摘要
针对70%的液压设备故障由油液污染引起且固体颗粒为主要污染物,以及常用油液污染度检测技术设备大多存在结构复杂、价格昂贵和不便在线检测的现状,设计了一种反射式光纤油液污染度检测传感器。根据污染颗粒对光的阻挡致使光强的衰减现象,结合光在液体中传播特性,提出了油液污染度反射式光纤检测的工作原理。根据光纤纤端光场近似高斯分布的特性建立传感器数学模型,在颗粒均匀分布的假设下,分析了不同参数对传感器输出特性的影响,确定了传感器探头结构,设计了用于油液污染度检测的反射式光纤传感器,并搭建了传感器实验平台。根据不同污染度等级配置标准油液,对传感器特性进行验证。实验结果表明,该传感器可以实现对不同污染度等级标准的液压油液检测。
随着液压传动应用的拓展,维修工作量及费
光纤传感器具有可挠曲、抗电磁干扰、结构简单和体积小等特点,可将传感器探头放入油液中实现快速检
笔者提出的反射式光纤油液污染度检测原理如

图1 反射式光纤油液污染度检测原理图
Fig.1 principle diagram of reflective optical fiber oil contamination detection sensor
纤端光场不是纯粹的高斯光束和均匀分布的几何光束,而是更接近于两者的混
(1) |
其中:K0为光波在发射光纤中的损耗;I0为光源耦合到光纤中的光强;h为发射光纤和接收光纤的轴间距;L为光纤端面与反射面的垂直距离;R(L)为光场分布等效半径。
R(L)表达式为
(2) |
其中:a0为纤芯半径;k为光场耦合系数;为光纤最大入射角。
根据光纤纤端光场近似高斯分布的特性,光强的衰减量与污染颗粒在接收光纤处的投影面积有关。油液污染等级指单位体积的油液中含一定尺寸的颗粒状污染物的数量,是衡量油液污染程度的量化指标。通过建立光功率与污染粒子的尺寸和浓度的函数关系,来反映接收光强与油液污染度的对应关系。
如
污染颗粒半径与颗粒阴影半径之间的关系为
(3) |
其中:R1为污染颗粒阴影半径;R2为污染颗粒半径;l为污染颗粒与光纤端面的垂直距离。
通过对污染颗粒在区间(0,2L)进行积分来计算污染颗粒总投影面积。积分区域示意图如

图2 积分区域示意图
Fig.2 Schematic diagram of integration area
(4) |
其中:c为油液污染颗粒的浓度(即每毫升污染油液中的污染颗粒个数);R1(l)为l处的光场分布等效半径。

图3 “切薄片”法示意图
Fig.3 Schematic diagram of "slicing" method
l处的单一颗粒在接收光纤处的投影面积为
(5) |
(6) |
在区间(0,2L]范围内积分,得到污染颗粒在接收光纤处的总投影面积为
(7) |
在2L处,接收光纤可接收光的面积与光照射面积的占比为
(8) |
其中:R2(2L)为在2L处的等效半径。
结合式(
(9) |
假设反射面为光滑镜面,忽略散射的影响,接收光纤接收到的光强等于接收光纤虚像接收到的光强乘以镜面反射系数。根据光纤纤端光强分布假设,
(10) |
其中:ρ为镜面反射率;K为接收光纤的光功率损耗系数(本征损耗);为接收光纤弯曲所附加的损耗;S为光纤有效接收面积。
将
(11) |

图4 反射式光纤油液污染度检测传感器结构示意图
Fig.4 Schematic diagram of reflective optical fiber sensor for oil contamination degree
进液套结构如

图5 进液套结构
Fig.5 Structure of liquid inlet sleeve
为了增大接收光功率,将接收光纤设置为6根。笔者设计的单接收光纤探头排列如

图6 单接收光纤探头排列
Fig.6 Single receiving fiber probe arrangement
(12) |
由式(
ISO 4406污染度等级标准采用三位码分别代表每毫升污染油液中尺寸≥4 μm的颗粒数、尺寸≥6 μm的颗粒数和尺寸≥14 μm的颗粒数。因此,笔者选用5,8和25 μm 3种尺寸的铜粉磨粒,分别表示ISO等级标准所评定的油液污染物颗粒尺寸。
贾瑞清
根据

图7 改变不同参数时传感器输出特性曲线
Fig.7 Output characteristic curve of sensor with different parameters
由
笔者设计的光纤探头反射面距离为0.7 mm,a0=200 μm,h=300 μm,NA=0.22。根据

图8 输出特性调制曲线
Fig.8 Output characteristic modulation curve
接收光纤接收到的光信号经过处理,转化成为可检测的信号。

