陈 峰 张西宁 陆 军 祁军峰 陈 刚

(1.独山子石化公司研究院 新疆克拉玛依 833699；2.西安交通大学机械学院 陕西西安 710049；3.独山子石化公司乙烯厂 新疆克拉玛依 833699)

石化转动设备磨损智能分析与评价核心技术，是针对石化转动设备磨损故障诊断自动化及智能化程度不高的问题，提出的基于油液数据挖掘[1-3]的磨损故障诊断知识获取方法。主要包括基于差商的自适应磨粒图像的二值化处理，基于BP神经网络[4]的磨粒类型自动识别技术及对原始多维特征数据进行特征融合[5-6]与规则提取[7-9]，基于HSV与RGB颜色空间坐标转化灰度化、线性与低通滤波消噪、图像迭代分割[7-8]、形态学运算[8]等磨粒图像预处理集成技术，基于范例推理的磨粒类型[6-7]材质交互识别技术、融合主成分分析[3]和灰色关联分析[9-10]的磨损状态辨识与评价技术等。该技术重点从磨粒图像预处理、磨粒形状特征参数、磨粒纹理特征参数、磨粒表面颜色特征参数、磨粒沉积性态等5个维度[7]，对黏着磨损、磨料磨损、疲劳磨损、腐蚀磨损、添加剂及外界污染磨损、润滑变质物及摩擦聚合物磨损等共计8类磨损属性，以及正常滑动磨粒、严重滑动磨粒、切削磨粒、疲劳磨粒、黏着磨粒、氧化物磨粒、腐蚀磨粒、二硫化钼等添加剂颗粒、粉尘与纤维物磨粒、硬胶质物磨粒、软胶质物磨粒以及摩擦聚合物等共计20种磨粒类型及对应80余种磨粒材质成分，进行特征提取与识别[7-9]，从而实现了对监测对象磨损状态准确与快速的甄别与评价。……