一、自行火炮油液光谱分析研究（论文文献综述）
夏泽华[1]（2019）在《汽轮机油对汽轮机润滑系统磨损影响研究》文中提出汽轮机润滑油系统是石化电力行业中大型汽轮机组中的重要组成部分,但是由于工况的差异、结构的复杂和其他因素的影响,润滑油系统容易出现各种问题,如果单纯地从机械外观等判断是无法找出问题所在的,这样就会给故障诊断带来很大的困难。因此,如果能够利用先进的分析技术,对汽轮机设备及其润滑系统中存在的问题进行有效识别和解决,那么就可以减少不必要的损失;延长设备使用寿命。本文首先阐述了目前主流分析方法的优缺点以及国内外研究进展。在此基础上以汽轮机润滑油系统为研究对象,基于油液监测技术和统计学中灰色预测理论研究汽轮机润滑系统的磨损等问题。具体研究内容包括以下几个方面:1.深入分析了汽轮机润滑油系统的结构和组成;对润滑系统中摩擦副的磨损类型和常见磨粒以及系统中常见的元素及主要磨损器件进行了分类和阐述;对油液监测技术中常用分析方法进行比较并确定本课题所采用分析方法。2.对某电厂200MW汽轮发电机组的润滑油系统在油箱处定期取样,进行实验研究。实验采用理化性能分析、元素光谱分析和铁谱分析等多种分析手段,各项分析结果显示数值正常,该润滑油系统无明显故障。实验表明多种分析技术结合检测能够对润滑油系统实现有效监控。3.对某电厂350MW汽轮发电机组的润滑油系统定期取样并进行实验研究。实验通过理化性能分析、元素光谱分析和铁谱分析等多种分析手段,结合实验结果对设备中的磨损以及故障进行判断,推测润滑系统中的密封件和轴类零件出现故障,经设备检修后发现判断结果与实际检修结果基本一致,证明了多种油液分析技术结合应用的优越性。进一步说明机械设备定期维护的重要性。4.选取壳牌L-TSA 46#汽轮机油的理化表征数据和元素光谱数据为特征信息。针对元素光谱分析中的铁元素,确定了理化性能中水分含量为最大关联参数,为磨损预测奠定基础。另外,借助于MATLAB系统建立了基于GM（1,1）模型的铁元素含量预测模型,根据后验比和小误差概率对模型进行验证表明该模型预测效果良好,为一级精度。除此以外,采用生成数列残差法对基础预测模型进行优化并在原预测理论中引入修正因子?,建立修正的预测模型。确定最佳修正因子?为0.990,进一步提高了模型的预测精度。
刘鑫,贾云献,崔心瀚,王强[2]（2018）在《油液信息特征提取方法研究及在柴油机状态评估中的应用》文中提出基于油液信息的设备健康状态评估在工程实践中具有重要的应用,为选择最优的油液信息特征提取方法并实现柴油机的健康状态评估,分别研究描述油液信息和设备健康状态关系的油液浓度分析模型、梯度分析模型和比例分析模型,并以BP神经网络为评估方法,实现基于油液信息的柴油机状态评估,通过评估结果对3种油液信息模型的特点进行总结,并对其各自特点的原因进行分析。结果表明,油液梯度模型能充分利用油液中的状态信息,评估效果好。同时,对柴油机的状态评估研究也具有一定的工程实用价值。
董德浩[3]（2017）在《基于油液监测和灰色理论的变速箱磨损损伤评估及预测》文中研究说明变速箱作为工程机械的关键传动部件,其工作环境恶劣、载荷变化大、作业中循环动作频繁,从而导致故障频发。研究表明,80%的变速箱零部件都是因磨损而失效,又因为变速箱的关键零部件一般为无冗余设计,一旦发生故障往往引发严重的事故。因此,为了对变速箱的运行状态和磨损趋势有一个宏观、准确的把握,很有必要研究变速箱磨损损伤评估技术和磨损量预测方法,以实现对变速箱运行状态、磨损类型和磨损程度的监控与预测。本文以推土机变速箱为研究对象,基于油液监测技术和灰色系统理论研究变速箱磨损损伤评估技术和磨损量预测方法,主要研究内容如下:（1）基于油液监测技术进行了推土机变速箱磨损状态评估的实际试验研究。首先深入分析了变速箱的组成结构、主要磨损件、零部件构成元素和磨损磨粒特性,为应用油液监测技术进行变速箱磨损损伤评估奠定基础。之后,综合应用黏度分析、光谱分析和铁谱分析三种技术,对SD16型推土机变速箱内零部件的磨损状态和润滑油的污染情况进行了评估试验研究,所得结论与实际检修结果一致。该研究实现了变速箱磨损损伤部位、损伤类型、箱体密封情况以及油液润滑状态的判定,证明了油液监测技术实际应用的可行性与准确性。（2）建立了基于灰色GM（1,1）模型修正的变速箱磨损量灰色预测模型。