CN104764871B - 一种多变量检测的油中水分在线监测方法 - Google Patents
一种多变量检测的油中水分在线监测方法 Download PDFInfo
- Publication number
- CN104764871B CN104764871B CN201410005828.6A CN201410005828A CN104764871B CN 104764871 B CN104764871 B CN 104764871B CN 201410005828 A CN201410005828 A CN 201410005828A CN 104764871 B CN104764871 B CN 104764871B
- Authority
- CN
- China
- Prior art keywords
- fluid
- multivariable
- parameter
- dynamic characteristic
- fluid dynamic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
一种多变量检测的油中水分在线监测方法主要由油液动态特性传感信号采集及预处理模块、油液动态特性参数提取模块、油液动态特性参数与多变量理化性能参数模糊模型转换模块、多变量理化性能参数与油中水分含量模糊数学关系转换模块组成;其特征在于对油液动态特性传感信号进行采集和预处理后,提取油液的动态特性参数的特征;利用油液动态特性参数与多变量理化性能参数模糊模型转换模块变换为油液的多变量理化性能参数;再根据多变量理化性能参数与油中水分含量模糊数学关系转换模块的转换监测到油液中水分含量值,从而克服传统的油中水分的在线监测不准确和针对性较强的问题,有效地实现了油液中水分含量的实时、在线监测。
Description
技术领域
本发明涉及油液在线监测领域,属于矿物油液中水分的在线监测方法,具体是一种多变量检测的油中水分在线监测方法,对油液的多变量理化性能参数与水分含量关系进行分析,来实现润滑油中水分含量实时、连续检测的在线监测系统。
背景技术
润滑油广泛应用于汽车、船舶、机械加工、交通运输、电力等各个行业中,在润滑油的生产制造、储存运输及实际应用过程中,水分会通过各种途径混入润滑油。其中水分的存在状态主要有游离水、悬浮水和溶解水三种状态,其在润滑油中含量依次减小,且在不同的条件下三种状态的水分可以相互转化,它们对润滑油及其使用过程中的危害作用主要表现在:(1)对油液的粘度、界面张力、酸化速率、介电常数、击穿电压、体积电阻率、介质损耗因数等理化性能有不同程度的影响;(2)影响油膜的形成,使油品氧化,增加油泥;(3)使添加剂发生水解反应而失效;(4)润滑系统工作过程中受高温、高压作用时,油膜中的水分变成水汽,形成小气泡,之后瞬间破裂,造成气蚀磨损。因此,对润滑油液中水分含量进行在线监测,对设备的工况监测和摩擦磨损分析具有重要的意义。
目前对润滑油中水分含量进行检测的方法主要有离线检测和在线监测两大类。常用的离线检测方法不具有实时、连续、同步性,需要定期的抽取油样,分析费时,且在油样的采集储存过程可能发生变化。而在线检测技术则能够有效的克服这些缺点,在线监测可在机械设备正常运转过程中,对机械设备中的油液进行实时、连续的监测并及时动态的获取被监测油液对象的运行状态等信息。常用的润滑油中水分含量在线检测的机理主要有光谱射线法、微波衰减法、电容法等手段。
目前的在线监测方法的原理多是基于油液中不同含量水分会引起油液某个理化性能参数的相应变化,通过相应的传感器对这一理化性能参数变化值进行监测从而实现水分含量的在线监测。例如,目前采用较为广泛的电容式水分传感器就是根据油液中不同的水分含量引起的油液介电常数不同,通过传感器极板间电容的变化来监测水分含量的变化。这种检测方法,在一定程度上对某些油液具有很好的检测效果,尤其是不存在其它机械杂质的情况下,对于新运行的油液中水分含量检测效果十分理想。但是对于一些运行了较长时间、相对老化的油液而言,其中有些机械杂质的增加也是引起油液介电常数变化的因素,例如从机械部件上磨损下来的微小金属颗粒,例如铜、铁等。在这种情况下,电容式水分传感器的监测效果就要受到很大程度的影响。同理,对于这种以单一理化性能参数变化为检测指标来实现水分在线监测的检测方法而言,同样存在类似的问题,油液运行一段时间后检测精度往往会下降。
发明内容
为了克服目前油液中水分在线监测方法所存在的上述问题,本发明提出一种多变量检测的油中水分在线监测方法。将油中水分的在线监测问题首先通过在系统中设置相应的高精度传感器(如压力传感器、流量传感器等),且利用PXI采集系统对含水油液在系统运行过程中的动态特性参数(如压力、流量等)的变化情况进行检测和特征提取,获得油液的动态特性参数的特征;然后构建的不同水分含量油液的粘度、界面张力、酸化速率、介电常数、介质损耗因数、体积电阻率、击穿电压等多变量理化性能参数与油液动态特性参数之间对应的模糊模型,从而将油液的动态特性参数变换为油液的多变量理化性能参数;最后,再建立油液的多变量理化性能参数与油中水分含量之间的模糊数学关系,通过该模糊数学关系的转换,将多变量理化性能指标参数转换为油液中水分含量值,从而实现油液中水分含量的实时、在线监测的目的。
本发明解决其技术问题所采取的技术方案是:
