《油液信息在齿轮和滑动轴承磨损故障识别中的应用》以齿轮和滑动轴承为例,介绍了多种油液分析方法在识别零件的磨损状态、预测零件使用寿命中的应用。全书共6章,主要包括基于磨粒信息的齿轮磨损状态识别、基于油液综合信息的齿轮磨损故障预测方法、滑动轴承磨损磨粒浓度预测、滑动轴承磨损寿命预测方法、油液检测与故障诊断网络服务平台的开发与实现等内容。
《油液信息在齿轮和滑动轴承磨损故障识别中的应用》可供设备维修、维护及润滑管理等方面的技术人员阅读;也可供高等院校机械工程专业本科生和研究生参考。
齿轮箱和转子系统是机械设备中常用的基础性部件,作为主要零件的齿轮和滑动轴承极易发生磨损,进而导致设备失效。为了准确地识别这些零件的磨损状态,提高设备运行的可靠性,本书利用油液分析技术从多个方面对齿轮和滑动轴承的磨损状态和故障预测进行了研究。为了将计算机和互联网技术更好地应用于机械设备的故障诊断,实现信息融合与共享,开发了具有多功能模块的“油液检测与故障诊断网络服务平台”,扩大了该技术的服务面,提高了机械设备油液诊断技术的效率和智能化水平。
针对不同运行时间下齿轮磨损状态的识别,研究了基于磨粒铁谱信息的齿轮磨损状态识别方法。首先,对铁谱图进行图像技术,获得齿轮箱齿轮从磨合到剧烈磨损阶段润滑油中磨粒的种类及变化趋势,通过定性分析识别了齿轮不同运行时间下的磨损状态。其次,运用润滑油磨粒分析仪,得到油液中大、中、小磨粒的定量参数,分别利用铁谱定量分析技术和形式磨损指数两种方法对齿轮不同运行时间下的磨损状态进行了识别。齿轮箱油液的黏度、酸值、水分和金属磨粒浓度携带了大量的齿轮故障信息,为了充分利用这4个指标值实现对齿轮故障的精准预测,本书提出了基于偏最小二乘回归的齿轮磨损故障预测方法,建立了油液的黏度、酸值、水分与油液中所含金属磨粒浓度的数学模型。预测结果显示,运用该方法可以快速地判断齿轮的磨损状态和故障信息,是对齿轮进行故障诊断和预测的一种有效的方法。
扭矩激励下转子系统滑动轴承磨损磨粒浓度随时间不断变化,本书选取最小二乘支持向量机回归预测、灰色预测及指数平滑法预测滑动轴承磨损磨粒浓度变化规律,采用一种基于IOWGA算子的组合预测方法,建立了预测转子系统滑动轴承磨损磨粒浓度的组合预测模型及其评价指标体系。实例结果表明,基于IOWGA算子的组合预测模型的预测精度及预测效果明显优于其他3种单项预测法,有效地弥补了单项预测模型的不足,是预测润滑油中磨粒浓度的一种有效方法。本书还系统分析了转子系统滑动轴承磨损及寿命的影响因素,研究了扭矩激励及转速对转子系统滑动轴承磨损寿命的影响,并通过转子试验台进行了验证。在经典Ar-chard磨损模型的基础上,提出一种改进的Archard磨损模型,测算出滑动轴承磨损率与扭矩激励及转速的关系,建立转子系统滑动轴承磨损寿命预测模型,为转子系统滑动轴承维修与更换提供了参考依据。
1 绪论
1.1 研究背景及意义
1.2 摩擦磨损理论
1.2.1 摩擦理论
1.2.2 磨损理论
1.3 油液分析常用技术
1.3.1 理化指标分析技术
1.3.2 铁谱分析技术
1.3.3 光谱分析技术
1.3.4 颗粒计数分析
1.4 国内外研究动态
1.4.1 油液性能与设备磨损的关系
1.4.2 油液数据的分析处理技术
1.4.3 滑动轴承磨损与寿命预测
1.4.4 油液分析技术的智能化
1.5 主要研究内容
2 基于磨粒信息的齿轮磨损状态识别
2.1 铁谱数据的获取
2.1.1 取样时间
2.1.2 制谱
2.2 基于铁谱定性分析的齿轮磨损状态识别
2.2.1 磨粒的特征识别
2.2.2 铁谱图像的预处理
2.2.3 齿轮磨损状态的识别
2.3 基于铁谱定量分析的齿轮磨损状态识别
2.3.1 铁谱定量分析参数
2.3.2 铁谱定量分析参数的获取
2.3.3 铁谱定量分析参数正态分布检验
2.3.4 齿轮磨损状态的识别
2.4 基于形式磨损指数的齿轮磨损状态识别
2.4.1 形式磨损指数的计算
2.4.2 形式磨损指数定量评估流程
2.4.3 齿轮磨损状态的识别
2.5 小结
3 基于油液综合信息的齿轮磨损故障预测方法
3.1 基于偏最小二乘回归分析的齿轮故障预测
3.1.1 偏最小二乘回归分析简介
3.1.2 偏最小二乘回归分析建模方法
3.1.3 偏最小二乘回归的算法步骤
3.1.4 齿轮故障预测结果分析
3.2 基于主成分分析与BP神经网络的油液分析方法
3.2.1 主成分分析理论
3.2.2 BP神经网络理论
3.2.3 主成分与BP神经网络油液分析方法应用
3.3 小结
4 滑动轴承磨损磨粒浓度预测
4.1 预测理论
4.1.1 预测的基本原则
4.1.2 预测的基本步骤
4.2 试验
4.2.1 转子试验台
4.2.2 取样
4.2.3 分析式铁谱仪
4.2.4 滑动轴承磨损量
4.3 预测方法的选择
4.3.1 指数平滑法
4.3.2 灰色预测方法
4.3.3 LS-SVM预测方法
4.3.4 基于IOWGA算子的组合预测模型
4.4 不同预测方法的试验对比
4.4.1 三次指数平滑模型
4.4.2 GM(1,1)模型
4.4.3 LS-SVM模型
4.4.4 基于IOWGA算子的组合预测模型
4.5 预测结果分析
4.5.1 预测结果分析
4.5.2 评价指标体系
4.6 小结
5 滑动轴承磨损寿命预测方法
5.1 滑动轴承磨损及影响因素
5.1.1 滑动轴承磨损过程
5.1.2 滑动轴承磨损影响因素
5.2 滑动轴承磨损寿命试验分析
5.3 改进的Archard磨损模型
5.4 磨损量计算结果
5.5 磨损寿命预测
5.5.1 滑动轴承的磨损阈值
5.5.2 滑动轴承寿命预测模型
5.6 小结
6 油液检测与故障诊断网络服务平台的开发与实现
6.1 系统平台的总体设计
6.1.1 架构设计
6.1.2 功能设计
6.1.3 开发环境选择
6.1.4 系统平台的发布
6.2 平台整体框架的实现
6.2.1 平台网站的搭建
6.2.2 平台类的建立
6.2.3 平台界面布局设计
6.3 平台用户功能模块的实现
6.3.1 登录注册模块的实现
6.3.2 用户学习模块的实现
6.3.3 用户服务模块的实现
6.3.4 用户联系模块的实现
6.4 平台管理员功能模块的实现
6.4.1 设备管理模块的实现
6.4.2 报告管理模块的实现
6.4.3 故障诊断模块的实现
6.5 网络平台的测试与应用
6.5.1 平台测试
6.5.2 平台应用
6.6 小结
参考文献