基于遗传算法的信息融合在摩擦学组合故障诊断中的应用

根据8NVD48A－2u型柴油机现场运行油液监测试验结果和长期的实践经验,在600多个船舶柴油机故障诊断实例的基础上,总结出了各种零件磨损故障种类之间的关联度,结合D－S证据组合理论给出了零件磨损的摩擦学故障组合支持度;利用遗传算法搜索出了缸套活塞组的划伤、拉缸和腐蚀;轴承的擦伤、烧损、剥落和腐蚀、齿轮的点蚀、胶合和剥离等10种单一故障类型的5种组合故障,并确定了各种油液监测方法对这5种摩擦学组合故障的组合支持度。把遗传算法引入信息融合,为解决摩擦学组合故障问题提供了一种新的思路,对实际故障诊断具有一定的指导意义。     

一种柴油机磨损的预测模型与试验研究

基于磨粒分析的油液监测技术，通常都偏重于从形态学方面进行研究，以获取单颗磨粒的“个体”信息，很少开展磨粒整体统计学方面的“整体”信息研究．其实，研究磨粒“整体”信息具有诸多优点，关键是如何从“整体”信息中获取反映摩擦学系统磨损状态转变和磨损程度分级的特征．通过在８ＮＶＤ４８Ａ－２Ｕ型柴油机上的现场监测试验研究，利用铁谱分析的ＤＬ和ＤＳ值，以及光谱分析的元素浓度值所包含的磨粒“整体”信息，建立了柴油机磨损程度的基准线，构造了磨损趋势校正的灰色预测模型，并且利用预测值和实测值的漂移值，设计了磨损趋势预测值的区间估计方法，以用于预报未来磨损的等级．这种基于磨粒“整体”信息的磨损预测方法，已用于８ＮＶＤ４８Ａ－２Ｕ型柴油机的实际监测，效果较好     

磨粒的三维表面特征描述

介绍了三维表面粗糙度参数和表面纹理指数,采用三维表面高度偏差Sa、均方根Sq、表面斜度Ssk、表面峭度Sku等粗糙度参数和表面纹理指数Stdi描述磨粒的三维表面特征,选用油液分析获得磨粒,对其表面特征进行实例分析.结果表明,运用上述参数能够很好区分不同类型的磨粒表面特征.     

摩擦学故障种类诊断的D-S信息融合研究

利用光谱油料分析,铁谱监测,红外光谱分析等,对８ＮＶＤ８Ａ－Ｎｕ型柴油机进行了现场运行油液监测试验,根据试验结果和收集到的应用实例,总结了缸套活塞组的划伤,拉缸和腐蚀,轴承的擦伤,烧损,剥落和腐蚀,齿轮的点蚀,胶合和剥离等摩擦学故障种类及其油液监测的信息描述,利用领域专家经验给出了Ｄ－Ｓ证据组合理论的基本概率分配函数,确定了每种油液监测方法对上述摩擦学故障的支持程度,以柴油机缸套活塞组的“拉缸”故     

基于改进YOLOv4的扫描电镜磨粒图像智能识别

磨损颗粒分析是设备磨损故障诊断和预测的有效手段,为了提高磨粒检测的自动化和智能化程度,提出1种基于改进YOLOv4的目标检测算法,并应用于航空发动机扫描电镜磨粒图像识别.首先,新算法采用VoVNetv2-39替换YOLOv4原主干网络CSPDarknet53,并引入BiFPN特征金字塔结构与新主干相连,同时调整模型中所有3×3标准卷积为深度可分离卷积,以加强多层次特征融合,构造轻量级网络;其次,利用迁移学习解决扫描电镜磨粒图像数量较少的问题,并通过冻结训练加速模型训练过程;最后,应用实际发动机扫描电镜磨粒图像验证,结果表明：新算法相较于原YOLOv4网络,在保证精度的前提下,网络参数量大幅降低,识别速度提升51.1%,满足实际扫描电镜磨粒图像快速、简洁和高精度的检测需求,具备潜在的工程应用价值.     

基于Mask R-CNN网络的磨损颗粒智能识别与应用

针对设备磨损故障诊断中磨粒识别技术难度高、工作主观经验影响大等问题,采用深度学习技术开展了磨粒智能识别的研究,提出了基于Mask R-CNN卷积神经网络的磨粒数字化表征方法. 该方法利用迁移学习训练基于Mask R-CNN网络的磨粒识别模型对图像中磨粒进行识别和实例分割,然后使用Suzuki85算法、迭代算法、等比例计算方法计算出磨粒的真实尺寸,解决了磨粒分析中难定量分析的问题. 结果表明:基于Mask R-CNN网络(采用R-101-FPN骨干网络)训练的磨粒识别模型可以对图像中多个异常磨损颗粒进行识别,综合准确率和召回率达到当前图像识别领域的主流水平. 辅以上述Suzuki85等算法,成功实现磨粒图像的定量评价分析,对促进设备故障诊断技术的自动化发展和工业应用具有一定的实际应用价值.      

