摩擦学系统状态辨识的知识获取方法研究

论文摘要

摩擦学系统状态辨识经过近20年的发展,现在正朝着智能化方向发展。摩擦学系统状态辨识的智能化主要体现在两个方面,一是通过一定的数学方法能够根据监测信息判断机器摩擦学系统所处的磨损状态;二是通过摩擦学系统状态辨识规则知识进行状态识别,这些规则知识就是获取的状态辨识知识,其中知识的获取与表达方法是摩擦学系统状态辨识的重要研究内容,但是由于摩擦学系统本身的特点,导致其状态辨识的知识共享性比较差,因此需要找到一套知识获取的方法体系,此方法具有移植性,可以适用于不同的监测对象,以便获取其摩擦学系统状态辨识知识。本文以滑动轴承为研究对象,以摩擦学系统状态辨识智能化作为出发点,针对摩擦学系统状态辨识的特点,探索理论方法,寻找解决问题的理论基础,并对其基本理论知识进行了介绍;为了验证此理论方法在摩擦学系统状态辨识应用的有效性,在万能摩擦磨损试验机和内燃机摩擦学与动力学模拟试验系统上进行了滑动轴承各典型磨损过程的磨损试验,并通过多种监测信息获取手段得到滑动轴承各典型磨损工况的磨粒和磨损表面信息。利用试验所获取的滑动轴承磨损过程中磨损表面和磨粒信息,定性分析滑动轴承各典型磨损工况与所产生磨粒信息之间的对应关系:同时,鉴于摩擦学系统状态信息描述的多样化、不相容性及矛盾性等特点,应用集对分析方法,从不同角度建立了磨粒信息与磨损类型之间的定量映射关系模型,针对各不同磨损类型,计算联系度,计算结果表明:联系度越大则越靠近某种磨损表面状态,这种方法可以集定量信息和定性信息于一体,使状态描述更加全面化,辨识结果更加可靠:同时由于磨损监测过程中获得的属性数目众多,而且这些属性之中存在冗余及关联,对利用机器学习来进行自动识别不利,因此使用粗糙集理论和主元分析等两种不同的数据约简方法对监测数据进行约简,再利用支持向量机建立滑动磨损过程中产生的磨粒信息和磨损类型的映射关系识别器。将人工智能的知识工程用于摩擦学系统,用知识实现摩擦学系统状态辨识,以提高诊断效率,节约时间和经济成本。根据摩擦学系统本身的特点及知识工程中知识获取的概念,摩擦学系统状态辨识知识获取方法主要可以从三个方面进行:获取摩擦学系统状态辨识的经验知识、基于摩擦学系统试验数据的知识获取及基于摩擦学系统监测实例的知识获取。基于经验的摩擦学系统状态辨识知识获取是通过对摩擦学系统状态监测信息筛选、提取、总结获取辨识知识,这些知识便于以后摩擦学系统状态的智能辨识:运用贝叶斯网络,对监测信息比较齐全、信息量相对比较大的试验数据建立了知识获取模型,获得了对机器摩擦学系统状态辨识有指导意义的概念性及规律性知识;针对现实运行的机器摩擦学系统监测实例较少或者投入运行时间不长的机器,其监测样本相对比较少的情况,通过引入决策树理论,建立了基于监测实例的摩擦学系统状态辨识知识获取模型,经过数据预处理,使其不受监测信息类型(定性或定量)的影响,建立机器摩擦学系统状态辨识的决策树,提取出简单实用的摩擦学系统状态辨识知识,使得机器的摩擦学系统状态辨识更快捷、更方便,以此建立适合获取摩擦学系统状态辨识知识的方法体系。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 国内外研究现状
• 1.1.1 摩擦学系统状态辨识的发展状况
• 1.1.2 知识获取方法的研究进展
• 1.1.3 知识获取在摩擦学系统状态辨识的应用
• 1.2 目的与意义
• 1.3 课题来源
• 1.4 研究的主要内容
• 第2章 研究的理论基础
• 2.1 前言
• 2.2 集对分析方法
• 2.2.1 集对分析基本概念
• 2.2.2 联系度
• 2.3 支持向量机原理
• 2.4 贝叶斯网络基本知识
• 2.4.1 概率规则
• 2.4.2 贝叶斯网络
• 2.5 决策树算法原理
• 2.5.1 属性选择的度量标准
• 2.5.2 决策树的剪枝
• 2.5.3 决策树中分类规则获取
• 2.6 本章小结
• 第3章 试验设计及试验方法
• 3.1 前言
• 3.2 试验设计及目的
• 3.2.1 滑动轴承材料的摩擦磨损试验
• 3.2.2 滑动轴承的模拟试验
• 3.3 试验设备
• 3.3.1 MMW-1立式万能摩擦磨损试验机
• 3.3.2 内燃机摩擦学与动力学模拟试验系统
• 3.4 试验材料及参数
• 3.5 磨损信息分析手段
• 3.6 分析程序
• 3.7 本章小节
• 第4章 滑动轴承磨损类型与磨粒信息映射研究
• 4.1 前言
• 4.2 滑动轴承磨损表面和磨粒信息的定性映射关系
• 4.2.1 获取的滑动轴承磨损表面与磨粒形貌
• 4.2.2 滑动轴承磨损表面与磨粒信息的定性映射关系描述
• 4.3 滑动轴承磨损表面和磨粒信息的定量关系研究
• 4.3.1 基于集对分析的摩擦学系统状态预测
• 4.3.2 基于集对分析的摩擦学系统状态辨识模型
• 4.4 滑动轴承磨损表面和磨粒信息的映射关系识别器
• 4.4.1 建立滑动磨损表面和磨粒信息映射关系识别器的基本原理
• 4.4.2 磨粒信息监测属性约简
• 4.4.3 基于支持向量机的滑动磨损映射关系模型
• 4.4.4 基于属性约简和支持向量机的滑动磨损映射关系识别方法
• 4.4.5 建立滑动轴承磨损表面和磨粒信息的映射关系模型
• 4.5 小结
• 第5章 基于经验的摩擦学系统状态辨识知识获取
• 5.1 前言
• 5.2 摩擦学系统状态辨识中的经验知识
• 5.2.1 不同监测设备的判别规则
• 5.2.2 磨粒类型识别规则
• 5.2.3 换油规则
• 5.2.4 摩擦学系统状态辨识规则
• 5.3 适用于滑动轴承的摩擦学系统状态辨识知识
• 5.4 本章小结
• 第6章 基于试验数据的摩擦学系统状态辨识的知识获取
• 6.1 前言
• 6.2 摩擦学系统中的贝叶斯网络构建方法
• 6.2.1 基于信息论的摩擦学系统贝叶斯网络构造方法
• 6.2.2 应用实例
• 6.3 本章小结
• 第7章 基于监测实例的摩擦学系统状态辨识的知识获取
• 7.1 前言
• 7.2 基于决策树的摩擦学系统状态辨识知识的获取
• 7.2.1 基本思想
• 7.2.2 基于决策树的摩擦学状态识别知识的获取模型
• 7.3 摩擦学系统状态辨识的知识获取应用实例
• 7.4 本章小结
• 第8章 结论及展望
• 8.1 主要成果和结论
• 8.2 研究展望
• 参考文献
• 致谢
• 攻读博士期间发表的主要论文及参加的科研项目