【摘要】：鐵譜分析是一種被廣泛應(yīng)用在機(jī)械設(shè)備磨損故障診斷和磨損狀態(tài)監(jiān)測(cè)中的技術(shù)手段，磨粒識(shí)別是鐵譜分析技術(shù)中的關(guān)鍵問(wèn)題。隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的迅猛發(fā)展，將計(jì)算機(jī)視覺(jué)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(shí)現(xiàn)磨粒識(shí)別的智能化已成為鐵譜技術(shù)研究領(lǐng)域中的熱點(diǎn)和難點(diǎn)問(wèn)題。 本文首次將支持向量機(jī)技術(shù)引入鐵譜分析技術(shù)中，進(jìn)行磨損模式識(shí)別方法研究。支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論框架下新的通用機(jī)器學(xué)習(xí)方法，它不但可以較好地解決以往很多學(xué)習(xí)方法存在的小樣本、過(guò)學(xué)習(xí)、局部最小等實(shí)際難題，而且具有很強(qiáng)的泛化能力。 本文的主要研究工作有： 1、綜合國(guó)、內(nèi)外有關(guān)文獻(xiàn)，對(duì)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(jī)理與分類(lèi)，磨粒的分類(lèi)及特征；闡述了基本磨粒類(lèi)型、磨損類(lèi)型、特征、產(chǎn)生機(jī)理與設(shè)備運(yùn)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(shí)別方法，并指出其中的難點(diǎn)和不足；研究在有限樣本下的基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)技術(shù)，探討支持向量機(jī)的分類(lèi)機(jī)理，建立基于支持向量機(jī)的磨粒識(shí)別系統(tǒng)框架； 4、將支持向量機(jī)應(yīng)用于磨損模式識(shí)別，設(shè)計(jì)磨粒分類(lèi)器；進(jìn)行基于支持向量機(jī)的磨粒分類(lèi)器的細(xì)節(jié)設(shè)計(jì)，包括數(shù)據(jù)樣本的建立、訓(xùn)練算法、多分類(lèi)模式、核函數(shù)等；分析分類(lèi)器中的主要數(shù)據(jù)結(jié)構(gòu)、類(lèi)和函數(shù)的功能，并給出程序運(yùn)行時(shí)的界面； 5、采用100個(gè)磨粒樣本的四個(gè)形態(tài)特征量：圓形度、細(xì)長(zhǎng)度、散射度和凹度作為支持向量機(jī)分類(lèi)器的輸入，輸出為滑動(dòng)磨損、切削磨損、正常磨損和疲勞點(diǎn)蝕四種磨損形式，，研究支持向量機(jī)中的核參數(shù)對(duì)磨粒分類(lèi)器的性能影響；選擇適當(dāng)?shù)姆诸?lèi)器參數(shù)對(duì)分類(lèi)器進(jìn)行仿真實(shí)驗(yàn)，得到了96％的分類(lèi)準(zhǔn)確率，驗(yàn)證分類(lèi)器的有效性； 6、從理論和仿真實(shí)驗(yàn)兩方面來(lái)比較基于支持向量機(jī)與基于BP神經(jīng)網(wǎng)絡(luò)的磨粒分類(lèi)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(lèi)器的輸入、輸出，結(jié)果表明前者比后者高出6％的識(shí)別準(zhǔn)確率，說(shuō)明基于支持向量機(jī)的磨粒分類(lèi)器有一定的優(yōu)勢(shì)，并進(jìn)行了原因分析。 本文提出的基于支持向量機(jī)的磨損模式識(shí)別方法為磨損故障診斷和狀態(tài)監(jiān)測(cè)以及鐵譜分析技術(shù)智能化發(fā)展提供了一條新的思路和途徑。 本項(xiàng)目受?chē)?guó)家自然科學(xué)基金項(xiàng)目資助(項(xiàng)目批準(zhǔn)號(hào)：50375141)
【圖文】：

