武坚 武健 冯思桐

摘要：智能测试方法在测试技术领域得到了广泛的运用，通过对被测试对象采集的数据进行分析，在最短时间内发现异常并做出反应。它的主要目标是设计算法并分析采样数据，进行适合研究对象的数据建模，对被测对象进行无损、在线的测试。该文结合现有文献，主要研究了三种基于数据建模的智能测试方法，分别为多元线性回归模型、BP神经网络和自适应神经模糊推理系统。文中对三种方法的原理进行了介绍，并结合对传动轴的故障测试，分别对三种方法的使用进行了研究和对比。

关键词： 数据建模;智能测试

中图分类号：TP3        文献标识码：A

文章编号：1009-3044（2020）35-0233-02

开放科学（资源服务）标识码（OSID）：

1 介绍

现代制造技术向精密化、极端化、集成化、智能化、网络化、数字化、虚拟化方向发展，引发了很多新型测试的问题，对传感器、测试技术、测试设备等有了更高的要求。

智能测试作为测试技术的一个发展方向，结合机器学习算法，通过对现有数据的归类和整合来建立适用的数据测试模型，从而对新的未知数据进行分类和预测[1]。

本文结合机械系统中最容易出现故障并导致事故的部件传动轴，在每根轴上都有一个不同深度的人为切口，用以模拟不同的故障等级。对其进行敲击，通过传感器采集AE（Acoustic Emission ）数据来分析和进行建模。文中选择采集数据的自然频率值作为建模使用的特征向量，在此数据模型上主要研究了三种智能测试方法，分别为多元线性回归模型、BP神经网络和自适应神经模糊推理系统。……