一、摩擦学系统分析法在机械零件失效分析中的应用（论文文献综述）
张天爵[1]（1983）在《摩擦学系统分析法在机械零件失效分析中的应用》文中研究表明作者从摩擦学系统的动态观出发、介绍了机械零件功能失效的分析方法。应用这种方法对实际机器的功能失效作了具体分析,并找出了失效的原因。在介绍方法和实际分析中指出了方法的特点、分析的步骤和重点以及应观测的主要问题。
肖海兵[2]（2013）在《基于能量耗损的机械设备故障诊断理论与方法研究》文中认为目前，机械设备故障诊断方法主要有振动分析和油液分析等方法。无论是基于振动分析的设备故障诊断，还是基于油液分析（磨损信息）的设备故障诊断，它们有一个共同点，就是设备故障时都会伴随有系统能量耗损变化。针对机械设备在发生故障时都伴随能量耗损变化这一特征，开创性地提出了一种基于能量耗损的机械设备故障诊断理论与方法。这种方法通过获取摩擦学系统的能量耗损信息，建立能量耗损信息的相关性，提取能量耗损信息特征并进行故障模式识别，建立基于能量耗损的故障规则。首先，论文提出基于能量耗损的机械设备故障诊断新方法。研究摩擦学系统的能量耗损理论与摩擦过程的能量耗损信息流，研究输入能量耗损信息特征、磨损信息特征、振动信号特征。提出了能量耗损信息的相对标度和能量耗损信息的累计相对标度，输入能量耗损采用功率或者油耗等特征量，磨损能量耗损采用光谱元素指标；振动耗能采用振动速度信号时域均方值与振动加速度的峭度等指标，建立能量耗损信息的特征集。研究能量耗损信息的相关性，建立基于能量耗损的机械设备相关性模型。其次，论证了基于能量耗损的机械设备故障诊断方法是可行的。齿轮模拟故障实验研究表明，齿轮发生点蚀、剥落、断齿等不同故障时，输入的功率耗损波动特性不同；磨损能耗信息磨损量和严重磨损指数表明故障的剧烈程度，振动时域信号通过小波包分析提取了各频带的能量分布。齿轮疲劳故障诊断相关性研究表明，输入功率耗损与磨损特征信息与振动特征信息变化规律具有一致性，具有较强的相关性。柴油机活塞缸套疲劳性实验研究表明，瞬时油耗随着活塞磨损故障程度的增加而增加，磨损能耗信息磨损量和严重磨损量指数一直递增。振动能量的变化具有随故障程度增加而增大的趋势，三者能量耗损信息表现规律具有一致性。从而验证本文提出的基于能量耗损的机械设备故障诊断理论和方法是可行的。再次，提出一种基于流形学习算法与支持向量机结合的故障模式识别方法。研究局部线性嵌入LLE、局部切空间排列算法LTSA流形学习算法，并对算法进行了改进。采用流形学习算法对齿轮和柴油机能量耗损数据降维，然后采用多类分类器进行分类，通过分类识别率来判断模式识别的效果。仿真和实验表明流形学习是一种有效的非线性特征提取方法，改进的算法使邻域较好保持了曲面数据的原有对应关系，使得投影后的特征保持了样本间的差异信息和同类样本之间的相似信息。改进的流形学习算法的识别率得到了提高。流形学习与支持向量机结合的模式识别方法是一种有效的特征提取和模式识别方法。然后，建立了能量耗损信息的故障诊断规则。研究了粗糙集与模糊理论的故障规则提取方法，利用粗糙集理论中的不可分辨关系把齿轮能量耗损信息的故障论域划分等价类，生成粗糙集的上近似关系和下近似关系，通过属性重要性分析和属性约简导出故障决策知识和故障分类规则，建立了齿轮能量耗损信息的故障规则；采用模糊理论与神经网络结合的方法，应用自适应模糊控制规则提取方法，输入柴油机能量耗损信息的模糊量，能自动对模糊控制规则进行修改，建立了能量耗损信息的柴油机活塞磨损模糊的故障规则。最后，研究了能量耗损信息监测与诊断系统的基本结构。设计了基于虚拟仪器技术的能量耗损信息监测与诊断系统结构，使用LabVIEW虚拟化图形化用图标代替文本创建应用程序的计算机编程语言，开发了能量耗损信息在线故障诊断监测系统，包括数据采集系统，信号分析系统，实现了能量耗损信息的采集与分析，初步建立了能量耗损信息的监测与诊断系统。
冯伟[3]（2010）在《基于摩擦学与动力学的齿轮系统故障诊断相关性研究》文中指出齿轮作为机械中传递动力和运动的通用零件,被广泛应用于工农业生产设备中。本文研究正是选取齿轮箱这一摩擦学系统为对象,考虑一直以来学者们试图通过磨损与振动信息进行故障诊断时存在的相互关系去解决二者在状态监测与故障诊断过程中表现出的一致性和准确性、但都没能解决两类信息故障诊断如何相关和相关到什么程度的问题,着重研究齿轮摩擦学系统摩擦学信息与动力学信息相互依存关系,系统磨损与振动特征信息及基于磨损信息与振动信息的故障诊断相关性问题。首先,论文从齿轮啮合运动过程中产生的摩擦学特征信息与动力学状态信息研究出发,系统描述了齿轮摩擦学信息与动力学信息存在的理论相关性,提出了两类信息故障诊断相关性研究实施过程。在此基础上,研究从考虑变摩擦信息的齿轮动力学仿真分析方法着手,建立了齿轮啮合仿真物理模型,系统仿真了该模型在不同摩擦因子参量下的动力学特性。仿真结果分析表明,齿轮啮合运动过程中摩擦学信息与动力学信息在相互影响、相互渗透的同时,在系统输出状态特征中表现出强耦合关系。其次,课题研究从磨粒是磨损能量损耗产物的观点分析出发,建立了齿轮摩擦学系统故障诊断能量损耗状态监测模型和监测诊断参数化实施方法。该模型的试验研究表明,齿轮摩擦学系统能量损耗具有随着负载的增加而损耗减小、随转速的增加而增加的特点。但当齿面故障严重时,如发生严重剥落故障,其能量损耗仍具有随负载增加而增加的特点。之后,在齿轮磨损与振动均消耗系统能量这一共同特征信息基础上,建立了基于磨损信息与振动信息的齿轮摩擦学系统故障诊断相关性模型,提出了磨损元素相对质量分数的累积相对标度WCRS（Wear cumulative relative scale）和振动速度信号时域均方根值的累积相对标度VCRS（Vibration cumulative relative scale）两个特征参量,通过新齿轮疲劳磨损与振动试验数据并利用提出的二个特征参量验证了该模型。研究结果得出基于磨损特征信息WCRS与振动特征信息VCRS的齿轮摩擦学系统故障诊断表现出高度相关的结论,从而证实本文提出的理论和研究方法是可行的。最后,本文通过设计多工况多故障模式的试验研究方法,系统研究了齿面发生故障时磨损特征信息与振动特征信息、基于磨损与振动的故障齿轮诊断试验关系。试验特征信息研究表明,齿轮摩擦学系统振动信号表现特征具有与磨损信息表现相类似的特征变化关系。齿轮故障诊断试验关系研究表明,当齿面发生点蚀时,齿轮磨损的增长不仅与齿面点蚀程度有关,还与点蚀的齿数有关,但齿轮振动强度与齿面点蚀的程度最相关,与点蚀齿数关系不密切;当齿面发生剥落时,剥落越严重,磨损越厉害,振动越强烈,二者信息诊断表现出一致的关系。进一步关系研究发现,齿面发生故障时,相比磨损故障变化,振动信号反映故障的变化更敏感。