选取推土机变速箱油液铁谱分析数据作为输入特征信息,综合考虑预测数据序列的非等间隔性、换油干扰等影响因素,在灰色预测理论中引入修正因子λ,建立修正的变速箱磨损量预测模型。经后验差法验证表明,该模型预测精度为一级精度。最后,逐步搜索最优λ值,实例分析表明,当λ=0.992时,修正后模型能实现三步准确预测,而原始灰色GM（1,1）预测模型只能实现一步准确预测,修正后模型提高了变速箱磨损量的预测精度。（3）设计并搭建了变速箱故障诊断试验台,并基于试验台在线黏度传感器研究了 15W40 CF-4型润滑油的黏温特性。为消除现场跟踪取样数据易随天气、推土机工作环境、操作人员水平等因素波动的影响,本文设计并搭建了变速箱故障诊断试验台。该试验台是通过润滑系统安装的在线黏度传感器来实时监测某一工况温度下油液的黏度,但该黏度并不是标准换油黏度。在实际工程应用中,需根据润滑油的黏温特性方程将某一温度的黏度转换成国家标准100℃时的换油黏度。为研究15W40 CF-4型润滑油黏温特性的变化规律,本文应用Andrade方程、Walther方程和Vogel方程对新油、在用油和废油在40℃～100℃时的运动黏度数据进行回归拟合,从拟合度和拟合标准差两个方面,分析和比较了3种黏温方程的拟合精度。分析表明,用Vogel方程来描述该润滑油的黏温特性更加准确,为在线监测的实时黏度换算提供了依据。
张锦锦[4]（2017）在《动车组齿轮箱油液检测与故障诊断系统的研究》文中认为动车组的引进开创了我国铁路事业新的局面。齿轮箱是动车组的传动部件,其运行状态将直接影响到整个动车组能否正常工作。在实际工作中,由于缺乏对齿轮箱油液内物质的数据分析和认识,往往把许多因油液失效间接引起的故障归结为零部件问题。掩盖了油液故障的真相。因此,有必要建立一套基于油液光谱分析、理化分析的油液检测体系和诊断系统,精确定位齿轮箱的故障部位并提出早期警告。依据诊断结论对故障零部件采取维修措施,及时消除潜在故障,保证动车组的安全运营。以下为论文的主要研究内容。第一,把油液光谱法和理化分析法同时应用在诊断齿轮箱故障中。采用简易理化分析技术来分析油液的理化性能,判断油液能否继续使用。在零部件未出现故障的情况下更换失效的油液,可在零部件表面重新形成油膜保护,减轻磨损程度,降低故障率。用原子发射光谱仪检测油液中的金属元素和浓度,对故障进行定位和原因确认等方面的分析,分析结果作为是否进行零部件维修的主要参考依据;第二,通过界限值法对大量的故障数据进行统计计算,设定合理的正常值、警戒值和异常值,将光谱法检测出的数据与界限值进行对照,从检测数据信息中提取微弱的零部件失效信息并判断齿轮箱内零部件的磨损程度,得出相关部件的磨损趋势并且对其状态进行故障预报;第三,使用VB软件设计了一套动车组齿轮箱油液检测与故障诊断系统软件。系统可根据油品的性能和金属颗粒的浓度,生成金属浓度界限值图,最后给出相应的故障诊断结果和对应的维护处理措施,在分析报告打印模块对油液数据和分析结果实现打印。系统主要有七大功能模块:油液信息添加及管理模块、油液光谱及理化分析检测模块、界限值图绘制模块、油液故障综合诊断模块、故障发展趋势分析模块、紧急故障总览模块和分析报告打印模块。系统具有可操作性、实用性和准确性的优点,满足了日常诊断的需求。通过实例比对,初步证明了开发的系统和所使用的诊断方法可以应用到动车组齿轮箱的故障诊断当中,并且可以有效地提高诊断故障的水平,实现了对齿轮箱油液检测数据有目的的管理与维护,从而提高工作人员的工作效率,保证动车组运行的安全性和可靠性。
袁祥波,陈学军,陈涧,赵晔[5]（2017）在《美军联合油料分析程序介绍》文中研究指明本文介绍了美军联合油料分析程序（JOAP）中油液光谱分析、油液监测的内容和对实验室的要求,以发动机油为例,介绍了JOAP的油液分析程序。美军联合油料分析程序（Joint Oil Analysis Program,以下简称JOAP）成立于20世纪80年代,是美国海军、陆军、空军三军建立的一套标准油液分析程序,旨在通过统一陆海空三军油液分析计划,收集并分析油液数据,共同完成各军
