利用分步沉积法实现非铁磁性磨屑自动识别的研究

本文介绍了一种结合磁化液的使用将同一个油样中的铁磁性磨屑和非铁磁性磨屑分别沉积在不同谱片上的分步沉积法，并给出了该法的理论依据，且通过实验证明了该法在实际应用中的可行性。该法的提出成功地解决了利用计算机对谱片进行分析时，在磨屑材质识别方面的难题。     

基于磨屑群理论的铁谱分析中磨屑群的选取

住基于磨屑群体理论进行铁谱分析思想的指导下，以数理统计和误差处理等工具，计算了在考虑铁谱分析过程中各种误差影响的条件下，任一张谱片上所需观察视场的最少个数，及任一个油样所需潜片的最少张数。为对KTP-1型旋转式铁谱仪所制谱片的铁谱分析，提供了分析规范。     

一种新的磨屑群体特征参数

在磨屑群理论的基础上,提出了以KTP-1型旋转式铁谱仪制得谱片内圈内侧磨屑长轴尺寸大于某一临界值所有磨屑的总数,作为描述摩擦副磨损状态的磨屑群体特征参数。通过45~#钢对45~#钢的滚滑复合摩擦磨损实验,验证了该参数和摩擦副磨损率的变化规律具有很高的相似性。同时给出了任一张谱片上该参数的提取规范。     

Weibull分布在基于磨屑群理论的铁谱技术中的应用

中叙述了磨屑群理论,并以其作为铁谱技术的理论依据,通过分析Ｗeibull分布的方差发现：方差的改变仅与磨屑群中大磨屑个数的改变有关,这与磨屑群理论中强调大磨屑的个数的观点是相符的,因此可以采用Ｗeibull分布作为描述润滑油中磨屑尺寸分布规律的数学工具,并据此对设备的状态进行监测。     

旋转式铁谱仪制得谱片上磨屑沉积规律的研究

从KTP-1型旋转式铁谱仪中磨屑沉积的基本原理出发，通过对制谱时谱片上油样中磨屑的运动学和动力学分析，利用流体力学、电磁学、理论力学等的相关理论和方法，推出了一定尺寸磨屑在谱片上沉积位置的理论表达式及等几率沉积的结论，作为定性铁谱分析中，确定谱片上磨屑沉积位置的理论依据。     

铁谱技术中非铁磁性磨损颗粒的监测研究

在使用铁谱技术进行机械工况监测过程中，由于铁谱仪的磁场很难收集到摩擦副产生的非铁磁性磨损颗粒，往往会导致监测结果产生偏差或不正确。以钢一铜试件对磨后获得的油样为例进行铁谱对比实验，研究了磁流体在非铁磁性磨粒监测方面的应用。结果表明，在磁流体的作用下，油液中的非铁磁性磨粒将被磁化而有效沉积到铁谱片上，从而使油液的监测分析结果更为全面和准确。此外，介绍了磁流体的组成，分析了磁流体使非铁磁性磨粒磁化的机理。     

分析式铁谱仪与旋转式铁谱仪的对比研究

从分析式铁谱仪与旋转式铁谱仪制谱时磨屑的沉积机理、磨屑的实际沉积过程、谱片上磨屑特征参数的统计规律、谱片重复性等方面对两种铁谱仪的特点进行了对比分析。     

套管磨损磨屑的定量定性分析方法研究

从理论上分析了正常循环的钻井液系统中磨屑浓度与井下套管摩擦学系统磨损速率之间的关系,证实可以通过对钻井液出口处的磨屑的收集和分析,及时发现井下套管及相关摩擦副的磨损变化.并根据现场监测的特点,选取单位时间磨屑浓度作为监测参数,利用统计分析法建立了自适应修正的磨损状态监测标准;讨论了套管典型磨损状态磨屑的形貌特征,利用这些特征,可对收集的磨屑进行分类识别,进而了解井下摩擦副在当前阶段所处的磨损性质,掌握套管磨损的主导机制,从而对磨损的严重程度和可能变化趋势作出评估.     

磨损磨屑识别的BP算法及改进型研究

磨粒识别是铁谱技术的主要内容，本文对ＢＰ网络的基本算法及改进型进行了分析和研究，对它们应用于磨粒识别时的学习效率，精度等性能分别作了比较     

铁谱分析在设备监测诊断中的应用与发展前景

简要介绍了油液监测技术,对比了几种油液监测方法的特点和原理.详细讲述了油液监测技术的铁谱分析方法,及其在设备状态监测和故障诊断中的应用,并对铁谱技术的发展作了展望.     

