基于磨粒分析的磨損模式識別方法研究.pdf

1、鐵譜分析是一種被廣泛應(yīng)用在機械設(shè)備磨損故障診斷和磨損狀態(tài)監(jiān)測中的技術(shù)手段,磨粒識別是鐵譜分析技術(shù)中的關(guān)鍵問題.隨著計算機技術(shù)和人工智能技術(shù)的迅猛發(fā)展,將計算機視覺技術(shù)、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊理論等引入鐵譜分析技術(shù)中,實現(xiàn)磨粒識別的智能化已成為鐵譜技術(shù)研究領(lǐng)域中的熱點和難點問題.本文首次將支持向量機技術(shù)引入鐵譜分析技術(shù)中,進(jìn)行磨損模式識別方法研究.支持向量機是一種基于統(tǒng)計學(xué)習(xí)理論框架下新的通用機器學(xué)習(xí)方法,它不但可以較好地解決以往很

2、多學(xué)習(xí)方法存在的小樣本、過學(xué)習(xí)、局部最小等實際難題,而且具有很強的泛化能力.本文的主要研究工作有:1、綜合國、內(nèi)外有關(guān)文獻(xiàn),對磨粒分析技術(shù)的發(fā)展和現(xiàn)狀進(jìn)行綜述;提出本文的研究思路和主要內(nèi)容;2、分析論述磨損的產(chǎn)生機理與分類,磨粒的分類及特征;闡述了基本磨粒類型、磨損類型、特征、產(chǎn)生機理與設(shè)備運行狀態(tài)之間的內(nèi)在聯(lián)系;3、研究磨粒圖像的預(yù)處理方法和磨粒形態(tài)特征的提取方法;論述了基于人工神經(jīng)網(wǎng)絡(luò)和模糊理論的兩種磨粒智能識別方法,并指出其中的難

3、點和不足;研究在有限樣本下的基于統(tǒng)計學(xué)習(xí)理論的支持向量機技術(shù),探討支持向量機的分類機理,建立基于支持向量機的磨粒識別系統(tǒng)框架;4、將支持向量機應(yīng)用于磨損模式識別,設(shè)計磨粒分類器;進(jìn)行基于支持向量機的磨粒分類器的細(xì)節(jié)設(shè)計,包括數(shù)據(jù)樣本的建立、訓(xùn)練算法、多分類模式、核函數(shù)等;分析分類器中的主要數(shù)據(jù)結(jié)構(gòu)、類和函數(shù)的功能,并給出程序運行時的界面;5、采用100個磨粒樣本的四個形態(tài)特征量:圓形度、細(xì)長度、散射度和凹度作為支持向量機分類器的輸入,輸

4、出為滑動磨損、切削磨損、正常磨損和疲勞點蝕四種磨損形式,研究支持向量機中的核參數(shù)對磨粒分類器的性能影響;選擇適當(dāng)?shù)姆诸惼鲄?shù)對分類器進(jìn)行仿真實驗,得到了96%的分類準(zhǔn)確率,驗證分類器的有效性;6、從理論和仿真實驗兩方面來比較基于支持向量機與基于BP神經(jīng)網(wǎng)絡(luò)的磨粒分類器的性能優(yōu)劣研究,以相同的磨粒樣本、特征和磨損形式作為分類器的輸入、輸出,結(jié)果表明前者比后者高出6%的識別準(zhǔn)確率,說明基于支持向量機的磨粒分類器有一定的優(yōu)勢,并進(jìn)行了原因分析