王强[6]（2017）在《电阻式微螺线管型磨粒传感器仿真与实验研究》文中认为随着工业的快速发展,液压技术广泛应用于大型工程机械,航空设备,船舶机械等领域;液压控制要求的不断提高,对液压系统中油液清洁程度也更加严格。据统计分析,液压系统机械故障中70%以上由液压油中金属磨粒污染物引起。油液污染物分析诊断技术已成为设备系统状态监测及故障诊断的重要手段。本文在电感法检测液压油中金属颗粒的基础上,进一步研究电阻法,具体研究内容如下:研究微螺线管内部磁场分布特征,建立铁磁性金属颗粒在微螺线管中的磁化模型,金属颗粒内部电涡流影响微螺线管阻抗的数学模型。理论研究表明,金属颗粒的磁化场使微螺线管的等效电感发生变化,而电涡流磁场使微螺线管的等效电感和电阻同时发生变化。采用COMSOL有限元分析软件,对微螺线管内部磁场分布特征进行仿真;研究微螺线管参数,金属颗粒因素及激励信号对微螺线管型磨粒传感器等效电阻变化值的影响,确定了各项参数与微螺线管磨粒传感器等效电阻变化值之间的关系。设计实验系统,制作实验用磨粒传感器。结合仿真结果,实验研究传感器参数,金属颗粒及激励源等因素对微螺线管型磨粒传感器电阻变化输出的影响,验证了仿真结果的准确性。同时,实验结果表明采用电阻法检测非铁磁性金属颗粒效果相对于电感法更好,有更高的信噪比和更低的检测下限。
傅建平[7]（2015）在《基于铁谱分析技术的自行火炮发动机磨损故障诊断研究》文中研究说明磨损是引起设备失效和故障的主要因素之一。自行火炮发动机功率大、工作环境恶劣,故障率高,是部队技术保障的重点与难点。铁谱分析技术是自行火炮发动机磨损故障诊断的一种有效方法,铁谱磨粒图像的自动化处理与磨损故障的智能诊断是困扰铁谱分析技术推广应用的两大难题,是铁谱研究工作者的研究重点和难点。本文以某自行火炮发动机为研究对象,依托某军队重点科研项目,围绕铁谱磨粒图像处理与磨损故障诊断开展研究。首先,在发动机结构原理基础上,分析了自行火炮发动机的主要摩擦副；应用摩擦学理论研究了发动机的磨损模式与磨损机理,以及磨损产生的磨粒及其分类；结合发动机结构与工作原理,分析了发动机主要磨损故障及磨损部位,为后续研究奠定理论基础。其次,针对发动机磨粒图像特点,研究其图像增强的原理与方法,提出了同时滤除磨粒图像中脉冲噪声与高斯噪声,又不改变磨粒边界的滤波新方法,使原始磨粒图像清晰。通过对现有的图像处理方法研究,提出了基于快速二维熵阈值分割技术、基于改进遗传算法的最大类间方差法以及基于遗传模糊C-均值聚类算法等三种磨粒灰度图像分割算法,优化了分割算法,提高计算速度,改善分割效果；针对磨粒彩色图像形成机理复杂、图像分割困难特点,应用遗传类间方差法与小波变换法等分割技术直接对磨粒彩色图像进行图像分割,取得了较好的分割效果。并应用边界检测技术与边界跟踪技术提取了磨粒边界,对磨粒图像中的磨粒作了标记,以便于后续磨粒特征提取与磨粒识别。再次,研究了磨粒的形态特征提取方法。从形状、纹理、颜色与分形等四个方面对磨粒特征进行数值化描述,提取了40个磨粒特征；由于磨粒各个参数的描述角度不同,对于磨粒特征信息提取所起作用不尽相同,有的特征参数可能是冗余的,应用模糊粗糙集理论,对这些参数进行优化、筛选,使参数体系的维数由40维降至12维,大大减降低了特征维数,为磨粒识别提供了简单、有效的数据支持。然后,应用模糊数学、神经网络理论和灰色理论提出了基于模糊神经网络理论与模、模糊灰色聚类的磨粒自动识别方法,提高了磨粒识别精度。最后,将铁谱磨粒分析结果应用于发动的磨损故障诊断。提出了基于模糊神经网络和模糊加权灰色关联模型的两种发动机磨损类型诊断模型,以及基于蚁群优化的支持向量机磨损故障诊断模型,实现了自行火炮发动机磨损故障的有效诊断。论文最后对全文进行总结,指出了本论文的主要创新点,并对进一步的研究工作做出了展望。
张英波,贾云献,邱国栋,黄河,谷玉波[8]（2014）在《基于油液中金属浓度梯度特征的滤波剩余寿命预测模型》文中研究说明基于随机滤波理论的剩余寿命预测模型是基于状态的维修的重要组成部分.首先根据设备磨损过程,建立了磨损、金属粒子浓度和剩余寿命三者的函数关系.进而针对滤波模型基于油液信息进行预测时的局限性,建立了基于油液浓度梯度特征的滤波模型.此模型无需对监测信息中的换油影响进行线性回归处理,从而减少了误差,并以金属浓度梯度特征建模,完善了状态信息与剩余寿命之间的负相关关系.然后设计了极大似然参数估计方法,在参数估计过程中考虑了截尾数据对估计值的影响.最后以某型自行火炮发动机的油液光谱分析数据为例,实现了发动机的剩余寿命预测,结果表明了该模型的可行性和有效性.