王志芳[4]（2008）在《摩擦学系统状态辨识的知识获取方法研究》文中研究说明摩擦学系统状态辨识经过近20年的发展,现在正朝着智能化方向发展。摩擦学系统状态辨识的智能化主要体现在两个方面,一是通过一定的数学方法能够根据监测信息判断机器摩擦学系统所处的磨损状态;二是通过摩擦学系统状态辨识规则知识进行状态识别,这些规则知识就是获取的状态辨识知识,其中知识的获取与表达方法是摩擦学系统状态辨识的重要研究内容,但是由于摩擦学系统本身的特点,导致其状态辨识的知识共享性比较差,因此需要找到一套知识获取的方法体系,此方法具有移植性,可以适用于不同的监测对象,以便获取其摩擦学系统状态辨识知识。本文以滑动轴承为研究对象,以摩擦学系统状态辨识智能化作为出发点,针对摩擦学系统状态辨识的特点,探索理论方法,寻找解决问题的理论基础,并对其基本理论知识进行了介绍;为了验证此理论方法在摩擦学系统状态辨识应用的有效性,在万能摩擦磨损试验机和内燃机摩擦学与动力学模拟试验系统上进行了滑动轴承各典型磨损过程的磨损试验,并通过多种监测信息获取手段得到滑动轴承各典型磨损工况的磨粒和磨损表面信息。利用试验所获取的滑动轴承磨损过程中磨损表面和磨粒信息,定性分析滑动轴承各典型磨损工况与所产生磨粒信息之间的对应关系:同时,鉴于摩擦学系统状态信息描述的多样化、不相容性及矛盾性等特点,应用集对分析方法,从不同角度建立了磨粒信息与磨损类型之间的定量映射关系模型,针对各不同磨损类型,计算联系度,计算结果表明:联系度越大则越靠近某种磨损表面状态,这种方法可以集定量信息和定性信息于一体,使状态描述更加全面化,辨识结果更加可靠:同时由于磨损监测过程中获得的属性数目众多,而且这些属性之中存在冗余及关联,对利用机器学习来进行自动识别不利,因此使用粗糙集理论和主元分析等两种不同的数据约简方法对监测数据进行约简,再利用支持向量机建立滑动磨损过程中产生的磨粒信息和磨损类型的映射关系识别器。将人工智能的知识工程用于摩擦学系统,用知识实现摩擦学系统状态辨识,以提高诊断效率,节约时间和经济成本。根据摩擦学系统本身的特点及知识工程中知识获取的概念,摩擦学系统状态辨识知识获取方法主要可以从三个方面进行:获取摩擦学系统状态辨识的经验知识、基于摩擦学系统试验数据的知识获取及基于摩擦学系统监测实例的知识获取。基于经验的摩擦学系统状态辨识知识获取是通过对摩擦学系统状态监测信息筛选、提取、总结获取辨识知识,这些知识便于以后摩擦学系统状态的智能辨识:运用贝叶斯网络,对监测信息比较齐全、信息量相对比较大的试验数据建立了知识获取模型,获得了对机器摩擦学系统状态辨识有指导意义的概念性及规律性知识;针对现实运行的机器摩擦学系统监测实例较少或者投入运行时间不长的机器,其监测样本相对比较少的情况,通过引入决策树理论,建立了基于监测实例的摩擦学系统状态辨识知识获取模型,经过数据预处理,使其不受监测信息类型（定性或定量）的影响,建立机器摩擦学系统状态辨识的决策树,提取出简单实用的摩擦学系统状态辨识知识,使得机器的摩擦学系统状态辨识更快捷、更方便,以此建立适合获取摩擦学系统状态辨识知识的方法体系。
夏蕊[5]（2019）在《多因素耦合作用下刮板输送机中部槽磨损特性与预测》文中研究表明中部槽是刮板输送机的关键部件,其性能的优劣直接关系到刮板输送机的工作可靠性及使用寿命。近年来,有关中部槽的摩擦学问题研究多从单因素角度分析对于中部槽磨损的影响,然而,刮板输送机中部槽的运行工况复杂,影响磨损量的因素较多,对于多因素耦合作用影响研究十分必要。中部槽在运输过程中承受了来自煤、矸石、刮板链及刮板的摩擦作用及冲击,磨损过程中受到煤散料、中板材质及工况等多因素的制约,严重的磨损失效及断裂,极易引发恶性事故。因此,开展多因素耦合作用下中部槽磨损特性研究,进而对中部槽磨损量进行预测,对于煤矿因地选材,确保煤矿安全生产,提高经济与社会效益都具有重要意义。本文针对中部槽磨损问题,设计中部槽磨损试验台,研究多因素耦合作用下中部槽的磨损规律及磨损机理;采用离散元仿真研究中部槽磨损,借助微观参数标定方法对不同含水率煤散料离散元仿真参数进行标定并研究参数变化规律;基于标定结果采用Recur Dyn及EDEM耦合建立磨损仿真模型,研究了煤的物理性质对中部槽磨损的影响;建立刮板输送机离散元磨损模型,研究矿井环境对磨损的影响;最后,基于磨损试验数据,结合机器学习算法进行中部槽磨损量预测研究。本文的主要研究成果为:（1）针对中部槽磨损形式,设计并制造了磨损试验台。在传统销轴式磨损试验机基础上,上试样模拟刮板运行并加工成斜角形式,下试样模拟中板运行加工成圆弧形并固定于料槽表面,装满煤散料的料槽在电机带动下转动模拟散料的运动。（2）针对多因素影响下中部槽磨损试验研究,通过Plackett-Burman试验筛选出显着性因素:含水率、含矸率、法向载荷,结合中心复合试验（Center composite design,CCD）,研究显着性因素之间的耦合作用表明含水率与含矸率、含水率与磨损行程的耦合作用会加剧中部槽磨损,并得到磨损量回归预测模型。（3）研究不同工况作用下,不同硬度中板的磨损情况,表明在含水率及含矸率较大工况下,提高中板硬度可以有效改进磨损。基于因素交互试验,获得改进的Archard磨损量预测经验模型,相比于传统的Archard模型预测精度更高。（4）针对含湿煤散料的离散元微观参数进行测定及标定。试验测定结果表明随着煤颗粒含水率增大,煤-煤恢复系数、煤-钢恢复系数逐渐减小,煤-钢静摩擦系数逐渐增大。标定试验结果表明影响含湿物料堆积角的显着性因素为煤-煤表面能、煤-煤滚动摩擦系数、煤-煤静摩擦系数,而煤-钢的滚动摩擦系数影响可忽略。（5）针对煤的物理性质对中部槽磨损的离散元仿真表明,磨损深度与泊松比、剪切模量、密度呈正相关性。（6）针对中部槽磨损量预测研究表明,采用机器学习算法GS-SVM所建模型具有更高的预测精度。
徐启圣[6]（2007）在《智能化多规则油液综合故障诊断理论及方法的研究》文中认为作为机械设备摩擦学系统状态监测、故障诊断及视情维护的重要手段,油液分析简捷有效、针对性强,尤其对于润滑系统设备磨损及油品状态的监测。目前,随着油液监测应用领域日益广泛、程度逐步加深,对其核心信息（如光谱分析、铁谱分析信息）的特征提取、知识发现成为油液分析研究的重难点。当前已经应用到实际的监测系统,在数据的特征提取方面没有考虑到采样和分析时“噪声”（数据干扰）的影响,在选择监测手段及其属性时主观性较强,诊断时过分依赖专家,往往不可避免地导致分析和诊断的精确性、针对性、普遍性不够,严重阻碍了油液监测技术的有效推广。鉴于此,本文根据机械设备磨损的特点,结合油液监测手段及检测信息的特点,从信息层及其特征层的多个角度研究设备磨损和油品的关键特征,建立了一套较为完整的油液监测多技术多属性综合集成分析与诊断体系及专家系统。实践表明,该系统提高了油液检测信息变化过程的监控能力和故障诊断的准确率。实践方面,根据本文的研究,为上汽基金合作者——上海通用汽车公司大型自动冲压线建立了一套较为完整的关于磨损和油品的分析与诊断标准,形成了多技术多属性综合集成分析专家系统,为其润滑系统提供了油液分析的技术支持,确保机器的正常运行,并从故障诊断及其预防角度达到可观的效果和经济效益。本文在完善传统理论和方法方面取得了突破,并在探索新理论、方法方面进行了研究,取得了成果。根据油液监测手段及其检测信息的特点,应用层次分析法、奇异值分解、小波包分析、K-means聚类、粗糙集等理论和方法较为全面地对油液监测信息进行处理,提取特征、发现知识,丰富并发展了新的油液信息处理技术。通过对油液监测手段及其检测信息与润滑系统磨损和油品相关性的深入分析,结合专家经验,应用层次分析法分别建立了针对磨损和油品的油液分析手段及其属性权重模型,形成包含各专家偏好信息的判断矩阵,通过奇异值分解,充分利用反应所有偏好信息的左右特征向量,获得了油液综合分析时监测手段及其属性在反应设备磨损状态和油品时的权重排序,从而解决了油液综合分析时监测手段及其关键特征属性的选择这个原来仅凭经验判断的问题,使油液分析有章可循,针对性、诊断力增强,为油液分析诊断标准的建立做好了准备,并在实际项目中得到了验证。关于光谱分析磨损状态和油品状态诊断准则的建立,指出并验证了常用的传统三线值法边界特征过大的不足,提出了改进的方法——改进三线值法,即在用小波包降噪原监测信号后,应用降噪过程确定的更为合适的小波函数,分解降噪信号得到关于磨损状态和油品状态的稳态信息和奇异信息,并从中提取特征。在聚类特征方面,通过K-means法聚类降噪信号得到轮廓特征和质心特征。这样联合改进三线值法得到的边界特征,获得多线值特征,建立判断准则。通过应用对比,突出了利用原始检测信息的传统“三线值”法的不足,反衬了多线值法更有效、更有实际意义。另外,从边界特征、聚类特征、属性在信息层和特征层的相关性这三个方面证明了降噪的必要性。根据应用层次分析法获得的、分析铁谱各种颗粒信息关于判断磨损状态和油品时的优先权重,结合粗糙集在不完备信息和决策表的应用以及设备的摩擦学特性,建立了基于分析铁谱的知识挖掘模型,通过对分析铁谱信息进行属性约简知识挖掘,简化了磨损状态和油品状态决策系统的关键属性,得到了具体简洁的诊断规则。最后,根据机械设备润滑系统状态监测的客观需要,深入分析各油液监测手段的优缺点、监测信息间的关联性以及不同监测手段组合的功能,建立了多技术多属性综合集成分析与诊断体系。应用之前所提的方法和获得的规则,及融合案例推理和规则推理的智能集成推理,形成了融合深浅知识的专家系统。通过在该汽车公司一条冲压线八台冲压机、上海外高桥船厂八台空压机的三年实践,不断反馈修正,该专家系统分析诊断能力得到增强、完善,具有操作简单、可在单机、网络并行应用的特点,且具有远程性,为油液分析提供远程诊断的桥梁及向在线式发展的优势。
