油样检测与故障诊断服务平台开发设计

摘要

　　机器在工作过程中，会受到工况条件、零件之间的摩擦等因素的影响，使得零件的磨损微粒、环境中的水分、粉尘、润滑油中添加剂物理化学变化的产物等成分进入润滑系统中，导致润滑油的性能指标遭到破坏，从而影响设备的正常运行，甚至出现故障，最终造成巨大的经济损失和人员伤亡。

　　在互联网发展的时代背景下，一些中小企业由于资金不足，在设备检测、维修及信息管理方面仍然未能跟上时代的步伐，使得设备运行效率、安全性及使用寿命很低，在用油消耗与污染严重。而高等院校和科研院所拥有先进的监测与分析技术和检测设备，但缺少更多的实践环节。信息存在严重不对等问题，社会资源得不到合理的分配与利用，造成巨大的浪费。

　　现今社会正处于信息融合与共享的时代，为解决当前问题，急需开发一个具有人机界面友好，同时能为企业、高等院校和科研院所提供实现信息交流、合作、共享的油样检测与故障诊断服务平台。

　　在平台开发过程中，通过对现有资源和企业实际需求进行研究分析，确定了平台的总体设计方案。采用 B/S 模式，以 Visual Studio 2013 作为开发工具，以 SQL server 2008 作为数据库基础，以 PhotoShop 作为网页美工的辅助工具，以 SPSS Statistics 及 MATLAB 作为后台数据处理工具，以C#语言、HTML 语言、CSS 及 JavaScript 脚本语言等作为开发语言，同时结合 ASP.NET 技术、ADO.NET 数据库技术、面向对象编程技术等实现了具有实用价值的油液检测与故障诊断网络服务平台的搭建。

　　在功能设计上，平台充分考虑用户需求，为中小企业和高等院校、科研院所提供信息交流的桥梁。平台的功能主要分为用户功能模块和管理员功能模块，分别可以实现检测仪器查询、检测项目查询、检测案例查询、技术培训、检测报告查询、在线检测申请、系统帮助、登录与注册、油液报告管理、检测仪器管理和在线故障诊断等功能。在故障诊断方法上，平台主要采用线性回归模型、三线值方法、主成分分析以及 BP 神经网络方法。

　　最后对平台进行了测试与应用，结果表明，平台实现了油液数据的网络化、数字化管理，用户可以在任何有网络的地方进行平台的登录，随时了解设备的运行状态，检测数据，没有时间和空间的限制，提高了工作效率；科研人员可以通过平台获取机械设备现场的第一手资料与数据，以便实现进一步的科学研究。平台很好的为企业、科研院所、高校等建立了一座合作与联系的桥梁。

　　关键词：油液检测，故障诊断，服务平台，信息管理

ABSTRACT

　　In the process of working, the machine will be affected by the factors such as working conditions and friction between parts, so as to make the parts wear particles, water, dust in the environment, the products of physical and chemical changes of additives in the lubricating oil into the lubrication system. In the lubrication system, the performance index of the lubricant is damaged, which affects the normal operation of the equipment and even causes failure. Ultimately, it causes huge economic losses and casualties.

　　In the background of the development of the Internet, some small and medium-sized enterprises have not been able to keep up with the pace of the times because of the shortage of funds, which make the operation efficiency, safety and life of the equipment low, and the consumption and pollution of oil are serious. While institutions of higher learning and scientific research institutes have advanced monitoring and analysis technology and testing equipment, but lack of more practical links.There are serious and wrong problems in the information, and the social resources can not be allocated and used reasonably, causing huge waste. Nowadays, the society is in the age of information fusion and sharing. In order to solve the current problems, it is urgent to develop a human-machine interface friendly platform, which provides information exchange, cooperation and sharing for oil and gas detection and fault diagnosis service platform among enterprises, universities and research institutes.

