樊红卫 胡德顺 高烁琪 张旭辉 曹现刚

(1.西安科技大学机械工程学院 陕西西安 710054； 2.陕西省矿山机电装备智能监测重点实验室 陕西西安 710054)

机械设备中的传动齿轮在长期运行过程中，受到润滑油、负载变化等因素的影响，经常会出现磨损现象。磨损原因主要有主、从动轮表面粗糙度和硬度不匹配[1]；润滑油黏度过低[2]；负载加重和循环次数增加[3]。据统计，齿轮传动失效引起的机械故障在总故障中占比约80%，其中磨损约占40%。一旦发生磨损故障，不仅会加剧系统的振动噪声，还会降低传动精度和效率，甚至引发断齿等严重的机械事故[4]。

机械磨损检测技术已有很长的发展历史，主要有放射性检测、磨粒分析、振动检测、光学检测、电学检测、磁学检测、声学检测、压痕方法等[5]，这些技术在各自领域取得了良好效果。如，张雪英等[6]通过振动信号的小波阈值降噪与遗传算法优化的支持向量机实现了齿轮磨损识别；SHI等[7]提出了一种改进的磨粒电感检测法，弥补了普通电感法检测非铁磁性金属颗粒能力不足的问题。

磨粒分析中的铁谱分析应用广泛，是机械磨损检测的重要手段。PENG等[8]提出了一种高斯背景混合模型和斑点检测算法，对润滑油中磨损颗粒进行检测，提取了磨粒形状和尺寸特征，实现了磨粒在线监测。WU等[9]提出了一种恢复方法来减少在线铁谱图像中散焦模糊问题，用卷积神经网络构造退化模型，实验验证了所提出的恢复策略能有效提取磨粒特征，具有更高计算效率。……