基于时间——高斯混合模型的刀具磨损预测

连续刀具磨损过程的预测对实现自适应控制和优化制造工艺、提高生产效率和质量起着重要作用。为最大化描述磨损数据内在关系和提高预测模型精度,提出一种基于时间—高斯混合模型的刀具磨损建模方法,即采取将刀具磨损时间序列数据分成线性和非线性结构的策略,时间序列用来描述数据的线性相关趋势,非线性的异构部分则进行高斯过程回归建模。通过与现有的单一模型对比,结果表明该混合模型能对刀具磨损进行有效的预测,而且具有更高的预测精度。     

基于油液分析和时间序列模型的内燃机磨损状态监测方法

提出了一种基于油液分析和时间序列模型的内燃机磨损状态监测方法。将整个内燃机看作一个摩擦学系统,利用时间序列模型对摩擦学系统进行动态建模,建立能够表征内燃机磨损状态的数学模型。采用该模型对内燃机润滑油中各元素的变化趋势进行趋势分析,并应用实例对模型进行了检验。结果表明,该方法准确判断内燃机的磨损状态,为内燃机磨损状态监测提供了一种新的途径。     

动态测量误差的贝叶斯建模预报

针对动态测量过程的复杂性提出了动态测量误差序列的贝叶斯建模预报方法.该方法要求的数据量较少,且对序列无平稳性限制,并能充分利用预报过程中的主客观信息来修正模型,以提高预测精度.最后,通过仿真实例探讨了贝叶斯方法在动态测量误差建模预报中的适用性.     

基于长短时记忆卷积神经网络的刀具磨损在线监测模型

为了提高机械加工过程中刀具磨损在线监测的准确性,提出了一种基于长短时记忆卷积神经网络（LSTM-CNN）的刀具磨损在线监测模型。在该监测模型中,通过振动、力、声发射传感器对刀具切削过程中的振动、力和声发射信号进行采集,采集的数据其本质为时间序列数据。考虑采集数据的序列和多维度特性,采用LSTM-CNN网络对采集的数据进行序列和多维度特征提取,利用线性回归实现特征到刀具磨损值的映射。通过实验验证了该模型的有效性和可行性,模型的精度较其他几种方法有了较大的提高。     

基于润滑油光谱分析的柴油机磨损规律研究

基于某型柴油机在寿命考核期内润滑油光谱分析数据的分析，建立了发动机主要金属元素的磨损规律模型，结果表明，利用该模型得出的元素磨损趋势符合正常机械传动系统的磨损规律。     

异形螺杆铣削过程刀具磨损建模研究

介绍了一种螺杆铣削过程刀具磨损建模的方法。该方法针对螺杆加工中变切削参数的工况，提取了振动信号和功率信号的刀具磨损特征值，并建立了信号特征值与刀具磨损量之间的映射关系，从而得到刀具磨损模型。实验证明，由此建立的刀具磨损模型。能够排除切削参数变化的干扰，可以较好地反映加工中刀具磨损状态。同时也为具有时变切削参数特性的加工过程刀具磨损状态监控提供了新的研究方法。     

基于开放式数控系统的车刀磨损监控技术研究

研究了采用工业PC机、电机控制卡和数据采集卡构成的开放式数控系统的体系结构和功能。在加工过程中，数据采集单元实时采集刀具的振动信号，经过数字滤波，运用多元回归建模技术，建立了车削过程刀具磨损监测模型。该方法也可以方便地建立适合不同切削过程要求的监控模块。实验表明，在开放式数控系统平台上，可实现车刀磨损程度监控技术，保证了加工过程的稳定性。     

刀具磨损监测及破损模式的识别

对于金属切削过程中的刀具磨损,提出了基于隐马尔可夫模型的模式识别理论来识别刀具的不同磨损状态,从而预报刀具破损.该方法对切削过程中切削力信号的动态分量和刀柄振动信号进行快速傅里叶变换特征提取,然后利用自组织特征映射对提取的特征矢量进行预分类编码,把矢量编码作为观测序列引入到隐马尔可夫模型中进行机器学习,建立了3个不同磨损状态的隐马尔可夫模型,并利用最大概率进行模式识别.试验表明,该方法对车刀磨损过程进行识别和预报是有效的.     

基于灰色马尔可夫模型的柴油机磨损趋势预测

在柴油机磨损趋势灰色预测的基础上,引入马尔可夫链预测理论,建立柴油机磨损趋势灰色马尔可夫预测模型。该模型既考虑了从时间序列中挖掘数据的演变规律,又通过状态转移概率矩阵的变换提取数据的随机响应,因而可将时间序列数据固有的2种性质有机结合起来,具有严密的科学性,从而拓宽了灰色预测的应用范围。实例计算证明:柴油机磨损趋势灰色马尔可夫预测模型预测精度高于GM(1,1)模型预测精度。     

基于组装的过程建模方法及环境

本文介绍并分析了当前的一些过程建模方法，描述了基于组装的过程建模方法。该建模方法能够对可重用过程库中的过程部件进行组装，生成新的过程模型。最后介绍了一个采用基于组装的过程建模方法的环境。     

基于遗传算法的深沟球轴承优化设计研究

给出了基于遗传算法的深沟球轴承优化设计的方法。针对传统算法在深沟球轴承优化设计中全局寻优能力较差问题,以标准遗传算法（Genetic AlgorithmGA）的算法参数,采用了最优解保存策略,并运用罚函数法处理约束。为了降低摩擦阻力和减轻磨损,减少发热量,针对轴承发热变形的一个主要因素摩擦进行建模。     

