良好的润滑是机械设备正常运行的必要条件。近年来，基于润滑介质分析和监测齿轮磨损的故障诊断研究发展迅速，已成为机械设备智能故障诊断的研究热点和重点。针对润滑油液的检测技术主要分为光学^[1-3]、磁学^[4]和电学^[5]三大类。根据传感器类型不同可以分为光电型油液监测技术、电磁型磨粒监测技术、导电型磨粒监测技术和超声波型磨粒监测技术^[6-9]等。以上技术均针对液体润滑剂开展，通常需要从运行设备中提取润滑油^[10]或者其它润滑介质进行全面分析，获取其理化性能指标，从而侧面地监测设备磨损和杂质磨粒情况，进而判断和评价润滑油的品质。其中以荧光光谱检测、波前检测、偏振态检测以及光强检测等为代表的光电型油液监测技术可以实现非接触监测。

荧光光谱检测^[11-13]是利用激光入射到有油膜覆盖的水表面时，所激发油类物质辐射与水体散射光不同的荧光现象，通过分析荧光光谱及喇曼散射光谱信息来实现水体成分快速的定性和定量分析。这一方法多见于实现水体表面油膜的快速定性和定量分析，但鲜见于固体表面油膜检测的场景。波前调控^[14]是一种基于调控光波波前振幅、相位和偏振态等参量实现检测的技术。此方法主要是基于干涉技术，具有波前恢复精度高的优势，但由于参考光的存在，使得系统庞大复杂并且对振动敏感。偏振态检测^[15-17]通过检测不同目标或者不同状态(如介质特征、结构特征、粗糙度等)的所产生不同的偏振态实现检测。这一方法可以有效地消除背景噪声，增加目标物的信息量，在某种程度上能够大大提高目标探测和识别的精准度。但目前这一方法也多在海面溢油检测中，鲜见固体表面附着油膜的检测。光强检测法将光源和光传感器都位于固体表面的同一侧，光源照射在附着有油膜的待测工件表面，然后测量光线被反射回光传感器的光强。油膜的存在会影响光的反射强度，因此，反射的光强与油膜的厚度和均匀性相关，适用于不透明的材料表面的油膜厚度测量。光强检测^[18-19]的检测能力也会受到待测物体表面油膜中的油液或其中含有的特定物质，如钼、铅、石墨、矿物油等不同吸收体对光的吸收不一的影响，故可以针对油膜所含的特定物质的吸收率进行选择设计，以此提高检测的分辨能力。因此，可以选择高光吸收率的光作为光源入射到含油膜的待测物体表面，对其反射光或散射光进行收集并拍摄，从而准确地获得待测油膜分布。这一检测方法原理简单，但需要针对具体检测目标和背景进行光源和设备的优化。

对于采用大型开式齿轮传动的场合，润滑介质为固体润滑剂，设备运行工况复杂，开式齿轮不断运动，获取和分析开齿润滑油非常困难，这些因素极大限制了接触式检测方法在这一领域的应用。针对这一问题，本文中基于光强检测原理开展金属基底上涂覆润滑油膜的非接触无损检测研究。通过分析润滑油膜本征光吸收谱，确定检测使用的最优照明光波长；进而通过分析金属基底上不同厚度油膜的图像，建立油膜厚度与图像灰度的对应关系。在此基础上，分别使用针对最优波长光进行优化的光源和基于电荷耦合器件(charge-coupled device，CCD)的照相机作为照明装置和采集装置，进行图像采集实验，并对本文中提出技术的探测能力进行了验证。

基于光吸收的油膜厚度检测技术原理主要是光的吸收定律(比尔朗伯定律)。当光通过一定厚度的某种介质时，光强减弱的程度与介质的厚度、光源的波长以及介质的吸光系数之间存在以下关系^[20]：

式中：I表示通过油膜后的光强；I₀表示原始光强；α表示油膜对光的吸收系数；d表示油膜的厚度。理想情况下，在已知吸收系数α和原始光强I₀的前提下，可获得通过油膜后的光强I与油膜的厚度d的对应关系。

测试时，为了在油膜厚度一定的情况下获得尽可能大的光强变化，首先需要选取一个合适的光源，所选取光源的波长应当选取在油膜具有较高吸光系数的波段，以便能够更准确地测量油膜厚度。实际应用中，需要对测量装置进行校准，以消除设备误差和环境因素对测量结果的影响。本研究中的校准通过使用已知厚度的油膜样品来进行。

