秦立果，黄小东，张辉，汪利平，董光能

(1.西安交通大学设计科学与基础部件研究所，陕西 西安 710049；2.西安交通大学现代设计及转子轴承系统教育部重点实验室，陕西 西安 710049；3.中国石油兰州润滑油研究开发中心，甘肃 兰州 730060)

0 引言

人工智能、空间技术和原子能技术一起被誉为20世纪三大科学技术成就。随着计算机科学技术的不断发展、信息化和智能化技术应用水平的不断提高，各行业均展现出了高速发展的趋势。各种技术中，如利用特定的算法程序实现模仿人类智能思维行为发展而来的现代计算机科学理论和技术，即人工智能(Artificial Intelligence)，已受到越来越广泛的关注和研究[1]。人工智能率先在机器人和自动化控制等领域得到应用，随着学科间的联动与相互促进，某些领域新产品(如涉及配方开发的产品)的开发人员也逐渐开始利用人工智能技术进行数据挖掘、分析和决策指导。

润滑油作为一种石油衍生产品，在各种工程机械中得到了广泛使用。使用润滑油的目的是降低摩擦副的摩擦和磨损，因而在机械、汽车行业使用尤为广泛，且随工作条件以及环境等各种要求的严苛对其质量性能提出了更高的需求[2]。润滑油质量的评价准则有环保、节能、无污染和使用寿命长等指标，这对延长机械设备的使用寿命、降低运维成本和提高生产效率起着至关重要的作用。润滑油作为工程机械全生命周期的必需品[3]，润滑油产业如何在“工业4.0”新时代下实现创新性发展，快速适应市场变化，成为大家思考的主要问题。人工智能技术的出现给润滑油产业带来了新的机遇和挑战。

传统的润滑油行业主要包括润滑油的研发、生产、使用和维护。针对润滑油行业的各个阶段，将人工智能技术与传统的润滑油生产方法相结合，如在润滑油研发方面，可以利用人工智能专家系统及神经网络对润滑油的研制进行模型化设计，从而达到优化润滑油配方设计的目的；在润滑油生产方面，通过建立智能化生产系统及过程，以及网络化分布式生产设施的实现，建立润滑油生产的智能工厂；在润滑油使用和维护方面，通过智能化油液分析技术，实时监测油液性能，识别润滑状态，可更好地保障润滑系统的安全性和可靠性。

1 人工智能在润滑油研发中的应用

回溯润滑油的发展历程，受使用条件恶劣、环保要求越来越高等因素的影响，其更新换代的速率越来越快。因此，润滑油研发能力的强弱是评估润滑油企业发展快慢的重要手段[1]。润滑油的研发主要包括对基础油和添加剂的全面研发。依据润滑条件以及润滑要求，选取合适的基础油，并通过匹配和调节添加剂的加入量，从而实现润滑油理化性质的改善，赋予润滑油新的特殊性能，或加强其原来具有的某种性能，满足工程机械对润滑油日益增长的需求。

在常规润滑油的研制过程中，除了要分析基础油及添加剂的理化特性外，经验以及大量的实验尤为重要，但存在盲目、工作量大、费时费力和研发周期长且难以快速得到最优配方的缺点。因此，若能结合计算机的分析技术对润滑油的配方进行定量化研究，辅以机器学习的方法理解和优化润滑油的调配过程，这将对润滑油配方研制和相关产业的升级起到里程碑式的意义。

仝秋红[4]等建立了各种添加剂特性及配比的特性知识库，运用专家系统为基础油选择合适的添加剂，并向神经网络输入初始数据。运用初始数据，按照研制油的要求，从神经网络推导出合适的配比，并将推算的结果添加到知识库。实践证明，该表示方法非常符合润滑油及其基础油、添加剂的特点。

马林才[5]等以BP神经网络为工具，计算MoDTP和无机硼酸盐(B)之间的最佳复配值，并将BP神经网络与直观分析以及回归分析作一比较，发现BP神经网络在计算最优复配比时，获得的结论具有可靠、精度高的优点，是研究最佳润滑油配方的优秀数学工具。

李宏君[1]通过遗传算法结合人工神经网络对CI 40W-40多级柴油机油配方进行配比优化，得到最佳配方比，并对优化所得配方进行黏温性能评定，实测值与预测值基本一致，该研究证明了优化配方的方法是可行的。

荆毅[6]基于收集到的实际润滑油配方及其相应的物理化学性能，结合现有工业应用的经验计算方法获得的数据，建立了对油成分包的分类模型和对某些物理化学性能指标和决策因素之间的映射关系模型，并对模型进行泛化能力评价。

