针对风电机组主齿轮箱运行过程中因润滑不良导致异常磨损等故障的问题,提出偏最小二乘回归分析(PLS)方法来处理油液监测数据,并采用灰色等维递补模型进行故障预测.通过对油液监测数据中的运动黏度、酸值和铜元素、硅元素、锌元素、磷元素以及铁元素含量进行数据初值化与主成分提取,构建PLS模型并进行数据拟合分析.结果表明:运用偏最小二乘回归分析方法所拟合出的线性回归方程可以较为准确地预测齿轮箱中的异常磨损元素含量.使用灰色等维递补模型对数据进行预测,PLS模型进行诊断分析,可得出未来一段时间Fe元素含量变化趋势,为制定齿轮箱维护策略提供依据.

铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析.卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破.随着卷积神经网络的快速发展,磨损颗粒在智能识别方面的技术取得了重大的突破.本文中首先简述了卷积神经网络与磨粒智能识别的发展历史,针对基于卷积神经网络的磨粒识别方法进行了从图像数据集处理到模型优化技术方面的介绍,并详细说明了这些技术在磨粒识别中的具体应用实例.然后从现有网络和自设计网络两方面分类,整理了近年来卷积神经网络应用于磨粒智能识别的代表性文献,综述了这些工作所提出的模型结构和特点,分析并阐述了各个模型主要的识别原理,各个网络结构存在的优缺点,以及它们的数据采用情况等,并对未来磨粒智能识别的主要研究方向进行了展望.最后肯定了卷积神经网络方法在磨粒智能识别方面的重要性,同时指出了基于此方法的磨粒识别模型的缺点,并提出了应紧跟图像识别领域的最新技术以促进磨粒智能识别水平提高等建议,对磨粒智能识别的发展具有一定的意义.

油液监测是通过定期检测设备在用润滑油来反映机械设备运行状态的技术,不正确的取样通常会带来不准确的油液诊断结论.文章研究论述了油液监测的样品采集过程中不同的因素对于检测结果准确性的影响.首先,论述了常规的油液监测项目,以及其所表征的设备状态.其次,研究了油液的采样时机、采样位置、采样器具等三个方面对检测结果准确性的影响.最后,通过对比讨论,获得了设备油液分析样品的规范性采集及送检方法,有利于保证油液分析结果的准确性和设备润滑维护的可靠性.

针对某船舶艉管异常发热的故障,分析该船舶的故障背景,对艉管的新油和在用油样品进行理化指标、光谱元素、红外光谱和铁谱磨粒分析,发现该艉管存在油品混用的情况,且艉管的轴瓦磨损严重.根据最小油膜厚度公式的计算结果,发现磨损颗粒的尺寸大大超过了艉管的润滑油膜厚度,因而造成了艉管的急剧磨损.综合分析得出,混油引起润滑油性能下降而造成轴瓦的严重磨损,是造成轴瓦异常发热的根本原因.

采用铁谱定性分析技术,从材质、形貌特征、生成机理及来源等方面来分析铁系磨粒、铜合金磨粒和巴氏合金磨粒,判断机械设备摩擦副的运行状态及可能存在的异常磨损情况,对指导设备的维护具有重要意义.通过对水泥行业的设备进行油液监测,可发现辊压机减速齿轮箱是否出现严重磨损,推测设备是否存在故障,经现场拆机检查证实.

随着国家标准对柴油硫含量的严格控制,在某电厂中低硫柴油与现用柴油机油的适应性成为面临的一个重要的润滑技术问题。为了评价低硫柴油与现用润滑油的适应性,采用该电厂现用的2种柴油机油开展低硫柴油的发动机台架试验,在试验过程中监测获取柴油机的性能变化情况并通过定期的润滑油取样对柴油机油性能进行分析,评估低硫柴油对柴油机润滑和磨损的影响,以及现用柴油机油对低硫柴油的适应性。结果表明,在试验条件下燃烧低硫柴油不会对发动机性能产生不良影响,低硫柴油能与现用的柴油机油相容。

某冷轧板厂使用新配方轧制油后,冷轧轧辊轴承烧毁的频率增大.将新配方轧制油按不同比例与轴承润滑脂进行了混兑试验,结果表明轧制油对润滑脂的防腐性和胶体稳定性产生较大影响,是轴承烧毁的主要原因.