王永洪[7]（2002）在《基于铁谱的磨损模式识别方法研究》文中进行了进一步梳理铁谱分析技术是以磨损磨粒识别为基础的诊断技术，它是机械设备磨损监测与故障诊断最为有效的方法之一。磨粒识别是铁谱分析的核心环节，识别的正确与否，直接关系机器磨损状态诊断的正确性。由于磨粒的多样性和复杂性，这种识别过程尚无成熟的理论方法来指导。磨粒识别日前主要由领域专家来完成，识别的准确性很大程度上取决于人的经验和领域知识水平。这使得铁谱技术难以得到更进一步的推广和应用。计算机图像处理技术以及人工智能特别是神经网络技术不断发展，为实现综合定量铁谱诊断及其智能化创造了有力的条件。将智能化技术应用到铁谱分析，提高铁谱分析的准确度和智能化程度，是摩擦学故障诊断领域中的热点问题。磨损磨粒的模式识别是实现铁谱分析数字化和智能化的最为核心的内容。本文提出了基于BP神经网络的磨粒识别模型的实现方法。主要内容包括： 1．综合国内、外有关文献，对机械设备状态监测方法的现状进行评述；结合本课题研究的要求，阐述了本文的主要研究内容。 2．分析论述了磨损的分类以及相应磨粒的生成机理和磨粒的形态特征；提出了用摩擦学系统分析的观点研究磨粒分析，磨粒的形态与磨损状态、磨损机理有密切关系，系统磨粒的数字特征包括摩擦学系统的状态特征、结构特征。论述了磨粒分析智能化的研究方法。 3．论述了目前磨粒识别特征提取的进展，研究分析了当前几种磨粒特征提取方法的优缺点，这对进一步研究铁谱磨粒识别有一定的理论和实用意义。本文提出以傅立叶级数展开式为基础的磨粒特征提取方法。 4．论述了前馈神经网络的基本理论，着重探讨了BP神经网络的基本原理、分类机理和学习方法；提出了适用于磨损磨粒识别的BP算法；并通过仿真实验检验了改进模型的可行性和有效性。 5．将神经网络应用于磨粒识别，设计磨粒分类器，在网络学习中运用改进的BP模型，识别严重滑动磨损磨粒、切削磨粒、正常磨损磨粒和疲劳点蚀磨粒，随机选取50个样本对分类器进行训练。 6．对神经网络隐含层的作用进行分析，在此基础上，借鉴有关文献提出的经验公式，提出了确定隐含层节点数的新方法。构造了一个自动磨粒识别模型。 7．随机选取50个未参与训练的样本对分类器的推广能力进行考察；提出以推广能力来衡量分类器的优劣；提出了增强分类器推广能力的两种方法：（1）增加训练样本数量；<2)增加隐含层节点数。以仿真实验考察了第二种方法的可行 晰 江 大 《 硕 士 《 仪 佑式 性。
王重茁[8]（2013）在《基于机油检测方法动车组内然机磨损分析系统研究》文中进行了进一步梳理机械磨损是工业设备的主要问题，而润滑油是减少磨损的重要介质，多年来建立磨损与润滑油之间的关系是一个主要研究课题，也是目前研究热点。机械磨损检测涉及很多化学化工领域，也是其重要的研究问题，多年来人们致力于检测润滑油形态、组分等来监测机械设备磨损情况，并且建立许多方法，通过润滑油变化来分析检测机器设备的磨损情况。本文以DF11型内燃动车组为研究目标，基于机油检测方法研究分析内燃机的磨损，通过分析机车状态和润滑油的形态组分来确定机油检测因子，建立适合于DF11型内燃机的机油数据系统，用于此型内燃动车组的日常检测的磨损状况，并建立LSSVR模型和线性回归模型来分析预测内燃动车组两动车数据，对于两动车的磨合磨损对比情况有着重要的意义。全文共分五部分：首先介绍了油液检测技术在内燃动车组磨合磨损中的作用，综述了机油油液分析中铁谱、光谱以及油液理化指标等进展情况。第二部分阐明了内燃机磨损的原理和实验的操作方法并结合分析铁谱、直读铁谱、光谱、机油理化指标等建立了数学线性回归模型，通过内燃动车组各个动车在相同走行公里数的情况下光谱中各个元素的数值进行对比来推测判断各个动车的磨损速率情况；通过跟踪两车在某走行区段内直读铁谱中大、小磨粒的数值进行趋势图对比情况，可判断两动车的磨损严重程度。并利用最小二乘支持向量回归法对内燃动车组两动车的磨损情况建模，对两动车的拟合差值进行了分析，预测结果与实际运行结果一致。第三部分对内燃动车组机油的检测进行了系统总体的设计，运用Delphi7软件实现了两动车柴油机基本信息查询、磨合油基本信息查询、润滑油基本信息查询、修程信息查询和柴油机性能参数数据查询等功能。第四部分对内燃动车组油液的铁谱、光谱、颗粒计数器、常规理化指标等相关参数进行了计算机的分析和判定，通过内燃动车组两动车的直读铁谱中大磨粒和小磨粒的测定，并赋予公式运算，对比了各个动车的总磨损量、磨损严重度、磨损严重度指数、累积磨损量、累积磨损严重度、铁谱大磨粒百分数、铁谱小磨粒百分数等。对两动车柴油机油理化指标中粘度、闪点、石油醚不溶物、碱、水痕量的测定对比可判断各动车的机油使用状态。第五部分通过对国产“新曙光”号内燃动车组、“跨越”号内燃动车组机车的相关数据进行跟踪，结合铁谱、光谱、物理和化学指标等，运用Delphi7软件辅助分析得到了同一坐标系中光谱和铁谱磨损线性回归对比图，并对两动车在某段走行区段内的磨损速率和磨损严重情况做了定量对比值的运算，对内燃动车组两动车的磨合磨损趋势进行了验证。
孙志伟[9]（2012）在《基于油液分析技术的设备监测与故障诊断方法研究》文中进行了进一步梳理石化行业是我国的支柱产业,在我国国民经济的发展中起着举足轻重的作用,但同时石化行业又是一个高风险的行业,有着自己的行业特点,在当今社会各行各业密切联系的背景下,许多行业的生产运行都有赖于石化行业的产品,一旦作为支柱行业的石化行业出现问题,与之相关的行业和下游产业必然会受到严重影响,因此采用合理的监测技术保证石化机械设备安、稳、长、满、优的运行是十分必要的,也是当前迫切需要解决的问题。本文采用的油液监测技术是利用光学、电学、磁学等技术手段,对采集到的设备润滑油样品的理化指标,所携带磨粒和外界污染物颗粒等进行分析和监测,从而获得设备的润滑状态和磨粒信息,同时可以定性和定量的描述设备的磨损状态,评价设备工况,并可以据此确定故障部位、原因和类型,预测故障。而这一切均可以在设备正常运行的情况下实现,对保证设备长周期连续安全工作有着十分重要的意义。本文针对所研究的对象的运行特点和常见的故障特征,对现有的监测流程进行了改进。通过对各项油液监测技术对比后,确立了以铁谱分析技术为核心,辅之以常规理化分析和原子光谱分析技术的监测方案,并为长期监测和突发性监测设计了不同的监测流程,使监测结果在满足可靠性的前提下,尽可能的减少监测步骤,提高其时效性,避免造成人力物力的大量浪费和可能因为流程过于复杂造成监测结论延误的问题。并在对磨粒正确识别的基础上对定量分析采用趋势分析法,进行数据样本回归统计,利用统计学的方法建立判断标准,对定性分析则采用灰色关联度分析法,利用权重和关联系数将磨粒的尺寸、数量和形貌特征显着程度三个参数与设备状态联系起来,实现磨粒的自动分析,以达到节约人力成本,提高监测速度,排除监测人员主观性的目的,经实践检验后,与实际情况完全符合,取得了良好的效果。
