润滑油金属磨粒的分类参数研究

 针对润滑系统中普遍存在的 8类金属磨粒,通过引入数字图像描述方法和处理技术,分别对磨粒的尺寸、形态、表面纹理以及颜色等参数进行了详细的研究,获取了各类磨粒识别的最佳参数,并提出了磨粒的分层识别策略,最后运用模糊 C-均值聚类方法实现了 8类磨粒的有效聚类。算例表明了本文方法的有效性。     

基于灰色聚类的磨粒自动识别

 将灰色系统理论中的聚类分析技术用于磨损颗粒的自动识别, 编制了相应的计算机模拟程序。在对磨粒图象的形态特征参数进行敏感性分析的基础上, 确定了各参数的灰类白化权函数, 并结合磨粒识别的试验研究, 给出了磨粒各特征参数的聚类权值。应用此方法对一组标准磨粒进行了模拟识别, 识别正确率在90% 以上, 并且识别速度很快, 大大优于传统的磨粒识别方法。     

基于改进支持向量机的油液在线监测系统

搭建油液在线监测实验平台进行磨粒分类识别实验,运用支持向量机和最近邻法相结合的方法对飞机发动机油液中的磨粒进行分类识别;其中基于支持向量机的磨粒分类器的输入为磨粒的主轴长度、纹理相关性、圆度等特征参数,输出为磨粒的分类结果;实验结果表明,基于支持向量机的磨粒分类器的分类准确率高达94％,并且由于最近邻法的使用,分类器的处理速度也提高了30％。     

基于磨粒磨损机理的机械磨损状态监测

针对机械设备磨损状态监测准确率较低的问题,基于不同磨损机理下磨粒具有不同的形状和纹理特征,提出了一种基于磨粒特征识别的机械磨损状态监测的数学模型。通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒,基于提取的特征参数建立机械磨损状态监测的特征向量,通过量子粒子群优化(QPSO)的径向基函数神经网络模型,实现对机械磨损状态的监测和判别。实验结果表明:QPSO-RBF神经网络数学模型结构简单,比传统PSO-RBF神经网络模型的识别准确率高5%,可用于常见机械磨损状态的检测。      

基于D-S证据理论和不同子神经网络集成的磨粒识别

针对磨粒识别问题,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法.首先对特征参数进行优化分组,然后对每一组建立对应的分类子神经网络,分别采用径向基函数(RBF)神经网络和反向传播(BP)神经网络进行识别,得到初步的诊断结果,经过归一化后作为2组基本概率分配函数,最后运用D-S证据理论进行融合得到最终识别结果.算例分析表明,基于D-S证据法和集成神经网络的磨粒融合识别方法比单个诊断方法具有更高的准确性.     

基于计算机视觉和人工智能方法的磨粒形态学分析技术

随着国民经济的发展,许多行业都应用着一些大型机械,此类机械往往庞大而又精密,因此在运行监测,故障诊断和预测及视情维修等方面就提出了更高的技术要求。本文立足于铁谱技术,应用计算机显微视觉及人工智能方法,对发动机润滑系统油中的磨损颗粒进行磨粒形学显微分析,从而为磨粒的综合识别提供了依据,识别了磨粒类别及来源,就可以判断发动机的运行状态,并对其未来运行状态提供可靠预测。     

航空发动机油液监测中磨粒参数识别和优化研究

针对航空发动机油液监测中存在的磨粒特征参数过多的问题,采用主成分分析法进行了参数优化,经实践证明,用该方法可较全面地综合评价参数的分类状况,从而降低了磨粒识别的难度。     

磨粒分析技术及其在发动机故障诊断中的应用

基于显微形态学方法的磨损微粒显微分析技术是近年来出现的解决发动机磨损故障诊断问题的新方法之一。应用形态学分析方法建立一套磨粒显微特征描述体系提取磨粒特征信息,作为磨粒识别的信息基础,可以准确地完成磨粒自动识别。基于发动机润滑系统磨粒分析的结果和颗粒摩擦学理论,比较准确地评估出发动机接触磨损部件的磨损状态,进而诊断或预测此类磨损故障;另外,此项分析诊断技术在发动机气路磨损故障诊断中也具有潜在的应用前景。      

一种航空发动机滚动轴承磨损故障监测技术

针对航空发动机滚动轴承磨损状态监测对长轴尺寸大于10μm的故障敏感磨粒检测的需要,研制了多功能油液磨粒智能检测与诊断系统,克服了传统光谱分析对大磨粒不敏感的缺点,以及传统铁谱分析检测步骤烦琐的不足,可直接对流动的油液中大于10μm的运动磨粒进行检测.提出了油液运动磨粒的7个数字特征参数及其识别策略,实现了磨粒的自动识别,识别率基本上达到99%以上.利用实际的航空发动机油样进行了试验验证,并与传统光谱分析进行了对比,试验结果表明该系统较光谱分析具有更强的检测力和更优的时效性.      