一种多变量检测的油中水分在线监测方法主要由油液动态特性传感信号采集及预处理模块、油液动态特性参数提取模块、油液动态特性参数与多变量理化性能参数模糊模型转换模块、多变量理化性能参数与油中水分含量模糊数学关系转换模块组成;其特征在于将油中水分的在线监测问题通过实时、在线的监测系统运行过程中的含水油液动态特性参数(如压力、流量等)的变化情况,利用油液动态特性传感信号采集及预处理模块对油液动态特性传感信号进行采集和预处理后,作为油液动态特性参数提取模块的输入信号,输出油液的动态特性参数的特征;然后利用油液动态特性参数与多变量理化性能参数模糊模型转换模块将油液的动态特性参数变换为油液的多变量理化性能参数;最后根据多变量理化性能参数与油中水分含量模糊数学关系转换模块的转换,将多变量理化性能指标参数转换为油液中水分含量值,从而克服传统的利用含水油液的单一理化性能指标参数来实现油中水分的在线监测存在检测不准确和针对性较强的问题,也克服了油中水分在线监测过程中无法同时对油液的多变量理化性能指标进行监测的问题,从而有效地实现油液中水分含量的实时、在线监测。
所述的油液动态特性传感信号采集及预处理模块由高精度压力传感器或流量传感器、A/D转换器、PXI信号采集预处理部件组成,其特征在于油液动态传感器采集的信号经由A/D转换器转换为计算机识别的数字信号,通过PXI信号采集预处理部件将数字信号进行滤波、放大等一系列预处理将油液动态传感采集信号进行预处理。
所述的油液动态特性参数提取模块主要由希尔伯特包络谱变换模块和连续投影算法提取模块组成,其特征在于希尔伯特包络谱变换模块对采集的油液动态特性参数的传感信号进行分解和重构,通过计算重构信号与原信号之间的平均误差和残差百分比对油液动态信号进行时间-频率域内的特征表征,得到与多变量理化性能指标参数密切相关的油液动态特性参数信号频谱,将环境和本体振动的影响降低到最小;然后利用连续投影算法提取模块,获取含有最低限度的冗余信息的油液动态特征参数的信号变量组,形成降维的油液动态特征参数频谱矩阵,提取油液运动的动态特征信号。
所述的油液动态特性参数与多变量理化性能参数模糊模型转换模块是一种动态系统的典型的T_S模糊模型,主要由模糊C均值聚类算法模块、递推最小二乘法辨识模块组成;首先配置不同粘度、界面张力、酸化速率、介电常数、介质损耗因数、体积电阻率、击穿电压等多变量理化性能参数的油液样品,并通过实验检测这些油液样品的动态特性参数,建立油液多变量理化性能参数和油液动态特性参数数据库;其特征在于采用模糊C均值聚类算法得出油液动态特性参数输入空间的划分和聚类中心,然后利用递推最小二乘法辨识油液多变量理化性能参数,以不同微量水分含量的油液动态特性参数为输入,以油液的多变量理化性能指标参数为输出,构建油液的多变量理化性能指标参数与油液动态特性参数之间的T_S模糊模型。通过该模型将油液动态特性参数转换为油液的多变量理化性能参数。
所述的多变量理化性能参数与油中水分含量模糊数学关系转换模块由含水油液样本集模糊化模块、油液多变量理化性能指标集模糊化模块、模糊相似运算模块和模糊聚类运算模块组成;首先配置不同水分含量的油液作为含水油液样本集,将这些含水油液样本依次测试出相应的理化性能参数,如油液粘度、界面张力、酸化速率、介电常数、介质损耗因数、体积电阻率、击穿电压等,获取油液多变量理化性能指标集;其特征在于对含水油液样本集与油液多变量理化性能指标集进行模糊化后,得到相应的模糊相似关系矩阵,再进行模糊聚类,从而实现油液多变量理化性能参数与油中水分含量模糊数学关系建模,将油液的多变量理化性能参数作为模型的输入,通过相似矩阵运算模块、模糊聚类运算模块,从而获取油液中的不同水分含量。
本发明的有益效果是:
本发明将油中水分含量对油液的多变量理化性能参数的影响规律应用于油液的水分含量的在线监测问题,是一种新的油中水分在线监测方法;本发明系统全面的综合分析了油液多变量理化性能参数受水分含量的影响程度大小,并利用一系列实验对其进行定量分析,构建油中水分含量与油液多变量理化性能参数之间的模糊数学关系模型,突破了传统在线监测方法中利用单一变量的局限,使得微量水分的在线监测更加准确可靠。
本发明针对油中水分含量和油液在运行过程中相互作用的内在机制,考虑水分对油液多变量理化性能的影响,利用在系统中设置相应的高精度传感器(如压力传感器、流量传感器等)得到油液的动态信号;并基于希尔伯特黄包络谱技术,消除系统本体振动的影响;再运用连续投影算法对油液动态特性参数信号进行有效变量选择,根据实验数据构建油液动态特性参数与多变量理化性能参数模糊模型、多变量理化性能参数与油中水分含量模糊数学关系,通过这些技术方案实现油中水分的实时、准确地在线监测。
本发明突破了常规的在线监测方法,即克服了仅仅根据油液单一理化性能参数的变化来实现油液中水分含量在线监测的局限性,即通过多变量理化性能参数监测到油中水分在线监测结果,有效的保证了监测结果的可靠性与准确性。
附图说明
图1为本发明的系统结构框图;
图中,1-油液动态特性传感信号采集及预处理模块,2-油液动态特性参数提取模块,3-油液动态特性参数与多变量理化性能参数模糊模型转换模块,4-多变量理化性能参数与油中水分含量模糊数学关系转换模块。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
