摩擦学系统状态辨识及船机磨损诊断

　　本书较全面地介绍了摩擦学系统状态辨识的研究背景、研究范畴、研究方法，摩擦学系统状态特征的提取及描述方法，状态辨识与预测模型，摩擦学系统状态知识的获取与表达，在线监测系统优化设计方法，以及它们在我国船舶动力系统状态监测与故障诊断中的应用，包括疏浚挖泥船、远洋救助船、大型远洋运输船等典型工程应用。

　　严新平，1959年7月出生，江西莲花人，汉族，中共党员，西安交通大学机械学博士，教授、博士生导师、轮机工程、交通运输工程学科带头人。曾任武汉理工大学副校长、党委常委。

序 前言 第1章 绪论 1 1.1 摩擦学及其发展概述 1 1.2 摩擦学系统的构成及其发展历程 4 1.3 摩擦学系统状态辨识的内涵 6 1.3.1 数据采集 6 1.3.2 特征提取 6 1.3.3 状态辨识 10 1.4 摩擦学系统状态辨识的发展趋势 14 参考文献 15 第2章 摩擦学系统状态特征 18 2.1 摩擦学系统状态的基本特性 18 2.1.1 系统依赖性 18 2.1.2 时间依赖性 19 2.1.3 多学科耦合性 19 2.2 摩擦学系统的系统特性和状态特性 21 2.2.1 系统特性 21 2.2.2 状态特性 21 2.3 摩擦学系统状态特性的描述方法 22 2.4 典型摩擦学系统状态特性产生机理分析 23 2.4.1 内燃机磨损机理分析 23 2.4.2 齿轮箱磨损机理分析26 2.4.3 船舶艉管系统磨损机理分析 26 2.4.4 疏浚作业器具磨损机理分析 27 参考文献 29 第3章 摩擦学系统状态模拟试验研究 31 3.1 摩擦学系统状态试验设备 31 3.1.1 摩擦磨损试验设备 31 3.1.2 磨粒分析设备 37 3.2 典型摩擦学系统状态试验 44 3.2.1 缸套活塞环摩擦副摩擦磨损试验 44 3.2.2 滑动轴承摩擦磨损试验 51 参考文献 55 第4章 摩擦学系统状态现场监测及船舶机械应用研究 57 4.1 摩擦学系统状态现场监测 57 4.1.1 现场油液监测系统的设计 57 4.1.2 现场油液监测系统的实施 60 4.2 摩擦学系统状态远程监测与诊断 62 4.2.1 摩擦学系统远程状态监测与诊断系统的设计 63 4.2.2 摩擦学系统远程状态监测与诊断系统的实现 64 4.2.3 应用实例 70 4.3 船舶柴油机摩擦学系统运行状态试验 71 4.3.1 监测试验对象概况 71 4.3.2 监测试验方案设计 71 4.3.3 监测实验数据分析 74 参考文献 87 第5章 摩擦学系统状态特征描述 88 5.1 基于磨粒特征的摩擦学系统状态特任描述 88 5.1.1 磨粒的形态边缘特征 88 5.1.2 磨粒的表面纹理特征 90 5.1.3 磨粒的颜色特征 91 5.1.4 磨粒的大小特征 91 5.1.5 磨粒覆盖面积的主要特征 94 5.2 基于油液监测的摩擦学系统状态特征描述 95 5.2.1 油液监测技术 95 5.2.2 油液监测主要方法 96 5.2.3 油液监测的数据构成 97 5.3 基于信息融合的摩擦学系统状态特征描述 101 5.3.1 判别模型构造 101 5.3.2 判别分类计算 102 5.3.3 状态判别模型的应用 105 5.4 基于可拓理论的摩擦学系统状态特征描述 110 5.4.1 可拓模型及物元理论 110 5.4.2 基于可拓理论的摩擦学物元模型构建 111 5.4.3 应用实例 113 参考文献 116 第6章 摩擦学系统状态辨识方法研究 118 6.1 基于神经网络的摩擦学系统状态辨识 118 6.1.1 BP神经网络模型 118 6.1.2 基于BP神经网络的磨损形式辨识 121 6.2 基于D-8证据理论的摩擦学系统状态辨识 126 6.2.1 II8证据组合理论 126 6.2.2 基于I}8证据组合理论的摩擦学系统状态辨识 128 6.3 基于可拓范例推理的摩擦学系统状态辨识 131 6.3.1 范例推理的基本理论 131 6.3.2 基于范例推理的摩擦学系统状态智能评价 137 6.4 基于集对分析的摩擦学系统状态辨识 149 6.4.1 集对方法分析 149 6.4.2 基于集对分析的摩擦学系统状态辨识模型建立 151 6.4.3 基于集对分析的摩擦学系统状态辨识模型实例应用 153 6.5 基于置信规则推理的摩擦学系统多状态辨识 158 6.5.1 置信规则推理方法 158 6.5.2 置信规则推理的摩擦学系统多状态辨识框架 162 6.5.3 置信规则推理的摩擦学系统多状态辨识应用实例 163 参考文献 176 第7章 摩擦学系统状态的知识获取与表述 179 7.1 基于经验的摩擦学系统状态辨识知识获取 179 7.1.1 摩擦学系统状态辨识中的经验知识 179 7.1.2 应用实例——滑动轴承摩擦学系统状态辨识知识 190 7.2 基于试验数据的摩擦学系统状态辨识知识获取 192 7.2.1 摩擦学系统的贝叶斯网络构建方法 192 7.2.2 基于信息论的摩擦学系统贝叶斯网络构建方法 193 7.2.3 应用实例 195 7.3 基于实例的摩擦学系统状态辨识知识获取 207 7.3.1 摩擦学系统的决策树构建方法 207 7.3.2 应用实例 209 7.4 基于产坐式规则的摩擦学系统状态辨识知识表示、存储与利用 218 7.4.1 存储结构设计 220 7.4.2 规则知识的匹配利用 222 参考文献 227 第8章 摩擦学系统状态预测 230 8.1 摩擦学系统状态特征参数在线预测 230 8.1.1 在线预测模型基本原理 230 8.1.2 基于时间序列的摩擦学系统特征参数趋势预测 234 8.1.3 基于小波神经网络的摩擦学系统特征参数趋势预测 236 8.2 摩擦学系统磨损状态预测 239 8.2.1 基于集对联系度的摩擦学系统状态预测方法 239 8.2.2 滑动轴承磨损状态预测 241 参考文献 244 索引 246