论文部分内容阅读
油液分析技术是设备故障诊断的主要手段之一，而智能化程度低一直是影响这一技术在现场推广应用的瓶颈问题。本论文对基于油液分析的机械设备智能诊断的理论和方法进行了研究，并在此基础上开发出油液分析智能诊断系统。主要工作如下：1.根据实现油液分析智能诊断的需求，开发了全自动铁谱显微图像分析系统，实现了显微镜的远程控制和铁谱图像的异地同步浏览，为远程协同诊断奠定了基础；2.根据铁谱图像的特点，研究了基于铁谱图像的自动聚焦算法，实现了FAFS系统的自动聚焦。采用基于空域和基于区域小波变换的共焦算法，实现了同一磨粒在不同聚焦位置的序列图像的叠加，显著改善了铁谱图像的质量，为高质量的磨粒识别奠定了基础；3.提出了利用加权FCM聚类分析和BP神经网络评价设备磨损状态的方法，并将其应用到12V190型柴油机磨损状态监测中，实验结果表明，这两种方法是可行的。
4.将理化指标参数、铁谱分析参数和光谱分析参数作为输入信息，建立了基于集成BP网络的油液分析故障诊断模型。分别采用该模型和BP网络模型对柴油机故障进行诊断，诊断结果与实际比较发现，集成BP网络模型能解决复杂故障诊断的问题，结果较准确。
5.将组合遗传BP神经网络应用于设备磨损预测，建立了磨损状态的单参数序列和多参数序列预测模型。应用这两种模型对柴油机的磨损趋势进行单步预测，其结果与实验结果比较发现，多参数序列预测比单参数序列预测的精度高。
6.开发了油液分析智能诊断系统。并将其应用到江苏油田钻井动力柴油机的磨损工况监测中，两年的监测实验表明该系统的实用性较好。