如图1所示,将高精度传感器设置于待监测的机械设备润滑系统的油液管路上,与油液实时连续接触,由油液动态特性传感信号采集及预处理模块1将高精度传感器采集的信号传递给A/D转换器,转换为数字信号后进入PXI信号采集预处理部件进行滤波放大处理。
油液动态特性参数提取模块2是经过一系列理论分析得出的,具体过程如下:
首先,将油液动态特性传感信号采集及预处理模块1预处理后的油液动态特性参数信号利用希尔伯特变换(HHT)进行解调,首先构造HHT的复解析信号为:
(1)
其中为一个经验模态分量,为幅值函数,,表示信号每个采样点的瞬时幅度能量;为相位函数,,表示信号每个采样点的瞬时相位。
对每个经验模态分量做HHT,则油液运动动态信号可以表示为
(2)
根据式(2)可以将幅度和瞬时相位作为时间的函数表示在三维平面中,幅度的这种时-频分布被称为Hilbert幅度谱,简称为Hilbert谱。
对油液的动态信号(设为)构建复解析信号并取模为:
(3)
对式(3)的信号进行谱分析就可得到Hilbert包络谱。此包络谱集中反映了含水油液的动态特征和剧烈程度,当水分含量发生变化时,Hilbert包络谱相应的特征频率处就会有“谱峰”出现,从而将环境和本体振动的影响降低到最小。
然后,根据Hilbert包络谱解调结果进行油液动态特性参数的进行连续投影算法提取,通过计算特征峰值矩阵中某一峰值对其他峰值的投影,选取投影量最大的峰值作为该油液含水序列中的下个峰值,序列中的每个峰值都与其前一个峰值相关性最小,最大程度消除共线性对模型的影响,降低模型复杂度。提取含有最低限度的冗余信息的特征信号变量组,形成降维含有不同水分油液运动动态特征谱矩阵,即提取不同水分含量的油液动态特性参数。
油液动态特性参数与多变量理化性能参数模糊模型转换模块3的构建所采用的方法是模糊数学中T_S模糊模型构建法,其过程如下:
首先配置不同粘度、界面张力、酸化速率、介电常数、介质损耗因数、体积电阻率、击穿电压等多变量理化性能参数的油液样品,并通过实验检测这些油液样品的动态特性参数,建立油液多变量理化性能参数和油液动态特性参数数据库;
然后采用模糊C均值聚类算法得出油液动态特性参数输入空间的划分和聚类中心,结合递推最小二乘法辨识油液多变量理化性能参数,建立油液的多变量理化性能参数与油液动态特性参数之间的模糊模型。最后以油液动态特性参数提取模块2提取到的油液动态特征为输入,获得油液的多变量理化性能参数即油液动态特性参数与多变量理化性能参数模糊模型转换模块3的输出。
多变量理化性能参数与油中水分含量模糊数学关系转换模块4同样采用模糊数学理论,其具体过程如下:
首先,在实验室制取蒸馏水,分别与新油液进行充分混合,配置水分含量在100ppm-1000ppm的油液作为油液样本集为 X=(x1,…,xn),n为油液样本数。
其次,将含水油液样本在设置一定温度的超声波振荡器下作用8-10个小时后依次测试出相应的理化性能参数,如油液粘度、界面张力、酸化速率、介电常数、介质损耗因数、体积电阻率、击穿电压等;获取第i个油液样本的m种理化性能指标集,记作xi = (xi1,…,xim),xim表示第i个样本的第m个理化性能指标的数值。
再将油样样本集和理化性能指标集分别模糊化,且规定样本xi与xj之间的相似系数rij(0 ≤ rij ≤1;i,j=1,…,n),可得样本集X的模糊相似关系矩阵;运用最短距离法、最长距离法等方法进行模糊聚类,构建多变量理化性能参数与油中水分含量模糊数学关系。
最后将油液的多变量理化性能指标作为多变量理化性能参数与油中水分含量模糊数学关系转换模块4的输入,通过相似系数rij矩阵以及动态聚类结果,生成动态聚类树,从而获取油中的不同水分含量。
通过油液动态特性传感信号采集及预处理模块1,油液动态特性参数提取模块2,油液动态特性参数与多变量理化性能参数模糊模型转换模块3,多变量理化性能参数与油中水分含量模糊数学关系转换模块4几个步骤的有机结合,即实现了油液动态特性参数到水分含量的在线监测。
Claims (4)
1.一种多变量检测的油中水分在线监测方法,该方法的实现主要由油液动态特性传感信号采集及预处理模块、油液动态特性参数提取模块、油液动态特性参数与多变量理化性能参数模糊模型转换模块、多变量理化性能参数与油中水分含量模糊数学关系转换模块组成;其特征在于将油中水分的在线监测问题通过对系统运行过程中的油液动态特性参数的变化情况进行实时、在线的监测,所述的油液动态特性参数是指含水油液的压力和流量;利用油液动态特性传感信号采集及预处理模块对油液动态特性传感信号进行采集和预处理后的信号,作为油液动态特性参数提取模块的输入信号,输出油液动态特性参数的特征;然后利用油液动态特性参数与多变量理化性能参数模糊模型转换模块将油液动态特性参数变换为油液的多变量理化性能参数;最后根据多变量理化性能参数与油中水分含量模糊数学关系转换模块的转换,将多变量理化性能指标参数转换为油液中水分含量值,从而有效地实现油液中水分含量的实时、在线监测。
2.根据权利要求1所述的一种多变量检测的油中水分在线监测方法,所述的油液动态特性参数提取模块主要由希尔伯特包络谱变换模块和连续投影算法提取模块组成,其特征在于希尔伯特包络谱变换模块对采集的油液动态特性参数的传感信号进行分解和重构,通过计算重构信号与原信号之间的平均误差和残差百分比对油液动态特征信号进行时间-频率域内的特征表征,得到与多变量理化性能指标参数密切相关的油液动态特性参数信号频谱;然后利用连续投影算法提取模块,获取含有最低限度的冗余信息的油液动态特性参数的信号变量组,形成降维的油液动态特性参数频谱矩阵,提取油液动态特征信号。