列出了各類(lèi)基本磨粒類(lèi)型、所屬磨損類(lèi)型、特征、產(chǎn)生機(jī)理與設(shè)備運(yùn)行狀態(tài)之間的內(nèi)在聯(lián)系，這種聯(lián)系正構(gòu)成了以磨粒分析為手段的磨損故障診斷和狀態(tài)監(jiān)測(cè)的理論基礎(chǔ)。圖2一4列出了幾種典型的磨粒圖像。表2一2磨粒類(lèi)型與磨粒特征、產(chǎn)生機(jī)理以及機(jī)械設(shè)備運(yùn)行狀態(tài)關(guān)系磨粒類(lèi)型所屬磨損類(lèi)型磨粒特征磨粒形成機(jī)理設(shè)備運(yùn)行狀態(tài)形貌特征}尺寸特征(、)正�；瑒�(dòng)磨粒薄片狀、邊界不規(guī)則，表面光滑多數(shù)小于5，個(gè)別10-15，厚度0.05~0.1剪切混合層的疲勞剝落，(包括磨合過(guò)程中零件表面精加工刀痕造成的碎片狀和條狀磨粒)正常，但數(shù)量急劇增加時(shí)預(yù)示故障的發(fā)生粘著磨損嚴(yán)重滑動(dòng)磨粒表面有拉毛、劃痕或局部氧化痕跡一般主尺寸大于20，個(gè)別達(dá)到數(shù)百微米負(fù)荷過(guò)大或速度過(guò)高，造成缺油或油膜擊穿

第四章磨報(bào)舍奚器.戶習(xí)勿瑞筱計(jì)與實(shí)現(xiàn)計(jì)票數(shù)，得票最多者為優(yōu)勝者，從而決定了磨粒所屬的磨損類(lèi)型，完成預(yù)測(cè)�？�4.5wP一多vm分類(lèi)器中的主要數(shù)據(jù)結(jié)構(gòu)及分析們?cè)诮Y(jié)合現(xiàn)有的優(yōu)秀SV五江軟件sVMToreh、sVMlight、LIBsVM等【’04]的基礎(chǔ)實(shí)現(xiàn)了wp-svm分類(lèi)器的程序設(shè)計(jì)。wp-svm分類(lèi)器主要有兩部分組成:磨粒分練器瑚幾svm一train和磨粒分類(lèi)預(yù)測(cè)器瑚幾svm一Predict。算法用C++實(shí)現(xiàn)，并利用平臺(tái)下的GCC進(jìn)行編譯。使用的硬件平臺(tái)為P41.6G臺(tái)式電腦，256MDDR。vm分類(lèi)器的使用截圖見(jiàn)圖4一3和圖4一。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2004
【分類(lèi)號(hào)】：TH117.1

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王靜;劉q;王偉;胡兆穩(wěn);;SVM在缸套—活塞磨損狀態(tài)監(jiān)測(cè)中的應(yīng)用研究[J];車(chē)用發(fā)動(dòng)機(jī);2010年02期

相關(guān)博士學(xué)位論文 前2條

1 呂植勇;磨粒檢測(cè)數(shù)字化方法的研究[D];武漢理工大學(xué);2005年

2 李俊峰;灰色系統(tǒng)理論及其在鐵譜磨粒圖像處理中的應(yīng)用研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前5條

1 葉超;基于鐵譜技術(shù)的機(jī)械磨損故障診斷研究[D];昆明理工大學(xué);2009年

2 周利霞;鐵譜圖像識(shí)別的理論與方法研究[D];浙江大學(xué);2006年

3 范君;磨粒圖譜識(shí)別系統(tǒng)研究[D];浙江大學(xué);2007年

4 沈如蕓;鐵譜磨粒圖像預(yù)處理與磨粒識(shí)別技術(shù)研究[D];昆明理工大學(xué);2008年

5 張偉;油膜軸承油液在線監(jiān)測(cè)及其診斷系統(tǒng)的研究與開(kāi)發(fā)[D];廣東工業(yè)大學(xué);2012年

本文編號(hào)：2671550