孙磊,贾云献,蔡丽影,林国语,赵劲松[9]（2013）在《基于油液光谱分析和粒子滤波的发动机剩余寿命预测研究》文中研究说明油液光谱分析是机械磨损状态监测、故障诊断与故障预测的重要技术,基于光谱数据的机械状态剩余寿命预测有利于实现机械系统的最优维修决策。由于机械设备越来越复杂,其健康状态的退化过程很难用线性模型来表示,而粒子滤波（particle filter,PF）对非线性非高斯系统的处理能力,与经典Kalman滤波相比具有明显的优势,文章将PF预测方法运用于光谱分析,提出了基于PF和油液光谱分析技术的设备剩余寿命预测方法。在预测模型中实现了根据设备后验分布的估计值预测其先验分布概率,建立了基于PF的多步向前长期预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统Kalman滤波方法的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。
张克正[10]（2010）在《基于遗传神经网络和光谱分析的船舶机械状态监测研究》文中提出随着科技的发展,传统的维修模式已逐渐被“视情维修”所取代,而此维修模式的基础是对机械设备进行监测,只有建立在监测基础上的诊断才能避免盲目性,具有针对性,因此,建立在监测基础上,对机械设备磨损状态进行有效地预测具有十分重大的意义。油液光谱分析技术在船舶工业领域已得到广泛应用,已成为对船舶机械设备进行工况监测、故障诊断和故障预测的有效技术手段之一,它可以有效地检测出油液中的磨损性元素的含量,分析出油液的污染程度以及添加剂的状况。油液光谱数据包含两方面内容,一方面,由于磨损金属成分与对应的摩擦副材质相对应,所以可以利用光谱分析进行故障定位；另一方面,机械磨损状态是一个逐步发展的过程,因此可以利用光谱数据来进行机械设备磨损状态的预测,前者属于故障诊断范畴,后者属于状态监测范畴,本文所做的研究工作即为后者。利用油液光谱分析技术对船舶的运行状态进行监测,能尽早地发现故障或故障趋势,避免重大故障的发生,达到视情维修的目的,因此建立光谱数据预测模型有非常重要的意义。由于船舶运行工况复杂,其尾轴和主机的润滑油中磨损元素含量受诸多因素影响,用传统的方法难以预测其变化趋势。本文提出基于遗传神经网络的润滑油铁元素含量预测方法,并用MATLAB分别对6组油样进行建模分析,其中2组来自尾轴处滑油,4组来自主机系统油。首先对油液光谱历史数据建立时间序列,然后,基于BP神经网络建立预测模型,对铁元素含量进行预测,最后结合遗传算法对BP神经网络进行改进,使预测值的平均相对误差在可接受的范围内。通过实例分析,该方法能够满足船舶状态监测的需要。
二、自行火炮油液光谱分析研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、自行火炮油液光谱分析研究（论文提纲范文）
（1）汽轮机油对汽轮机润滑系统磨损影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 汽轮机油概述 |
| 1.3 汽轮机润滑油系统概述 |
| 1.4 汽轮机润滑系统常见磨损 |
| 1.4.1 磨损理论介绍 |
| 1.4.2 磨损机理 |
| 1.5 汽轮机润滑系统常见磨粒 |
| 1.6 汽轮机润滑系统中常见元素 |
| 1.7 油液分析技术 |
| 1.7.1 理化性能分析 |
| 1.7.2 盘棒电极原子发射光谱分析 |
| 1.7.3 铁谱分析技术 |
| 1.7.4 各分析技术比较 |
| 1.8 国内外研究动态 |
| 1.8.1 油液分析技术研究动态 |
| 1.8.2 油液性能和设备磨损研究动态 |
| 1.8.3 灰色理论在油液分析中应用研究动态 |
| 1.9 目前研究存在的问题 |
| 1.10 本文研究内容 |
| 第二章 基于油液监测技术的200MW汽轮发电机组润滑系统实验研究 |
| 2.1 引言 |
| 2.2 监测对象 |
| 2.3 取样要求 |
| 2.3.1 取样点选择 |
| 2.3.2 取样时间确定 |
| 2.4 实验药品与仪器 |
| 2.5 实验操作 |
| 2.5.1 粘度测试 |
| 2.5.2 酸值测试 |
| 2.5.3 水分含量测试 |
| 2.5.4 元素光谱分析测试 |
