核电循泵齿轮箱在线油液监测系统研究*

刘 肖 杜鹏程 侯晓宇 杨 涛 黄 恒

(1.福建福清核电有限公司 福建福清 350300;2.广州机械科学研究院有限公司 广东 广州 510000)

目前，对于核电重要转动设备的润滑监测方式主要为人工定期取样进行离线检测。由于离线检测具有取样难、周期长等缺点，不能反映设备润滑的实时状态；另外，在测试过程中污染侵入环节较多，对采集的油样处理会造成信息损失；此外，离线检测对实验操作员的经验和水平依赖程度较高，不利于机械系统故障的早期诊断和预防[1-3]。

在线油液监测是指在系统或设备不停止工作的情况下，通过系统或设备的在线传感器对在用油的理化、污染、磨损性能参数进行连续不间断的原位监测，根据所监测的油品参数变化来判定或预测系统或设备的运行工况和状态，诊断系统或设备的异常部件，为开展针对性维护和修理提供依据，从而及时有效避免事故发生的一门监测技术[4-5]。

智能制造代表着未来先进制造业的发展方向[6]，推进润滑管理的智能化、科学化，开展基于在线油液监测的转动设备润滑监测与智能运维，有利于通过大数据分析实现润滑故障预测诊断，提高设备润滑可靠性和润滑技术管理水平[7-9]。

本文作者设计核电CRF循泵的润滑状态油液在线监测系统，对油品的状态实现实时监测，并基于大数据和故障规则，对设备的故障进行预警，来保障设备的运行安全。

1 在线监测方案

1.1 检测原理

在线监测仪由各传感器组成，通过传感器对油液的指标进行监测，经过信号采集和传输，在输出端显示。传感器主要分为油质传感器和磨损传感器。污染度传感器采用激光和光纤探测技术，当光照射污染后的油液时会发生散射和反射现象，同时有一部分光被吸收，剩余部分透过油液，通过测试透射光的强度可判断油液的污染度[10-11]。颗粒传感器采用磁学法，电磁式颗粒传感器采样信息丰富，可区分金属颗粒和非金属颗粒，不受油液中其他杂质干扰。水分传感器采用薄膜电容探测技术，辅以温度补偿和电子技术，测量油液中的含水量[12-14]。

传感器实时采集润滑油的黏度、介电常数、铁磁颗粒、非铁磁颗粒、水分、污染度、温度等参数数据，并传输到数据采集系统，可实时呈现在用油液的质量状态，反映设备磨损状态变化，而无需多次人工离线检测。

1.2 监测指标

根据设备润滑需求和监测现状，选择循泵齿轮箱作为研究对象，开展在线油液监测工作。该设备使用美孚DTE重级循环系统油VG100，设备运行温度为18～58 ℃，油箱系统压力为常压，冷却器前系统压力为0.2 MPa，润滑点为齿轮、导瓦和推力瓦。运行期间，要求污染度等级不超过8级(NAS 1638)，水分不超过0.2%(质量分数)，离线检测指标主要包括外观、黏度、水分、金属含量、颗粒度。

在润滑系统中，油中的水分主要来自油冷器泄漏或空气污染。水分将促进油品氧化变质，增加油泥，恶化油质，促进添加剂水解反失效，所以水分含量应控制在尽可能低的范围。黏度是流体运动时内摩擦力的度量，用于衡量油品在特定温度下抵抗流动的能力，黏度异常将导致设备润滑不良，使机械表面产生异常磨损，如点蚀、剥落等。磨损颗粒污染指油中含有的固体颗粒含量，包括金属颗粒和非金属颗粒，会导致磨损、堵塞等问题，其主要来源于外界的粉尘、砂砾、密封胶质物，也有来源于系统内部的油品氧化产物(油泥)、过滤器的玻璃纤维、油管中的锈蚀颗粒以及摩擦副表面的磨损颗粒等[4]。

基于设备运行油温、压力和监测需求，在线油液监测参数指标范围如表1所示。

表1 在线油液监测参数指标Table 1 Online oil monitoring indicators

1.3 方案设计

油液在线监测系统包括在线油液监测仪、油路循环单元、通信单元和监测系统软件。根据监测参数指标方案，选择相应量程和精度的传感器；根据设备位置选择相应的通信信号和传输设备。在线监测系统方案如图1所示。

图1 在线监控系统Fig 1 On-line monitoring system

微量泵、水分传感器、黏度传感器、污染传感器和数据采集模块构成下位机与上位机进行通信。上下位机可通过有线或者无线方式连接，系统可通过网络拓兼容多个下位机，上位机同时接收多个下位机信号，构成远程在线分布式监控系统。系统软件集成油品实时监测、趋势分析、报表查询，故障预测及报警等功能。

