对船舶柴油机而言, 润滑油常受到冷却液的污染, 引起润滑油劣化变质, 从而导致其功能失效。 冷却液的主要成分是水、 乙二醇及少量的防腐蚀、 抗穴蚀、 消泡沫等添加剂。 将拉曼光谱用于检测润滑油被冷却液污染的浓度, 是一种针对复杂混合物的拉曼光谱检测问题, 单个拉曼峰强度的定量分析方法无法满足浓度的定量检测。 为此, 将拉曼光谱分析和LSTM神经网络数据挖掘方法应用于检测润滑油冷却液污染的浓度。 在实验室条件下, 配制了冷却液污染浓度为2%, 1.5%, 1%, 0.5%, 0.25%和0%的柴油机润滑油油样, 对每个油样取样50次, 并进行拉曼光谱分析, 共获得300个拉曼光谱数据, 随机抽取其中80%的数据作为神经网络训练样本, 剩余20%的数据作为测试样本, 拉曼光谱样本数据的光谱范围为300～2 000 cm-1; 对数据进行预处理, 包括采样、 拟合、 离散点平均梯度估计等; 构建训练样本集, 将LSTM神经网络和多层全连接层(FC)结合, 建立4种不同的神经网络模型结构; 得到其在训练集和测试集上的平均误差曲线、 测试集上的检测准确率曲线。 分析结果表明, FCs, LSTM-FCs-1, LSTM-FCs-2和LSTM-FCs-3等4种神经网络模型, 检测准确率分别为96.7%, 93.3%, 98.3%和83.3%。 选取任意1%的波数点, 加入幅值随机正负变化1%的噪声之后, 4种神经网络模型的检测准确率分别为88.3%, 90.0%, 96.7%和78.3%。 可见, 相比于其他3种神经网络结构模型, LSTM-FCs-2模型更适用于进行润滑油冷却液污染的定量估计, 加噪后最高准确率仍可以达到96.7%, 鲁棒性优于其他三种模型。 拉曼光谱结合LSTM网络中的LSTM-FCs-2模型, 应用于冷却液污染浓度分别为0.2%和0.4%的实际油样检测, 相对误差分别为5.0%和7.5%, 结果表明该方法可用于在用润滑油冷却液污染浓度的检测。

柴油机润滑油在使用过程中, 会受到水份、 柴油或冷却液等的污染, 受高温或燃烧室气体的作用还会产生氧化、 硝化、 磺化等产物, 严重时, 这些污染和产物可导致装备的失效。 在用润滑油分析能可靠地反映其工作状态, 从而确定最佳换油时机和故障源, 以避免柴油机在使用过程中产生异常磨损及腐蚀等问题。 目前的传统方法, 是用卡尔菲休法测定石油产品中水份, 气相色谱法测定柴油机油中的柴油稀释剂, 因分析时间长和费用高等因素影响其普及应用。 傅里叶红外(FTIR)光谱法从分子水平分析润滑油, 从而能更有效地监测在用油, 由于光谱的复杂性, 目前尚不普及。 通过在实验室条件下配置多种污染程度的油液样, 分别为润滑油含水份百分比浓度为0.11%, 0.22%, 0.44%和0.88%的油样; 润滑油在230 ℃下的氧化时间为299, 323, 371和395 h的油样; 润滑油被柴油稀释的质量百分比浓度为1.5%, 3%, 6%和12%的油样; 润滑油含乙二醇质量百分比浓度为0.1%, 0.2%, 0.4%和0.8%的油样, 包括配置的润滑油油样共计20个。 实验采用安捷伦Agilent Cary 630红外光谱仪, 使用100 μm厚的液体池, 防潮ZeSe型配置的光谱范围为4 000～650 cm-1。 分析了所有油样, 获得了FTIR光谱图, 确定了水、 氧化产物、 柴油、 乙二醇污染所对应的特征波段范围分别为3 150~3 500, 1 670~1 800, 745~755和1 030~1 100 cm-1; 监测参数包括特征波段的实测中心点、 左边界、 右边界、 左基线、 右基线等。 建立了一种在用润滑油污染物定量分析模型, 通过水份、 柴油、 乙二醇的污染比例和峰面积, 在230 ℃下的氧化时间与峰面积分别建立拟合方程, 水、 柴油、 乙二醇含量百分比与对应峰面积的相关系数分别为0.977 9, 1.000 0和0.989 5, 氧化时间与对应峰面积的相关系数为0.999 6。 分析计算预测值与实际值的相对误差可知: 水份和乙二醇在含量大于0.2%时, 预测的最大相对误差为10%; 氧化时间和柴油预测值的最大相对误差为1%。 通过按比例稀释, 可对在用油进行监测, 对3个日常工作的实际油样进行FTIR光谱分析。 结果表明: 一个油样的水份含量为0.38%, 已经超过标准; 一个油样的燃油稀释为19%, 已经超标; 另外一个油样正常。 水份超过标准门阈值的油样经卡尔菲休法测量, 其相对误差为4.6%。 燃油稀释超过标准的油样经黏度测量, 其相对值变化同样超过了标准要求, 即在判断润滑油是否需要换油方面是一致的。 利用FTIR光谱法分析在用润滑油, 选定适当的吸收峰, 并计算吸收峰的面积, 借助于已经建立的拟合公式, 可快速可靠地监测在用油的污染种类及程度, 该方法可在一定程度上满足工程需要。

针对船舶机械润滑油中水分含量的测量问题, 研究了基于中红外LED的油液水分含量测量方法。 利用峰值发射波长为2 840 nm, 半高宽为400 nm的中红外LED作为发射光源, 发射的红外光进入油样, 一部分被吸收, 剩下的透过油样被红外探测器接收, 根据油样对光能的吸光度确定油液中水分含量。 实验设计了红外光发射、 吸收和探测的装置, 采用氟化钙晶片作为窗片, 选择截面为圆形的硬质金属线圈作为垫圈以保证精确的油膜厚度, 采用探测波长范围为2 500～4 800 nm, 响应时间为10～20 ns的光电二极管作为光强探测器。 开发了信号的前置放大和基于单片机的数据采集、 储存和通讯系统。 通过实验, 获得了含水质量分数为0, 0.062 5%, 0.125%, 0.25%, 0.375%和0.5%六个油样的吸光度数据, 利用最小二乘法对数据进行拟合, 得到吸光度和含水量的线性回归方程。 对误差进行量化分析, 回归方程和数据点的决定系数为0.996。 最后, 为了检验该测量方法的精确性, 用含水量为0.317 5%的油样进行验证, 利用实验装置测量吸光度, 代入回归方程计算含水量, 结果显示通过该方法测得的含水量和实际含水量的相对误差为2.7%, 满足工程实际需求, 说明该方法能够准确测量油液中的含水量。