为实现综合传动装置零部件异常磨损状态的准确表征, 需要对油液光谱数据进行可解释性分类。 由于磨损元素间存在高耦合性, 即同一元素即可能由元件A产生, 也可能由元件B产生, 因此难以通过元件组成成分直接区分磨损元素。 为此, 提出基于磨损趋势的磨损元素分级方法, 获取磨损元素聚类中心, 实现油液光谱数据的可解释性分类。

综合传动装置磨损状态主要受运行工况与运行时间的影响。 其中, 综合传动装置工况复杂多变, 工况对综合传动装置磨损的影响难以确定。 随着综合传动装置长时间运行, 磨损会不断产生, 磨损元素浓度指标呈现递增趋势。 因此, 磨损元素与装置运行时间的相关性, 可以作为衡量磨损元素重要性的标准。 基于此, 提出各元素磨损递增趋势分级系数

R(Z, T)=Cov(Z, T)Var(Z)Var(T)(1)

式(1)中, Z为各元素序列, T为样本取样时刻序列, R为各元素分级系数。

根据分级系数大小, 将元素区分为高、 中、 低三种磨损趋势。 高磨损趋势的元素是随综合传动装置运行大量产生的磨损元素, 在各零部件元素组成中占比较大, 能有效表征装置磨损状态; 中磨损趋势的元素是随综合传动装置运行少量产生的磨损元素, 含有特定零部件的磨损信息, 能辅助判断装置磨损状态; 低磨损趋势的元素是随综合传动装置运行偶尔产生的磨损元素, 在各零部件中含量极少, 含有的磨损信息较少且难以提取。

根据元素磨损趋势定义, 高磨损趋势元素在各零部件元素组成中占比较大。 如果某一零部件发生异常磨损, 必然引起对应高磨损趋势元素及特定的中低磨损趋势元素浓度指标异常变化。 以高磨损趋势的元素为聚类中心, 如式(2)所示, 对中低磨损趋势元素加以区分, 可以实现零部件异常磨损定位。

center={Zk, rk> 0.8}(2)

式(2)中, Z_k为第k个元素序列, r_k为第k个元素序列的分级系数。

由于磨损元素相互耦合, 各磨损元素归属的类别难以区分。 模糊隶属度函数能够有效区分相似的数据, 提升对磨损元素聚类的效果, 因此使用模糊隶属分析方法区分磨损元素的类别。 受外界工况变化的影响, 综合传动装置工作于恶劣工况时会诱发突发性的异常磨损, 给综合传动装置零部件异常磨损定位带来了困难。 为了有效提取异常磨损对油液光谱数据的影响, 使用皮尔森相关系数与时间窗结合的方法提出新的距离度量标准, 进而利用模糊隶属度构建聚类算法, 分离表征不同零部件磨损状态的磨损元素。 该方法的主要流程如下:

假设存在两个磨损元素的油液光谱数据, 分别为X={x(i), i=1, …, N}、 Y={y(i), i=1, …, N}。 使用时间窗划分数据, 每个窗口自i时刻开始, 到i+n时刻结束, 每组共n+1个数据。

Xi={x(t), t=i, …, i+n}Yi={y(t), t=i, …, i+n}(3)

计算第i个时间窗数据的相关系数ρ _i。

ρi=Cov(Xi, Yi)Var(Xi)Var(Yi)(4)

ρ=1N-n∑i=1N-nρi(5)

式中, ρ 可以判断两个元素的相似度。

模糊隶属度函数定义如式(6)

ujk=(1-ρ)-2(6)

模糊隶属度定义如式(7)

δjk=ujk∑k=1Kujk, k=1, …, K(7)

式(7)中, K为类的数目, δ _jk表示第j个元素对k类的隶属度。 隶属度δ 越接近于1, 表示X_j属于A类的程度越高, δ 越接近于0表示X_j属于A类的程度越低。 归属于同一类别的磨损元素携带了特定零部件的磨损信息, 需要进一步提取这些信息, 实现综合传动装置零部件磨损状态表征。

针对多个磨损元素携带同一零部件磨损状态信息导致综合传动装置零部件磨损状态难以分析的问题, 提出基于磨损元素分级理论对磨损元素进行加权融合, 获取综合传动装置零部件磨损状态新指标。 通过磨损界限值判断综合传动装置零部件是否出现异常磨损, 最终实现综合传动装置零部件异常磨损定位。 考虑部分磨损元素浓度指标数值极大, 先对数据进行归一化。

X=xi-min(X)max(X)-min(X), i=1, …, N(8)

根据磨损元素分级理论, 磨损元素的分级系数可以体现该元素所携带信息的重要程度, 即在某一零部件磨损元素类中, 磨损元素的分级系数越高, 越能表征该零部件的磨损状态。 所以在某一零部件磨损元素类中, 考虑磨损分级的各元素加权系数为

ak=rk∑k=1Krk(9)