陈娟[10]（2007）在《不同磨损状态的磨粒特征研究》文中研究指明本论文主要是利用铁谱技术对机械因不同磨损而产生的磨粒进行特征分析与研究，具体依据铁谱图片分析所得的磨粒特征来判断机器的实际磨损状态。铁谱分析技术是一种用于研究磨粒磨损机理、分析磨损状态的有效方法，利用铁谱分析技术可以对机器进行磨损状态监测和故障诊断。从而达到对机器的运转状况提出预报的目的。论文研究了大型机械主要摩擦副摩擦磨损的危害、铁谱技术的有关理论及实际运用方法，并结合机械主要摩擦副的磨损特点，监测实验中，以内燃机为实际研究对象，采集内燃机实际工况下的油样，利用铁谱技术对其进行油样分析，通过实验，对所得到的数据进行分类研究。分析不同磨损状态下的磨损磨粒，确定其磨粒的特征和形成机理。如对磨合期(跑合期)、正常稳定磨损期、磨损失效期三个磨损过程中取得的油样进行分析。并将磨粒形态与磨损机理相结合。在此基础上，利用实验分析所得的结论，分析判断机器的实际磨损状态，最终达到利用铁谱技术对机械进行工况监测和故障诊断的目的。为机器的正常工作提供及时准确的依据。
二、摩擦学系统分析法在机械零件失效分析中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、摩擦学系统分析法在机械零件失效分析中的应用（论文提纲范文）
（2）基于能量耗损的机械设备故障诊断理论与方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号 |
| 第1章 绪论 |
| 1.1 研究意义及课题来源 |
| 1.2 研究现状 |
| 1.2.1 机械设备故障诊断研究现状 |
| 1.2.2 能量耗损研究现状 |
| 1.2.3 故障模式识别与故障规则提取研究现状 |
| 1.3 论文结构与研究内容安排 |
| 第2章 基于能量耗损的机械设备故障诊断理论研究 |
| 2.1 引言 |
| 2.2 能量耗损理论分析 |
| 2.2.1 摩擦学系统的能量耗损 |
| 2.2.2 能量耗损信息及监测模型 |
| 2.3 能量耗损信息相关性分析 |
| 2.4 能量耗损信号特征提取 |
| 2.4.1 能量耗损信号的时频域分析 |
| 2.4.2 基于小波变换的能量耗损信号特征提取 |
| 2.4.3 基于流形学习的非线性特征提取方法 |
| 2.5 基于能量耗损的机械设备故障诊断建模与故障规则研究 |
| 2.5.1 基于能量耗损的摩擦学系统诊断建模 |
| 2.5.2 基于能量耗损的摩擦学系统故障规则 |
| 2.6 机械摩擦系统的动力学仿真 |
| 2.7 本章小结 |
| 第3章 能量耗损信息监测实验台的设计与试验方案 |
| 3.1 引言 |
| 3.2 齿轮箱能量耗损监测试验台 |
| 3.2.1 齿轮能量耗损监测实验台 |
| 3.2.2 齿轮振动测试装置与信号采集 |
| 3.2.3 油液分析装置 |
| 3.2.4 齿轮箱故障实验方案设计 |
| 3.3 柴油机能量耗损监测诊断试验台 |
| 3.3.1 柴油机能量耗损监测诊断试验台 |
| 3.3.2 油耗采集装置 |
| 3.3.3 振动检测装置 |
| 3.3.4 尾气分析装置 |
| 3.3.5 柴油机实验方案设计 |
| 3.4 本章小结 |
| 第4章 能量耗损信息流相关性实验研究 |
| 4.1 引言 |
| 4.2 齿轮箱能量耗损的诊断实验研究 |
| 4.2.1 齿轮箱输入的功率耗损分析 |
| 4.2.2 齿轮箱振动能量耗损分析 |
| 4.2.3 齿轮摩擦磨损能耗分析 |
| 4.3 齿轮箱能量耗损信息流相关性研究 |
| 4.4 柴油机活塞磨损的能量耗损研究 |
| 4.4.1 油耗分析 |
| 4.4.2 柴油机振动的能量耗损分析 |
| 4.4.3 柴油机摩擦磨损的能量耗损分析 |
| 4.4.4 柴油机尾气分析 |
| 4.5 柴油机能量耗损信息的相关性研究 |
| 4.6 本章小结 |
| 第5章 能量耗损信息的故障模式识别与故障规则研究 |
| 5.1 引言 |
| 5.2 特征提取与故障模式识别 |
| 5.2.1 核方法特征提取 |
| 5.2.2 支持向量机及仿真 |
| 5.3 基于流形学习与支持向量机的能量耗损信息故障模式识别 |
| 5.4 基于神经网络的能量耗损信息融合 |
| 5.4.1 神经网络及改进的神经网络模型 |
| 5.4.2 能量耗损信息融合 |
| 5.5 能量耗损信息的故障规则建立 |
| 5.5.1 基于粗糙集理论的故障规则提取 |
| 5.5.2 基于神经网络与模糊理论的能量耗损信息故障规则的研究 |
| 5.6 本章小结 |
| 第6章 能量耗损信息监测与诊断系统研究 |
| 6.1 引言 |
| 6.2 能量耗损信息监测诊断系统框架 |
| 6.3 基于虚拟仪器技术的能量耗损监测系统开发 |
| 6.3.1 基于虚拟仪器技术能量耗损监测系统的设计 |
| 6.3.2 数据库系统的设计 |
| 6.3.3 能量耗损信号采集系统 |
| 6.3.4 信号分析与诊断子系统 |
| 6.4 本章小结 |
| 结论 |
| 1 主要工作及结论 |
| 2 创新点 |
| 3 展望与建议 |
| 参考文献 |
| 附录 |
| 附录 1 齿轮故障铁谱图像 |
| 附录 2 柴油机活塞磨损故障铁谱图像 |
| 附录 3 能量耗损信息的监测与诊断系统界面 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）基于摩擦学与动力学的齿轮系统故障诊断相关性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 齿轮摩擦学特性研究 |
| 1.2.2 齿轮动力学特性研究 |
| 1.2.3 融合油液分析与振动分析的齿轮状态特征研究 |
| 1.3 国内外相关性研究评述 |
| 1.4 本论文的研究内容及结构 |
| 第二章 摩擦学信息与动力学信息相关性描述理论与方法研究 |
| 2.1 引言 |
| 2.2 齿轮副摩擦振动特征信息 |
| 2.2.1 齿轮副相对运动特征 |
| 2.2.2 摩擦学信息特征 |
| 2.2.3 动力学信息特征 |
| 2.2.4 齿面发生故障时的振动特征讨论 |
| 2.3 齿轮摩擦学信息与动力学信息相关性描述 |
| 2.3.1 摩擦学特征信息与动力学特征信息的异同性 |
| 2.3.2 摩擦学特征信息与动力学特征信息的相关性 |
| 2.4 基于磨损信息与振动信息的故障诊断相关性建模 |
| 2.4.1 摩擦学系统能量损耗状态监测模型 |
| 2.4.2 能量损耗监测诊断参数化方法 |
| 2.4.3 基于磨损与振动的故障诊断相关性建模 |
| 2.5 变摩擦信息的齿轮动力学特征信息仿真研究 |
| 2.5.1 ADAMS 中的接触模型 |
| 2.5.2 齿轮系啮合仿真动力学建模 |
| 2.5.3 动力学信息仿真结果及分析 |
| 2.6 本章小结 |
| 第三章 试验设计及试验方案 |
| 3.1 引言 |
| 3.2 试验系统装置 |
| 3.2.1 试验台系统 |
| 3.2.2 冷却循环装置设计 |
| 3.2.3 试验齿轮箱 |
| 3.2.4 振动检测装置 |
| 3.3 磨损油样检测方法及仪器 |
| 3.3.1 铁谱分析 |
| 3.3.2 光谱分析 |
| 3.4 试验方案设计 |
| 3.4.1 疲劳磨损试验方案 |