为了基于光吸收原理实现油膜的检测，制定以下检测方案：(a)为了更好地在测试时将油膜与基底金属材料区分开来，首先对油膜的本征吸收光谱进行测定，从而确定使用照明光的最优波长；(b)分别采用不同功率最优波长光源照明，使用CCD拍摄金属基底上涂覆的不同厚度油膜，在不同照明功率下获得油膜厚度与CCD拍摄图像灰度值之间的对应关系，通过将结果与第2步所获得结果对比，验证油膜厚度与图像灰度值间对应关系的正确性；(c)对比最优光波长和自然光条件下采集的金属基底上的油膜样品图像，通过研究两种照明情况下未处理图像、直方分布结果和二值化结果，验证本文作者提出技术对金属基底上油膜的探测能力。

本文中使用不同的检测设备来实现上述方案中各步骤的检测。

检测方案第1步中，油膜的本征吸收光谱测定通过使用NICOLETIS10傅里叶红外光谱仪完成。检测时将油膜样品覆盖在检测窗上保证油膜样品覆盖检测窗并且光能透过油膜样品，从而自动获得油液样品的红外吸收光谱。

检测方案第2步中，在确定了油膜检测特征的最优检测光波段(本文中采用了复坦希科技品牌的FUTANSI UVLED灯组，波长405nm±5 nm)后，使用该最优波段的光源作为照明装置，并用高性能探测设备对涂覆于金属基底上不同厚度的油膜进行拍摄。测试实验装置示意图如图 1所示，照明光由光源发出，入射到样品正面，照明光源功率从10%~80%以10%为步长变化，置于光源上方的CCD采集不同照明光功率下获得的图片后通过数据线传输到计算机中。

图  1  实验设备图

Figure 1.  Experimental setup diagram

检测方案第3步中，分别使用图 1所示的最优波长检测光和自然光作为照明，CCD作为采集装置，对同一块涂有油膜的样品进行拍摄，采集的数据通过数据线传输到计算机中。

常用的开齿润滑膏有GM-1型成膜膏、GM-2型成膜膏^[18]。两者类似，特点是能够形成较好的齿轮润滑性、抗磨性和极压性能，可在齿轮啮合面上迅速形成粘结牢固的固体润滑膜，且能防止漏油。GM-1、GM-2型成膜膏在成分上也类似，以GM-1型成膜膏为例，原材料包括：固体润滑剂、稠化剂、基础油和添加剂、增粘剂。各组分的质量分数如下：硬脂酸7%；氢氧化锂(按脂肪酸的当量计算)；固体润滑剂30%；成膜剂4%；PB添加剂4%；B型添加剂4%；混合增粘剂17%；余量为精制中粘度矿油。

为了测试本文作者提出检测技术的检测能力，本文中制备了含不同厚度油膜的样品，供在实验室条件下进行测试。具体样品材料、规格及制备方法如下：样品材料——GM-2型齿轮润滑成膜膏、千分尺；样品基底——45^#模具钢；制备方式——掩模刮涂法。

如图 2所示，使用上述掩模在45^#模具钢表面贴合并形成匚型结构，并将油膜从一侧紧密贴合沿涂覆方向均匀推进，在匚型结构中形成厚度均匀的油膜层，等待若干秒后将掩模撕去，获得已知厚度的油膜样品。

图  2  掩模法油膜涂覆示意图

Figure 2.  Schematic diagram of the mask method for coating the oil film

制成样品中，油膜厚度为10 μm~60 μm依次递增，间隔10 μm。不同厚度的油膜在金属基底上分布如图 3所示。

图  3  油膜厚度已知样品

Figure 3.  Sample with a predetermined oil film thickness

使用前面介绍的装置对GM-2型油膜的本征吸收光谱进行测试，结果如图 4所示。

图  4  油膜光谱

Figure 4.  Oil film spectrum

由图 4a的油液可见光~近红外光谱可知，油液在波段300 nm~500 nm有一个吸收区域，吸收率可达58%；在波长约1718 nm、2350 nm波段有两个吸收峰，吸收率分别为17%和40%；由图 4b的固体可见光~近红外光谱可知，油膜固体在探测范围内无明显吸收峰，光吸收率约为15%；由图 4c的油膜混合中红外光谱可知，油膜在波长3425 nm(波数2920)、3508 nm(波数2851)和6873 nm(波数1455)处有3个吸收峰，吸收率分别为46%、33%和26%。这一结果与参考文献[21]中的结果一致。

这是由于油液的光吸收峰波段通常位于紫外光和可见光区域^[22]。具体来说，大多数液体包括油液在内，其光吸收峰波段通常在200 nm~800 nm之间。这个范围包含了紫外光、可见光和近红外光。在紫外光区域(200 nm~400 nm)，油液通常吸收较多的能量，而在可见光区域(400 nm~700 nm)和近红外光区域(700 nm~800 nm)，吸收较少。这意味着油液在紫外光下可能显示较高的吸收率，而在可见光和近红外光下吸收率较低。