单颗磨粒磨削仿真研究进展

概述了传统磨削仿真的基本方法及发展过程,总结了磨粒模型和工件模型的研究现状,具体分析了有限元法、光滑流体粒子动力学法、分子动力学法以及综合仿真方法等应用于单颗磨粒磨削材料的去除机理、成屑机理、工件表面质量以及磨粒磨损等仿真中的研究现状,最后阐述了各类仿真方法的局限性,并提出了单颗磨粒磨削仿真进一步的发展前景。     

修正D-S证据组合方法及其在目标识别中的应用

在多传感器信息融合算法中，Dempster-Shafer证据理论得到了广泛应用，但该理论本身也存在一些不足之处。针对这种情况，提出了D－S证据组合中“与”算子的一种改进方法，并进行了仿真。仿真结果表明，所提出了算法能够有效排除干扰，得出符合实际的组合结果。     

基于图像的发动机滑油滤磨屑定量分析技术

定量分析滑油滤磨屑是提高航空发动机内部磨损故障诊断成功率的有效技术途径.为满足某型航空发动机使用维护中滑油滤磨屑快速定量分析和磨损状态诊断的实际需求,设计制造了油滤磨屑自动清洗收集装置,采用电荷耦合器件(CCD)获取油滤磨屑数字图像,运用二维最大熵遗传算法对磨屑图像进行阈值分割后提取磨屑目标的特征量,将磨屑特征量与反映...     

滑油系统全流量在线磨粒静电监测技术研究

 针对滑油系统非金属材料难以实现在线监测的问题,基于静电感应原理展开全流量磨粒监测技术研究。研究润滑条件下荷电磨粒的产生机理和全流量磨粒静电监测原理,着重进行了静电信号特征提取方法研究。为验证磨粒静电监测技术的可行性,设计并搭建了模拟实验平台,开展了故障颗粒注入实验和循环润滑条件下销盘滑动摩擦磨损实验,使用自制的全流量在线磨粒静电传感器对油路中的磨粒进行监测。结果表明:静电传感器能够监测到金属、非金属等不同材料荷电磨粒;感应电压幅值与磨粒大小具有相关性;感应电压波形与荷电磨粒特性有关;静电传感器可以在线监测滑油回路中非金属摩擦副的摩擦磨损状态。     

双BP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子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。针对本网络输入参数多 ,网络训练耗时长的问题 ,尝试采用因子模糊化的网络训练方法 ,大幅度提高了神经网络的训练速度 ,并取得了较好的应用效果。     

信息融合图像识别算法及其在三维飞机图像识别中的应用研究

将D S证据推理与不变矩理论相结合,提出了信息融合图像识别算法,并应用于三维飞机图像的识别。构造了基本置信指派函数,建立了分类规则,针对Dempster组合规则只适用于高置信度、低冲突性的情况,应用可解决证据冲突的加权分配冲突法及吸收法,完成了三维飞机图像识别的仿真,比较了3种组合规则的识别效果,结果表明吸收法识别率最高。     

Evaluation of tool wear and cutting performance considering effects of dynamic nodes movement based on FEM simulation

An accurate estimation of tool wear morphology can provide the opportunity to investigate the influence of tool wear on cutting performance as well as reduce the overall production cost. However, tool wear prediction is still a very challenging research issue. In this paper, a novel method for simulating the actual chip formation and wear evolution thorough the 3D finite element model has been carried out. In order to improve the accuracy of simulation results, the influence of worn tool, stress and temperature distribution on wear rate are considered. Then cutting experiment has been conducted by turning AISI1045 with uncoated carbide tools to validate the accuracy of the proposed model. The comparison between experimental and simulation results show good agreement which proves the ability of the proposed model in forecasting the tool wear. The validated finite element model has been further utilized studying how the worn tool affects the cutting performance including actual cutting rake, stress distribution, cutting force and temperature. The results of this paper not only provide a clear understanding of wear evolution between tool rake face and chip, but also are meaningful to optimize tool design and cutting parameters.