| 3.4.2 模拟故障齿轮试验方案 |
| 3.4.3 油液分析试验方案 |
| 3.5 疲劳试验截止结果 |
| 3.6 本章小结 |
| 第四章 基于磨损与振动的故障诊断相关性试验研究 |
| 4.1 引言 |
| 4.2 齿轮摩擦学系统疲劳试验磨损特征 |
| 4.2.1 润滑油理化指标黏度变化 |
| 4.2.2 系统磨损性故障磨损分析 |
| 4.2.3 磨损磨粒演变及特征分析 |
| 4.2.4 系统磨损性故障的光谱特征及光谱诊断 |
| 4.3 齿轮疲劳磨损规律建模 |
| 4.3.1 轮齿材料磨损元素数据处理 |
| 4.3.2 基于时间序列方法的磨损规律建模 |
| 4.4 齿轮摩擦学系统疲劳试验振动特征 |
| 4.4.1 振动信号的时域特征分析 |
| 4.4.2 振动信号的频谱特征分析 |
| 4.5 摩擦学系统故障诊断相关性试验研究 |
| 4.5.1 基于磨损与振动的故障诊断相关性模型试验验证 |
| 4.5.2 齿面均匀磨损与振动频谱特征关系 |
| 4.6 本章小结 |
| 第五章 故障齿轮磨损与振动试验特征及诊断关系研究 |
| 5.1 引言 |
| 5.2 齿轮摩擦学系统故障试验的磨损特征 |
| 5.2.1 点蚀故障齿轮磨损信息特征 |
| 5.2.2 剥落故障齿轮磨损信息特征 |
| 5.3 齿轮摩擦学系统故障试验的振动特征 |
| 5.3.1 点蚀故障齿轮时域振动特征 |
| 5.3.2 点蚀故障齿轮的频域特征分析 |
| 5.3.3 剥落故障齿轮时域振动特征 |
| 5.3.4 剥落故障齿轮的频域特征分析 |
| 5.4 齿轮摩擦学系统故障试验的能量损耗特征 |
| 5.4.1 点蚀故障齿轮能量损耗 |
| 5.4.2 剥落故障齿轮能量损耗 |
| 5.5 故障齿轮磨损与振动信息诊断关系 |
| 5.5.1 点蚀故障齿轮磨损与振动信息诊断试验关系 |
| 5.5.2 剥落故障齿轮磨损与振动信息诊断试验关系 |
| 5.6 本章小结 |
| 结论 |
| 1. 主要工作及结论 |
| 2. 创新点 |
| 3. 展望与建议 |
| 参考文献 |
| 附录 |
| 附录1 齿轮疲劳磨损过程磨粒图 |
| 附录2 齿轮疲劳磨损典型磨粒图 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
（4）摩擦学系统状态辨识的知识获取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 国内外研究现状 |
| 1.1.1 摩擦学系统状态辨识的发展状况 |
| 1.1.2 知识获取方法的研究进展 |
| 1.1.3 知识获取在摩擦学系统状态辨识的应用 |
| 1.2 目的与意义 |
| 1.3 课题来源 |
| 1.4 研究的主要内容 |
| 第2章 研究的理论基础 |
| 2.1 前言 |
| 2.2 集对分析方法 |
| 2.2.1 集对分析基本概念 |
| 2.2.2 联系度 |
| 2.3 支持向量机原理 |
| 2.4 贝叶斯网络基本知识 |
| 2.4.1 概率规则 |
| 2.4.2 贝叶斯网络 |
| 2.5 决策树算法原理 |
| 2.5.1 属性选择的度量标准 |
| 2.5.2 决策树的剪枝 |
| 2.5.3 决策树中分类规则获取 |
| 2.6 本章小结 |
| 第3章 试验设计及试验方法 |
| 3.1 前言 |
| 3.2 试验设计及目的 |
| 3.2.1 滑动轴承材料的摩擦磨损试验 |
| 3.2.2 滑动轴承的模拟试验 |
| 3.3 试验设备 |
| 3.3.1 MMW-1立式万能摩擦磨损试验机 |
| 3.3.2 内燃机摩擦学与动力学模拟试验系统 |
| 3.4 试验材料及参数 |
| 3.5 磨损信息分析手段 |
| 3.6 分析程序 |
| 3.7 本章小节 |
| 第4章 滑动轴承磨损类型与磨粒信息映射研究 |
| 4.1 前言 |
| 4.2 滑动轴承磨损表面和磨粒信息的定性映射关系 |
| 4.2.1 获取的滑动轴承磨损表面与磨粒形貌 |
| 4.2.2 滑动轴承磨损表面与磨粒信息的定性映射关系描述 |
| 4.3 滑动轴承磨损表面和磨粒信息的定量关系研究 |
| 4.3.1 基于集对分析的摩擦学系统状态预测 |
| 4.3.2 基于集对分析的摩擦学系统状态辨识模型 |
| 4.4 滑动轴承磨损表面和磨粒信息的映射关系识别器 |
| 4.4.1 建立滑动磨损表面和磨粒信息映射关系识别器的基本原理 |
| 4.4.2 磨粒信息监测属性约简 |
| 4.4.3 基于支持向量机的滑动磨损映射关系模型 |
| 4.4.4 基于属性约简和支持向量机的滑动磨损映射关系识别方法 |
| 4.4.5 建立滑动轴承磨损表面和磨粒信息的映射关系模型 |
| 4.5 小结 |
| 第5章 基于经验的摩擦学系统状态辨识知识获取 |
| 5.1 前言 |
| 5.2 摩擦学系统状态辨识中的经验知识 |
| 5.2.1 不同监测设备的判别规则 |
| 5.2.2 磨粒类型识别规则 |
| 5.2.3 换油规则 |
| 5.2.4 摩擦学系统状态辨识规则 |
| 5.3 适用于滑动轴承的摩擦学系统状态辨识知识 |
| 5.4 本章小结 |
| 第6章 基于试验数据的摩擦学系统状态辨识的知识获取 |
| 6.1 前言 |
| 6.2 摩擦学系统中的贝叶斯网络构建方法 |
| 6.2.1 基于信息论的摩擦学系统贝叶斯网络构造方法 |
| 6.2.2 应用实例 |
| 6.3 本章小结 |
| 第7章 基于监测实例的摩擦学系统状态辨识的知识获取 |
| 7.1 前言 |
| 7.2 基于决策树的摩擦学系统状态辨识知识的获取 |
| 7.2.1 基本思想 |
| 7.2.2 基于决策树的摩擦学状态识别知识的获取模型 |
| 7.3 摩擦学系统状态辨识的知识获取应用实例 |
| 7.4 本章小结 |
| 第8章 结论及展望 |
| 8.1 主要成果和结论 |
| 8.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间发表的主要论文及参加的科研项目 |
（5）多因素耦合作用下刮板输送机中部槽磨损特性与预测（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景、目的与意义 |
| 1.3 国内外研究动态 |
| 1.3.1 中部槽磨损研究现状 |
| 1.3.2 多因素作用下磨损研究现状 |
| 1.3.3 离散元法在矿山机械领域应用现状 |
| 1.3.4 磨损预测研究现状 |
| 1.4 主要研究内容与技术路线 |
| 1.5 本章小结 |
| 第二章 刮板输送机中部槽磨损分析 |
| 2.1 引言 |
| 2.2 刮板输送机的结构与工作原理 |
| 2.3 中部槽摩擦学系统分析 |
| 2.3.1 摩擦学系统方法 |
| 2.3.2 中部槽机械结构 |
| 2.3.3 中部槽磨损影响因素分析 |
| 2.3.4 中部槽摩擦学系统结构 |
| 2.4 中部槽磨损机理 |
| 2.4.1 基本磨损机理 |
| 2.4.2 中部槽磨损机理分析 |
| 2.5 本章小结 |
| 第三章 刮板输送机中部槽磨损试验 |
| 3.1 引言 |
| 3.2 中部槽磨损试验台研制 |
| 3.2.1 试验台设计 |
| 3.2.2 试验台制造 |
| 3.3 中部槽磨损因素确定 |
| 3.3.1 哈氏可磨性指数 |
| 3.3.2 含水率 |
| 3.3.3 含矸率 |
| 3.3.4 煤散料粒度 |
| 3.3.5 刮板链速 |
