4GM(1,1)模型在油性能预测中的应用

摘要：利用灰色系统GM（1，1）预测模型对油中的元素进行趋势预测，首先利用元素历史数据建立动态微分方程，然后基于该微分方程预测元素的变化趋势，为油性能分析和故障定位提供参考。通过对某型柴油机油元素监测来预测其性能，结果表明该预测方法具有数据量小、计算简单、预测准确的特点。

关键词：GM（1，1）模型；油；性能预测

中图分类号：TE626.3文献标识码：A

Application of GM （1，1） Model in Performance Prediction of Lubricating Oil

YU Tao， DONG Rui， ZHAO Kai

（91315 Troop， Dalian 116041， China）

Abstract：This article applied the gray system GM （1，1） model to predict the change trends of elements in lubricating oils. Firstly， the dynamic differential equation for elements was established based on their historical data. Then according to the differential equation， the change trends of elements can be predicted，which can be use as important reference for performance analysis and fault location of lubricating oil. Monitored experiments on a certain type of diesel engine lubricating oil were made and elements change trends were got to predict performance. The results show that the prediction method has the characteristics of a small amount of data， simple calculation and correct prediction.

Key words：GM （1，1） model； lubricating oil； performance prediction

0引言

油在机械设备中起着密封、、冷却、清洗和防腐等作用，它本身携带着各种机械加工产物和外来污染物，其中有零部件的磨损颗粒、腐蚀产物、油和添加剂经一系列物理、化学变化而形成的胶质、沥青、油泥及热工机械燃料燃烧产物等物质，这些物质在一定程度上与机械设备及油的工作状态相关联。利用光、电、磁学等手段，分析其理化指标、监测所携带的磨损和污染物颗粒，可以获得机械的和磨粒状态的信息，从而评价机器的工况和预测其故障，并确定故障部位、原因和类型[1]。

1油性能进行灰色预测的可行性分析

油的监测包括磨粒检测、污染度检测和性能检测，油中的磨粒、污染度和性能指标（如黏度、水分、闪点）等随着油使用状态变化，呈现出增长或下降的趋势，经过一次累加生成序列后为单增序列，在这种情况下可以用指数函数来拟合，而GM（1，1）模型本身是一种指数模型建模方法，因此适合将GM（1，1）模型作为油磨粒、污染度和性能指标的预测模型。

3油性能趋势预测实例分析

3.1监测仪器

选用M型原子发射光谱仪，该仪器具有分析速度快、读数准确、重复性好、分析容量大等特点，通过测定一个油样中十几种元素含量值，可对多种元素进行定量和定性分析，从而监测在用油品的添加剂元素变化、受污染程度及金属摩擦副的磨损情况。

3.2监测方案

选用某型舰船TBD620V12型号的发电柴油机，对该柴油机油按照柴油机运行时间每20 h进行油样提取，共计提取油样28个，期间更换油1次（柴油机工作1820 h的时后，油牌号由CD40更换为通用柴油机油）。

3.3结果与讨论

对Fe、Cr、Pb、Cu、Sn、Al、Ni、Ag、Si、B、Na、Mg、Ca、Ba、P、Zn、Mo、Ti、V、Mn、Cd、H、H2和C共计24种元素进行了监测，将测得的数据整理后依据GM（1，1）模型趋势预测步骤，依次输入利用MATLAB软件编写的灰预测程序中，可获得预测数据，经整理比对后绘制选取的主要数据预测趋势图。如图1至图10。

综合分析图1、图2、图6和图7的预测数据趋势，可以看出Fe和Cu元素是表征金属摩擦副磨损所产生的元素，随着设备运行时间的增加金属元素含量增加，表明设备不断在磨损，同时随着油的更换，表征金属摩擦副磨损所产生的元素降低，随着设备运行时间的增加金属元素含量再次增加。

综合分析图3和图8的预测数据趋势，可以看出B元素是一般表征为改善油油品性能所添加的元素，随着设备运行时间的增加添加剂元素含量减少，不同牌号的油添加剂含量不同，同时因CD40和通用柴油机油可以互换，因此某些添加剂元素含量较为接近。

综合分析图4、图5、图9和图10的预测数据趋势，可以看出Na和Mg元素的含量一般表征外来物对油的污染程度，随着设备运行时间的增加Na和Mg元素含量增加，表明微量的污染物进入到了油中。

从图1至图10中可以看到，实际数据趋势和预测数据趋势是一致的，并且实际数据值接近预测值，在事先设定阈值的情况下，可以根据所监测添加剂和污染物元素的含量做出因添加剂元素损耗和外来污染物超标而更换油的决策，同时还可以根据所监测金属元素的含量做出故障的准确定位。在未事先设定阈值的情况下，可以根据所监测金属元素的含量做出设备维修决策。

4结论

针对油的性能特点，从理论上证明了采用灰色理论中GM（1，1）模型用于油元素含量的预测是可行的。本文对TBD620V12型发电柴油机油元素含量运用了GM（1，1）模型进行了预测验证，结果表明可以利用灰色GM（1，1）模型对表征油性能的元素进行预测，并能准确地预测其发展趋势，且精度较高，为油的更换和设备故障准确定位以及设备维修决策提供了参考的理论依据和前提保障。

参考文献：

[1] 杨其明，严新平，贺石中，等.油液监测分析现场使用技术[M]. 1版.机械工业出版社，2006.

[2] 刘思峰，党耀国，方志耕，等.灰色系统理论及其应用[M]. 5版.科学出版社，2010.

[3] 黄立立，黄道.基于新息GM（1，1）的故障诊断预测[J]. 控制工程，2006，13（3）：252-255.

[4] 谢春丽，夏虹，刘永阔，等.GM（1，1）灰色模型在核电设备趋势预测中的应用[J]. 核科学与工程，2007，27（2）：138-141.

[5] 季彩萍.灰色预测法在故障诊断中的应用[J]. 机械与电子，2009（11）：79-80.收稿日期：2016-06-28。