齿轮磨损状态的在线铁谱监测试验研究

对ＯＬＦ１在线铁谱仪用于齿轮磨损状态的监测进行了研究。试验数据分析表明，ＯＬＦ－１在线铁谱仪对大磨粒有很强的敏感性，其采样值的大小和变化反映了齿面状态的变化。在正常磨损情况下，采样值曲线比较平稳；而一旦采样值出现无规律波动，则意味着不正常磨损的开始。与分析铁谱仪数据对比，也显示出非常近似的变化趋势。因而，ＯＬＦ－１在线铁谱仪用于齿轮磨损状态的实时和连续监测具有良好的性能。本文同时指出，ＯＬＦ－１在线铁谱与其它油液分析技术相结合，可以更准确地进行齿轮磨损状态的监测和诊断     

铁谱技术用于液压泵磨损状态监测的研究

一、概述磨损颗粒是材料损伤的最终结果。磨损颗粒的尺寸、几何形貌、数量、颜色、成份等特征反映了磨损过程的全部信息,综合地反映了机械、物理和化学作用的影响。收     

基于线性回归方法的铁谱诊断分析

本文详细的阐述了线性回归方法和用MATLAB对回归模型的简化。线性回归分析是工程中经常采用的一种用来估计数学模型参数的方法。并且它为机器的磨损状态的变化提供了比较准确的信息。因此,线性回归分析进一步促进了铁谱诊断系统的研究、设计与发展。     

铁谱技术在判断发动机磨损状态中的应用研究

发动机中各摩擦副的工作环境恶劣,磨拟状态复杂,很难精确描述。而发动机所处的磨损状态是判断其是否正常工作的重要标准,因此建立发动机磨损状态监测具有重大的经济和社会效益。笔者利用铁谱技术作为一种监测手段,通过磨粒分析来判断发动机的磨损状态。     

基于在线铁谱图像的磨损机理智能辨识

基于状态的维护(Condition based maintenance,CBM)理念为机器健康状态维护提出了实时监测的新挑战。现有研究由于缺乏在线信息获取手段,磨损状态监测逐渐成为CBM的技术瓶颈。基于特征磨粒的磨损机理判断方法已经被广泛应用在离线磨损分析中,但是在线磨损机理的表征依然是一个很大的问题。针对基于在线铁谱图像的磨损机理开展研究。为了在一副在线铁谱图像中获得分离的磨粒图像,研究磨粒在在线铁谱传感器中的沉积机理。研究结果表明,磨粒链是图像中的主要形态,这是由于先前沉积的磨粒产生的局部磁场所致。设计一种依靠自适应调节沉积时间的在线磨粒沉积方法。运用该方法可以在在线铁谱图像中获得分离的磨粒,为特征磨粒的特征辨识提供了便利。参考分析铁谱知识,提取特征磨粒的4种形态学特征(当量尺寸、长径比、形状因子和分形维数)以综合表征4种典型磨损机理,包括正常、切削、疲劳、严重滑动磨损。采用反馈式人工神经网络构建自动磨损机理辨识模型。采用离线铁谱图像样本验证所建模型,结果表明该模型可以识别在线磨粒图像中的特征磨粒。对在线磨损机理表征方法进行了有意义的探索,所得研究成果将为在线磨损状态表征提供可行方法。     

基于极限学习机的铁谱磨粒模式识别

将极限学习机(ELM)应用于铁谱磨粒模式识别中,从磨粒彩色图像中提取出磨粒的形状尺寸、颜色、纹理3个方面的特征参数作为ELM的输入,以正常滑动磨粒、严重滑动磨粒、球状磨粒、切削磨粒、氧化物磨粒这5种类型磨粒作为ELM的输出,建立基于ELM的磨粒分类器;将3个方面的17个特征参数进行排列组合建立不同的模型,通过对比实验及分析,确定出最优的模型和磨粒分类器;通过实验比较基于ELM与基于BP神经网络的磨粒分类器性能。结果表明:基于ELM神经网络的磨粒分类器的识别速度平均为150 ms,准确率最高为96%,基于BP神经网络的磨粒分类器的识别速度平均为250 ms,准确率最高为90%。因此,基于ELM的磨粒分类器识别速度更快、准确率更高。     

图像数字化处理系统在铁谱技术中的应用

研究了适配于铁谱显微镜的图像数字化处理系统,探讨了其原理,精度,适用性,以及经济性,并介绍了Ｉｍａｇｅ Ｖｉｅｗ图像数字化处理系统的实际试用效果。     

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。     

磨削砂轮状态在线监测方法研究

用声发射(AE)信号在线监测砂轮状态的方法,可以监测工件材料、加工要求和磨削参数经常变化环境下砂轮钝化程度和破碎;并采用神经网络建立传感器信号与砂轮状态之间的非线性关系.     