| 3.3.6 法向载荷 |
| 3.4 试验设计方法简介 |
| 3.4.1 Plackett-Burman因素筛选试验设计 |
| 3.4.2 CCD中心复合试验设计 |
| 3.5 中部槽磨损多因素筛选试验 |
| 3.5.1 试验准备及规划 |
| 3.5.2 试验结果及分析 |
| 3.5.3 PB试验总结 |
| 3.6 中部槽磨损中心复合试验 |
| 3.6.1 试验规划 |
| 3.6.2 试验结果及分析 |
| 3.6.3 响应曲面分析 |
| 3.6.4 CCD磨损回归预测模型及验证 |
| 3.7 中部槽磨损单因素试验 |
| 3.7.1 试验准备及规划 |
| 3.7.2 试验结果及分析 |
| 3.8 中部槽磨损因素交互试验 |
| 3.8.1 试验规划 |
| 3.8.2 改进的Archard模型构建及验证 |
| 3.9 基于因素变化的磨损机理分析 |
| 3.9.1 含水变化磨损机理分析 |
| 3.9.2 含矸变化磨损机理分析 |
| 3.9.3 载荷变化磨损机理分析 |
| 3.9.4 行程变化磨损机理分析 |
| 3.9.5 硬度变化磨损机理分析 |
| 3.10 本章小结 |
| 第四章 基于EDEM的刮板输送机中部槽磨损模型与仿真 |
| 4.1 引言 |
| 4.2 离散元法与多体动力学基本理论 |
| 4.2.1 离散元法 |
| 4.2.2 软球模型 |
| 4.2.3 颗粒接触模型 |
| 4.2.4 多体动力学基本理论 |
| 4.2.5 离散元法与多体动力学耦合 |
| 4.3 煤散料的微观参数测定与标定 |
| 4.3.1 密度及剪切模量 |
| 4.3.2 恢复系数 |
| 4.3.3 静摩擦系数 |
| 4.3.4 滚动摩擦系数 |
| 4.3.5 仿真-试验对比法标定参数 |
| 4.4 中部槽磨损试验台离散元模型与仿真 |
| 4.4.1 中部槽磨损试验台离散元模型构建 |
| 4.4.2 中部槽磨损试验台离散元模型验证 |
| 4.4.3 基于煤的物理性质的中部槽磨损离散元仿真 |
| 4.5 中部槽离散元模型与仿真 |
| 4.5.1 中部槽离散元模型构建 |
| 4.5.2 基于铺设倾角的中部槽磨损仿真 |
| 4.5.3 基于物料堆积的中部槽磨损仿真 |
| 4.5.4 基于落煤点的中部槽磨损仿真 |
| 4.6 本章小结 |
| 第五章 刮板输送机中部槽磨损量预测 |
| 5.1 引言 |
| 5.2 机器学习算法简介 |
| 5.2.1 BP神经网络 |
| 5.2.2 极限学习机 |
| 5.2.3 支持向量机 |
| 5.3 基于机器学习算法的中部槽磨损量预测 |
| 5.3.1 磨损原始数据样本预处理 |
| 5.3.2 模型的预测精度评价标准 |
| 5.3.3 程序实现及参数设置 |
| 5.3.4 结果分析 |
| 5.4 试验模型与机器模型的对比分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 致谢 |
（6）智能化多规则油液综合故障诊断理论及方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 立题背景 |
| 1.2 状态监测 |
| 1.3 机械故障诊断技术 |
| 1.3.1 机械故障诊断技术的特征 |
| 1.3.2 提高机械故障诊断质量的方法 |
| 1.4 油液分析及其现状 |
| 1.4.1 油液分析的重要性 |
| 1.4.2 油液分析的监测手段 |
| 1.4.3 油液分析的现状 |
| 1.4.4 油液分析的发展方向 |
| 1.5 目前研究中存在的问题 |
| 1.6 本文研究目标和意义、主要研究内容 |
| 1.6.1 本文课题来源 |
| 1.6.2 本文研究的目标和意义 |
| 1.6.3 本文主要研究内容 |
| 第二章 油液综合分析手段及其属性的权重研究及选择 |
| 2.1 油液分析诊断的分类 |
| 2.2 油液分析检测手段权重模型确定及实现 |
| 2.2.1 层次分析法（AHP） |
| 2.2.2 计算权重之奇异值分解（SVD） |
| 2.2.3 权重算法 |
| 2.2.4 反应磨损状态监测手段的层次结构 |
| 2.2.5 反应油品及润滑状态监测手段的层次结构 |
| 2.3 监测手段及属性权重的确定 |
| 2.3.1 反应磨损状态监测手段及属性的权重 |
| 2.3.2 反应油品及润滑状态监测手段的权重 |
| 2.3.3 权重总排序 |
| 2.4 本章小结 |
| 第三章 光谱信息的特征提取和知识挖掘 |
| 3.1 特征提取和选择的方法 |
| 3.1.1 基于统计的方法 |
| 3.1.2 基于子空间的方法 |
| 3.1.3 频谱分析法 |
| 3.2 离散小波变换和小波包 |
| 3.2.1 一维离散小波变换 |
| 3.2.2 小波包变换 |
| 3.2.3 小波基的选择 |
| 3.2.4 阈值方法的选择 |
| 3.3 改进三线值法 |
| 3.4 光谱信号的降噪 |
| 3.5 基于多线值的磨损模式分类和识别 |
| 3.5.1 边界条件 |
| 3.5.2 相关度 |
| 3.5.3 聚类特征 |
| 3.5.4 磨损模式的分类和识别 |
| 3.6 讨论和结束语 |
| 第四章 基于粗糙集的分析铁谱知识的有效发现 |
| 4.1 粗糙集概述 |
| 4.2 不完备系统的Rough set 模型 |
| 4.2.1 信息系统 |
| 4.2.2 上下近似 |
| 4.2.3 属性的冗余和约简 |
| 4.2.4 决策表 |
| 4.2.5 决策规则和知识约简 |
| 4.2.6 约简的计算 |
| 4.3 分析铁谱信息系统的磨损知识发现 |
| 4.3.1 磨损属性选择和约简 |
| 4.3.2 磨损知识发现 |
| 4.4 分析铁谱信息系统的油品知识发现 |
| 4.5 小结 |
| 第五章 油液综合集成分析诊断 |
| 5.1 综合集成思想 |
| 5.1.1 还原论的问题求解过程 |
| 5.1.2 整体论的问题求解过程 |
| 5.1.3 综合集成方法论的问题求解过程 |
| 5.1.4 综合集成框架 |
| 5.2 油液综合集成分析的客观需要 |
| 5.2.1 常见主要摩擦副的磨损、失效 |
| 5.2.2 机械故障的分类和特点 |
| 5.2.2.1 机械故障的类型 |
| 5.2.2.2 机械故障复杂性 |
| 5.2.3 状态信息的多样性 |
| 5.3 油液信息及其联系 |
| 5.3.1 污染度分析 |
| 5.3.2 直读铁谱分析 |
| 5.3.3 理化分析 |
| 5.3.4 光谱分析 |
| 5.3.5 分析铁谱 |
| 5.4 油液综合集成分析模型的建立 |
| 5.4.1 技术手段的综合 |
| 5.4.2 多技术综合集成系统 |
| 5.5 油液综合集成分析模型的应用 |
| 5.5.1 污染度的分析 |
| 5.5.2 理化信息的分析 |
| 5.5.3 光谱信息的分析 |
| 5.5.4 分析铁谱信息的分析 |
| 5.5.5 综合集成分析 |
| 5.6 小结 |
| 第六章 油液综合集成分析专家系统设计 |
| 6.1 专家系统的基本概念 |
| 6.1.1 基于专家系统的诊断方法 |
| 6.1.2 专家系统的基本结构 |
| 6.2 推理机系统 |
| 6.2.1 案例推理 |
| 6.2.2 规则推理 |
| 6.2.3 集成推理设计 |
| 6.2.3.1 集成推理方式 |
| 6.2.3.2 集成推理流程 |
| 6.3 知识库设计 |
| 6.3.1 知识表示 |
| 6.3.2 组织及维护 |