磨削花岗石过程中钎焊金刚石磨损特征分析

通过跟踪测量金刚石磨粒出露高度及其磨损状态比例,分析钎焊金刚石在磨削花岗石过程中的磨损特征,利用三明治热电偶法测量工具-工件接触区的工件表面温度.结果表明,在所试验的钎焊工具中,金刚石磨粒主要以破碎磨损为主,约有44%的磨粒直接从完整状态产生台阶式宏观破碎,磨粒的宏观破碎均发生于磨粒与结合剂的结合部.磨削过程中工具-工件接触区的表面温度约为480 ℃,该温度不足以使金刚石磨粒产生石墨化.钎焊金刚石磨粒的出露高度越高,磨粒所承受的弯矩越大,弯矩增加以及工件对磨粒的剪切力是导致金刚石磨粒产生结合部破碎的主要原因.     

景象匹配辅助导航系统匹配置信度评估方法

针对景象匹配辅助导航中,由于噪声、云层、摄像机抖动等原因导致的景象匹配可能输出错误匹配结果情况,提出一种基于证据推理的景象匹配末端置信度评估方法.首先建立序列帧时空约束关系,对匹配相关阵中峰值构建辨识框架,计算序列帧对各峰值的置信指派并利用适配因子进行折扣运算,然后采用证据推理组合规则进行融合,最后给出判决准则输出匹配...     

基于特征迁移的面铣刀磨损监测方法

实时监测刀具磨损状态对保证工件加工质量和确定合理换刀时间至关重要. 数据驱动的多源信号融合预测是解决刀具磨损预测难题的可行方案. 本文中通过时域和频域分析提取了多维信号特征,并结合机器视觉方法处理刀具磨损图像获得的磨损特征,针对涂层面铣刀建立了随机森林磨损预测模型. 对于同类型的刀具和工件材料,使用特征迁移方法解决多工况场景下新刀样本不足问题. 试验结果表明,基于迁移特征建立的磨损预测模型对目标刀具的磨损量预测效果较迁移前显著提升,准确性评价指标R2决定系数从0.37提升到0.96. 基于特征迁移的磨损预测模型为数据驱动模型在刀具磨损预测和实时监测领域的应用提供参考依据.      

基于模糊聚类的铣削刀具磨损状态识别研究

依据刀具磨损主轴振动加速度信号所建立的自回归模型,提取了12个反映刀具磨损状态的特征参数,提出用模糊聚类模式识别铣削刀具磨损状态.试验结果表明:建立的刀具振动加速度时间序列信号自回归模型所提取的模型参数估计特征量,含有丰富的刀具磨损运行状态信息.在此基础上,利用模糊聚类分析相似尺度来衡量事物之间的亲疏程度,并以此来实现分类.研究结果表明:基于时间序列分析与模糊聚类分析相结合的刀具磨损状态识别方法,能有效识别铣削刀具磨损运行状态,选取置信水平λ=(0.65～0.79)时所得到的刀具磨损运行状态的识别结果更为准确;采用不同的相似系数计算方法所求得的模糊相似矩阵、自回归系数的阶数、置信水平λ的取值范围不同,识别正确率有所不同.     

一种摩擦学状态在线监测系统的研究

研制了一种用于船用柴油机的摩擦学状态在线监测系统。它集磨粒监测，润滑油质量监测，柴油机扭矩及时转速监测于一体，利用在线铁谱技术监测润滑油中的铁磁性磨粒，利用容栅型电容传感器在线监测污染物引起的润滑油介电常数的变化，利用光电传感器和随轴转动齿盘产生的脉冲及相位差在线测量柴油机输出轴的扭矩及瞬时转速。此外，该监测系统还可将柴油机的磨损状态与动力状态相关联，监测由于各缸爆排压力变化造成的瞬时转速变化，从     

磨损问题的仿真求解研究

利用仿真技术,以船用柴油机缸套活塞环为例,模拟其磨损过程,评判实际摩擦副的耐磨特性,为评价船用柴油机缺套－活塞环使用状况和磨损寿命提供了一种快速而经济的方法。     

基于油液分析的柴油机可靠性试验磨损评价研究

介绍了＂EQD×××-××＂型柴油机的1000h混合负荷可靠性试验的试验方案.在该型柴油机的可靠性试验中,提出了开展柴油机磨损状态实时评价的概念,将磨损评价作为描述柴油机可靠性的一部分内容.在磨损评价时,通过运用油液分析中的光谱、铁谱和PQ分析等手段并结合趋势图分析,对该型柴油机试验阶段的磨损状态进行了识别.油液分析表明：在试验进行到400 h左右,试验柴油机出现了严重磨损,这一磨损评价结果与同一时段柴油机因阀座下沉引起气门间隙变小以及试验后柴油机拆检发现气门阀座磨损过大的实际情况相吻合.研究试验证实,磨损评价应成为分析柴油机可靠性的有机组成部分;将多种油液分析手段集成运用,可有效地描述柴油机可靠性试验过程中主要零部件的磨损状况,为柴油机可靠性评定提供了新的手段.     