基于yolov5在线可视铁谱图像磨粒多目标识别方法研究

鉴于在线图像可视铁谱获取的磨粒谱片图像分辨率低,磨粒种类复杂多变,磨粒图像背景复杂等问题,使得磨粒在线智能识别面临挑战。为了实现在线可视铁谱图像磨粒多目标实时检测与识别,提出基于yolov5在线可视铁谱图像磨粒多目标识别方法。以正常磨损磨粒、疲劳磨损磨粒、滑动磨损磨粒、球形磨粒、氧化磨损磨粒、切削磨损磨粒6种磨粒作为研究对象,基于yolov5深度神经网络模型对复杂油液环境下的异常磨损磨粒进行分割与识别。结果表明：基于yolov5算法的磨粒智能识别模型能够实现复杂环境下多目标、多类型磨粒在线实时识别,其识别速度和准确率基本满足油液在线监测需求,为装备在线图像可视铁谱技术工业化应用提供了技术支撑。     

人工神经网络在铁谱技术磨粒识别中的应用

铁谱技术在机械设备状态监测中得到了广泛的应用，磨粒识别是铁谱分析的一个关键环节，本文提出了一种基于神经网络的磨粒识别方法，利用前馈型神经网络模型对七种典型磨损磨粒进行了实例分析识别，取得了令人满意的结果。     

铁谱磨粒磁化方向的自动识别方法

本文介绍了在磨粒图像中判断磨粒的磁化方向的算法，在普通的铁谱图像中，先分别计算出每一个磨粒的重心，再根据点到点的关系，求出每一个磨粒的方向，最后归纳出整个铁谱图像的磁化方向，它为判断机械部件的摩擦磨损情况提供了较好的依据。     

曲波域铁谱磨粒图像特征提取方法研究

曲波变换具有多尺度分析能力,与小波变换相比可更好地表达图像的曲线特征.为有效描述铁谱磨粒的形貌特征,提出一种曲波域图像特征提取方法.利用曲波变换将磨粒图像进行分解,得到不同尺度的曲波系数;根据曲波系数统计分布特点,采用广义高斯分布模型对细尺度和精细尺度曲波系数分布进行建模;提取粗尺度曲波系数的均值、标准差、能量和熵等统计特征,以及细尺度和精细尺度曲波系数的广义高斯分布模型参数描述磨粒特征.将提取的特征用于发动机典型磨粒识别,识别成功率达到了88.9%,表明该方法所提特征能很好地表达铁谱磨粒的形貌特征.     

基于磨粒颜色特征的识别方法研究

磨粒监测是机械设备故障诊断的有效方法,其中磨粒的识别是目前研究的重点和难点,磨粒的颜色参数是识别磨粒的重要特征。基于对因子分析方法的介绍,将彩色磨粒图像提取的颜色变量减少为5个主要特征,简化了描述参数。结果表明,选择适合的HSV获得不同磨粒的空间分布,设置分割线,就可用于不同颜色的磨粒分类和识别。     

磨粒三维表面形貌的研究分析

磨粒三维表面形貌分析是针对磨粒二维分析技术的不足而提出的磨粒分析方法。分析了目前磨粒三维表面形貌获取技术特点和实用性,探讨了近年来磨粒表面形貌三维表征描述中采用的几种方法——灰度共生矩阵、分形维数法、方向测度法,并通过分析表明,方向测度法是一个比较好的磨粒表面形貌三维特征分析方法。     

铁谱磨粒图像的计算机纹理分析

利用计算机图像处理技术，采用灰度共生矩阵方法提取典型磨粒图像的纹理特征参数，作为判断机械设备故障机理的判据之一。通过正常、滑动、切削、疲劳磨粒灰度共生矩阵纹理分析，得到熵、能量、惯性矩等参数的范围。     

分析式铁谱仪制谱质量的影响因素研究

通过分析制谱过程中单个铁磁性磨粒的受力情况,推导出磨粒沉积位置关于制谱各因素的函数关系,该函数直观、近似地显示了分析式铁谱仪制谱过程中,外在参数对谱片质量的影响,为获取较为真实、完好的油液铁谱样本提供了理论依据.在此基础上,通过实验对油样的预处理和黏度2个因素所产生的效果进行验证,表明充分的预处理是区分大小磨粒沉积位置,有效提高光密度计测量可信度的必要途径;同时合理降低油样黏度可以有效获取分析油样内的磨损颗粒信息.理论与实验相吻合.     

基于Faster R-CNN的齿轮箱铁谱磨粒识别

在利用铁谱技术对齿轮箱磨损状态进行评估时,存在磨粒特征提取困难且磨粒识别的数量有限的问题,基于铁谱磨粒图像特性,提出基于Faster R-CNN算法的铁谱磨粒识别。该算法采用ResNet-34网络完成铁谱磨粒特征自动提取,并采用RPN网络实现对图像中多个磨粒的识别。通过实验对Batch_Size和学习率超参数进行优化,使用超参数优化后的Faster R-CNN算法进行实验。结果表明:该方法克服了磨粒交叉引起的识别难点,能识别一副图像中的多个磨粒,能统计各类磨粒数量,且准确率较高;在磨粒背景颜色不同、存在噪声干扰等情况下,该方法仍能够准确判断磨粒类型,具有较好的稳定性。