磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态。铁谱的计算机图像分析技术是近年来研究的热点。基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本都对网络进行训练,取得了较好的识别效果。     

铁谱技术在注水泵状态监测上的应用

介绍铁谱分析技术及其在注水泵状态监测上的应用。     

基于BP神经网络的铁谱磨粒分类器设计

磨粒类型识别与分类是铁谱技术的主要内容之一,本文基于神经网络原理,探讨了磨损磨粒分类识别的神经网络模型和实现方法。     

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     

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BP神经网络技术的刀具状态监控系统

利用BP(back propagation)神经网络建立刀具检测系统的模型,通过BP神经网络来实现对于车间刀具的运行状态的控制。通过这个检测系统,实时反馈车间加工过程中刀具的即时信息,为企业的自动化和信息化的发展带来了促进的作用,进一步提高效率,减少了因为刀具磨损而带来的经济损失,具有一定的现实意义。     

基于直读铁谱技术的航空发动机磨损状态监测

利用线阈法分析某型航空发动机润滑油样的直读铁谱数据,提出油液直读铁谱分析诊断标准.诊断实践证明,该标准应用于航空发动机磨损状态监测效果较好.     

基于BP神经网络的超声振动钻削钻头磨损状态监测试验研究

搭建了超声轴向振动钻削钻头磨损状态的钻削力和声发射信号采集系统,采集不同磨损状态下钻中区域的钻削力和声发射信号进行小波分解,得到与钻头磨损状态相关的特征量作为识别钻头磨损状态的特征参数,输入到建立的6-13-3的三层BP神经网络模型中进行融合,识别钻头磨损状态。试验结果表明,通过BP神经网络技术将钻削力和声发射信号融合识别钻头磨损的准确率约88.9%,能够有效监测钻头磨损状态。     

基于BP神经网络的盘形成形铣刀的刀具磨损诊断研究

通过电流法监测数控铣齿机的主轴电动机电流,采用BP神经网络方法应用于盘形成形铣刀的刀具磨损诊断,找到BP神经网络的输入特征向量以及对应的目标向量,设计BP神经网络,实现对盘形成形铣刀的刀具磨损诊断。     

油样铁谱分析技术在设备状态监测中的应用

油样铁谱分析技术是近年发展起来的新技术,是实现机械设备状态监测、诊断机器故障的有力手段。本文阐述了铁谱分析技术的基本原理及在设备状态监测中的应用,并介绍了这一技术的发展概况,正确评价了该技术的优缺点。     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络,实现网络结构的优化,并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法,具有良好的预测效果。     

基于组合遗传神经网络的磨损趋势预测

针对神经网络易陷入局部极值的问题，用遗传算法来改进神经网络时间序列预测模型，并设计了一个组合网络，考虑了单一遗传BP神经网络预测的误差，以误差样本训练了一个校正的遗传BP神经网络，并将该组合网络时间序列预测模型应用于柴油机系统磨损趋势的预测，取得了较好的预测效果。     

基于BP神经网络的钢轨磨损量预测

随着列车运行速度和轴重的提高,轮轨系统的磨损越来越严重,其中曲线半径、轴重和运行速度是影响轮轨磨损的重要因素。建立了钢轨磨损量影响规律的径向BP基函数神经网络模型,该网络具有3路输入,3个神经层;在JD-1大型轮轨模拟试验机上通过改变试验参数进行钢轨磨损试验,获得不同试验参数下的钢轨磨损量;以钢轨磨损数据作为BP神经网络的目标样本,对不同试验参数下的磨损量进行了预测。结果表明,模型可较准确地计算轮轨冲角和速度对钢轨磨损量的影响规律,利用BP神经网络对钢轨磨损量预测具有较高的精度,可在一定程度上验证试验结果。     

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     

基于BP神经网络的铁谱磨粒图像识别方法研究

在磨粒识别过程中,铁谱磨粒图像预处理和特征参数提取是关键。应用图像形态学的处理方法对磨粒图像进行预处理,结果表明,利用开运算、闭运算的图像形态学处理方法对铁谱磨粒图像进行预处理,可以消除图像二值化后留下的孤立小碎点、孔洞以及边界断点。通过磨粒图像的统计特征参数和傅里叶特征参数建立BP神经网络,并对磨粒进行识别,结果表明:采用该方法能正确识别磨粒图像,辨别磨损机制。     

基于人工神经网络的变切削条件下钻头磨损监控

基于人工神经网络变切削条件下的钻头磨损监控系统，以机床主轴和进给轴的电机功率（电流）信号的为监控信号，并通过机床的速度向量识别机床的加工状态；通用对监控信号的提取和预处理，得到人工神经网络模型的输入（有效切削功率和切削用量）用３层ＢＰ网络对钻头的磨损量进行预报。     

基于模糊C-均值聚类算法的柴油机磨损状态评判

论述了模糊C-均值聚类算法的原理与步骤，选取光谱分析中磨损元素的含量和3个定量铁谱参数作为特征参数，将模糊C-均值聚类算法应用到柴油机磨损状态评判体系中，可以得到聚类中心和用于分类的标准向量。对聚类结果进行了验证，表明应用模糊聚类的方法评判柴油机的磨损状态是可信的和准确的。     

神经网络在磨损颗粒自动识别中的应用

引入了一套磨粒形态学描述体系，用来提取磨损颗粒的显微形态特征，然后以此为输入参数，提出了一套BP神经网络，对磨损颗粒进行自动识别分类。以很少的磨粒特征量，可以正确识别磨损类别，提高了磨损识别的效率。