策

依据式(4)绘制H (t )-t 曲线如图1所示，依据综合传动装置实际维修维护经验设定C ₁/C ₂为0.008。 进一步过点(0, -C ₁/C ₂)，即(0, -0.008)，做H (t )-t 曲线的切线，则切点对应的时间即为以维护成本最小为决策目标时的最优维护间隔(约为218 Mh)。

图1 综合传动装置累计风险图
Fig .1 Cumulated hazards curve of PSST

2.2.2 最大可用度决策

依据式(5)和式(6)得到综合传动装置可用度曲线如图2所示。 可知累计最大可用度为0.956，此时对应的运行时间为198 Mh，即为以可用度最大为目标时的综合传动装置最优维护间隔。

图2 综合传动装置可用度曲线图
Fig .2 Availability curve of PSST

2.3 维护决策应用

在实际工程应用中，除了需要明确综合传动装置的最优维护间隔外，还需明确装置当前运行状态是否需要加密监测或采取维护措施。 因此，依据2.2.2节以最大可用度为目标得到的装置最优维护间隔，应用1.3节方法得到综合传动装置的系统风险阈值，进一步得到对应的综合传动装置的维护决策曲线，如图3所示。

在综合传动装置实际状态监测中，应用油液光谱分析数据，就可以实现装置的状态监测与视情维护决策工作。 具体来说，将分析得到的Cr，Ni，Cu，Mn，Pb，Fe和Mo元素浓度带入式(8)中，计算得到综合传动装置的运行状态点。 如果运行状态点位于曲线下方的正常工作区，说明装置处于健康运行状态；如果运行状态点位于曲线上方的性能劣化区，说明装置处于异常运行状态，需要加密监测并采取必要的维护措施。

区域地质构造演化对龙首山成矿带的形成起了决定性作用，在漫长的地质演化过程中，该区经过了活动—稳定—再活动—再稳定的多旋回运动特征，特别是后碰撞构造背景下大规模中酸性岩浆活动，使得重熔岩浆分异演化较为成熟，形成了富铀花岗岩体，岩浆活动之后继之以强烈的断裂构造活动和热液作用，为龙首山成矿带热液型铀矿的形成提供了物质基础和动力来源。根据区域出露的地层、沉积建造、接触关系、变质作用、岩浆作用及构造运动等地质作用，龙首山地区地壳演化历史可以分为以下三个阶段：

图3 综合传动装置维护决策曲线图
Fig .3 Maintenance decision curve of PSST

3 结 论

为提高综合传动装置运行的可维护性与可靠性，提出了一种基于油液光谱分析数据的综合传动装置视情维护决策方法。 首先，考虑油液光谱劣化变量与装置失效时间之间的关系，基于Weibull比例风险回归模型建立了综合传动装置劣化失效模型；然后，根据综合传动装置的使用工况，分别以最小维护成本和最大可用度为决策目标建立了装置的视情维护决策模型，为综合传动装置的维护与保养提供了一种定量决策方法；最后，通过Ch系列综合传动装置历史故障油液光谱数据，证明了方法的有效性。

2.4 人力因素 农村青壮年或赴沿海发达地区及周边大中城市务工，或因学校撤并为方便孩子入学选择进城务工，管护梨园的主要是六七十岁的老梨农，管理水平不高，梨果品质逐年下降，收入逐年下滑。当地果业系统中，许多梨树栽培管理经验丰富的老技术员已经退休或面临退休，年轻技术干部实践技能不足，难以有效指导生产。

与基于趋势预测和经验阈值的维护决策方法^[8-11]相比，本文提出的方法考虑了维护成本和装备可用度因素的影响，能够根据使用目标有效的制定综合传动装置最优维护时间，且能够实现装置运行状态的及时监测，对综合传动装置视情维护策略的制定具有一定的指导意义，也为其他装备的视情维护决策提供了有益的参考。

References

[1] Yan S F, Ma B, Zheng C S. Advances in Mechanical Engineering, 2018, 10(6): 1687814018784201.

[2] Lei Y, Li N, Guo L, et al. Mechanical Systems & Signal Processing, 2018, 104: 799.