| 2.5.5 铁谱分析 |
| 2.6 试验结果与分析 |
| 2.6.1 粘度变化分析 |
| 2.6.2 酸值变化分析 |
| 2.6.3 水分含量变化分析 |
| 2.6.4 元素光谱分析 |
| 2.6.5 分析铁谱试验结果分析 |
| 2.7 本章小结 |
| 第三章 基于油液监测技术的350MW汽轮发电机组润滑系统实验研究 |
| 3.1 监测对象 |
| 3.2 取样要求 |
| 3.2.1 取样点选择 |
| 3.2.2 取样周期选择 |
| 3.3 实验药品与仪器 |
| 3.4 实验操作 |
| 3.5 试验结果与分析 |
| 3.5.1 粘度变化分析 |
| 3.5.2 酸值变化分析 |
| 3.5.3 水分含量变化分析 |
| 3.5.4 元素光谱分析 |
| 3.5.5 分析铁谱试验结果分析 |
| 3.6 本章小结 |
| 第四章 汽轮机润滑系统磨损灰色预测 |
| 4.1 前言 |
| 4.2 关联度分析 |
| 4.2.1 关联度概念及计算 |
| 4.2.2 原理与方法 |
| 4.2.3 油液监测数据关联分析 |
| 4.3 灰色预测 |
| 4.3.1 灰色理论概念与特点 |
| 4.3.2 模型优化 |
| 4.3.3 最佳修正因子确定 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究生期间发表的论文及申请的专利 |
（2）油液信息特征提取方法研究及在柴油机状态评估中的应用（论文提纲范文）
| 0 引言 |
| 1 基于油液信息状态监测的原理 |
| 2 油液信息特征提取方法 |
| 2.1 油液浓度分析模型 |
| 2.2 油液梯度分析模型 |
| 2.3 油液比例分析模型 |
| 3 基于3种油液模型的柴油机故障特征提取及状态评估 |
| 3.1 柴油机油液数据采集及柴油机状态数确定 |
| 3.2 基于油液浓度的柴油机状态评估 |
| 3.3 基于油液梯度的柴油机状态评估 |
| 3.4 基于油液比例的柴油机状态评估 |
| 3.5 小结 |
| 4 结束语 |
（3）基于油液监测和灰色理论的变速箱磨损损伤评估及预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 油液监测技术概述 |
| 1.2.1 常用技术介绍 |
| 1.2.2 各技术特点比较和本研究应用技术选取 |
| 1.3 国内外研究现状 |
| 1.3.1 油液监测技术研究现状 |
| 1.3.2 灰色系统理论研究现状 |
| 1.4 研究内容 |
| 1.4.1 课题来源 |
| 1.4.2 目前研究存在的问题 |
| 1.4.3 本文研究内容 |
| 第2章 基于油液监测技术的变速箱磨损损伤评估试验研究 |
| 2.1 SD16型变速箱结构分析与失效模式分析 |
| 2.1.1 变速箱主要磨损件 |
| 2.1.2 变速箱润滑系统常见元素 |
| 2.1.3 变速箱常见磨损失效模式分析 |
| 2.1.4 变速箱常见磨损磨粒 |
| 2.2 基于油液监测技术的变速箱磨损损伤评估试验研究 |
| 2.2.1 油样的采集及预处理 |
| 2.2.2 油液监测试验结果与分析 |
| 2.2.3 试验结论 |
| 2.3 本章小结 |
| 第3章 基于GM(1,1)模型修正的变速箱磨损量预测方法研究 |
| 3.1 灰色预测理论的概念及特点 |
| 3.2 磨损量灰色预测建模及修正 |
| 3.3 变速箱磨损量预测实例分析 |
| 3.3.1 铁谱分析试验 |
| 3.3.2 消除换油干扰和等间隔化处理 |
| 3.3.3 建立灰色预测原始模型 |
| 3.3.4 确定最佳修正因子 |
| 3.4 本章小结 |
| 第4章 变速箱故障诊断试验台搭建及润滑油黏温特性研究 |
| 4.1 变速箱故障诊断试验台搭建 |
| 4.2 润滑油黏温特性研究 |
| 4.2.1 油样采集和黏度测定试验 |
| 4.2.2 黏温方程分析及在线黏度转换方法研究 |
| 4.3 本章小结 |
| 第5章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文与参研项目 |
| 致谢 |
| 附件 |
