基于磨粒磨损机理的机械磨损状态监测

摘要：

针对机械设备磨损状态监测准确率较低的问题,基于不同磨损机理下磨粒具有不同的形状和纹理特征,提出了一种基于磨粒特征识别的机械磨损状态监测的数学模型.通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒,基于提取的特征参数建立机械磨损状态监测的特征向量,通过量子粒子群优化(QPSO)的径向基函数神经网络模型,实现对机械磨损状态的监测和判别.实验结果表明:QPSO-RBF神经网络数学模型结构简单,比传统PSO-RBF神经网络模型的识别准确率高5％,可用于常见机械磨损状态的检测.

关键词：磨粒、特征分析、机械磨损、量子粒子群优化、状态检测

所属期刊栏目：34

分类号：V231.9;TH117.1(航空发动机（推进系统）)

资助基金：国家自然科学基金51465055

在线出版日期：2019-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1246-1252