卷积神经网络在装备磨损颗粒识别中的研究综述
2022-07-08关浩坚贺石中李秋秋杨智宏覃楚东何伟楚
摩擦学学报 2022年2期
关浩坚, 贺石中*, 李秋秋, 杨智宏, 覃楚东, 何伟楚
(1. 广州机械科学研究院有限公司 设备润滑与检测研究所, 广东 广州 510530;2. 工业摩擦润滑技术国家地方联合工程研究中心, 广东 广州 510530)
随着科技的进步,现代工业逐渐从传统的依靠大量劳动力来运作设备的非自动化和非智能化工业转变为自动化和智能化型工业,机器稳定运行成为了高效率工作的要求. 为保证机器保持长久稳定性,对设备故障分析的技术要求日益增高[1].
磨损颗粒是摩擦副运行过程中的直接产物,它能够很好地反映机器的磨损情况[2-3]. 据统计,机器的磨损故障中,有超过80%的故障都是来源于磨损碎片[4],所以为了减少设备失效造成的生命财产损失,一般通过对设备的在用润滑油中的磨损碎片进行检测,能够及时察觉设备存在的问题,从而提前做好维护.
铁谱技术是油液分析技术的1种,在20世纪70年代传入我国[5]. 其根据设备在用油中磨损颗粒包括数量、形态和尺寸在内的各种信息分析设备的磨损情况,从而对设备的运行状态进行判断,对使用寿命进行预测[6]. 简而言之,铁谱技术就是1种能够提供设备准确的磨损颗粒图像的方法,通过分析磨损颗粒可以确定设备的磨损位置和磨损机理[7]. 目前在机械制造、能源化工和钢铁冶金等行业已经得到广泛应用.
铁谱分析是设备故障诊断中重要的一环,而磨损颗粒的识别则是铁谱分析的核心,但颗粒图像的分析需要大量的……
登录APP查看全文