上述研究结果表明运用各种人工智能与神经网络技术，从已知数据和实验事实中提取规律性，最后采用计算机辅助甚至是取代润滑油研制中的半经验和经验规律是可行的。该方案的重点是建立一套完备且准确的数据库，通过存储各种基础油及添加剂的性质，利用专家系统选择合适的基础油及添加剂，最后通过神经网络技术对各种添加剂的性能、不同添加剂之间的配比进行模拟与预测，从而给出符合工况的最佳配方。在当今大数据以及互联网共用的信息时代，人工智能助力润滑油的研发将具有非常诱人的发展前景。

人工智能与神经网络技术在润滑油的研发过程中已得到初步的应用，从已知数据和实验事实中提取规律性，对各种添加剂的性能以及不同添加剂之间的配比进行模拟与预测，已能初步给出符合工况的最佳配方，但这些都建立在大量准确的实验数据之上。因此，要提高输出配方的准确性，首先要保证一定量的数据以及数据的准确性。现阶段由于不同的研究单位物理空间上的相互隔绝和交流的相对欠缺，无法实现大容量数据库的建立和共享。各单位往往开展大量重复实验，存在时间成本高和实验资源浪费的缺点，且建立的模拟模型不具备基础性和通用性，能解决的问题面偏窄。因此，若能建立共享的数据库，将各研究单位的实验数据经过验证后集中保存，将会为润滑油配方的研究提供良好的数据基础。另外，输出的配方还应经过实验验证后方可投入使用。总之，应用人工智能与人工神经网络进行润滑油配方研究，可节省大量人力、物力和财力，其目的是为润滑油的研制提供一种新的、简单快捷的方法，从而为润滑油的研发开拓新的途径。

2 人工智能在润滑油生产中的应用

在润滑油的生产工艺流程中，基础油作为润滑油的主要组分，其质量占比约为 85%～95%。添加剂是润滑油的另一主要组分，其质量占比约为5%～15% 。两者通过油泵按照一定比例加入到调合釜中，调合化验合格后，经过过滤机过滤，用泵打入成品油贮存罐中，以备包装运输[7]。

将人工智能与大数据应用于润滑油的生产过程中，可以实时监测生产过程中的各类数据，从而解决在制造过程中由于不协调、不同步、不一致导致的大量人力、物力、财力的浪费问题。

2.1 生产数据可视化

在生产现场，每隔几秒可以收集一次数据，利用这些数据可以实现很多形式的分析。如在生产工艺改进方面，可以使用这些大数据分析整个生产流程，考察每个环节的执行过程。一旦某个流程偏离了标准工艺，就会激发相应的报警信号，从而快速地发现错误或者瓶颈，实现了问题的快速解决[7]。

例如，中国石化北京润滑油公司搭建的自动计量实时数据库集成平台，实现HTG(Hydrostatic Tank Gauging)自动计量系统与生产运营系统的对接，采集、存储和管控油品液位、油品温度、油品密度、油品净重和油品体积;同步油品密度和物料名称到油罐之星系统;通过搭建生产监控平台实现罐区实时监控管理、实时过程数据管理、质量管理;依托实时数据库，可以根据业务需求开发相关的统计报表。

2.2 利用信息统计技术控制产品质量

将信息统计技术运用到产品生产中，采用统计的方式将收集到的数据加工成有用的信息，从而对现场质量的控制进行一定的分析，以此来解决相关的质量问题。例如对抗磨液压油进行为期一年的检验，检验报告中对载度指数、闪点、凝点数据、各指标载度以及抗乳化性等数据进行具体的统计以及反应，并且通过Excel软件的统计功能对相应的数据绘制成图表。这将利于相关人员分析产品质量不合格的各种因素，从而更加方便管理人员对生产进行重点控制[8]。

2.3 润滑油生产行业的智能工厂升级

建立基于工业大数据和“互联网”的润滑油生产智能工厂，最基本的原则是有一个清晰的，定义准确的数字化战略[7]。

首先，要建立比较完善的系统模型，实现以智能工厂为方向的流程制造，优化工厂的整体设计、工艺流程及布局，并通过模拟仿真、设计存储相应的数据，通过数据采集系统建立实时数据库，从而实现生产模型化分析决策、过程的量化管理。

其次，数字化车间，车间总体设计、工艺流程及布局建设均需建立数字化模型，并进行模拟仿真，实现规划、生产、运营全流程数字化管理；利用云计算、大数据等新一代信息技术，在保障信息安全的前提下，实现经营、管理和决策的智能优化。

最后，应用人工智能技术助力润滑油的生产，实现润滑油的智能制造。其本质是实现贯穿企业设备层、控制层、管理层等不同层面的纵向集成以及从润滑油全生命周期的端到端集成，标准化是确保全方位集成的关键途径。结合智能制造技术架构和产业结构，从润滑油的质量控制、生产数据监控和智能工厂设计等多个维度构建智能制造体系，从而实现润滑油的智能制造。

