通过主成分分析和K均值聚类分析废机油以监测城市公交发动机状况

为什么公交车发动机机油能讲述重要故事

城市公交负荷很大：它们在车流中慢行，在站点怠速，并且每天长时间运行。所有这些工作都会影响发动机，而维持其平稳运行的机油则记录了发动机内部发生的一切。这项研究展示了如何读取废机油中留下的“指纹”，以揭示哪些公交车状况良好、哪些正在磨合、哪些可能正在走向故障——比仅仅看里程表要准确得多。

从简单的里程计数走向更智能的保养

几十年来，大多数车队通过计算公里数来决定何时更换机油。但城市驾驶很复杂。两辆行驶相同距离的公交可能经历截然不同的工况：一辆在开阔道路上顺畅行驶，另一辆在频繁的停车启动、红绿灯和站点前后爬行并长时间怠速。早期研究表明，在这些条件下，仅凭里程往往无法预测机油的真实“疲劳”程度。本研究把机油视为关于每台发动机实际老化过程的丰富数据来源，而非单纯的消耗品，从而应对了这一问题。

将废机油转化为数据

作者使用工业实验室常见的红外光谱扫描仪分析了来自某市政公交车队的165份废机油样本。他们着重研究了一种广泛使用的机油——卢克石（Lukoil）10W40，以减少不同配方带来的混淆。对每个样本，他们测量了两种温度下的粘度、酸碱性、氧化或与燃烧气体反应的程度、渗入的烟炱和燃油量，以及悬浮在油液中的微量金属颗粒（从铁到铜、铅等）。他们还跟踪了保护性添加剂（如锌、磷、钙）的含量，这些添加剂会随着时间逐步被消耗。

在真实发动机中观察机油老化

逐一查看各项变量验证了一个熟悉的模式：在同一次加油周期内，机油会逐渐变稠、变酸，并产生更多含硫和含氮的副产物，同时其中和酸性的能力下降。然而，一些预期的关联在真实工况下并不总是成立。令人意外的是，使用时间更长的机油并不总是显示出更多的磨损金属；在该车队中，它们与行驶里程甚至呈现出弱负相关。可能的原因是人为因素：机械状况较好的车辆可能被允许延长换油间隔，而引发担忧的发动机则会提前维护，这重塑了“里程越多，机油中金属越多”的简单图景。

发现发动机行为的潜在群体

为揭示更深层的模式，团队将所有这些测量值一起用两种统计技术处理，这些方法能够在复杂数据中发现结构。首先，他们使用一种方法把数十个相关测量压缩为少数几个潜在“轴线”，描述总体化学老化、金属磨损和添加剂损耗。然后将这些压缩后的描述输入一种聚类方法，对相似样本进行分组。混杂数据中显现出四种清晰的轮廓：一类城市公交表现出与频繁停车启动怠速相关的烟炱和化学老化；一类处于磨合期的新发动机释放出异常高量的铜等金属；一类较成熟的发动机在相对稳定、维护良好的状态下运行；还有一辆孤立的异常样本，其机油显示出极端污染和添加剂不平衡，吻合已知的漏油问题。

将模式转化为维护决策

研究人员更进一步，训练了一个简单的机器学习模型，单凭机油测量就识别出这些分组并指出最重要的测量项。这证实了真正区分这些轮廓的并非车辆行驶里程，而是机油的化学状态——氧化、酸性、烟炱、金属含量以及关键添加剂的状况等特征。综合来看，这些发现表明，车队可以对那些较老且稳定的发动机安全地延长换油周期，在新发动机的脆弱早期缩短换油周期，并快速标记出显示异常污染的车辆，即便诸如粘度等基本指标看起来仍然可接受。

这对日常乘客意味着什么

对乘客来说，这种基于机油的健康检查是看不见的，但其影响是显而易见的。通过倾听废机油所揭示的信息，交通管理机构可以从固定日程转向基于状态的维护，更早发现问题、避免不必要的换油并延长发动机寿命。论文的核心信息很简单：从公交车中放出的黑色液体不仅仅是废物——它是一份诊断报告。认真解读它可以让城市公交更可靠、维护更高效、通勤更有保障。

引用: Duarte, M.O., Margalho, L.M., Gołębiowski, W. et al. Monitoring the condition of city bus engines by analysing used oil using PCA and K-Means clustering. Sci Rep 16, 9392 (2026). https://doi.org/10.1038/s41598-026-39045-x

关键词: 发动机油分析, 公交车队维护, 基于状态的维护, 柴油发动机健康, 预测性维护