摘 要：因油液监测无需设备停机或拆解，而被用于大型冲压机的故障监测。本文基于灰色模型GM(1，1)对利用光谱技术测定的油液中磨损元素绝对浓度值进行预测，经检验该模型的预测精度高，为冲压机的故障监测提供了依据，解决了冲压机故障预测不准确的问题。
关键词：冲压机；光谱分析；灰色预测
中图分类号：TP274.5 文献标识码：B
SPIERTZ.800T型偏心式冲压机是某汽车制造企业的重要冲压设备，其故障诊断和预测主要采用油液分析法。本文对光谱分析测定的磨粒浓度进行灰建模预测，为冲压机油液监控提供了有力的分析依据，解决了光谱分析数据信息有限、预测不确定的问题。
一、光谱分析法在冲压机监控中的应用
1．SPIERTZ.800T型冲压机润滑油中磨损元素的主要来源
(1)冲压机磨损金属的来源
①铁(Fe)。来自齿轮、高速轴、齿轮轴、偏心体、一体化液压离合／制动器等钢铁类摩擦副。若其含量迅速增加，表明可能出现异常磨损，尤其是腐蚀磨损；
②铜(Cu)。来自于主轴承、连杆轴承、偏心体衬套、一体化离合／制动器等含铜类摩擦副；
③铝(A1)。污染物、偏心体轴承等；
④铅(Pb)。来自于主轴承合金、连杆轴承、滑块等含铅类摩擦副；
⑤铬(Cr)。来自于高速轴、齿轮轴等镀铬摩擦副；
⑥锡(Sn)。来自于铅锡合金轴承、高速轴承覆盖层，连杆轴承覆盖层、滑块等含锡类摩擦副；
⑦硅(Si)。硅酸盐和氧化硅是外界污染物，由于润滑油中加有防起泡添加剂，会存在少量的有机硅；
⑧钠(Na)和硼(B)。冷却液中有大量钠和硼混合物存在，润滑油中有少量这种成分，对设备的运行并无损害。
(2)冲压机易磨损的摩擦副
①主轴与铜套、偏心体。偏心体是易损零件。主要是偏心体与铜套之间、铜套与主轴之间的磨损。磨损类型包括正常磨损、勃着磨损（划伤擦伤）、磨料磨损、腐蚀磨损。实际上这些磨损现象总是同时存在又互相影响，主要取决于润滑状态。油膜厚度小，磨损就严重。
②齿轮副。磨损类型包括正常磨损、点蚀磨损（是齿轮磨损的主要类型）、磨料磨损、私着磨损。实际磨损情况常常是上述各种磨损的组合，只是因使用条件和工况不同，各种磨损在程度上存在差别。
③轴承。主轴承、连杆轴承在使用中所发生的事故机率较高，其中由杂质进入液压油而嵌入轴承造成的磨损较多，包括刮伤、疲劳、腐蚀、烧伤、早期磨损等。
2．磨损元素浓度数据的特点分析
(1)一个换油周期光潜分析数据较少（每隔2~3月取样一次），通常为六个油样以内。
(2)润滑油经使用后，所含磨损元素的浓度一般随时间增加有递增的趋势。
3．油液光谱分析界限值的确定
(1)理想的界限值应由研制、生产厂通过大量试验数据的统计分析获得，提供给用户作新机器使用的参考。用户在使用中再根据实际情况加以修正：但由于生产厂家往往不能提供，只能靠用户在使用中去统计制定。
(2)一般认为25或50个（小样本）油样作统计，与大样本比较，后者界限值误差为10％左右，故认为50个油样己有统计价值。
(3)界限值应随机器使用时间延长而动态修改。
(4)实用界限值应结合油样分析历史记录、机器使用与维修历史档案等确定，可能时应请机器设计和制造者共同讨论。界限值是逐步完善的，开始时可能粗略一些，但对防止重大故障也是很有价值的。实践证明，半年时间即可制定出有实用价值的界限值。
光谱分析元素浓度界限值可采用经典数理统计的方法，即首先计算各种磨损元素的浓度统计均值 ，然后结合反馈的设备原始信息及当前状态，修正得到浓度修正值 (取的30%)，此作为设备状态值的标准差σ。
预测报警值W=+2σ
预测警告值V=+3σ
SPIERTZ.800T型冲压机在2005年年6月的跟踪取样监测中，主要磨损元素浓度界限值数据如表1。
表1 SPIERTZ.800T型冲压机元素浓度的界限值
单位：ppm
二、灰建模GM (1，1)
灰理论是以“小样本”“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。是以系统分析、评估、建模、预测、决策、控制、优化为主体的技术体系。
对冲压机的故障预测而言，设备本身就是一个灰色系统，能够获取的监测信息有限，因此本文尝试用灰色模型GM (1，1)拟合一个换油周期内磨粒参数的动态变化规律，对磨损元素的浓度进行预测，以确定磨损部件和故障位置。
1. GM(1，1)模型的基本算式
(1)设有原始序列为
X(0)=｛x(0)(1)，x(0)(2)，……x(0)(n)｝
(2)对X(0)作一次累加生成（记作AGO）
X(1)=｛x(1)(1)，x(1)(2)，……x(1)(n)｝序列
其中：x(1)(k)= x(1)(k-1)+x(0)(k)
(3)建立序列（记作MEAN）
Z(1)=｛z(1)(1)，z(1)(2)，……z(1)(n)｝
其中：z(1)(k)=0.5x(1)(k)+ 0.5x(0)(k-1)
(4)对一次累加生成序列X(1)建立模型
此时GM (1，1)的定义型为
X(0)(k)+az(1)(k)=b
GM (1，1)的白化响应式为
(5)残差检验
(7)预测。令k=n+l，n+2……代入GM(1，1)白化响应式得出x (0)(n+1)，x (0)(n+2)……的值。
2.SPIERTZ.800T型冲压机光谱分析预测算例
表2是以Fe元素浓度为例的预测结果和预测精度，其它元素的预测可以此类推。
根据P>0.95可知，该模型的预测精度足够高。由Fe元素浓度的白化响应式可知，在下一次取样（取样次数为第七次，即k=6）时，预测Fe元素浓度为14.8782ppm，此值接近Fe元素的极限值(对照表2)，应结合其它监测手段共同决定是否换油。
三、结束语
本文针对冲压机的光谱分析数据特点，建立了基于灰理论GM(1，1)的磨损元素浓度预测模型，经精度检验，预测准确度足够高。由于SPIERTZ.800T型冲压机的传动环节多、摩擦副多、润滑点也多，且这些润滑点的负荷、速度、温度都不同，造成了油液监控系统很复杂。仅采用光谱分析法，还不能全面给出设备监控所需的全部信息和数据。若要对油液状况做出较为全面、准确的监控，应通过光谱分析、铁谱分析、油液常规理化性能分析等，进一步了解磨损所处的阶段、磨损严重程度、磨损类型[1] [2] 下一页
|
网友评论：（只显示最新10条。评论内容只代表网友观点，与本站立场无关！）