轴系动力性能在线计算

本文根据轴承－转子系统摩擦学设计的需要,重点研究了轴系动力性能在线计算,提出了动力性能神经网络计算方法,为了实现动力性能在线计算,提出了ＢＰ网络改进算法,提高了ＢＰ网络的计算能力。     

透平机减速齿轮箱的在线铁谱监测

在线铁谱技术是一种由分析铁谱技术发展而来的磨损状态实时监测技术，对于连续运行的关键设备的主要摩擦付实施在线铁谱监测是十分必要的。它可以避免离线铁谱监测的取样、制样等繁杂过程和长间隔采样漏掉故障信息等缺点。利用在线铁谱技术对透平机减速齿轮箱的磨损状态监测结果表明，即使在正常磨损状态下，齿轮摩擦付的磨损速率并不是恒定的。它既受磨粒在摩擦付附近的不均匀造成的随机误差影响，又受齿轮载荷变化的影响。而磨损趋     

基于ICEEMDAN-GRNN神经网络的往复泵故障诊断方法研究

往复泵作为石油石化行业重要的输送设备,通过振动监测手段来保证系统的安全稳定运行具有重要的现实意义.如何对往复泵的非平稳和非线性信号提取特征并进行准确识别是诊断中的关键问题.针对往复泵故障特征的提取,提出了一种利用ICEEMDAN-GRNN神经网络相结合的诊断方法.首先利用ICEEMDAN对采集的原始信号进行分解得到若干...     

红外光谱定量分析模型及方法研究

润滑油请减及污染成分浓度定量分析是润滑油红外光谱分析一个主要内容,也是监测机械设备运行状况的重要手段。本语文阐述了光谱定量分析的理论依据,提出了几种多组分定量分析模型及方法,并对上述几种模型的特点进行了讨论。     

铁谱图像分析技术研究

利用MATLAB的图像处理技术对铁谱磨粒图像进行数字化分析,求解了磨粒图谱的一些形状特征参数,通过对量化的数据进行统计和比较,揭示了铁谱图像的一些基本特性,以及这些特征所代表的一般意义和在铁谱磨粒图像分析过程中应用。同时,提出了铁谱图像进行计算机图像处理的一般过程以及常用的处理方法。     

基于神经网络的曲面加工振动监测方法

文章论述了一种新的基于传感器信息的切削加工振动预测方法，提出了切削状态指数的概念，用于描述切削状态，利用神经网络规划切削条件与切削状态的非线性关系，给出了曲面加工切削振动状态的变化规律。     

基于反向传播神经网络的数字化工厂数据预测

数字化工厂数据涉及产品全生命周期,研究将反向传播神经网络应用于数字化工厂数据的预测。介绍了数字化工厂数据的组成,建立了反向传播神经网络,并分析了梯度下降的应用。通过运行程序得到预测结果,确认预测准确率达到95%。基于反向传播神经网络,可以对最终产品合格率、机器设备投资回报率及人力资源投资回报率进行预测。     

基于神经网络的自由曲线插补研究

介绍了利用神经网络的非线性逼近能力和自学习能力,对未知表达式的曲线进行辨识,并利用从曲线的神经网络辨识模型中得到的数据,建立一个数控系统的神经网络插补控制器,实现对未知表达式曲线的插补。通过理论研究和仿真试验表明,这种方法能够较好地完成这类曲线的插补。     

一种单入口匝道自适应模糊控制算法研究

高速公路入口匝道控制系统是一种非线性时变系统。本文基于BP神经网络和自适应模糊控制，结合MATLAB仿真工具，对一种单入口匝道自适应模糊控制算法进行了研究。深入阐述了单入口匝道自适应模糊控制算法的三层BP神经网络结构、数学模型、仿真以及其他相关算法中存在的缺陷。通过仿真实验得出结论，这种控制算法在高速公路控制上能够达到理想的效果。