　　In the process of platform development, the overall design scheme of the platform is determined through the research and analysis of the existing resources and the actual needs of the enterprise.Using B/S model, using Visual Studio 2013 as a development platform, using SQL Server 2008 as the database foundation, using PhotoShop as a tool of web art, with SPSS Statistics and MATLAB as the back-end data processing tools, C# language,HTML language, CSS and JavaScript scripting language as a development language, combined with ASP.NET technology, ADO.NET database technology, object-oriented programming techniques and implementation to build practical oil monitoring and fault diagnosis network service platform.

　　On the function design, the platform gives full consideration to the user's needs and provides a bridge for information exchange between small and medium enterprises and institutions of higher learning and scientific research institutes.The function of the platform is divided into user module and administrator module can achieve the detection instrument detection query,query, query, project case detection technology training, test report query, online detection application, system help, login and registration, report management, oil testing instrument management and online fault diagnosis function.In the fault diagnosis method, the platform mainly adopts the linear regression model, the three line value method, the principal component analysis and the BP neural network method.

　　At the end of the platform to carry out the test and application results show that the platform of the network, the digital oil data management, users can platform anywhere in the network login, to understand the running status of equipment, testing data, without the limitation of time and space, improve work efficiency; researchers can obtain mechanical equipment on the spot through the platform first hand information and data, in order to achieve further scientific research. The platform has set up a bridge for cooperation and connection for enterprises, scientific research institutes and colleges and universities.

　　KEY WORDS: oil detection, fault diagnosis, service platform, information management

　　在生产过程中，机械设备发挥着至关重要的作用，它们不仅可以减少工人的劳动，还可以保证其生命安全；又可以提高工作效率、降低耗能。现如今，机械设备正朝着越来越大型、复杂、高速、重载等方向发展，故而急需解决其安全问题，即对其状态进行监测和故障诊断。设备在运行过程中，由于工况条件、零部件之间的相对运动等因素的作用，使得零部件的磨损颗粒、环境中的水分、粉尘、润滑油中添加剂物理化学变化的产物等成分进入润滑系统中，导致润滑油的性能指标遭到破坏，从而影响设备的正常运行。一旦某个部位出现故障，整台设备将会受到干扰，严重者可能会导致整台设备停止工作，进而使整个生产链断裂，使企业无法正常完成既定目标，造成巨大的经济损失和人员伤亡。因此，对设备进行状态监测、实时跟踪以及借助计算机技术对其状态进行智能预测和健康管理是现在亟待解决的问题。

　　与此同时，由于一些中小企业资金不足，没有足够的检测设备和专业的分析团队，导致机械设备不能够得到及时的检测与维修，在用油消耗与污染严重，并且信息管理效率低下，为企业带来巨大的经济损失。与此相反，高等院校和科研院所拥有先进的监测与分析技术和先进的检测设备，但缺少实践环节。信息存在严重不对等问题，社会资源得不到合理化的分配与利用，造成巨大的浪费。在当今“互联网+”的背景下，应该充分利用互联网技术建立网络共享服务平台实现信息与资源的共享和交流，加强校企合作，达到良性循环的目的。因此，针对以上问题，研究机械设备的油液检测与建立校企合作的共享服务平台就显得十分有必要了。

　　本论文的题目是“机械设备油液检测与故障诊断网络服务平台设计”，课题的主要任务是搭建油样检测公共服务平台，逐步建立机械设备的油样检测数据库，实现资源共享；为机械设备油品监测和故障诊断提供服务；提出设备润滑液“按质换油”的量化指标，为设备安全运行提供科学的指导。现将本课题的研究目的归纳如下：

　　（1）对机械设备进行油液检测与状态分析。在机械设备正常工作过程中，由于工况条件等因素的作用，使设备润滑状态遭到破坏，进而影响设备以及企业的正常运行。通过对设备润滑状态进行检测与分析，可以提前对设备故障发生时间、发生部位、出现的类型、可能的原因做出准确的诊断与预防，进而对实际工作做出指导，避免重大故障及安全事故的发生，解决一直以来困扰企业的难题，如提高经济效益、降低设备及人员的安全隐患等。因此，本课题的研究目的之一就是对设备进行油液检测与状态分析，为设备安全运行提供科学的指导。