零部件磨损状态表征如式(10)

z=∑k=1Kakxk(10)

式(10)中, x_k为可以表征该零部件的第k个磨损元素, K为磨损元素总数。

研究表明, 正常情况下综合传动装置磨损规律呈现非线性特征。 在磨损前期, 综合传动装置由跑合磨损过渡至稳定磨损, 综合传动装置磨损量较少。 而异常磨损现象一旦发生, 会引起综合传动装置磨损量激增, 并对综合传动装置造成长期影响。 在磨损后期, 综合传动装置由稳定磨损转变为剧烈磨损, 此时综合传动装置剧烈磨损造成的影响极大。 因此, 在综合传动装置磨损前期分析综合传动装置磨损状态, 并及时采取有效措施进行预防与维修, 更具有实际意义。 综合传动装置磨损前期的磨损经验公式如式(11)

z^=a(1-e-bt)(11)

通过磨损经验公式, 使用最小二乘法拟合零部件磨损状态回归曲线, 并计算回归残差S。

S=1n∑(z-z^)2(12)

当零部件磨损状态指标在± S区域内时, 设备正常运行; 当零部件磨损状态指标在± S区域外, ± 2S区域内时, 设备存在微小异常磨损, 应当提高取样次数, 以对设备运行状态进行密切监测; 当零部件磨损状态指标在± 2S区域外, ± 3S区域内时, 设备存在明显异常磨损, 应当分析、 调整设备运行状态, 使其恢复正常运行状态; 当零部件磨损状态指标在± 3S区域外时, 说明设备存在大量异常磨损, 应当及时停机检修, 分析异常磨损原因。

计算各磨损元素的分级系数如表2所示。 其中R_Fe、 R_Cu、 R_Pb在0.8之上, 因此将Fe、 Cu、 Pb划分为高磨损趋势的元素。 高磨损趋势元素携带了大量磨损信息, 能有效表征装置磨损状态。 R_Si、 R_P、 R_Zn、 R_Mg、 R_Sn、 R_Cr、 R_Al在0.3~0.8之间, 因此将Si、 P、 Zn、 Mg、 Sn、 Cr、 Al划分为中磨损趋势的元素。 中磨损趋势元素携带有不同零部件的磨损信息, 能辅助判断装置磨损状态。 R_Ni、 R_Mn、 R_Na、 R_Ca极低, 因此将Ni、 Mn、 Na、 Ca划分为低磨损趋势的元素。 低磨损趋势的元素携带的磨损信息极少, 难以提取分析。

表2

Table 2

表2(Table 2)

表2 磨损元素分级系数 Table 2 Coefficient of classification of wear elements 磨损元素 分级系数 磨损元素 分级系数 磨损元素 分级系数 Fe 0.95 Zn 0.41 Na 0.16 Pb 0.94 Mg 0.37 Mn 0.11 Cu 0.89 Sn 0.36 Ca 0.07 Si 0.62 Cr 0.33 Ni 0.05 P 0.41 Al 0.32

表2 磨损元素分级系数 Table 2 Coefficient of classification of wear elements

以欧氏距离作为距离度量标准, 对油液光谱数据元素进行模糊聚类的聚类结果如表3所示。 由于油液光谱数据指标量级差异大, 导致模糊聚类将Ca、 P归为一类, Zn单独一类, 其他元素归为一类。 该分类结果不能体现其他元素之间的区分, 缺乏实际意义, 所以欧式距离不适合作为油液光谱数据分类时的度量标准。

表3

Table 3

表3(Table 3)

表3 不同距离下模糊聚类结果 Table 3 Fuzzy clustering results at different distances 聚类距离 1类 2类 3类 欧式距离下 模糊聚类 Fe、 Cu、 Pb、 Cr、 Si、 Mg、 Al、 Sn、 Mn、 Ni、 Na Zn Ca、 P 时间窗相关 距离下模糊 聚类 Fe、 Cu、 Pb、 Cr、 Si、 Zn Al、 Ni、 Ca Mn、 Mg、 P 时间窗相关 距离有中心 聚类 Fe、 Si Cu、 Al、 Mn Pb、 Cr、 Ni、 Mg、 Ca、 P、 Zn

表3 不同距离下模糊聚类结果 Table 3 Fuzzy clustering results at different distances

使用时间窗相关距离作为距离度量标准, 对油液光谱数据元素进行模糊聚类的聚类结果如表3所示。 分析可知, 高磨损趋势元素是1类中的主体部分, 中磨损趋势元素部分和低磨损趋势元素的类别归属各有异同。 然而各类的聚类中心是算法迭代计算的结果, 不是实际采样得到的磨损元素, 难以对各类别的物理含义做出进一步解释。