柴油发动机碳烟的表征及摩擦学特性研究

收集柴油发动机尾气碳烟,借助扫描电子电镜/能谱仪、高分辨率透射电子显微镜、X射线衍射仪、拉曼光普仪、X射线光电子能谱仪分析了碳烟颗粒的形貌、结构及表面官能团,采用SRV IV摩擦磨损试验机考擦了碳烟对柴油机油摩擦学特性的影响.结果表明:碳烟颗粒由C、O两种元素构成,平均粒径为34 nm,外壳包裹着十几层石墨片层的洋葱头结构.碳烟质量分数在3%以内可以改善柴油机油减摩性能,对其抗磨性影响小;当碳烟质量分数超过3%时会引起摩擦系数升高和磨损加剧.分析其原因,一方面碳烟颗粒特殊洋葱头结构使其进入摩擦界面后随摩擦副的往复运动而滚动,起到滚动轴承的作用,从而使摩擦系数降低;另一方面当碳烟含量过高时,碳烟会破坏润滑油膜,阻碍润滑油进入摩擦界面,导致磨损加剧,摩擦系数升高.     

区间模型非概率可靠性全局最优解

考虑到实际工程中大量存在不确定性因素,将结构中不确定参数描述为凸集变量的一种特殊情况－区间变量,根据区间模型可靠性指标的定义,采用解析方法进行非概率可靠性全局分析。为避免可能失效点遗漏,解析分析从二、三维开始,对平面和空间进行区域划分,根据极限状态函数的形式,指出了可能失效点依赖于极限状态函数的极值点和根植点。通过简单的量值比较,即可确定最可能失效点,进一步可求得可靠性指标。将低维分析方法推广到n维情况,给出了n维空间中用于计算极值点和根植点方程的数量,能够有效避免发生可能失效点遗漏现象,对优化搜索具有指导意义。针对两类算例进行求解,并与已有结果比较,验证了本文解析方法的正确性。     

Measurements of ultrafine particles from a gas-turbine burning biofuels

Measurements of ultrafine particles have been performed at the exhaust of a low emission microturbine for power generation. This device has been fuelled with liquid fuels, including a commercial diesel oil, a mixture of the diesel oil with a biodiesel and kerosene, and tested under different loads. Primarily attention has been focused on the measurements of the size distribution functions of the particles emitted from the system by using particle differential mobility analysis. A bimodal size distribution function of the particle emitted has been found in all the examined conditions. Burning diesel oil, the first mode of the size distribution function of the combustion-formed particles is centered at around 2–3 nm, whereas the second mode is centered at about 20–30 nm. The increase of the turbine load and the addition of 50% of biodiesel has not caused changes in the shape of size distribution of the particles. A slightly decrease of the amount of particle formed has been found. By using kerosene the amount of emitted particles increases of more than one order of magnitude. Also the shape of the size distribution function changes with the first mode shifted towards larger particles of the order of 8–10 nm but with a lower emission of larger 20–30 nm particles. Overall, in this conditions, the mass concentration of particles is increased respect to the diesel oil operation. Particle sizes measured with the diesel oil have been compared with the results on a diesel engine operated in the same power conditions and with the same fuel. Measurements have showed that the mean sizes of the formed particles do not change in the two combustion systems. However, diesel engine emits a number concentration of particles more than two orders of magnitude higher in the same conditions of power and with the same fuel. By running the engine in more premixed-like conditions, the size distribution function of the particles approaches that measured by burning kerosene in the microturbine indicating that the distribution function of the sizes of the emitted particles can be strongly affected by combustion conditions.     

卷积神经网络在装备磨损颗粒识别中的研究综述

铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析. 卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破. 随着卷积神经网络的快速发展,磨损颗粒在智能识别方面的技术取得了重大的突破. 本文中首先简述了卷积神经网络与磨粒智能识别的发展历史,针对基于卷积神经网络的磨粒识别方法进行了从图像数据集处理到模型优化技术方面的介绍,并详细说明了这些技术在磨粒识别中的具体应用实例. 然后从现有网络和自设计网络两方面分类,整理了近年来卷积神经网络应用于磨粒智能识别的代表性文献,综述了这些工作所提出的模型结构和特点,分析并阐述了各个模型主要的识别原理,各个网络结构存在的优缺点,以及它们的数据采用情况等,并对未来磨粒智能识别的主要研究方向进行了展望. 最后肯定了卷积神经网络方法在磨粒智能识别方面的重要性,同时指出了基于此方法的磨粒识别模型的缺点,并提出了应紧跟图像识别领域的最新技术以促进磨粒智能识别水平提高等建议,对磨粒智能识别的发展具有一定的意义.