　　（2）搭建人机界面友好的油样检测公共服务平台。在“互联网+”背景下，仍然有许多企业未能跟上时代的步伐。企业对机器设备的检测与维修存在问题，使得设备运行效率、安全性及使用寿命很低，在用油消耗与污染严重，并且信息管理仍然采用大量人力、物力，为企业带来巨大的经济损失。而高等院校和科研院所拥有先进的监测与分析技术和先进的检测设备，但缺少更多的实践环节。因此，本课题将搭建一个人机界面友好，同时可实现企业、高等院校和科研院所之间的信息交流、合作、共享的油样检测公共服务平台。

　　在生产过程中，机械装备扮演着重要的角色，而润滑油则是它的“血液”，在设备中起着密封、润滑、冷却、清洗、减振和防腐等重要作用。在设备运行过程中，润滑油会受到工况条件的作用而遭到污染，从而影响其润滑性能。污染物主要来源于零件磨损的微粒、空气中杂质的混入、润滑油及其添加剂劣化所产生的氧化物、腐蚀物等[1,2]。

　　油液检测技术就是将设备新油或在用油利用科学的检测手段获取其所蕴含的设备和自身性能变化等有价值的信息，然后结合设备工况条件、自身结构特点、使用情况等对其进行故障预测与诊断，找到故障可能发生的部位、确定故障的类型、解释故障的原因，从而对实际工作做出指导[3-6]。油液分析技术的应用领域在不断拓宽，现在主要应用于机械、航空、煤炭等行业。应用领域的不断扩大也促使着相关技术和理论的不断推陈出新，如图像处理技术、信息融合技术、BP 神经网络理论、主成分分析理论、计算机技术、互联网技术、人工智能专家系统等。现将油液数据处理研究分为以下几方面进行论述。

　　（1）油液检测参数特征提取理论研究现状。由于影响识别设备运行状态的因素复杂多样，在对其润滑油进行检测过程中，各项性能指标参数也数目众多。为了能够迅速、准确的识别设备的运行状态，需要在众多的参数中获取主要的、可靠的、有价值的状态参数，故许多学者进行了不断的探索研究。为了能够在油液的光谱和铁谱参数中提取特征量，张培林对油液众多参数的 Vague 集进行了与其期望的 Vague 集相似度的考量，提取了具有高相似度的参数作为特征量[7]。李岳等人利用主成分分析方法将铁谱磨粒中具有相关关系的、有冗余的参数进行了剔除，达到了降维、简化数据的目的，同时提取出来最具代表性的特征参数[8]。主成分虽能达到降维目的，但只对具有线性相关的特征起作用，对非线性特征却无能为力。为了解决这一问题，温熙森等人研究表明对主成分进行扩展而成的核主成分分析方法可以对非线性特征进行提取[9]。流形学习理论也备受各国学者的关注，王国德，张培林等人利用非线性流形学习方法对磨粒特征进行了提取，得到了明显的效果[10]。徐启圣将层次分析法用到油液特征属性的选择上，并为其提供了合理的指导[11]。霍华等人基于信息熵及模糊熵聚类算法提取了识别设备磨损状态的特征参数[12]。

　　（2）设备运行状态的界限值设置方法。油液数据处理方法的选择对设备运行状态和润滑油性能指标的判断起着关键的作用。选择合适的处理方法和设定合理的界限值往往能对结果的判断起到事半功倍的效果。在国内，徐明新等人利用统计学原理对TBM 油液铁谱和光谱数据进行处理，将参数的界限通过三线值方法确定下来并在实际隧道的监测中具体应用[13]。