3.根据权利要求1所述的一种多变量检测的油中水分在线监测方法,所述的油液动态特性参数与多变量理化性能参数模糊模型转换模块是一种动态系统的典型的T_S模糊模型,主要由模糊C均值聚类算法模块、递推最小二乘法辨识模块组成;其特征在于采用模糊C均值聚类算法得出油液动态特性参数输入空间的划分和聚类中心,然后利用递推最小二乘法辨识油液多变量理化性能参数,以不同微量水分含量的油液动态特性参数为输入,以油液的多变量理化性能指标参数为输出,构建油液的多变量理化性能指标参数与油液动态特性参数之间的T_S模糊模型。
4.根据权利要求1所述的一种多变量检测的油中水分在线监测方法,所述的多变量理化性能参数与油中水分含量模糊数学关系转换模块由含水油液样本集模糊化模块、油液多变量理化性能指标集模糊化模块、模糊相似运算模块和模糊聚类运算模块组成;其特征在于对含水油液样本集与油液多变量理化性能指标集进行模糊化后,得到相应的模糊相似关系矩阵,再进行模糊聚类,从而实现油液多变量理化性能参数与油中水分含量模糊数学关系建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410005828.6A CN104764871B (zh) | 2014-01-07 | 2014-01-07 | 一种多变量检测的油中水分在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410005828.6A CN104764871B (zh) | 2014-01-07 | 2014-01-07 | 一种多变量检测的油中水分在线监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104764871A CN104764871A (zh) | 2015-07-08 |
CN104764871B true CN104764871B (zh) | 2017-07-18 |
Family
ID=53646832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410005828.6A Expired - Fee Related CN104764871B (zh) | 2014-01-07 | 2014-01-07 | 一种多变量检测的油中水分在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104764871B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110207811B (zh) * | 2019-05-24 | 2021-03-23 | 常州大学 | 一种基于经验模态分解的气浮板振动信号处理方法 |
CN111999339B (zh) * | 2020-07-30 | 2023-05-30 | 智新科技股份有限公司 | 一种在线监测变速箱油含水量变化的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1563940A (zh) * | 2004-04-02 | 2005-01-12 | 浙江大学 | 基于希尔伯特-黄变换的水平管气液两相流流型识别方法 |
-
2014
- 2014-01-07 CN CN201410005828.6A patent/CN104764871B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1563940A (zh) * | 2004-04-02 | 2005-01-12 | 浙江大学 | 基于希尔伯特-黄变换的水平管气液两相流流型识别方法 |
Non-Patent Citations (3)
Title |
---|
Capacitance transducers for non-intrusive measurement of water in crude oil;E. A. HAMMER 等;《Flow Meas.Instrum.》;19891031;第1卷;第51-58页 * |
润滑油污染在线监测技术研究进展;陈彬 等;《应用化工》;20120731;第41卷(第7期);第1248-1252,1257页 * |
连续投影算法的润滑油中含水量的近红外光谱分析;陈彬 等;《红外与激光工程》;20131231;第42卷(第12期);第3168-3174页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104764871A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | The entropy algorithm and its variants in the fault diagnosis of rotating machinery: A review | |