（4）动车组齿轮箱油液检测与故障诊断系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 油液监测技术发展国内外研究现状 |
| 1.3 本文的主要研究内容 |
| 2 齿轮箱润滑方式以及故障类型 |
| 2.1 动车组齿轮箱的介绍 |
| 2.1.1 动车组齿轮箱的结构与用途 |
| 2.1.2 齿轮箱的润滑 |
| 2.2 动车组齿轮箱的故障类型 |
| 2.2.1 齿轮箱失效结构特点分析 |
| 2.2.2 齿轮常见故障类型 |
| 2.2.3 箱体故障类型 |
| 2.2.4 其它故障类型 |
| 3 齿轮箱油液光谱分析故障诊断方法研究 |
| 3.1 齿轮箱故障诊断中的油液检测技术 |
| 3.2 光谱分析技术 |
| 3.2.1 油液光谱分析 |
| 3.2.2 原子发射光谱仪 |
| 3.3 润滑油的理化性能检测方法 |
| 3.3.1 润滑油的性能指标 |
| 3.3.2 润滑油现场简易分析技术 |
| 3.4 光谱与理化性能综合检测的应用 |
| 4 基于界限值的油液检测技术 |
| 4.1 油液分析中的界限值 |
| 4.1.1 界限值的基本概念 |
| 4.1.2 磨损元素界限值的制定方法 |
| 4.2 界限值诊断动车组齿轮箱故障类型原理 |
| 4.3 动车组齿轮箱故障界限值的数学建模 |
| 4.4 齿轮箱光谱分析应用实例 |
| 5 动车组齿轮箱油液检测与故障诊断系统的研究与设计 |
| 5.1 动车组齿轮箱油液检测与故障诊断系统的研究意义 |
| 5.2 系统的总体设计思路 |
| 5.3 系统的总体工作原理图 |
| 5.4 权限功能设计 |
| 5.5 油液系统的界面设计 |
| 5.6 新建油液数据信息界面 |
| 5.6.1 新建油液光谱数据信息界面 |
| 5.6.2 新建油液理化数据信息界面 |
| 5.7 添加油液数据信息界面 |
| 5.7.1 添加油液光谱数据信息界面 |
| 5.7.2 新建油液理化数据信息界面 |
| 5.8 油液信息分析界面 |
| 5.8.1 油液光谱数据检测分析界面 |
| 5.8.2 油液理化数据检测分析界面 |
| 5.9 故障诊断界面 |
| 5.10 分析报告打印模块 |
| 5.11 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录A 阈值界限分析图 |
| 附录B 程序代码 |
| 攻读学位期间的研究成果 |
（5）美军联合油料分析程序介绍（论文提纲范文）
| JOAP油液光谱分析 |
| 油液光谱分析概述 |
| JOAP油液光谱分析实验室的要求 |
| 实验室场地要求 |
| 试验人员要求 |
| 实验室操作要求 |
| JOAP理化性能分析 |
| 分析内容 |
| 理化性能实验室 |
| 实验室场地要求 |
| 试验人员要求 |
| 试验项目 |
| JOAP油液分析程序 |
| 结束语 |
（6）电阻式微螺线管型磨粒传感器仿真与实验研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 课题的来源及提出 |
| 1.1.2 选题背景 |
| 1.1.3 选题意义 |
| 1.2 国内外研究状况 |
| 1.2.1 油液检测分析技术发展 |
| 1.2.2 油液污染物颗粒计数主要方法 |
| 1.2.3 微流控芯片技术的发展 |
| 1.3 论文研究的主要内容 |
| 1.4 本章小结 |
| 第二章 微螺线管型磨粒传感器检测原理 |
| 2.1 微螺线管型磨粒传感器电感法区分检测原理 |
| 2.2 微螺线管型磨粒传感器内部磁场分析 |
| 2.3 微螺线管型磨粒传感器内部铁磁性金属颗粒磁化特性分析 |
| 2.4 微螺线管型磨粒传感器内部金属颗粒电涡流等效电路分析 |
| 2.5 本章小结 |
| 第三章 COMSOL有限元仿真分析 |
| 3.1 COMSOL有限元仿真软件介绍 |
| 3.2 微螺线管型磨粒传感器内部磁场仿真分析 |
| 3.2.1 微螺线管型磨粒传感器内部磁场分布特征仿真分析 |
| 3.2.2 内部有金属颗粒的微螺线管磨粒传感器内部磁场分析 |
| 3.3 微螺线管型磨粒传感器参数影响线圈等效电阻变化仿真分析 |
| 3.3.1 微螺线管型磨粒传感器匝数对等效电阻影响仿真分析 |
