油液分析在泥水盾构状态监测中的应用

油液分析在泥水盾构状态监测中的应用
摘要本文介绍了油液分析在泥水平衡盾构机状态监测中的应用，包括监测方法、数据处理
和设备状态的预测，尤其总结了三种铁谱、光谱数据处理分析的方法，为设备保养和维修提
供了科学的依据，对机器的正常运行具有重要的意义。

关键词盾构机油液监测铁谱分析光谱分析三线值法
南京长江隧道工程从德国海瑞克公司引进两台泥水平衡盾构机（S349/S350），直径均为
14.93m，是目前我国独立施工中引进的最大直径的盾构机。

南京长江隧道开挖直径大，地质
条件复杂，加之盾构机本身结构的复杂给施工带来很多世界级的难题。

为了保证盾构机的正
常掘进施工，我们通过对液压油、齿轮油等的分析，在不拆卸设备，不影响正常施工的情况下，对液压系统及主驱动齿轮系统实现故障预报，为相关部件的维修保养提供科学依据。

1取样
油样是油液分析主要依据，所有的故障信息都融在其中，因此取油是否规范直接决定了设备
的监测结论。

1.1取样工况
进入滑油的磨粒、杂质多以有机化合物、胶状悬浮物和自由颗粒形态存在，一部分挂于内壁，一部分存于油中，滑油处于静态时还有一部分沉淀于油底。

因此取油必须在盾构机掘进状态
下或刚刚停止掘进时，保证磨粒处于相对均匀的悬浮状态。

1.2取样部位
合理的取油部位应选在液压系统及主驱动齿轮系统摩擦副之后、滤清器之前。

1.3取样工具和取样量
必须用取样的专用工具取油，样瓶和取油管均为一次性用品，用后废弃。

考虑油分析的项目多，每次取样量定为200ml。

1.4取样周期
取油周期为一个月，如果设备出现非正常磨损，应酌情缩短取样周期；而主驱动大齿圈和液
压系统磨损率相对较低，可适当延长。

2油液分析
油液分析的主要项目包括：运动粘度、铁谱、水分、污染度和光谱分析，其中光谱分析需要
外送检验。

2.1运动粘度和水分分析
油液运动粘度的检测标准：40℃下的变化率不应超过正常运动粘度值的±10%。

如果粘度过低，会使润滑失效，造成严重磨损；粘度过高则会使油温升高，造成润滑表面氧化，同时也会增
加功耗，造成能源浪费。

水分的检测标准：水分含量应不大于0.1%。

水分含量过高会造成敏感部件的腐蚀，引发故障。

2.2油样铁谱分析
铁谱分析是利用铁谱仪从润滑油样（脂）试样中，分离和检测出磨粒和磨屑，从而分析和判断机器运动副表面的磨损类型、磨损程度和磨损部位。

常用的铁谱技术有直读式铁谱技术和分析式铁谱技术。

这里只应用前者。

2.2.1直读式铁谱工作原理
直读式铁谱仪把磨损磨粒从油液中分离出来、并按尺寸大小依次沉积在沉积管上，供试验人员分析。

磁场装置是一个高强度、高梯度磁场，在磁场作用下，大颗粒首先沉积，小颗粒随油液流到较远处才沉积；安装在不同位置的光电传感器分别读出不同大小磨粒的数量。

2.2.2直读式铁谱特征参量
①大磨粒读数DL，DL直读式铁谱仪第一个光电传感器读出的，它代表直径大于5μm的大磨粒的相对浓度，是评价机械磨损的主要参量之一。

②小磨粒读数DS，DS也是直读铁谱仪直接显示的原始读数；代表小磨粒（1~2µm）的相对浓度；也能反映油样中铁的含量。

③总磨损量Q， Q为大磨粒与小磨粒读数值之和，Q= DL + DS。

它反映相对磨损总量。

其变化率反应了磨损的发展速度。

④磨损烈度Is，Is为总磨损量与磨损严重度的乘积，即Is=（DL + DS）（DL -DS），它与磨损严重度有关。

正常摩擦磨损条件下，DL 与DS的数值比较接近。

只有异常磨损条件下，才会出现DL 值大大超过DS值的情况，因此Is峰值的出现是事故的征兆。

⑤大磨粒百分数PLP，PLP反应大磨粒占磨粒总量的比重，PLP=[ /( + )]*100%。

设备出现异常磨损时，大磨粒颗粒数会急剧增加，PLP值也会显著上升，因此PLP对大磨粒的监测十分敏感。

⑥磨粒浓度WPC，WPC=（DL + DS）/样品量，它表示每毫升未稀释样品的总磨损量。

WPC 的急剧增加标志非正常磨损的出现。

2.3铁谱磨粒特征
磨损过程一般产生六种基本的磨粒类型，包括铁磁和非铁磁颗粒的组合：
2.3.1正常滑动颗粒
正常滑动颗粒是正常磨损的结果，源于剪切混合层部分的脱落。