Yongbo et al. | Review of local mean decomposition and its application in fault diagnosis of rotating machinery | |
CN102564568B (zh) | 大型旋转机械复杂工况下的早期故障搜索方法 | |
Chegini et al. | New fault diagnosis approaches for detecting the bearing slight degradation | |
Gougam et al. | Bearing fault diagnosis based on feature extraction of empirical wavelet transform (EWT) and fuzzy logic system (FLS) under variable operating conditions | |
CN111080074B (zh) | 基于网络多特征关联的系统服役安全态势要素获取方法 | |
CN104537415A (zh) | 一种基于压缩感知和dros-elm的非线性过程工业故障预测及识别方法 | |
CN104460654A (zh) | 一种基于量化特征关系的不完备故障诊断规则提取方法 | |
Li et al. | A review on the signal processing methods of rotating machinery fault diagnosis | |
CN108280424A (zh) | 一种基于稀疏编码的滚动轴承剩余寿命预测方法 | |
Xin et al. | Intelligent fault diagnosis method for rotating machinery based on vibration signal analysis and hybrid multi‐object deep CNN | |
CN104764871B (zh) | 一种多变量检测的油中水分在线监测方法 | |
CN108844612A (zh) | 一种基于数理统计概率模型的变压器内部故障识别方法 | |
Cao et al. | A novel spiking graph attention network for intelligent fault diagnosis of planetary gearboxes | |
Yafei et al. | Fault Diagnosis of Axial Piston Pump Based on Extreme‐Point Symmetric Mode Decomposition and Random Forests | |
Yang et al. | Fault diagnosis of electric submersible pump tubing string leakage | |
CN113092083A (zh) | 一种基于分形维数和神经网络的机泵故障诊断方法和装置 | |
Abbasi et al. | Condition based maintenance of oil and gas equipment: A review | |
Chen et al. | A fault diagnosis method of rotating machinery based on improved multiscale attention entropy and random forests | |
CN112417966B (zh) | 一种基于音频信号特征和ai算法的多维度机器故障检测方法 | |
Long et al. | Early fault diagnosis technology for bearings based on quantile multiscale permutation entropy | |
Chen et al. | A new method for fault diagnosis of hydraulic system based on improved empirical wavelet transform and kernel extreme learning machine | |
Haomin et al. | Fault prediction for power system based on multidimensional time series correlation analysis | |
Roselya et al. | Product sampling time and process residence time prediction of palm oil refining process | |
Rosli et al. | Application of Principle Component Analysis in Resolving Influential Factor Subject to Industrial Motor Failure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170718 Termination date: 20200107 |