| 3.3.2 微螺线管型磨粒传感器内流道直径对等效电阻影响仿真分析 |
| 3.4 金属颗粒因素影响微螺线管型磨粒传感器等效电阻变化仿真分析 |
| 3.4.1 颗粒粒径影响微螺线管型磨粒传感器等效电阻变化的仿真分析 |
| 3.4.2 金属颗粒形状影响微螺线管型磨粒传感器等效电阻变化的仿真分析 |
| 3.5 激励信号影响微螺线管型磨粒传感器等效电阻变化的仿真分析 |
| 3.6 本章小结 |
| 第四章 油液中金属颗粒检测系统搭建及实验研究 |
| 4.1 微螺线管型磨粒传感器制作 |
| 4.2 金属颗粒检测系统搭建 |
| 4.3 金属颗粒电阻法检测实验 |
| 4.3.1 微螺线管型磨粒传感器电感法和电阻法实验对比分析 |
| 4.3.2 微螺线管型磨粒传感器参数影响等效电阻实验分析 |
| 4.3.3 金属颗粒粒径影响微螺线管等效电阻实验分析 |
| 4.3.4 加载激励信号影响微螺线管等效电阻实验分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读学位期间公开发表的论文 |
| 致谢 |
| 作者简介 |
（7）基于铁谱分析技术的自行火炮发动机磨损故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 发动机故障诊断技术 |
| 1.3 铁谱分析技术现状与发展 |
| 1.3.1 铁谱分析技术的国外发展动态 |
| 1.3.2 铁谱分析技术的国内发展动态 |
| 1.3.3 铁谱分析技术的发展方向 |
| 1.4 本文主要研究工作 |
| 2 自行火炮发动机磨损机理研究 |
| 2.1 发动机的主要摩擦副及其磨损分析 |
| 2.2 发动机的磨损规律与特点 |
| 2.3 发动机磨损类型与特点 |
| 2.4 发动机磨粒及分类 |
| 2.5 发动机磨损故障及其原因分析 |
| 2.6 发动机磨损故障诊断的理论基础 |
| 2.7 本章小结 |
| 3 铁谱磨粒图像增强与分割 |
| 3.1 铁谱磨粒图像获取 |
| 3.2 磨粒图像增强 |
| 3.2.1 噪声与噪声分类 |
| 3.2.2 图像增强 |
| 3.3 磨粒灰度图像分割 |
| 3.3.1 基于快速二维熵阈值的铁谱磨粒图像分割方法 |
| 3.3.2 基于最大类间方差与改进遗传算法的磨粒图像分割 |
| 3.3.3 基于遗传模糊C-均值聚类算法的磨粒图像分割 |
| 3.4 磨粒彩色图像分割 |
| 3.4.1 基于最大类间方差与Fisher函数的磨粒彩色图像分割 |
| 3.4.2 基于小波变换的彩色磨粒图像分割 |
| 3.5 磨粒边缘提取 |
| 3.6 磨粒图像标注 |
| 3.7 本章小结 |
| 4 铁谱磨粒显微形态特征描述 |
| 4.1 磨粒形状特征 |
| 4.1.1 磨粒几何尺寸特征 |
| 4.1.2 边界形状特征参数 |
| 4.1.3 磨粒区域矩特征 |
| 4.2 磨粒的纹理特征参数 |
| 4.2.1 灰度共生矩阵 |
| 4.2.2 灰度—梯度共生矩阵 |
| 4.3 磨粒的颜色特征参数 |
| 4.4 铁谱磨粒轮廓分形维数特征 |
| 4.4.1 磨粒分形维数计算原理 |
| 4.4.2 铁谱磨粒表面纹理分形维数 |
| 4.5 磨粒特征参数的优化 |
| 4.5.1 模糊粗糙集 |
| 4.5.2 敏感特征优选 |
| 4.6 本章小结 |
| 5 铁谱磨粒智能识别 |
| 5.1 基于神经网络的磨粒识别模型 |
| 5.1.1 BP网络结构 |
| 5.1.2 BP网络算法 |
| 5.1.3 磨粒识别实例 |
| 5.2 基于模糊灰色聚类的磨粒识别模型 |
| 5.2.1 灰色聚类分析 |
| 5.2.2 模糊相对权重 |
| 5.2.3 磨粒识别实例 |
| 5.3 本章小结 |
| 6 发动机磨损故障诊断 |
| 6.1 发动机磨损状态诊断 |
| 6.1.1 发动机磨损模式磨粒描述标准库 |
| 6.1.2 模糊神经网络磨损模式识别模型 |
| 6.1.3 基于灰色关联的发动机磨损模式识别 |
| 6.1.4 算法仿真与应用实例 |
| 6.2 发动机磨损故障诊断 |
| 6.2.1 支持向量机 |
| 6.2.2 基于蚁群算法的SVM参数优化 |
| 6.2.3 故障诊断及结果分析 |