　　任国全、万耀青等人首先假设油液检测数据服从正态分布，然后计算出各项数据的均值与标准差，最后得出设备正常、警告和异常的界限值，为设备故障诊断界限值的确定做了进一步研究[14,15]。张永国等人[16]认为可以尝试将界限值问题当作一个动态系统进行研究，他们用神经网络的方法确立了界限值动态设定模型。在国外，一些专家学者还尝试着用智能方法自动识别样本数据的分布类型。比如，Sabuncuoglu，Yilmaz 等人对指数分布、均匀分布和正态分布利用神经网络方法进行了自动识别[17]。

　　（3）基于油样数据分析的设备磨损趋势预测方法。在机械设备状态检测过程中，提前预测可能发生的故障，做到早期维护，保障设备的安全也是各国学者研究的重点。陈志英[18]对航空发动机润滑油检测数据采用 ARMA 时序分析法建立了时序模型，对设备状态进行了趋势预测分析。任国全等人[19]针对润滑油磨损颗粒浓度分别建立了线性回归模型、时序分析模型、灰色预测模型以及 BP 神经网络模型，然后对各个模型进行了试验研究和对比工作。

　　严新平，谢友柏等人[20]利用铁谱与光谱分析检测到的大小磨粒浓度值与各元素浓度值，建立了柴油机的磨损程度界限值，然后用灰色理论建立了磨损预测模型，用实际值与预测值之间的差异作为磨损程度的级别。梁华等人[21]利用铁谱数据结合人工神经网络建立了单变量的预测模型，对设备磨损趋势进行了预测。吴明赞等人[22]将油液磨粒形貌特征参数用灰色理论建立了对船舶柴油机磨损趋势预测的模型。张来斌等人[23]利用灰色神经网络方法对柴油机整体性能进行了预测分析，大大提高了预测的准确性。张红等人[24]将光谱数据应用灰色理论进行了磨损趋势预测。马智峰等人[25]则将铁谱数据应用灰色理论对柴油机磨损进行了趋势预测。朱新河等人[26]应用灰色预测法对柴油机缸套磨损量进行了预测分析。吴晓兵等人[27]用光谱油料检测数据建立了一元、多元线性回归模型以及时间序列模型对柴油机磨损进行了预测研究。文献[28]和文献[29]也都分别运用灰色预测模型对柴油机的性能进行了预测分析。当前学者们对预测模型的研究主要分为线性回归模型、ARMA 时序模型、神经网络模型及灰色模型等[30,,31,32]。其中研究相对成熟的模型有灰色模型和时序模型。

　　（4）基于油液分析多源信息的磨损故障融合诊断。在油样检测分析过程中，由于检测原理不同，一般可将检测方法分为铁谱分析法、光谱分析法、润滑油理化分析法、颗粒计数法等。设备运行中往往会受到众多因素的相互作用，单一的检测方法所得到的数据往往也不能全面准确的反映设备状态信息。因此，要想准确判断设备所处的状态，就需要将多种检测手段，多种数据源相互融合起来，这样才能提高诊断的可靠性。陈果[33]在对航空发动机磨损故障融合诊断过程中分析表明，单一的检测分析方法精确度不高，比如铁谱分析精度为 55%，光谱为 36%，颗粒计数法为 33%，油品理化分析仅仅为 21%。为了提高诊断的准确性，可以将它们相互融合起来充分发挥各自的优势。赵方[34]通过研究表明，将多种油液分析技术相互集成融合诊断可大大提高设备故障识别率，一般可达 70%以上。严新平[35]等人对多种油样分析方法进行了信息融合研究，表明信息融合可为设备智能诊断提供新的方向。陈果，左洪福等人[36,37]利用神经网络结合 D-S 证据理论对油样数据进行融合处理，诊断结果的准确性提高显着。李应红等人[38]将铁谱、光谱、颗粒计数和理化分析分别建立了基于规则的专家系统，然后将各系统诊断的结果与故障建立对应关系并将其作为神经网络的训练样本对网络进行训练，最后将待分析油样的各系统结果作为输入，得到融合诊断的最终结果。

