装备油液智能监控原理PDF电子书下载

目录 1

第1章 绪论 1

1.1 设备维修及其概念体系 2

1.2 油液分析监控技术 3

1.2.1 油液分析的基本功能 4

1.2.2 油液监控技术应用现状 4

1.2.3 油液分析方法及其特点 7

1.3 装备油液监控技术的发展趋势 10

本章参考文献 14

第2章 摩擦学与装备油液监控基础 17

2.1 固体表面特性与接触 17

2.1.1 固体表面形貌 17

2.1.2 表面粗糙度评定参数 19

2.1.3 表面粗糙度的统计特性 23

2.1.4 金属表面的组成 25

2.1.5 固体表面接触 26

2.2 摩擦理论 32

2.2.1 摩擦的概念与分类 33

2.2.2 古典摩擦定律及其局限性 35

2.2.3 粘着摩擦理论 37

2.2.4 分子—机械理论 40

2.2.5 影响摩擦系数的因素 41

2.3 磨损理论 42

2.3.1 磨损的概念 42

2.3.2 一般机械设备的磨损过程 43

2.3.3 磨损的分类及其特点 45

2.3.4 磨合与磨损寿命分析 51

2.4 流体润滑理论 54

2.4.1 润滑及其分类 55

2.4.2 牛顿粘性公式 56

2.4.3 油膜压力的形成过程 57

2.4.4 雷诺方程 58

2.4.5 摩擦、磨损与润滑之间的关系 63

2.5.1 一般机械装备磨损元素的来源 65

2.5 装备摩擦学系统油液监控原理 65

2.5.2 摩擦学系统油液监控原理 66

2.5.3 发动机磨损的油液监测 67

本章参考文献 69

第3章 油液光谱分析 71

3.1 光谱分析的原理 72

3.2 光谱分析的数学方法 75

3.2.1 磨损元素界限值的制定方法 76

3.2.2 基于比例模型的数据处理 81

3.2.3 磨损元素的模糊聚类分析 87

3.2.4 浓度与梯度的模糊综合评判 90

3.2.5 基于灰色模型的磨损元素浓度值预测 95

3.3 磨损过程的时间序列分析 103

3.3.1 时间序列分析方法 103

3.3.2 磨损过程的时间序列分析 104

3.3.3 磨损过程时间序列建模 105

3.3.4 基于时间序列模型特征根的故障诊断 112

本章参考文献 115

第4章 油液铁谱分析 117

4.1 磨损颗粒沉积原理 118

4.1.1 物质的磁性特征 118

4.1.2 铁谱仪磁场特征 120

4.1.3 磨粒的沉积规律分析 122

4.2 铁谱仪的种类 127

4.2.1 分析式铁谱仪 128

4.2.2 直读式铁谱仪 129

4.2.3 旋转式铁谱仪 131

4.2.4 在线式铁谱仪 133

4.3 铁谱磨粒的定量分析 134

4.3.1 磨损颗粒尺寸分布 135

4.3.2 磨损定量分析方法 138

本章参考文献 142

第5章 铁谱磨粒图像识别 144

5.1 铁谱磨粒图像识别的发展 145

5.2 磨粒类型及其特征 147

5.3 磨粒图像的预处理 153

5.3.1 图像色系的转换 153

5.3.2 磨粒图像的增强处理 155

5.3.3 磨粒图像的分割 158

5.3.4 磨粒图像的形态学滤波 161

5.3.5 图像边缘检测与表示 163

5.4 磨粒特征参数的提取 166

5.4.1 磨粒的形状特征参数 166

5.4.2 磨粒的纹理特征参数 171

5.4.3 磨粒的颜色特征参数 172

5.4.4 磨粒的分形维数描述 174

5.5 磨损颗粒的模糊神经网络识别 180

5.5.1 人工神经网络简介 181

5.5.2 磨粒识别的模糊神经网络模型 183

5.5.3 磨损颗粒的模糊神经网络识别 188

本章参考文献 191

第6章 润滑油及油品性能分析 195

6.1 润滑油的性能参数 196

6.2 润滑油的添加剂 199

6.3 车辆用润滑油及其性能 202

6.3.1 内燃机油 202

6.3.2 齿轮油 205

6.3.3 液压油 206

6.4 履带车辆发动机润滑油的衰变分析 208

6.4.1 一般润滑油的衰变分析 208

6.4.2 履带车辆发动机润滑油衰变原因分析 210

6.4.3 履带车辆发动机润滑油的衰变原理 212

6.5 润滑油性能检测的红外光谱法 216

6.5.1 红外光谱分析的概念 217

6.5.2 红外定性分析 222

6.5.3 红外定量分析 225

6.5.4 傅里叶红外光谱仪基本原理 229

6.5.5 在用油红外光谱分析参数 233

6.5.6 基于红外光谱分析的在用油质量评价方法 238

本章参考文献 245

第7章 装备油液智能诊断综合系统 248

7.1 装备故障智能诊断 248

7.1.1 装备故障诊断概述 248

7.1.2 装备智能诊断系统的研究与发展 249

7.2 智能诊断专家系统的理论和方法 251

7.2.1 专家系统知识库 253

7.2.2 专家系统推理机 256

7.3 深浅知识集成的诊断策略 260

7.3.1 单一知识诊断的不足 260

7.3.2 基于深浅知识的诊断推理 261

7.4 基于多传感器信息融合的故障诊断 263

7.4.1 基于多传感器信息融合的故障诊断研究现状 264

7.4.2 多传感器信息融合技术的特点 265

7.4.3 多传感器信息融合的基本原理 266

7.4.4 油液分析多传感器信息融合模型 267

7.5 油液分析综合诊断专家系统 268

7.5.1 专家系统的总体设计 269

7.5.2 专家系统知识库的建立 270

7.5.3 光谱分析诊断系统 272

7.5.4 铁谱磨粒智能识别系统 275

7.5.5 红外光谱分析系统 278

7.5.6 基于神经网络的摩擦学知识的获取 280

7.6 基于遗传算法的专家系统自学习 281

7.6.1 机器学习的模型与方法 281

7.6.2 遗传算法的基本原理 283

7.6.3 油液分析专家系统自学习的实现 286

7.6.4 油液分析专家系统自学习应用实例 289

7.7 基于油液分析的远程设备智能诊断系统 291

7.7.1 远程诊断的必要性 291

7.7.2 远程诊断的实现方法 292

7.7.3 远程诊断专家系统中心 293

7.7.4 远程诊断应注意的问题 294

本章参考文献 295