此处所提的基于时间窗相关距离的有中心聚类方法, 以Fe、 Pb、 Cu作为聚类中心, 以皮尔森相关系数与时间窗结合的方法作为距离度量标准, 利用模糊隶属度函数, 将光谱元素数据分为三类, 分类结果如表3所示。 其中Sn、 Na数据存在较多零值, 无法计算时间窗相关距离, 难以分析其类别归属。 结合表1列出的综合传动装置主要结构元素构成, 可以判断在综合传动装置可靠性实验中摩擦片存在异常磨损。 并且, 由于Si被归为Fe类, 说明该装置旋转部件和整体磨损基本一致。

分别利用主元分析法与本方法分析综合传动装置油液光谱数据, 提取出三个表征综合传动装置磨损状态的特征。 利用主元分析方法分析综合传动装置油液光谱数据, 提取三个主元如图2、 图3、 图4所示。 为分析各项主元所表征的磨损零部件, 列写主元的各项系数如表4所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 主元1特征Fig.2 Pivot 1 features

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 主元2特征Fig.3 Pivot 2 features

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 主元3特征Fig.4 Pivot 3 features

表4

Table 4

表4(Table 4)

表4 主元各项系数 Table 4 Coefficients of pivot elements 元素 Fe Cr Pb Cu Al Si Sn 主元1 0.41 0.31 0.36 0.30 0.10 0.31 0.07 主元2 0.32 -0.22 0.21 0.32 0.41 0.10 0.30 主元3 -0.13 0.29 -0.09 -0.06 0.24 -0.06 0.19 元素 Ni Mn Na Mg Ca P Zn 主元1 0.10 0.13 0.10 0.33 0.27 0.30 0.31 主元2 -0.28 0.16 -0.18 -0.13 -0.41 -0.25 -0.23 主元3 0.40 0.44 0.59 -0.19 -0.14 -0.13 -0.10

表4 主元各项系数 Table 4 Coefficients of pivot elements

其中, 主元1磨损指标波动相对稳定, 整体呈现上升趋势; 从主元系数构成上看, 主元1除Al、 Sn、 Ni、 Mn、 Na的系数在0.1附近, 其他元素的主元系数均在0.3左右, 说明主元1表征了综合传动装置整体的磨损状态。 主元2在第三、 四、 六循环磨损指标异常降低, 第五循环磨损指标相对较高, 说明综合传动装置存在异常磨损; 然而在主元2的主要构成元素中, Fe、 Pu、 Cu、 Al、 Sn在主元2中正系数较大, Cr、 Ni、 Ca、 P、 Zn在主元2中负系数较大, 两者相互影响, 难以准确判断综合传动装置异常磨损零部件。 主元3指标波动复杂且剧烈, 整体无明显趋势, 不具备磨损状态表征的能力。

为准确判断综合传动装置零部件异常磨损状态, 基于时间窗相关距离的有中心聚类方法, 提取出含有异常磨损信息的油液光谱数据, 并应用基于磨损元素分级系数的加权融合方法分别融合Fe、 Pb、 Cu三类磨损元素, 获取零部件磨损状态表征如图5、 图6、 图7所示。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 Fe类融合特征Fig.5 Fe class fusion features

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 Pb类融合特征Fig.6 Pb class fusion features

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 Cu类融合特征Fig.7 Cu class fusion features

使用最小二乘法对各类的融合特征进行回归拟合, 并计算回归残差S。 图5、 图6、 图7中, 红色实线表示拟合曲线; 红色虚线、 点划线分别表示拟合曲线增加一倍、 两倍标准差的结果。 分析可知, Fe类融合特征仅在第五次负载循环试验过程中短期超出了S阈值, 表明铁质元素元件发生了轻微磨损; Pb类融合特征多次超出S阈值, 并在130~160 h磨损指标连续超出S阈值, 说明综合传动装置Pb类元素所表征的零部件磨损较多且产生了异常磨损, 应密切关注; Cu类融合特征在160~200 h磨损指标超出S阈值, 并多次超出2S阈值, 判断综合传动装置在该时段存在异常磨损。 结合综合传动装置各部件材料构成可知, 综合传动装置离合器摩擦片发生了磨损故障。

对该综合传动装置离合器摩擦片进行拆检, 结果如图8所示, 图中采用红色线框标注出部分磨损位置。 可见该综合传动装置离合器钢片及摩擦片均发生了不同程度的磨损, 其中钢片只发生了轻微磨损, 短期内不会影响装置正常运行; 但摩擦片发生了较为明显的磨损现象, 需加强后期的监测与检查。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 摩擦片磨损Fig.8 Wear of friction plate