　　总之，油液检测分析技术就是利用多种技术和方法相互融合对油液数据进行处理，从众多的、复杂的信息中筛选并提取出可以代表设备运行状态的有用信息，准确识别设备故障和异常状态，及时预防故障的发生，指导维修。虽然现在研究的特征提取和数据处理方法多种多样，但还有许多地方需要改善。当前应用到实践中的数据特征提取和分析方法往往不够精确或实用性不强。因此，继续深入研究油液数据特点并开拓新理论、新方法是一项有重要意义和急需解决的课题。

　　油样检测与故障诊断服务平台测试：

在线申请

报告批准

报告查询

理化分析结果

磨粒图

铁谱诊断

系统运行方式

目录

　　第一章 绪论
　　　　1.1 课题背景
　　　　1.2 研究的目的与意义
　　　　　　1.2.1 研究的目的
　　　　　　1.2.2 研究的意义
　　　　1.3 国内外研究动态
　　　　　　1.3.1 油液检测技术研究动态
　　　　　　1.3.2 诊断与服务平台研究动态
　　　　1.4 主要研究内容
　　　　1.5 小结
　　第二章 网络平台的总体方案设计
　　　　2.1 系统平台的设计目标与原则
　　　　　　2.1.1 平台设计目标
　　　　　　2.1.2 平台设计原则
　　　　2.2 系统平台的架构设计
　　　　2.3 系统平台的功能设计
　　　　　　2.3.1 用户模块设计
　　　　　　2.3.2 管理员模块设计
　　　　2.4 系统平台的开发环境选择
　　　　　　2.4.1 开发工具
　　　　　　2.4.2 开发语言
　　　　　　2.4.3 开发技术
　　　　2.5 系统平台的发布
　　　　2.6 小结
　　第三章 油液分析故障诊断技术与方法
　　　　3.1 油液检测技术总括
　　　　3.2 基于线性回归与三线值的油液分析方法
　　　　　　3.2.1 磨粒浓度线性回归分析模型的建立
　　　　　　3.2.2 磨粒浓度与油样理化性能的三线值分析
　　　　　　3.2.3 线性回归与三线值油液分析方法的应用
　　　　3.3 基于主成分分析与 BP 神经网络相结合的油液分析方法
　　　　　　3.3.1 主成分分析
　　　　　　3.3.2 BP 神经网络
　　　　　　3.3.3 主成分与 BP 神经网络相结合的油液分析方法应用
　　　　3.4 小结
　　第四章 油液检测与故障诊断网络服务平台的实现
　　　　4.1 平台整体框架的实现
　　　　　　4.1.1 平台网站的搭建
　　　　　　4.1.2 平台类的建立
　　　　　　4.1.3 平台界面布局设计
　　　　4.2 平台用户功能模块的实现
　　　　　　4.2.1 登录注册模块的实现
　　　　　　4.2.2 用户学习模块的实现
　　　　　　4.2.3 用户服务模块的实现
　　　　　　4.2.4 用户联系模块的实现
　　　　4.3 平台管理员功能模块的实现
　　　　　　4.3.1 设备管理模块的实现
　　　　　　4.3.2 报告管理模块的实现
　　　　　　4.3.3 故障诊断模块的实现
　　　　4.4 小结
　　第五章 网络平台的测试与应用
　　　　5.1 平台测试
　　　　　　5.1.1 测试目的与原则
　　　　　　5.1.2 测试内容与方法
　　　　　　5.1.3 测试实例
　　　　　　5.1.4 测试结果与分析
　　　　5.2 平台应用
　　　　　　5.2.1 管理应用
　　　　　　5.2.2 诊断应用
　　　　5.3 小结
　　第六章 结论与展望
　　　　6.1 工作总结
　　　　6.2 主要结论
　　　　6.3 进一步工作展望
　　参考文献
　　致谢
　　攻读硕士学位期间发表的学术论文目录

（如您需要查看本篇毕业设计全文，请您联系客服索取）