基于灰色理论与神经网络的油液污染和机械磨损状况研究

发布时间：2017-04-27 04:00

  本文关键词：基于灰色理论与神经网络的油液污染和机械磨损状况研究，由笔耕文化传播整理发布。

【摘要】：大量的资料表明，磨损不仅能够影响机械设备的工作可靠性，而且也是影响机械使用寿命的重要因素之一。由于机械设备摩擦磨损而产生的磨粒是反映其内部磨损状况极为重要的信息载体，因此，机械设备状态检测和故障诊断的一个重要手段就是对油液中磨损微粒的检测和油液污染度的监测。 本课题以齿轮箱中油液污染的颗粒为研究对象，利用油液检测技术、BP神经网络和灰色理论，通过大量的数据建立实测模型，研究油液污染与机械磨损之间的相关关系。通过研究油液污染与机械磨损之间的关系，确定设备合理的维修和更换油液的时间，以及设备可能出现的潜在问题，已达到减少停机时间，节约维修、维护费用，取得效益的最大化。 本课题的研究目标为：通过分析齿轮箱中润滑油污染指标与磨损指标之间的相关关系，运用灰色理论来建立齿轮箱的污染-磨损关系模型，实现基于齿轮箱污染指标、磨损指标的历史数据和当前数据，预测齿轮箱磨损趋势变化。最后用实测数据来验证模型的置信度水平。 本课题的主要研究主要内容如下： （1）齿轮箱因磨损失效形式不同而有不同的磨损机理，运用油液分析技术分析不同磨损机理下产生磨粒的特征。 （2）采用多种油液分析手段如铁谱、光谱、PQ等技术来检测齿轮箱的污染状态与磨损状态，利用BP神经网络建立油液污染指标与机械磨损指标之间的相关关系的模型。 （3）以油液污染指标与机械磨损指标之间的相关关系为基础，运用灰色理论建立污染-磨损关系模型。 （4）根据所建立的模型，预测齿轮箱磨损变化趋势。并依据实测数据对所建模型不断进行修正、改进，，依次对模型的置信度进行评估，通过建模分析、实测数据与预测基本一致，表明可以用油液污染指标来预测机械磨损状况。 通过运用BP神经网络和灰色理论建立相应模型对油液污染指标与机械磨损状态的相关性研究，表明工程机械中油液的污染与机械磨损之间有密切的关系，并得到一种利用油液中颗粒含量、种类来判别和预测机械出现故障概率的方法。
【关键词】：油液污染 机械磨损 灰色理论 BP神经网络
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH117.1;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 1 绪论10-18
• 1.1 课题来源、研究背景及研究意义10-11
• 1.1.1 课题来源和研究背景10
• 1.1.2 课题研究的意义10-11
• 1.2 油液污染分析技术起源与现状11-14
• 1.2.1 国外油液污染检测技术的起源与发展11-13
• 1.2.2 国内油液污染检测技术的起源与发展13-14
• 1.3 人工神经网络的发展及应用14-16
• 1.4 论文研究的技术路线16-17
• 1.5 本章小结17-18
• 2 齿轮箱故障诊断中油液监测技术分析18-26
• 2.1 润滑油在设备中的作用18
• 2.2 油液污染与机械磨损的关系18-19
• 2.3 油液污染检测方法及结果评判19-22
• 2.3.1 铁谱技术及其特点21-22
• 2.3.2 光谱技术及其特点22
• 2.4 齿轮箱摩擦学特性研究22-24
• 2.5 齿轮油的诊断方法24-25
• 2.6 本章小结25-26
• 3 神经网络在油液污染与机械磨损中的应用26-42
• 3.1 人工神经网络在油液污染判断中应用的可行性分析26-29
• 3.1.1 背景概述26
• 3.1.2 油液监测数据的特点26-27
• 3.1.3 人工神经网络的特点27-29
• 3.2 BP 算法及其改进29-33
• 3.2.1 普通 BP 算法及其局限性分析29-31
• 3.2.2 改进的 BP 算法31-33
• 3.3 改进 BP 神经网络在油液污染与磨损关系判别中的应用33-40
• 3.3.1 模型的建立33-35
• 3.3.2 样本的选取和数据处理35-37
• 3.3.3 BP 算法的流程图37-38
• 3.3.4 实验结果与结论分析38-40
• 3.4 本章小结40-42
• 4 灰色理论在油液污染与机械磨损中的应用42-54
• 4.1 灰色理论在油液污染与机械磨损预测中的可行性分析42-44
• 4.1.1 背景概述42
• 4.1.2 油液监测时序数据的特点42-43
• 4.1.3 灰色系统理论的特点43-44
• 4.2 灰色系统的生成44-46
• 4.2.1 累加生成45
• 4.2.2 累减生成45-46
• 4.3 GM(1，1)模型46-49
• 4.3.1 等间距 GM(1，1)模型46-48
• 4.3.2 精度检验48-49
• 4.4 模型应用49-53
• 4.4.1 污染度与机械磨损之间的关联程度49-51
• 4.4.2 污染磨损关系的预测与分析51-53
• 4.5 本章小结53-54
• 结论与展望54-55
• 结论54
• 问题与展望54-55
• 参考文献55-59
• 致谢59-60
• 个人简历60-61
• 附录61-62

【参考文献】

中国期刊全文数据库 前10条

1 邓勇,高虹亮,萧汉梁,赵新泽;油液污染度与磨损状态的关联性分析研究[J];材料保护;2002年08期

2 唐丽芳;贾冬青;孟庆鹏;;用MATLAB实现灰色预测GM(1,1)模型[J];沧州师范专科学校学报;2008年02期

3 周志广;姚文生;谢轶;李忠水;;基于灰色理论的时间序列分析在地面沉降预测中的应用[J];地质灾害与环境保护;2012年04期

4 马纪明;万蔚;王法岩;;基于模型诊断技术的神经网络实现方法[J];北京航空航天大学学报;2013年02期

5 姚军;王欢;苏泉;;基于灰色理论的失效机理一致性检验方法[J];北京航空航天大学学报;2013年06期

6 李娟;马嘉敏;;油液监测与设备故障诊断技术分析[J];科技创新与应用;2014年04期

7 张清良,李先明;一种确定神经网络隐层节点数的新方法[J];吉首大学学报(自然科学版);2002年01期

8 刘思远;柳景青;;一种新的多目标改进和声搜索优化算法[J];计算机工程与应用;2010年34期

9 张贤明;邓菊丽;李川;陈国荣;;油液污染度测试技术研究进展[J];机械设计与制造;2009年11期

10 叶川;李建华;;在线监测液压系统油液污染度的一种方法[J];机械与电子;2010年01期

  本文关键词：基于灰色理论与神经网络的油液污染和机械磨损状况研究，由笔耕文化传播整理发布。

本文编号：329823