结合油液和油膜固体的可见光到近红外光谱，油液和油膜固体光吸收特性差别最大的波段为300 nm~ 500 nm，可达43%，分辨能力较强；而波长1718 nm时油液和固体吸收特性差异不大(3%)而较难区分，因此不考虑该波段；波长2350 nm的吸收特性差异可达25%，但考虑到高精度近红外设备成本和2350 nm波长可能会与油液发生干涉、衍射等复杂光学效应，因此不考虑该波段。而图 4c中红外光谱结果也存在前面所述的成本过高和产生复杂光学效应影响，因此也不考虑该波段。

此外，作者也对油膜的附着度进行了考虑，由于待测油液很薄(10 μm~60 μm)，且其中固体部分在涂覆于齿轮表面后会被进行多次碾压，稳定后油液和固体会形成均匀的混合物牢固附着在齿轮表面，因此本文中不考虑不同成分在固体表面附着度不一致的情况。

综上所述，本文中采用300 nm~500 nm波段作为油膜检测特征的最优检测光波段，并使用中心光波长405 nm作为最优检测光波长。对应的激发光硬件需能发射405 nm波长光，探测器硬件需能检测405 nm波长光。

前面确定了油膜检测特征的最优检测光波段后，使用图 1所示的实验装置，在不同功率的最优波段光源(即中心光波长为405 nm作为最优检测光波长)照明条件下，使用CCD拍摄了6种厚度的油膜+光照均匀的金属基底样品图片，其中照明光功率为80%时的结果如图 5所示。

图  5  使用405 nm光源在80%照明功率下的采集结果

Figure 5.  Image obtained using a 405 nm light source at 80% illumination power

从图 5中可以看出，所有厚度的油膜在图中均呈现较低的灰度值，能与基底材料明显区分。从右侧不同厚度油膜处提取的图像区域来看，厚度从10 μm~40 μm变化时，灰度值逐渐减小。而当油膜厚度大于40 μm时，灰度值已基本不变。

接下来，记录每个厚度油膜区域的灰度平均值，并将同一厚度油膜在不同照明光功率下的灰度平均值和同一照明光功率下不同厚度油膜的灰度平均值分别绘制曲线，如图 6所示。

图  6  使用405 nm光源在不同照明功率下的采集结果

Figure 6.  Results using a 405 nm light source at different illumination powers

图 6a中给出了10%~80%照明光功率下不同厚度油膜灰度值。从图 6a可以看出，随着照明光功率的线性增大，不同厚度油膜的灰度值均线性增加，且随着油膜厚度增加，灰度值变化斜率逐渐变缓。此外可以发现，在同一照明光输出功率百分比情况下，当油膜厚度在小于40 μm时，不同厚度的油膜灰度可以清楚区分；当油膜厚度超过40 μm后，灰度值几乎不随油膜厚度变化。

图 6b中给出了10%照明光功率下不同厚度油膜灰度值。从图 6b可以看出，当油膜厚度从10 μm增加到40 μm时，油膜厚度每增加10 μm，灰度值减小大约3；而当油膜厚度超过40 μm时，灰度值降低到在1.5左右，且不再随油膜厚度增加而变化。这是由于当油膜厚度增加后，油液中的金属成分吸收了大部分光，使得相机拍摄的油膜灰度值降低；当厚度继续增加时，探测器已认为该处灰度接近于黑色，灰度不会继续降低。这一特征在图 6a中也有体现。可以看到，在同一照明光输出功率百分比情况下，当油膜厚度在小于40 μm时，不同厚度的油膜灰度均可以清楚区分；而当油膜厚度超过40 μm后，灰度值几乎不随油膜厚度变化。

图 6显示的结果均表明，在使用405 nm波长照明光，且固定照明光输出功率百分比的情况下，使用本文中的检测装置可以对厚度超过10 μm的油膜覆盖区域进行分辨。特别是这一装置还可获得厚度小于40 μm的油膜区域的不同灰度，而厚度大于40 μm的油膜灰度则无法检测。

前面已介绍，通过使用比尔朗伯定律，知探测光强随着油膜厚度的增加以e指数形式衰减。可以认为，探测灰度值也会随着油膜厚度呈e指数变化。首先，通过油膜厚的光强会随着油膜厚度的增加按e指数形式衰减，如式(1)所示；然后，由于CCD相机探测的灰度值G与入射光强度I之间的关系通常是线性的，可用公式G=kI+b表示，其中k是系统增益，代表灰度值与光强度之间的比例关系；b是偏置量。将(1)式代入该式，经过展开和整理，可得：

式中：A为放大倍数；l为光在其中传播的总油膜厚度，为油膜厚度的2倍；α为油膜对光的吸收系数。从式(2)可以看出，相机探测到不同厚度油膜对应的灰度值也呈e指数衰减规律变化。