| 6.4 油液综合集成分析专家系统的设计 |
| 6.4.1 设计要求及实现 |
| 6.4.2 主要模块、功能及流程 |
| 6.5 主要界面设计 |
| 6.5.1 登陆界面 |
| 6.5.2 系统主界面 |
| 6.5.3 理化分析界面 |
| 6.5.4 光谱分析界面 |
| 6.5.5 直读铁谱分析界面 |
| 6.5.6 分析铁谱界面 |
| 6.5.7 污染度界面 |
| 6.5.8 综合集成诊断界面 |
| 6.6 本专家系统的特点 |
| 6.7 小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 论文的创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 攻读博士期间发表的科学技术论文 |
| 致谢 |
（7）基于铁谱的磨损模式识别方法研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 磨损监测的意义 |
| 1.2 磨损状态监测方法 |
| 1.3 磨损磨粒分析技术 |
| 1.4 铁谱技术 |
| 1.5 磨损铁谱诊断方法及其智能化发展 |
| 1.6 选题的意义及本方的主要工作 |
| 1.6.1 选题意义 |
| 1.6.2 本文研究内容 |
| 第二章 磨损机理与磨粒特征 |
| 2.1 磨损分类 |
| 2.1.1 按磨损机理分类 |
| 2.1.2 按磨损形式分类 |
| 2.2 磨损机理及磨粒的生成 |
| 2.2.1 粘着磨损 |
| 2.2.2 磨料磨损 |
| 2.2.3 表面滚动接触疲劳磨损 |
| 2.2.4 腐蚀磨损 |
| 2.3 磨粒的摩擦学系统分析 |
| 2.3.1 摩擦学系统分析方法 |
| 2.3.2 磨粒的摩擦学系统分析 |
| 2.4 磨粒种类及特征 |
| 2.4.1 与粘着磨损有关的磨粒 |
| 2.4.2 与磨料磨损有关的磨粒 |
| 2.4.3 与疲劳磨损有关的磨粒 |
| 2.4.4 与腐蚀磨损有关的磨粒 |
| 2.5 磨粒识别 |
| 2.5.1 磨粒边缘数字特征 |
| 2.5.2 磨粒颜色数字特征 |
| 2.5.3 磨粒表面形貌数字特征 |
| 2.5.4 分形维几何磨粒分析法 |
| 2.5.5 Spike参数磨粒分析法 |
| 2.6 本章小结 |
| 第三章 磨粒识别的BP算法研究 |
| 3.1 概述 |
| 3.1.1 神经网络与模式识别 |
| 3.1.2 神经网络的一般特征 |
| 3.1.3 神经网络的基本模型 |
| 3.1.4 神经网络的动态特性 |
| 3.2 多层前馈神经网络的基本理论 |
| 3.2.1 多层前馈神经网络的结构 |
| 3.2.2 前馈神经网络的计算过程 |
| 3.3 BP神经网络 |
| 3.3.1 网络的结构与数学描述 |
| 3.3.2 BP网络的学习算法 |
| 3.3.3 BP网络的误差 |
| 3.4 神经网络的分类机理 |
| 3.4.1 几何分类机理 |
| 3.4.2 代数分类机理 |
| 3.5 磨损磨粒识别的BP算法 |
| 3.5.1 算法概况 |
| 3.5.2 输出层的优化 |
| 3.5.3 网络的线性化 |
| 3.5.4 隐层的优化 |
| 3.5.5 增加动量项 |
| 3.6 仿真实验 |
| 3.7 本章小结 |
| 第四章 铁谱磨粒分类器设计与实现 |
| 4.1 引言 |
| 4.2 铁谱磨粒特征提取 |
| 4.2.1 傅立叶级数展开式 |
| 4.2.2 特征提取 |
| 4.3 分类器结构设计 |
| 4.3.1 输入与输出层的设计 |
| 4.3.2 隐含层结构设计 |
| 4.4 磨粒识别 |
| 4.4.1 分类器结构 |
| 4.4.2 训练样本 |
| 4.4.3 初始权值 |
| 4.4.4 网络输出结果与分析 |
| 4.5 分类器的推广能力分析 |
| 4.5.1 分类器考核指标 |
| 4.5.2 AWPRH分类器的推广能力分析 |
| 4.5.3 增强推广能力的途径 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 致谢 |
| 参考文献 |
（8）基于机油检测方法动车组内然机磨损分析系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 综述 |
| 1.1 课题研究的背景及意义 |
| 1.2 内燃动车组发展的现状 |
| 1.3 机车磨损油液分析在国内外的研究进展 |
| 1.3.1 机械磨损分析进展情况 |
| 1.3.2 内燃机车磨损检测技术进展 |
| 1.3.3 机油检测技术进展 |
| 1.4 本文研究目的、意义及主要内容 |
| 第二章 基于机油检测的动车组内燃机磨损分析原理与方法 |
| 2.1 动车组内燃机磨损分析的机油检测原理 |
| 2.1.1 机油光谱分析原理 |
| 2.1.2 机油铁谱分析原理 |
| 2.1.3 机油颗粒计数分析 |
| 2.2 动车组内燃机磨损分析的机油谱分析操作方法 |
| 2.2.1 光谱分析操作方法 |
| 2.2.2 铁谱分析操作方法 |
| 2.3 表征磨损状况机油检测参数的确定 |
| 2.3.1 机油光谱的监测参数因子 |
| 2.3.2 机油铁谱的监测参数因子 |
| 2.3.3 机油颗粒计数器的监测参数因子 |
| 2.3.4 机油粘度的监测参数因子 |
| 2.4 动车组内燃机磨损机油检测金属关联的数学方法 |
| 2.4.1 基于谱分析磨损状况的线性回归分析方法 |
| 2.4.2 基于谱分析磨损状况的支持向量机分析方法 |
| 2.5 磨粒的图谱数据库 |
| 2.6 “跨越号”机油无机成分组成的光谱分析结果 |
| 2.7 “新曙光”机油小磨粒及铅含量分析 |
| 2.8 利用 LSSVR 对动车组内燃机磨损情况建模 |
| 2.8.1 模型参数的获取 |
| 2.8.2 拟合值与测量值比较 |
| 2.9 动车组内燃机磨损机油检测金属关联的结果与讨论 |
| 2.10 本章小结 |
| 第三章 基于机油检测的内燃机磨损状况系统总体设计与管理 |
| 3.1 概述 |
| 3.1.1 系统开发的背景 |
| 3.1.2 系统设计的可行性分析 |
| 3.1.3 内燃动车组机油检测系统设计的优缺点分析 |
| 3.2 基于机油检测的内燃机磨损状况系统总体设计 |
| 3.2.1 系统功能划分 |
| 3.2.2 系统结构流程图 |
| 3.2.3 软件外观图 |
| 3.2.4 系统输入数据模块 |
| 3.2.5 系统数据库模块 |
| 3.2.6 系统输出模块 |
| 3.3 系统登陆及应用模块设计 |
| 3.4 基于机油检测的内燃机磨损状况系统数据库设计 |
| 3.5 内燃动车组信息输入 |
| 3.5.1 内燃动车组 A 端信息输入 |
| 3.5.2 内燃动车组 B 端信息输入 |
| 3.6 内燃动车组信息输出 |
| 3.6.1 内燃动车组 A 端信息输出 |
| 3.6.2 内燃动车组 B 端信息输出 |
| 3.7 动车组相关知识查询 |
| 3.8 本章小结 |
| 第四章 内燃动车组机油检测系统定性评价模块与应用 |
| 4.1 内燃动车组 A 端系统评价设计 |
| 4.1.1 内燃动车组机油光谱数据系统评价设计 |
| 4.1.2 内燃动车组机油直读铁谱数据分析评价设计 |
| 4.1.3 内燃动车组机油颗粒计数分析评价设计 |
| 4.1.4 内燃动车组机油分析铁谱的系统评价设计 |
