论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 杨文君,孙耀宁,杨延竹,凡辉,王国建
关键词: 磨粒,特征分析,机械磨损,量子粒子群优化,状态检测
来源: 航空动力学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 新疆大学机械工程学院,东华大学机械工程学院
基金: 国家自然科学基金(51465055)
分类号: TP18;TH117.1
DOI: 10.13224/j.cnki.jasp.2019.06.008
页码: 1246-1252
总页数: 7
文件大小: 311K
下载量: 288