使用式(2)对实验结果进行拟合，结果如图 6b中红色实线所示。其中b≈-4.73，A≈1.15×10²，α≈1.89×10⁴。

在对最优检测光波长(405 nm)照明所得结果进行了分析之后，接下来对比自然光照明与最优检测光波长照明条件下，对同一组油膜的检测能力。为此，分别使用自然光和405 nm光源照明(80%最大照明功率)对一块涂有油膜的铝板进行了拍摄，如图 7所示。

图  7  相机拍摄结果

Figure 7.  Camera capture results

明显的油膜区域于图 7a中用白色虚线框标出。可以看出，自然光和405 nm光照明条件下，均可明显看到油膜痕迹。两幅图相比，405 nm光照明条件下的油膜颜色略深，这是因为相比自然光，油膜对405 nm光的吸收更好。换句话说，相比于宽频自然光照明，本文中采用的基于光谱吸收特征的检测方式可以提升目标油膜区域的对比度从而实现对油膜检测能力的提高。但是也需要承认，仅从图 7的结果中观察，使用405 nm光源照明对于油膜区域对比度的提升有限。

考虑到通常情况下若需实现油膜覆盖区域的检测，首先需对采集图像进行二值化处理，再通过多种计算机算法实现油膜覆盖区域的判断。基于这一思路，绘出图 7两幅图像的直方分布图，如图 8所示。

图  8  相机拍摄结果的直方分布图

Figure 8.  Histogram distribution of the captured results

图 8a是图 7a中自然光照明图像的直方图分布；图 8b是图 7b中405 nm光照明图像的直方图分布。图中横轴为数据点灰度值，纵轴为处于某灰度值的数据点数。从图 8中可以看出，自然光照明结果中数据点的灰度值分布存在一个峰值，在约100左右。而405 nm光照明结果中则存在两个峰值，一个在75左右，另一个在22左右(如图 8箭头所示)。其中灰度值在75左右的较高峰值为非油膜区的金属基底材料背景灰度值，而灰度值在22左右由箭头所示的峰值主要来源于油膜对405 nm光的吸收。由于油膜对405 nm波长的光具有较好的吸收率，因此油膜区域在405 nm光的照射下会比自然光照射下更黑，所以相应区域的灰度会往较低灰度值方向偏移。而在自然光照射结果中，相对应的油膜区域灰度被包含在了主要的信号峰中，无法从灰度直方图中直观地分辨出来。由此可知，通过提取405 nm结果中两信号峰间的灰度最小值(灰度值为32)，并将其设置为二值化处理的阈值，可较好地将目标油膜区域与背景区分开，处理后结果如图 9b所示。从自然光照明图像的灰度分布直方图中可以看出，其灰度分布整体偏高，且油膜灰度集中区域与背景灰度集中区域未能明显分离，这也是自然光照片进行油膜厚度分析和后处理的局限之一。若同样选取32作为二值化阈值，处理后的图片将没有任何黑色部分。为此，自然光图像的二值化阈值通过肉眼观察确定，依据是可确保自然光结果获得与405 nm相似的清晰油膜区域外轮廓。经过多次实验，将阈值设定为66。

图  9  二值化结果图

Figure 9.  Binarization results

图 9为处理后的二值化结果图。从图 9a可以看出，自然光照明结果中除了目标油膜区域特征外，一部分基底背景未被区分开。这主要是由于这部分背景信号与目标信号在灰度上较为接近，无法通过直方分布图确定图像分割的阈值。而从图 9b中405 nm光照明结果可以发现，目标油膜区域与背景的区分效果有较大的提升。对比两组结果可发现，恰当设置图像二值化分割的阈值对于最终结果有较大的影响。而相比于自然光照明，采用优化的405 nm光照明可更好地在图像灰阶上将油膜区域与背景区域区分开，从而帮助后期算法更精确地设置图像二值化的阈值，进而获得更精确的最终结果。

针对金属基底涂覆油膜的非接触无损检测问题，采用全光学方法，利用本征吸收光谱选定最优照明光波长，开展了相关研究。首先基于润滑油膜和基底金属材料本征光吸收谱的差异，确定检测使用的最优照明光波长；然后在此基础上搭建检测装置，通过对比最优光波长辐照不同厚度油膜样品时获得的图像，验证最优光波长照明可对不同厚度油膜进行测量的可行性；最后通过对比最优光波长和自然光条件下采集油膜样品图像的未处理图像、直方分布结果和二值化结果，对本文中提出技术的探测能力进行了进一步研究。检测结果表明，本文作者提出的方法可实现金属基底上涂覆油膜的非接触无损检测，这一技术可为大型开齿润滑油膜监测，尤其大型开式齿轮润滑油的膜厚度和覆盖情况的检测提供可行的技术参考。