显微成像系统的多参数自适应优化技术

在基于显微磨粒图像处理的磨损故障诊断系统中,图像质量是保证磨粒分析的关键。而磨粒显微图像的成像质量与摄像机参数、光源参数有非常大的关系。采用遗传算法,对摄像机参数和光源参数进行了6个参数自动优化,利用标准图像与某参数下的图像差异构造了适应度函数,通过实数编码、赌轮选择、算术交叉和均匀变异等遗传算法操作,最终得到了一组最优的摄像机和光源参数。在该组参数下,磨粒图像与标准图像达到了最佳的逼近。最后,通过实验验证了该方法的正确有效性。     

基于遗传算法的零件加工系统误差建模

系统误差补偿是提高零件加工精度的重要途径，其中系统误差的建模是关键。分析了几种常见的建模方法在系统误差建模中的不足，提出了基于遗传算法的加工系统误差建模方法，它是一个广义的多项式回归建模方法——多项式幂次为变参。通过实例分析及与其它几种方法的比较，说明了所提方法的有效性，并指出了它对不等间隔误差序列建模的适用性。     

基于复映测量的球头刀具磨损数据处理及其软件开发

在铣削加工中,刀具磨损对产品加工质量有重要的影响,以球头刀具磨损为研究对象,为了建立刀具磨损模型,采用复映测量手段获取刀具磨损,在复映测量获得刀具磨损的过程,针对复印测量的球头铣削刀具磨损数据提出了数据处理的方法,并以Visual C++为开发平台实现了基于复映测量的刀具磨损数据处理模块,为基于复映测量的刀具磨损建模提供了基础,所提出的刀具磨损数据处理方法可有效对刀具磨损数据进行分析建立刀具磨损模型。     

GA-BP网络在钢轨磨损量预测中的应用

基于GA算法及BP神经网络优点,将GA算法优化的BP网络应用于钢轨磨损量预测。通过赫兹模拟试验方法,在JD-1轮轨模拟试验机上获得不同曲线半径、轴重、运行速度工况下对应的钢轨磨损量,即神经网络所需样本,建立GA算法优化三层BP神经网络,对钢轨磨损量进行预测。结果表明:GA算法优化的BP神经网络对钢轨磨损量具有良好的预测性能,较好地反映了曲线半径、轴重、运行速度对钢轨磨损量的影响规律。     

交联超高分子量聚乙烯人工髋关节磨损仿真模拟

人工髋关节超高分子量聚乙烯（UHMWPE）关节面磨损仍是影响置换关节远期寿命的主要因素,其仿真建模是对关节模拟机磨损测试手段的重要补充,也是实现置换关节临床前性能评估的有效方法。由多向运动产生的交叉剪切效应是影响UHMWPE磨损的主要原因之一,也是仿真建模的关键。现有理论方法将磨损深度确定为滑动距离的函数,并将90°交叉剪切运动条件下的磨损作为度量基准计算不同角度下的交叉剪切效应,但尚未考虑接触应力变量对磨损深度的影响。针对以上问题,提出了在垂直交叉剪切运动条件下将磨损深度表示为摩擦功函数的方法。该方法利用UHMWPE摩擦因数与接触压力的定量关系计算摩擦因数并确定摩擦功,解决了UHMWPE磨损交叉剪切效应中滑动距离与接触应力的耦合问题。基于磨损仿真新模型研究了36 mm直径的交联UHMWPE髋关节,并与已有ProSim模拟机试验结果进行了验证。结果显示该仿真模型可准确计算体积磨损和线性磨损等磨损量以及髋关节载荷方向改变对磨损的影响。磨损新模型为进一步仿真模拟奠定了有效基础。     

Modeling Wear State Evolution Using Real-Time Wear Debris Features

Because wear is one of the most typical causes of decreasing performance in running machines, monitoring wear is regarded as a crucial technology in maintaining the health of machines. However, monitoring wear is not a fully mature process because quantifying the development of wear in real time is a challenging task because there is no universal indicator. To meet this need, wear-oriented dynamic modeling with online ferrographic images was used to investigate and then describe a real-time wear state. This investigation was carried out by combining three wear indices to describe the wear rate, the wear mechanism, and the severity of wear. A binary classifier method is also proposed to classify these wear stages in the three extracted indices. A strategy to identify the dynamic transition of wear states with adaptive parameters is also developed and then a four-ball wear test is carried out to verify the method. The results indicate that this modeling strategy can accurately identify a developing wear state that is characterized by stages. This proposed method is better at monitoring the health evolution of a machine system than just detecting faults.     

Computational simulations of delamination wear in a coating system

Delamination wear constitutes one relevant wear process in many materials. In particular, wear failure through delamination is relevant for material systems where a coating is present on a substrate material. A computational modeling approach is presented that aims to describe the processes of formation and growth of wear delaminations. The model is based on the cohesive zone model approach. An irreversible cohesive zone model is used in a parametric numerical study of delamination wear in a coating system. The model predicts trends in agreement with the trends emerging from Archard's law. The proposed modeling approach has the advantage that details of the delamination wear process can numerically be studied, and that a unified framework from delamination initiation and propagation is provided.     

基于SMO-SVM的单点金刚笔钝化监测

针对单点金刚笔在砂轮修整过程中易于钝化且难以检测的问题,使用支持向量机建立智能模型。为了得到建立模型所需的样本库,使用小波包分析等方法在线提取修整时声发射信号中的特征信息,并引入钝化平台直径定义钝化临界值。模型本身选用基于串行优化算法的支持向量分类机,使用交叉验证法搭配遗传算法以达到优化模型参数的目的。实验结果表明,该模型在分类精度和计算时间上均优于一般的智能模型,可以有效地监测金刚笔的钝化。