磨粒呈薄片状，表面光滑，
长轴尺寸从0.5~15µm，厚度0.15~1µm，在磨粒表面应该几乎没有可见的纹理，小片的厚度
应该是1微米或更小。

2.3.2切削磨粒
切削磨粒是一个表面刺入另一个表面产生的结果，有两种产生这种结果的方式。

其一，一个相对坚硬的部件可能不对中或断裂，导致锐利的边缘刺入较软的表面；
其二，润滑系统中硬的研磨颗粒，研磨颗粒从软的表面突出并刺入另一个磨损表面。

如果一
个系统呈现增长的大 (50微米长) 磨粒，预示着一个部件故障。

2.3.3球形磨粒
球状磨粒的直径多为3µm左右，在白反射光照射下具有明亮的中心和黑色环带的成像特点。

相对运动、揉搓作用形成，是疲劳磨损的特征。

2.3.4剧烈滑动
剧烈磨损颗粒在其表面存在平行的条痕，这些条痕相互平行并与颗粒的长轴平行是其识别特征。

它们一般长度大于15 微米，厚度在5和30 微米之间。

剧烈滑动颗粒有时呈现回火的颜色，它在热处理后可能改变颗粒的外貌。

2.3.5轴承磨粒
这些独特的颗粒类型与滚动轴承疲劳有关：疲劳碎片颗粒源于当金属表面凹痕或裂纹扩大时产生的剥离，在微散裂过程中这些颗粒达到最大尺寸100微米，疲劳散裂一般是扁平的，主
要长度厚度比为10比1，其表面平坦，圆周呈随机不规则形状。

2.3.6齿轮磨损
齿轮涉及两种类型的磨损：节圆线疲劳颗粒源于齿轮节圆线，非常类似于滚动轴承疲劳颗粒，它们一般有平坦的表面并且通常为不规则的形状。

取决于齿轮的设计，颗粒的主要尺寸与厚
度比在 4:1 和 10:1之间，矮胖颗粒由齿轮表面的拉力产生，使在散裂之前疲劳破裂扩展深入
齿轮的齿。

2.4光谱分析特征参量
光谱分析的特征参量是油液中各种不同元素的浓度含量，其定量单位为g/µg，俗称PPM。

实际经过大量的测试，从元素浓度的增减变化中，也能找到一定的规律，即磨损类金属成分有：铁、铬、铅、铜、锡、铝、镍、银、钼、镁、锌、钛、钨、锑、钒等；污染物主要由硅、硼、钠、钾构成；油液添加剂则主要由铜、镁、钙钡、锌、钼、锑、硅、硼、磷等组成。

3数据处理
3.1标准值法
根据机械磨损随时间变化和机械故障的统计分析，制定了特征参量的界定值（一般包括正常值、注意值和极限值）。

用户只须将油液分析的数据与之比较即可判断机械当前的技术状态。

标准值使用起来很简单、方便，但由于材料、加工、装配时的差异，每一台机械都各有特性，考虑到油液分析时数据的分散性，用一个统一的界定值很难准确地做出判断。

3.2三线值法
3.2.1铁谱三线值法
一台设备完整的运行过程，包括磨合阶段、正常磨损阶段和急剧磨损阶段。

设备处于正常磨
损阶段时，铁谱分析数值随时间的变化处于平缓阶段，通过分析大量样本的计算平均，得出
设备运转正常的磨损基线值，从而定出三条控制线来把握设备的磨损状态。

三条控制线包括
正常线、警告线和危险线，是设备所处磨损状态的判断依据。

设Y为设备运转正常时特征参量的测试值，Y可以分别为DL、Ds、Q、WPC、PLP、Is等参量，n为已知设备连续运转正常的油样监测次数，V1为正常线，V2为警告线，V3为危险线。

各
项值计算如下：
设V1=0.8（Y+2S）；V2=Y+2S；V3=Y+3S；
式中：S——标准差，用于作为样本方差σ2
的估计量。

据此可作出控制线图，见图6。

然后
将测试值分别标在图里，根据相对三线的位置就可
以判断设备的状态优劣。

3.2.2光谱三线值法
由光谱分析的特点知道，磨损元素的浓度值随着机械运转时数的增加，在坐标图中呈现增长
的趋势。

所以光谱的3条控制线也会以一定的斜率出现在坐标图上，见图7。

计算方法：
基准值P=a+bx式中：a、b为拟合系数
(Xi、Yi)是由机械设备实测的元素浓度值经过变
换得到的。

回归(拟合)系数a、b可由最小二乘
法求得：
V1=0.8（P+2S）；V2=P+2S；V2=P+3S；
S—标准差，算法同前。

3.2.3趋势分析法
趋势分析法是建立在统计法基础上的。

首先用统计法绘出光谱分析与铁谱分析的三线值图，
再将待分析的设备，连续n次检测的数据标在三线值图中，并回归成一条直线，通过此直线
与各线交点对应的时间，即可说明这台设备进入某一磨损状态的期限，达到预测的目的。

如
图8
4结论
每一种监测方法都会有他的优越性，同时也存在一定的缺陷。

油液监测的方法虽然能准确的
跟踪盾构机液压系统及主驱动齿轮系统的磨损情况，判断其状态优劣，但其监测间隔周期相
对较长，不能应对突发事件，因此需要与其他的监测手段相结合，才能更有效的避免故障的
发生，如每日的人工巡检，相关部件的振动、温度、推力、扭矩、转速、噪声等，发现异常
及时取样分析，做出科学的判断。

参考文献：
[1]徐明新，沙明元，齐梦学．TBM油液光谱、铁谱数据处理方法[J]．同济大学学
报,2001,(29).
[2]齐梦学. TBM施工中的油液监测与故障诊断[J].建筑机械化，2007，（1）.
[3]沈庆根，郑水英. 设备故障诊断[M].北京：化学工业出版社,2006.
[4]刘混举，徐世平. 基于油液分析状态监测的预知维修方法[J]. 矿山机械,1996，(6).
[5]张优云，谢友柏. 状态监测故障诊断与现代设计技术[J].中国机械工程，1997，(5).。