3 人工智能在润滑系统的使用和维护中的应用

润滑油作为设备润滑的关键介质，其携带的信息充分反映了设备的运行情况[9]，对于判别机械设备的健康状态有着十分重要的作用。对在用润滑油进行检测分析，判断在用润滑油的质量，指导及时更换失效润滑油是保障机械部件正常运转的必要条件。传统的润滑系统运行维护方式一般采用经验判断、离线检测和周期换油，经常出现该换油时没有换，不必换油时却更换了油液的现象，造成了人力、物力的浪费和不必要的停机[10]。

为方便高效地确定油品好坏、运行参数是否正常，可将人工智能技术应用于润滑系统的使用和维护中，集“在线监测、故障诊断、智能运维”于一体的智能润滑技术将是一种务实可行的方案。

智能润滑技术采用了在线监测、故障诊断和智能运维等多项关键技术以实现润滑系统的智能运行和管理。如图1所示，通过分层式网络结构，由分布在润滑系统关键部位的多个高精度变送器结合在线监测软件对油品参数(颗粒杂质、水分含量等)和运行参数(温度、压力、流量等)进行连续监测和诊断分析。上位机可显示润滑监控、参数调节信息、设备运行状态、故障记录和供油量记录等状态信息，实现润滑系统运行状态的实时显示，并及时预测和发现润滑系统的故障。依据在线监测结果自动采取报警、净化、关断和补油等措施，同时发出延伸报警信号通知值班人员，实现了润滑系统的智能化管理[11]。

图1 智能润滑技术框图

3.1 智能化油液分析技术

随着人工智能技术和油液分析技术的不断结合，智能化油液分析技术的研究正在逐渐拓展，并被广泛地应用到设备故障诊断中[12]。目前，在油液分析技术的智能化研究方面所涉及到的方法主要有：专家系统[13]、图像识别[14]、神经网络[15]、模糊逻辑[16]、支持向量机[17]以及远程诊断[18]。为了更方便地理解智能分析方法，现对智能分析方法的特点、局限性及适用范围总结如表1所示。

表1 智能分析方法的特点、局限性和适用范围

油液分析技术的智能化，摆脱了对专业人员的依赖，可完成对设备磨损情况及故障的智能分析，及时反映设备的运行状况，实现对设备的故障预警及润滑维护。

3.2 故障诊断与智能运维

结合故障诊断与智能运维技术，建立润滑系统的工况管理模型。基于大数据处理技术，形成润滑油的系统数据库，结合历史变化趋势进行综合分析，实现对润滑系统运行状态的分析判断并自动生成趋势图和统计报表，提供专业的故障诊断功能，为润滑系统操作及管理方案进行趋势预测，可减少人为因素造成的失误；并结合网络通信技术，实现远程数据交互，方便远程专家人员进行会诊，并及时做出决策[11]。

通过润滑系统工况管理技术，可以达到如下效果：

(1)提前感知润滑系统的运行工况是否正常；

(2)准确得知发生故障所在部位以及故障类型；

(3)从专家角度给出诊断意见，为操作和检修人员提供分析和处理依据，协助编制设备检修计划；

(4)根据历史数据确定润滑系统中润滑设备检修周期和润滑介质的更换周期，延长设备使用寿命，降低用油成本。

相比较传统润滑模式，智能润滑系统能更好地保障系统的安全性和可靠性，也能实现润滑系统的智能管理，符合智能化发展的必然趋势。建立智能润滑系统的关键在于润滑油在线检测技术的技术突破以及在线检测系统与机械设备的同步设计。目前在用润滑油检测设备的检测项目有限，不能完全覆盖润滑油的所有指标和实际润滑状态，检测结果不全面且检测效率比较低，针对目前润滑油在用检测技术存在的问题，在用润滑油检测技术将向开发新型传感器、研究新的数据处理方法和应用高光谱技术的方向发展[19]。传感器的功效将直接影响润滑油检测效率与准确性，智能化、多功能化及灵巧话是传感器发展的必然趋势；在用润滑油检测数据的处理对于结果的稳定性和准确度具有很大影响，研究检测数据的处理方法是无数研究人员的重点工作；光谱技术不仅能对润滑油中的元素进行定性和定量的分析，且抗干扰能力较强，检测结果稳定，在润滑油检测技术中最具潜力，是在用润滑油检测领域发展的趋势。在线检测设备与机械设备的同步设计，即应用数字孪生技术，结合传感器检测的结果，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映出实体设备的全生命周期过程，以便对机械设备进行寿命预测并进行实时维护，从而延长润滑系统的生命周期。

4 总结

人工智能时代的到来，既是挑战，也是机遇。作为传统行业之一的润滑油行业，在“中国制造2025”与“工业4.0”环境下更应该紧紧抓住这一机会，将人工智能与润滑油的研发、生产、使用和维护整个过程紧密结合，利用人工神经网络助力润滑油配方的研发和优化，建造“智能工厂”实现润滑油的智能制造，通过智能润滑技术保障润滑系统的安全性和可靠性，从而应对新时代对于工程机械润滑油日益增长的需求与挑战。