| 4.1.5 内燃动车组机油理化指标的系统评价设计 |
| 4.2 内燃动车组 B 端系统评价设计 |
| 4.3 内燃动车组 A 端/B 端综合系统评价设计 |
| 4.4 系统设计的判断规则及数据库表的设计 |
| 4.4.1 光谱分析的判断规则 |
| 4.4.2 铁谱分析的判断规则 |
| 4.4.3 颗粒计数规则 |
| 4.4.4 理化指标的判断规则 |
| 4.4.5 数据库表的设计 |
| 4.5 动车组系统评价的输出 |
| 4.5.1 内燃动车组 A 端光谱评价输出 |
| 4.5.2 内燃动车组 A 端直读铁谱评价输出 |
| 4.5.3 内燃动车组 A 端颗粒计数分析评价输出 |
| 4.5.4 内燃动车组 A 端分析铁谱分析评价输出 |
| 4.5.5 内燃动车组 A 端理化指标评价输出 |
| 4.5.6 内燃动车组 B 端信息输出 |
| 4.5.7 两动车系统评价输出 |
| 4.6 本章小结 |
| 第五章 内燃动车组机油检测系统定量评价模块与应用 |
| 5.1 内燃动车组机油磨粒系统设计程序概况 |
| 5.2 内燃动车组机油磨粒数值的系统设计 |
| 5.2.1 主要程序设计简介 |
| 5.2.2 软件操作使用情况 |
| 5.3 内燃动车组磨损的实例分析 |
| 5.4 内燃动车组机油磨粒数值的系统测试 |
| 5.4.1 测试目标 |
| 5.4.2 测试项目说明 |
| 5.4.3 测试评价 |
| 5.5 内燃动车组机油磨粒数值的系统设计评价 |
| 5.5.1 系统可扩展性 |
| 5.5.2 系统展望 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
| 详细摘要 |
（9）基于油液分析技术的设备监测与故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 石油化工企业的运行特点 |
| 1.2 设备诊断技术 |
| 1.3 机械磨损监测的意义 |
| 1.4 油液监测技术 |
| 1.5 常用的油液监测方法 |
| 1.5.1 常规理化分析法 |
| 1.5.2 红外光谱分析法 |
| 1.5.3 原子光谱分析法 |
| 1.5.4 颗粒计数法 |
| 1.5.5 铁谱分析法 |
| 1.6 油液监测技术的新进展 |
| 1.7 选题的目的和意义 |
| 1.8 本课题的主要研究内容 |
| 第二章 机械磨损及常见磨粒特征 |
| 2.1 摩擦理论及其发展 |
| 2.2 摩擦的定义及分类 |
| 2.2.1 摩擦的定义 |
| 2.2.2 摩擦的分类 |
| 2.3 磨损的定义及分类 |
| 2.3.1 磨损的定义 |
| 2.3.2 磨损的分类 |
| 2.3.3 磨损机理 |
| 2.4 机械润滑 |
| 2.5 磨粒的特征及识别 |
| 2.6 本章小结 |
| 第三章 油液监测流程及其改进 |
| 3.1 主要研究对象和主要实验手段的选择 |
| 3.2 现有的油液监测流程 |
| 3.3 改进后的监测流程 |
| 3.4 本章小结 |
| 第四章 磨粒自动分析实验研究 |
| 4.1 磨粒自动分析的必要性和优势 |
| 4.2 铁谱磨粒自动分析技术的进展 |
| 4.3 铁谱定量分析中的自动分析实验 |
| 4.4 铁谱定性分析中的自动分析研究 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（10）不同磨损状态的磨粒特征研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 概述 |
| 1.1 磨损危害的分析 |
| 1.2 磨损状态监测技术 |
| 1.2.1 设备状态监测法的分类 |
| 1.2.2 铁谱分析技术 |
| 1.2.2.1 铁谱分析技术的工业应用 |
| 1.2.2.2 铁谱技术的特点 |
| 1.2.2.3 铁谱原理及铁谱仪 |
| 1.3 选题意义 |
| 第2章 摩擦磨损理论 |
| 2.1 摩擦理论 |
| 2.1.1 早期摩擦理论 |
| 2.1.2 现代摩擦理论 |
| 2.2 摩擦的定义和分类 |
| 2.2.1 摩擦的定义 |
| 2.2.2 摩擦的分类 |
| 2.3 磨损理论 |
| 2.3.1 磨损的定义 |
| 2.3.2 磨损的分类 |
| 2.3.3 磨损失效过程 |
| 第3章 磨粒样品采集与处理 |
| 3.1 油液分析诊断技术概况 |
| 3.2 油液分析技术的分类 |
| 3.2.1 光谱分析法 |
| 3.2.2 磁塞分析检测法 |
| 3.2.3 颗粒计数法(光学型磨粒监测技术) |
| 3.2.4 过滤法 |
| 3.2.5 铁潜分析法 |
| 3.3 取样工况条件 |
| 3.4 铁谱取样技术 |
| 3.5 取样 |
| 3.5.1 取样点 |
| 3.5.2 取样周期 |
| 3.6 油样的处理 |
| 3.6.1 油样的加热处理 |
| 3.6.2 油样的浓度稀释和粘度稀释 |
| 3.7 铁谱片的制取 |
| 3.7.1 铁谱片加热分析法 |
| 第4章 磨损识别与故障诊断 |
| 4.1 磨损机理 |
| 4.2 磨损磨粒的特征分析 |
| 4.2.1 钢铁磨损颗粒 |
| 4.2.2 铁的氧化物磨粒 |
| 4.2.3 润滑油变质及摩擦聚合物磨粒 |
| 4.2.4 污染物颗粒 |
| 4.2.5 轴承合金磨屑 |
| 4.3 磨粒的磨损类型 |
| 4.3.1 正常摩擦磨损颗粒 |
| 4.3.2 异常摩擦磨损颗粒 |
| 4.3.2.1 切削磨损磨粒 |
| 4.3.2.2 滚动疲劳磨损磨粒 |
| 4.3.2.3 滚动—滑动复合磨损磨粒 |
| 4.3.2.4 严重滑动磨损磨粒 |
| 4.4 磨粒的识别特征及形成机理 |
| 4.5 不同磨损阶段谱片的磨粒特征 |
| 4.5.1 磨合期谱片典型磨粒特征 |
| 4.5.2 正常磨损期谱片典型磨粒特征 |
| 4.5.3 异常磨损期谱片典型磨粒特征 |
| 第五章 磨损判断与应用 |
| 5.1 磨合期(跑合期)阶段 |
| 5.2 稳定磨损期(正常磨损期)阶段 |
| 5.3 剧烈磨损期(异常磨损期)阶段 |
| 5.4 课题研究成果及展望 |
| 致谢 |
| 附录E:本人在攻读硕士学位期间发表学术论文情况 |
| 参考文献 |
四、摩擦学系统分析法在机械零件失效分析中的应用（论文参考文献）
- [1]摩擦学系统分析法在机械零件失效分析中的应用[J]. 张天爵. 固体润滑, 1983(04)
- [2]基于能量耗损的机械设备故障诊断理论与方法研究[D]. 肖海兵. 华南理工大学, 2013(11)
- [3]基于摩擦学与动力学的齿轮系统故障诊断相关性研究[D]. 冯伟. 华南理工大学, 2010(12)
- [4]摩擦学系统状态辨识的知识获取方法研究[D]. 王志芳. 武汉理工大学, 2008(12)
- [5]多因素耦合作用下刮板输送机中部槽磨损特性与预测[D]. 夏蕊. 太原理工大学, 2019(03)
- [6]智能化多规则油液综合故障诊断理论及方法的研究[D]. 徐启圣. 上海交通大学, 2007(06)
- [7]基于铁谱的磨损模式识别方法研究[D]. 王永洪. 浙江大学, 2002(02)
- [8]基于机油检测方法动车组内然机磨损分析系统研究[D]. 王重茁. 东北石油大学, 2013(10)
- [9]基于油液分析技术的设备监测与故障诊断方法研究[D]. 孙志伟. 太原理工大学, 2012(09)
- [10]不同磨损状态的磨粒特征研究[D]. 陈娟. 昆明理工大学, 2007(05)