| 6.3 本章小结 |
| 7 全文工作总结 |
| 7.1 本文主要工作及创新点 |
| 7.2 今后的研究方向 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）基于遗传神经网络和光谱分析的船舶机械状态监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的目的和意义 |
| 1.2 目前国内外的研究现状 |
| 1.2.1 神经网络的研究现状 |
| 1.2.2 神经网络在油液光谱预测中的应用现状 |
| 1.3 论文内容 |
| 第2章 油液检测及光谱分析技术 |
| 2.1 油液检测技术发展现状 |
| 2.2 油液检测技术内容 |
| 2.2.1 油液检测技术的简介 |
| 2.2.2 油液检测技术的基本特征 |
| 2.2.3 油液检测技术的具体实施程序 |
| 2.3 光谱分析简介 |
| 2.4 小结 |
| 第3章 光谱分析数据的预测模型 |
| 3.1 传统光谱数据预测模型 |
| 3.1.1 时间序列预测模型 |
| 3.1.2 回归分析预测模型 |
| 3.1.3 灰色预测模型 |
| 3.1.4 组合预测模型 |
| 3.2 人工神经网络预测模型 |
| 3.3 小结 |
| 第4章 基于BP神经网络的光谱数据预测研究 |
| 4.1 神经网络的组成和基本原理 |
| 4.1.1 神经网络的基本组成 |
| 4.1.2 神经网络的基本原理 |
| 4.2 BP神经网络 |
| 4.2.1 BP神经网络模型 |
| 4.2.2 误差反传思想 |
| 4.2.3 消除样本输入顺序影响的改进算法 |
| 4.2.4 附加动量的改进算法 |
| 4.2.5 基于Levenberg-Marquardt法的改进算法 |
| 4.3 BP网络设计 |
| 4.3.1 MATLAB神经网络工具箱 |
| 4.3.2 BP网络的参数设计 |
| 4.4 实例分析 |
| 4.4.1 尾轴处润滑油光谱数据预测分析 |
| 4.4.2 主机系统油光谱数据预测分析 |
| 4.5 小结 |
| 第5章 基于遗传神经网络的光谱数据预测研究 |
| 5.1 遗传算法概论 |
| 5.2 遗传算法的实现 |
| 5.2.1 染色体编码技术 |
| 5.2.2 个体适应度函数 |
| 5.2.3 遗传操作 |
| 5.2.4 遗传算法实现步骤 |
| 5.3 MATLAB遗传算法工具箱 |
| 5.4 遗传神经网络应用研究 |
| 5.4.1 遗传神经网络在船舶尾轴处的应用 |
| 5.4.2 遗传神经网络在船舶主机系统油的应用 |
| 5.5 小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 附录程序源代码 |
| 致谢 |
| 研究生履历 |
四、自行火炮油液光谱分析研究（论文参考文献）
- [1]汽轮机油对汽轮机润滑系统磨损影响研究[D]. 夏泽华. 东南大学, 2019(05)
- [2]油液信息特征提取方法研究及在柴油机状态评估中的应用[J]. 刘鑫,贾云献,崔心瀚,王强. 中国测试, 2018(06)
- [3]基于油液监测和灰色理论的变速箱磨损损伤评估及预测[D]. 董德浩. 山东大学, 2017(09)
- [4]动车组齿轮箱油液检测与故障诊断系统的研究[D]. 张锦锦. 兰州交通大学, 2017(03)
- [5]美军联合油料分析程序介绍[J]. 袁祥波,陈学军,陈涧,赵晔. 石油商技, 2017(01)
- [6]电阻式微螺线管型磨粒传感器仿真与实验研究[D]. 王强. 大连海事大学, 2017(07)
- [7]基于铁谱分析技术的自行火炮发动机磨损故障诊断研究[D]. 傅建平. 南京理工大学, 2015(12)
- [8]基于油液中金属浓度梯度特征的滤波剩余寿命预测模型[J]. 张英波,贾云献,邱国栋,黄河,谷玉波. 系统工程理论与实践, 2014(06)
- [9]基于油液光谱分析和粒子滤波的发动机剩余寿命预测研究[J]. 孙磊,贾云献,蔡丽影,林国语,赵劲松. 光谱学与光谱分析, 2013(09)
- [10]基于遗传神经网络和光谱分析的船舶机械状态监测研究[D]. 张克正. 大连海事大学, 2010(08)