图9 信号检测系统模块框图
Fig.9 Block diagram of signal detection system module
各模块主要功能如下:反射式光纤传感器接收光纤发射出携带油液污染度信息的光信号;当光信号抵达调理电路模块时,通过光电转换模块成为可被检测的电信号,光电信号转换模块的光电转换芯片为0PT101,其外接直流补偿电路实现对稳定背景光干扰的滤除,陷波电路模块滤除周围环境的工频干扰,滤波放大模块实现低频滤波,滤除混叠干扰信号;信号采集模块实现对电信号的输出采集,最终输入上位机利用LabVIEW进行数据显示处理。
参考ISO 4406污染度度等级标准,通过称重法配制不同污染度等级的油样进行检测。根据选定的ISO 18/16/13,ISO 17/15/12,ISO 16/14/11,ISO 15/13/10和ISO 14/12/9这5种污染度等级标准,采用32号抗磨液压油,通过称重法配制不同等级油样。因实验磨粒质量均为毫克级,且相邻污染度等级间的污染物浓度均为倍数增长,所以实验过程中采用逐级稀释的方法配制了5种污染度等级油样。

图10 配制油样示意图
Fig.10 Schematic diagram of preparing oil sample

图11 油液污染度反射式光纤检测实验台
Fig.11 Reflective optical fiber test bench for oil pollution degree
依次对5种不同污染等级标准的油样进行检测,实验数据如
污染标准等级 | 实验组数 | 平均值 | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | ||
ISO 14/12/9 | -3.393 3 | -3.350 2 | -3.361 7 | -3.332 9 | -3.392 0 | -3.328 6 | -3.381 0 | -3.376 9 | -3.349 4 | -3.381 2 | -3.364 7 |
ISO 15/13/10 | -3.364 4 | -3.326 9 | -3.337 6 | -3.314 9 | -3.361 3 | -3.303 9 | -3.357 3 | -3.354 8 | -3.329 7 | -3.357 8 | -3.340 8 |
ISO 16/14/11 | -3.325 7 | -3.291 2 | -3.307 8 | -3.277 8 | -3.333 9 | -3.275 9 | -3.327 6 | -3.318 1 | -3.298 8 | -3.314 4 | -3.307 1 |
ISO 17/15/12 | -3.262 2 | -3.272 5 | -3.236 1 | -3.217 7 | -3.270 2 | -3.223 2 | -3.273 9 | -3.254 4 | -3.233 5 | -3.264 9 | -3.250 9 |
ISO 18/16/13 | -3.236 5 | -3.216 7 | -3.187 4 | -3.204 4 | -3.250 1 | -3.197 9 | -3.241 8 | -3.233 7 | -3.201 6 | -3.238 2 | -3.220 8 |

