| 【中文题名】 | 基于油液监测技术的设备润滑磨损状态评价方法的研究 |
| 【英文题名】 | Research of Status Assessing Methods of Equipment Lubricating and Wearing Based on Oil Monitoring |
| 【学科专业】 | 机械电子工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-7-24 |
| 【中关键词】 | 油液监测,状态评价,界限值,探索性数据分析,模糊综合评判,支持向量机 |
| 【英关键词】 | Oil Monitoring,Status Assessing,Threshold,Exploratory Data Analysis,Fuzzy Integration Assessment,Support Vector Machine,Artificial Neural Network., |
| 【分类导航】 | 工业技术>机械、仪表工业>机械学（机械设计基础理论）>机械摩擦、磨损与润滑>润滑> |
| 【论文摘要】 | 机械设备状态监测及预知维修技术是机械设备现代管理的主要内容。随着现代生产的高速发展,其重要性也日益突显。作为设备状态监测的主要手段之一,油液监测技术在评价润滑油和设备的当前状态,预知设备状态的发展变化趋势,及时了解设备潜在问题,降低设备维修成本和误工时间,提高设备利用率和安全性能等方面发挥着极其重要的作用。
本文以广州机械科学研究院设备润滑磨损状态监测中心为背景,研究了如何利用油液监测技术中的各种数据来评价设备与油液的状态。这些数据包括理化数据、发射光谱数据、直读铁谱和铁谱图片。
论文首先介绍了油液监测技术的概况以及监测数据处理一些常用的方法,然后从多个不同的角度出发,利用已有的油液监测数据对设备和油液的状态进行评价。对单指标评价方法而言,论文对当前普遍采用的界限值计算方法提出了改进,并引进了探索性数据分析技术,提出以两种图形工具作为油液监测数据分析的辅助手段。对多指标评价方法而言,在界限值已知的情况下把模糊综合方法扩展到设备润滑状态的评判,并引入支持向量分类机,可实现界限值未知情况下设备的润滑磨损状态的评价,同时,对利用铁谱图片进行设备磨损状态的评价方法做了实例分析。最后,论文以5种... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-10 |
|
第一章 绪论 |
10-14 |
|
1.1 课题来源及背景 |
10 |
|
1.2 课题研究的意义 |
10-11 |
|
1.2.1 课题研究内容在油液监测领域的关键程度 |
10-11 |
|
1.2.2 课题研究成果对相关技术的推动作用 |
11 |
|
1.3 油液监测技术发展概况 |
11-13 |
|
1.4 本课题研究的主要内容 |
13-14 |
|
第二章 油液监测技术及数据分析处理方法概况 |
14-24 |
|
2.1 油液监测技术主要内容概况 |
14-19 |
|
2.2 油液监测数据分析处理方法概况 |
19-23 |
|
2.2.1 油液监测数据的特点 |
19 |
|
2.2.2 油液监测设备润滑磨损状态识别方法 |
19-21 |
|
2.2.3 油液监测设备润滑磨损状态趋势预测方法 |
21-23 |
|
2.3 本章小结 |
23-24 |
|
第三章 油液监测数据的统计分析方法研究 |
24-36 |
|
3.1 概述 |
24 |
|
3.2 数据分布检验 |
24-26 |
|
3.3 传统界限值计算方法的改进 |
26-31 |
|
3.3.1 基于计算原理的改进 |
26-28 |
|
3.3.2 基于统计方法的改进 |
28-31 |
|
3.4 油液监测数据的探索性技术应用 |
31-34 |
|
3.4.1 茎叶图 |
31-32 |
|
3.4.2 箱线图 |
32-34 |
|
3.5 本章小结 |
34-36 |
|
第四章 油液和设备的状态评判方法研究 |
36-50 |
|
4.1 概述 |
36 |
|
4.2 基于模糊决策的状态评判 |
36-40 |
|
4.2.1 模糊综合评判模型 |
36-37 |
|
4.2.2 隶属度函数 |
37-39 |
|
4.2.3 模糊综合状态评判实例 |
39-40 |
|
4.3 基于支持向量分类机的状态评判 |
40-44 |
|
4.3.1 基本概念 |
40-41 |
|
4.3.2 SVM基本原理 |
41-42 |
|
4.3.3 C-SVC的算法和步骤 |
42-43 |
|
4.3.4 C-SVC状态评判实例 |
43-44 |
|
4.4 基于磨粒图谱的状态评判 |
44-49 |
|
4.4.1 基本原理 |
44-45 |
|
4.4.2 磨粒识别 |
45 |
|
4.4.3 状态评判与故障诊断 |
45-49 |
|
4.5 本章小结 |
49-50 |
|
第五章 油液监测数据的预测方法研究 |
50-60 |
|
5.1 趋势预测的意义 |
50 |
|
5.2 油液监测数据的神经网络预测方法研究 |
50-57 |
|
5.2.1 背景概述 |
50-51 |
|
5.2.2 研究对象的选择 |
51 |
|
5.2.3 人工神经网络的结构 |
51-53 |
|
5.2.4 人工神经网络的预测实例分析 |
53-57 |
|
5.3 油液监测数据的支持向量回归机预测方法研究 |
57-59 |
|
5.3.1 v-SVR的算法和步骤 |
57-58 |
|
5.3.2 应用实例分析 |
58-59 |
|
5.4 本章小结 |
59-60 |
|
第六章 油液监测数据分析处理系统的设计与开发 |
60-72 |
|
6.1 系统设计目标 |
60 |
|
6.2 系统需求分析 |
60-61 |
|
6.2.1 业务流程 |
60 |
|
6.2.2 系统功能要求 |
60-61 |
|
6.2.3 系统技术要求 |
61 |
|
6.3 系统功能结构和信息结构 |
61-64 |
|
6.3.1 系统功能结构 |
61-63 |
|
6.3.2 系统信息结构 |
63-64 |
|
6.4 系统运行环境 |
64-65 |
|
6.5 关键技术问题的程序逻辑框图 |
65-68 |
|
6.6 系统运行示例 |
68-71 |
|
6.7 本章小结 |
71-72 |
|
总结与展望 |
72-74 |
|
总结 |
72 |
|
展望 |
72-74 |
|
参考文献 |
74-77 |
|
攻读硕士学位期间发表论文 |
77-78 |
|
独创性声明 |
78-79 |
|
致谢 |
79 |
|
| 【DOI】 | LunWen.ID:2.2008.91071 |