[3] Yan S, Ma B, Zheng C. Eksploatacja i Niezawodnosc—Maintenance and Reliability, 2019, 21(1): 137.

[4] Gao J, Hu N, Jiang L, et al. Wear, 2011, 110: 117.

[5] Yan Shufa, Ma Biao, Zheng Changsong. Industrial Lubrication and Tribology, 2019，71(2)： 271.

[6] WAN Yao-qing, ZHENG Chang-song, MA Biao(万耀青, 郑长松, 马 彪). Journal of Mechanical Strength(机械强度), 2006, 28(4): 485.

[7] LIU Yong, MA Biao, ZHENG Chang-song, et al(刘 勇, 马 彪, 郑长松). Lubrication Engineering(润滑与密封), 2015，40(7): 29.

[8] YAN Shu-fa, MA Biao, ZHENG Chang-song, et al(闫书法，马 彪，郑长松, 等). Journal of Jilin University·Engineering and Technology Edition(吉林大学学报·工学版), 2019, 49(2): 359.

[9] YAN Shu-fa, MA Biao, ZHENG Chang-song, et al(闫书法, 马 彪, 郑长松, 等). Journal of Beijing Institute of Technology(北京理工大学学报)，2018, 38(11): 1126.

[10] YAN Shu-fa, MA Biao, ZHENG Chang-song, et al(闫书法，马 彪，郑长松，等). Spectroscopy and Spectral Analysis(光谱学与光谱分析)，2019，39(2)： 553.

[11] Yan S, Ma B, Zheng C. IEEE Access, 2019, 7: 44087.

[12] Wakiru J M, Pintelon L, Muchiri P N, et al. Mechanical Systems & Signal Processing, 2009, 118: 108.

[13] Yan S, Ma B, Zheng C, et al. IEEE Access, 2019, 7(1): 92110.

[14] Lee J, Wu F, Zhao W, et al. Mechanical Systems & Signal Processing, 2014, 42(1-2): 314.

[15] YAN Shu-fa, MA Biao, ZHENG Chang-song(闫书法, 马 彪, 郑长松). Journal of Huazhong University of Science & Technology·Natural Science Edition(华中科技大学学报·自然科学版), 2018, 46(8): 28.

[16] Lindstrom M J, Bates D M. Journal of the American Statistical Association, 1988, 83(404): 1014.

[17] ZUO Hong-fu, ZHANG Hai-jun, RONG Xiang(左洪福, 张海军, 戎 翔). Journal of Aerospace Power(航空动力学报), 2006, 21(4): 716.

Condition -Based Maintenance for Power -Shift Steering Transmission Based on Oil Spectral Analysis

YAN Shu-fa，MA Biao，ZHENG Chang-song^*

School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China

Abstract The mental debris produced by the wear of power-shift steering transmission(PSST), which is uniformly mixed in lubrication oil, leads to the working environment degradation and the PSST failure afterwards. Therefore, it is essential to monitor the PSST degradation degree and formulate the condition-based maintenance(CBM) strategy, which can help improve the reliability and maintainability of the PSST. The oil spectral data contain wear position and wear state information, and its relationship with the PSST life reflects the distribution of the PSST degradation, which makes the oil spectral>Keywords Oil spectral analysis; Degradation modeling; CBM; Proportional hazards regression; PSST

中图分类号： U462. 4

文献标识码： A

DOI: 10. 3964/ j. issn. 1000- 0593( 2019) 11- 3470- 05

收稿日期： 2018- 10- 06，修订日期： 2019- 02- 18

基金项目： 国家自然科学基金项目(51475044)资助

作者简介： 闫书法，1990年生，北京理工大学机械与车辆学院博士研究生 e-mail： yanshufa1990@163.com

*通讯联系人 e-mail： zhengchangsong@bit.edu.cn

(Received Oct. 6, 2018; accepted Feb. 18, 2019)

*Corresponding author

标签：油液光谱分析论文;  失效建模论文;  视情维护论文;  比例风险回归论文;  综合传动装置论文;  北京理工大学机械与车辆学院论文;