学位论文 > 优秀研究生学位论文题录展示
农用柴油机润滑油中磨粒分析及浓度趋势预测
作 者: 李霜
导 师: 杨晓京
学 校: 昆明理工大学
专 业: 农业电气化与自动化
关键词: 柴油机 磨粒分析 最小二乘支持向量机 磨粒浓度趋势预测
分类号: S218.5
类 型: 硕士论文
年 份: 2008年
下 载: 53次
引 用: 0次
阅 读: 论文下载
内容摘要
农业机械为机械事故高发领域。对农用机械设备来说,其工作环境恶劣,工作条件复杂多变,机械磨损程度很大,其发动机润滑油中的磨损磨粒包含了大量设备运行状态信息。因此,通过对磨损磨粒进行分析研究来预测设备的突发事故具有重要的意义,它能将事故消灭在萌芽状态,实现机械设备的预防性维护。铁谱技术是以磨损磨粒识别为基础的诊断技术,对磨损磨粒的分析及其浓度数据的提取都较为准确,因此是机械设备磨损监测与故障诊断最为有效的方法之一。传统故障诊断方法往往基于专家经验和简单的数学模型,难以处理高度非线性模型,无法满足预防性维修的客观要求。支持向量机(Support Vector Machine,简称SVM)是起源于统计学习理论的一种新的机器学习技术,它基于结构风险最小化原则,有着比传统的基于经验风险最小化原则的人工神经网络更优越的性能。最小二乘支持向量机(Least Squares Support Vector Machines,简称LS-SVM)是SVM的一种扩展算法,它避免了SVM所求解的相对繁重的二次规划问题,有效的提高了求解速度,不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化能力。目前,农业机械部门普遍使用的发动机多为柴油机,因此本论文以一小型叉车柴油机中的润滑油为实际研究对象,采集柴油机中具有代表性的油液,运用铁谱分析技术提取柴油机润滑油中的磨损磨粒,对其磨损状态和磨粒特点进行分析研究,同时,分析了作为SVM理论基础的统计学习理论和SVM的原理,推导了SVM分类模型和回归模型,并在对支持向量机方法的参数性能进行分析的基础上,提出了一种最小二乘支持向量机方法来预测磨损磨粒的浓度趋势。论文将LS-SVM与润滑油中磨损磨粒的浓度预测相结合,首次提出了基于LS-SVM的磨粒浓度趋势预测模型,实现了模型参数的自动选择。同时,结合实际数据进行磨粒浓度预测的实例分析,以达到理论与实践相结合的目的。通过仿真证明,与人工神经网络模型相比,LS-SVM模型具有更高的磨粒浓度预测精度,是用于润滑油中磨粒浓度预测的一种很有效的方法。
|
全文目录
摘要 3-4 ABSTRACT 4-9 第一章 绪论 9-19 1.1 摩擦磨损研究的意义 9-10 1.2 油液颗粒污染度检测 10-14 1.2.1 目前常用的油液污染度测定方法 11-13 1.2.2 铁谱分析技术 13-14 1.3 支持向量机用于浓度趋势预测 14-16 1.3.1 预测概述 14-15 1.3.2 目前常用的预测学习算法 15-16 1.3.3 支持向量机(SVM) 16 1.4 选题意义及研究内容 16-19 1.4.1 选题意义 16-18 1.4.2 课题内容和论文结构 18-19 第二章 基本理论及预测方法 19-39 2.1 柴油机润滑与磨损 19-23 2.1.1 柴油机中的摩擦损失 19-20 2.1.2 磨损种类与磨粒类别 20-21 2.1.3 润滑油的作用 21-23 2.2 铁谱技术 23-29 2.2.1 铁谱技术的特点 25-27 2.2.2 分析式铁谱仪 27-29 2.3 支持向量机 29-38 2.3.1 统计学习理论 29-31 2.3.2 支持向量机 31-35 2.3.3 最小二乘支持向量机 35-38 2.4 本章小结 38-39 第三章 柴油机润滑油磨粒分析 39-59 3.1 实验方案 39-46 3.1.1 铁谱取样 39-43 3.1.2 铁谱油样处理 43-45 3.1.3 铁谱片制作 45-46 3.2 铁谱分析 46-57 3.2.1 铁谱定量分析参数 46-47 3.2.2 正常磨损磨粒 47-54 3.2.3 特殊颗粒 54-57 3.3 本章小结 57-59 第四章 基于LS-SVM的浓度趋势预测的实现 59-73 4.1 获得样本数据 59-60 4.2 样本数据预处理 60-62 4.2.1 数据属性 60-61 4.2.2 数据清洗 61 4.2.3 样本数值规范化 61-62 4.3 预测模型 62-65 4.3.1 支持向量回归预测模型 62-63 4.3.2 核函数的选择 63-64 4.3.3 参数的选取 64-65 4.4 应用实例及结果分析 65-72 4.4.1 交叉确定参数 66-67 4.4.2 浓度趋势的预测结果 67-68 4.4.3 LS-SVM与神经网络的比较 68-72 4.5 本章小结 72-73 第五章 总结语 73-76 5.1 本课题的研究成果 73-74 5.2 本课题研究展望 74-76 致谢 76-77 参考文献 77-82 附录A:本人在攻读硕士学位期间发表学术论文情况 82-83 附录B:实验设备 83
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 不同大气压力下高压共轨柴油机燃用生物柴油的试验研究,TE667
- 乳化柴油在S195柴油机上的应用研究,TE626.24
- 船用柴油机关键件CAD/CAPP/CAM集成系统开发,U664.121
- 一种新型185K单缸柴油机机械增压系统的开发,TK423
- 可变几何排气管增压系统在车用发动机上的应用研究,U464.13
- 船舶柴油机运行状态监测和诊断系统的开发,U664.121
- 高强度灰铸铁力学性能的提升,TG251
- 基于智能优化SVM的短期负荷预测及误差修正模型研究,F224
- 缸套—活塞环材料磨损性能及磨粒铁谱分析研究,TH117.1
- 高原环境下生物柴油发动机配装DOC系统后的试验研究,TK427
- DCI11车用柴油机冷却系统匹配优化数值模拟研究,U464.172
- 内河船舶柴油动力装置节能研究,U664.121
- 柴油机曲柄连杆机构流体动力润滑研究,TK423
- 柴油机电控系统的控制算法与仿真,TK423
- 电控喷油系统喷油特性测试和油量线性化自动标定系统开发,TK423
- 基于LS-SVM的传感器重构及其不确定度问题的研究,TP212
- 高原环境下车用柴油机燃用生物柴油的试验研究,TE667
- 基于自适应控制理论的柴油机转速控制研究,TP273.2
- 电控VE泵在JX493发动机上的应用,U464.13
中图分类: > 农业科学 > 农业工程 > 农业动力、农村能源 > 热能和机械能的应用 > 农用内燃机
© 2012 www.xueweilunwen.com
|