2 现场部署

为反映在用油实际状态，在线油液监测仪安装在循泵齿轮箱的回油管路与出油管路之间、过滤器之前。如图2所示。

图2 油液在线监测仪现场部署示意Fig 2 On-site schematic of oil online monitor

安装润滑监测系统后，系统与循泵齿轮箱的润滑回路呈并联关系，即流出循泵齿轮箱的油有少量经过智能润滑监测系统后回到回油管路。该部分油品未经过过滤器过滤，能真实反映设备的油质和磨损状态。

3 数据分析

3.1 水分趋势分析

水活性(水分)监测趋势如图3所示，可知其水活性保持在aw为0.075～0.35之间，表明机组在当前温度、当前油品状态下在用油溶解水处于低位，系统未发生外来水分入侵现象。

图3 水活性变化序列变化曲线Fig 3 Variation curve of water activity change sequence

油品的氧化变质对水分的溶解能力会增加，导致水活性增加；空气进入油品，微量水分的侵入，导致水活性增加。随着设备长时间运行，油中的微量水因摩擦等因素由溶解态变为游离态，游离水随温度的升高蒸发，故水活性降低。水活性监测趋势及回归分析如图4所示，CRF循泵的水分呈先上升后降低的趋势，符合现场实际情况。

图4 水分质量分数线性回归趋势Fig 4 Linear regression trend of water mass fraction

3.2 黏度-温度趋势分析

黏度-温度监测趋势如图5所示，可见当前油液黏度及温度状态稳定，序列平稳无异常。油液黏度值随着温度波动，当油温升高时，黏度值降低，符合油品的黏温变化特性。

图5 黏度-温度序列变化曲线Fig 5 Viscosity-temperature sequence change curve

分析在线监测系统获取的黏度数据得出的回归分析如曲线如图6所示，黏度值呈逐渐减小的趋势。因为烃类油分子受到摩擦副剪切力的作用，长链分子变短，引起分子内摩擦力降低，且系统带有内循环过滤系统，消除了污染物对油品黏度增长的影响。油品的黏度正是油分子内摩擦力的量度，所以黏度变小，符合实际用油状况。

图6 黏度线性回归趋势Fig 6 Viscosity linear regression trend

对在线监测黏度值与离线检测黏度值进行比较，见表2。在线监测和离线检测的黏度数值接近，偏差较小，远低于设计偏差，表明黏度传感器监测数据是稳定、可靠的。

表2 黏度数据比较Table 2 Comparison of viscosity data

3.3 污染度

图7示出了在用油污染度分布，图中显示NAS等级主要集中在8级，表明系统未受到严重的颗粒物污染。

图7 污染度等级分布情况Fig 7 Distribution of pollution levels

对在线NAS污染度等级与离线检测值进行比较，见表3。可知，二者等级数相差1～2级，主要相差1级，符合用油实际。在线污染度的检测是实时监测连续数值，系统处在一个循环阶段，且容易受到气泡影响，而离线取样是一个瞬时值，故偏差在1～2级是在检测正常范围。

表3 污染度数值比较Table 3 Comparison of pollution degree data

3.4 分布拟合

正态、对数正态、Weibull及Gamma分布函数的浴盆曲线能综合反映设备的运行状态。设备的故障率在不同阶段服从不同的分布，在初期、稳定期及末期的数据特征也明显不同，因此不同阶段样本数据的分布可表征序列变化的趋势转变。

设备油液在线监测数据各属性拟合概率如图8所示。黏度、油温和密度参数近似服从正态分布，水分近似服从三参数Weibull分布，表明当前状态稳定。

图8 在线监测主要指标分布拟合情况Fig 8 Online monitoring of the distribution and fitting of main indicators (a)viscosity distribution fitting;(b)oil temperature distribution fitting;(c)density distribution fitting;(d)water activity distribution fitting

3.5 相关性分析

图9是在用油数据统计相关性结果。可知：油温与黏度呈负相关，相关系数为-0.046；温度与水活性(水分)呈负相关，相关系数为-0.26。在线监测参数的相关性分析结论符合实际应用，表明监测数据可靠程度高。

图9 相关性热力Fig 9 Correlation heat map

4 结论

以核电厂CRF循泵齿轮箱为研究对象，基于设备运行油温、压力和监测需求，设计并部署了在线油液监测系统，对润滑油的状态进行监测。结果表明：

(1)水分、黏度、温度、污染度以及磨粒的在线监测数据趋势符合实际用油规律，与离线数据的偏差在正常范围内，说明在线监测系统的可靠性高。

(2)各指标监测结果之间的相关性好，传感器之间的耦合关系符合设备监测要求。

(3)在线监测系统能够满足核电CRF循泵齿轮箱润滑油的监测要求，可利用在线监测数据开展润滑故障预测诊断。