图12 ISO标准污染油液输出电压值曲线
Fig.12 Output voltage curve of ISO standard contaminated oil
1) 在假设油液中的污染颗粒为规则的球状且均匀分布、污染颗粒与颗粒阴影之间不会互相遮挡光线的前提下,油液污染度反射式光纤检测传感器根据油液污染固体颗粒对光的阻挡致使光强衰减的作用,得出了光功率与颗粒污染浓度的关系,通过检测光功率的变化实现对颗粒污染浓度的检测。
2) 由于油液污染固体颗粒对光的阻挡致使光强衰减,结合高斯光束分布和均匀几何光束分布理论对传感器的纤端光场分布进行分析,得到其强度调制函数表达式,并建立数学模型。
3) 仿真分析表明:当其他条件不变时,仅增大光纤的反射面距离、轴间距、光纤的数值孔径和接收光纤的纤芯半径时,光纤传感器的灵敏度减小。
4) 以不同污染度等级标准的液压污染油液为对象,进行传感器输出特性实验。结果表明,笔者设计的反射式光纤油液污染度检测传感器可实现对不同污染度等级标准的液压油液检测。
参考文献
NG F, HARDING J A, GLASS J. Improving hydraulic excavator performance through in line hydraulic oil contamination monitoring[J]. Mechanical Systems and Signal Processing, 2017, 83: 176-193. [百度学术]
吴赛龙, 林森, 任志超, 等. 基于光纤传感的液压油污染度检测[J]. 流体传动与控制, 2016(5): 27-30. [百度学术]
WU Sailong, LIN Sen, REN Zhichao, et al. Detection of hydraulic oil pollution degree based on optical fiber sensing[J]. Fluid Transmission and Control, 2016(5): 27-30. (in Chinese) [百度学术]
孔令仁, 卢继霞, 苏子龙, 等. 基于滤膜堵塞型的油液污染检测系统的设计[J]. 润滑与密封, 2017, 42(3): 107-110. [百度学术]
KONG Lingren, LU Jixia, SU Zilong, et al. Design of oil contamination detection system based on filter clogging[J]. Lubrication and Sealing, 2017, 42(3): 107-110. (in Chinese) [百度学术]
ZENG L, ZHANG H P, WANG Q, et al. Monitoring of non-ferrous wear debris in hydraulic oil by detecting the equivalent resistance of inductive sensors[J]. Micromachines, 2018, 9(3):1-8. [百度学术]
任松,徐雪茹,欧阳汛,等. 旋挖钻机设备油液智能分析与健康监测[J]. 振动、测试与诊断, 2020, 40(3):597-603. [百度学术]
REN Song, XU Xueru, OUYANG Xun, et al. Oil intelligent analysis and health monitoring of rotary drilling rig equipment[J]. Journal of Vibration, Measurement & Diagnosis, 2020, 40(3):597-603. (in Chinese) [百度学术]
彭峰, 王立勇, 吴健鹏, 等. 油液磨粒在线监测技术发展现状与趋势[J]. 设备管理与维修, 2016(Sup2): 26-28. [百度学术]
PENG Feng, WANG Liyong, WU Jianpeng, et al. Development status and trend of on-line monitoring technology for oil-liquid abrasive particles[J]. Equipment Management and Maintenance, 2016(Sup2):26-28. (in Chinese) [百度学术]
RAUSCHER M, TREMMEL A, SCHARDT M, et al. Non-dispersive infrared sensor for online condition monitoring of gearbox oil[J]. Sensors, 2017, 17(2): 399-408. [百度学术]
温焕晓,付敬业. 光阻法测量油液中颗粒污染度的研究[J]. 宇航计测技术, 2002, 22(6):38-41. [百度学术]
WEN Huanxiao, FU Jingye. Study on the measurement of particle pollution in oil by photoresistance method[J]. Aerospace Measurement Technology, 2002, 22(6): 38-41. (in Chinese) [百度学术]
熊子伦, 卢继德, 李琪,等. 利用电容器验证油液的污染程度[J]. 物理实验, 2018, 38(12):48-50. [百度学术]
XIONG Zilun, LU Jide, LI Qi, et al. Using capacitors to verify the pollution degree of oil[J]. Physics Experimentation, 2018, 38(12): 48-50. (in Chinese) [百度学术]
FAROOQ K, FOWLER R. Comparison of water measurement results in polyol ester-based lubricating fluids determined by the coulometric Karl Fischer method and a thin-film polymer capacitive water sensor[J]. Tribotest, 2001, 8(2):151-161. [百度学术]
张永祥, 明廷锋. 超声波颗粒监测尺寸标定方法研究[J]. 振动、测试与诊断, 2003(4):298-301. [百度学术]
ZHANG Yongxiang, MING Tingfeng. Research on size calibration method of ultrasonic particle monitoring[J]. Journal of Vibration, Measurement & Diagnosis, 2003(4): 298-301. (in Chinese) [百度学术]
张策, 周剑超, 汤科,等. 反射式双光纤传感探头的实验研究[J]. 轻工科技, 2020, 36(6):89-91. [百度学术]
ZHANG Ce, ZHOU Jianchao, TANG Ke, et al. Experimental study on reflective dual optical fiber sensing probe[J]. Light Industry Science and Technology, 2020, 36(6): 89-91. (in Chinese) [百度学术]
YONG H Y, WEI H W, XIN P Y, et al. An integrated on-line oil analysis method for condition monitoring[J]. Measurement Science & Technology, 2003, 14(11): 1973-1977. [百度学术]
任国军. 基于光纤传感技术的液压油污染度在线检测[J]. 液压与气动, 2008(7): 38-40. [百度学术]
REN Guojun. On-line detection of hydraulic oil contamination based on optical fiber sensing technology[J]. Chinese Hydraulics & Pneumatics, 2008(7): 38-40.(in Chinese) [百度学术]
邓乐, 熊开选. 反射式光强调制型光纤油液污染度传感器[J]. 煤矿自动化, 1997(1):55-57. [百度学术]
DENG Le, XIONG Kaixuan. Reflective light-emphasized optical fiber oil pollution degree sensor[J]. Coal Mine Automation, 1997(1): 55-57. (in Chinese) [百度学术]
YUAN L, JIAN P, TAO Y, et al. Analysis of the compensation mechanism of a fiber-optic displacement sensor[J]. Sensors & Actuators a Physical, 1993, 36(3): 177-182. [百度学术]