基于多源摩擦信息融合的磨损形貌重构方法及系统技术方案

本发明专利技术提供了一种基于多源摩擦信息融合的磨损形貌重构方法，包括：建模步骤：根据多源摩擦信息特征，建立输出磨损表面形貌参数的关联模型；重构步骤：通过所述关联模型，重构磨损形貌，得到三维表面形貌高度矩阵。本发明专利技术通过构建磨损表面形貌特征与多源摩擦信息之间的关联模型，使用多源信息融合的系统，从易获取的间接监测量推得摩擦表面形貌特征参数。通过部署多传感器的摩擦过程多源信息采集系统，采集不同工况下的振动、声音、声压等多源信息，结合关联模型，实现磨损表面形貌的实时原位监测。引入粗糙表面模拟系统实现磨损表面形貌的可视化监测。可视化监测。可视化监测。

【技术实现步骤摘要】
基于多源摩擦信息融合的磨损形貌重构方法及系统


[0001]本专利技术涉及数据处理
，具体地，涉及一种基于多源摩擦信息融合的磨损形貌重构方法。

技术介绍

[0002]磨损在航空航天、船舶交通、制造加工等领域中广泛存在，机械部件的磨损是造成故障或失效的关键因素之一，60％
‑
80％的机械部件失效由部件磨损导致。以船舶动力系统为例，船舶柴油机由大量的摩擦学系统构成,这些摩擦副的摩擦磨损故障是船舶柴油机故障的主要类型，开展摩擦磨损监测，进行摩擦磨损故障诊断是保证船舶柴油机安全可靠运行的重要技术手段。
[0003]为了避免因磨损导致的设备失效，必须对系统关键部件的工作状态进行检测，常规的检测系统主要以磨损量为测量参数，具体包括磨损质量、磨损体积和磨损深度等，如果发现超出极限值，则必须进行修理。但基于磨损量的监测只能用来判别磨损的严重程度，没有办法进一步获取磨损状态，阐明磨损机理。引入磨损表面形貌能够直观反映材料的磨损状态并揭示材料的磨损机理，可以为提高部件的耐磨性能提供科学依据。但这种系统需要在设备停机状态下进行，且具有滞后性，无法实现磨损状态的实时评估。为了对设备故障预警和寿命评估提供支持，实现对设备关键部件的磨损状态实时监测，是保障机械设备平稳运行的关键。
[0004]现有专利文献公开号CN116244976A，公开了一种实现模型磨损效果的仿真系统及装置，包括：获得目标对象输入的模型的材质属性参数和磨损程度参数；基于所述材质属性参数和磨损程度参数，生成与所述模型相匹配的模型磨损仿真效果图；展示所述模型磨损仿真效果图。本专利技术可以基于进行操作的目标对象输入参数的可视化操作实现对模型磨损的仿真，提升了模型磨损效果仿真的精准性。但该专利没有结合多源摩擦信息融合，采集过程过于单一。
[0005]研究表明，摩擦过程中的衍生信息，如切削力、声发射、振动、电流和功率等信号，与磨损表面形貌的部分特征存在关联关系，能够在一定程度上反映磨损表面形貌的相关信息。使用这样的间接测量法需要首先建立摩擦衍生信息和摩损表面形貌特征之间的非线性映射关系，难度较大，准确率低于直接法，但由于使用的传感器类型简单，易于安装，且可实时在线监测，检测成本较低，在近几年被广泛应用磨损状态监测。
[0006]现有研究多局限于单一的摩擦过程信息研究，存在一定的局限；而在多源摩擦信息融合领域，目前针对基础摩擦学的应用研究相对较少。本专利技术旨在解决摩擦过程中基于多源摩擦信息融合的摩擦表面形貌监测问题，为磨损表面形貌的实时原位监测提供新系统。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种基于多源摩擦信息融合的磨损
形貌重构方法及系统。
[0008]根据本专利技术提供的一种基于多源摩擦信息融合的磨损形貌重构方法，包括：
[0009]建模步骤：根据多源摩擦信息特征，建立输出磨损表面形貌参数的关联模型；
[0010]重构步骤：通过所述关联模型，重构磨损形貌，得到三维表面形貌高度矩阵。
[0011]优选的，所述建模步骤包括：
[0012]采集步骤：在预设多工况条件下，在摩擦磨损试验机中设置相应工况对试样材料开展摩擦磨损试验，采集多源摩擦信息以及磨损表面形貌；
[0013]预处理步骤：将采集得到的多源摩擦信息进行预处理；
[0014]提取步骤：裁取预处理后的多源摩擦信息中的有效信号，提取有效信号中的特征；所述特征包括时域特征、频域特征、声学信号特征和磨损表面形貌特征；
[0015]描述步骤：使用二维自相关函数，引入空间表征参数对提取后的磨损表面形貌特征进行描述，得到磨损表面形貌参数；
[0016]构建模型步骤：以多源摩擦信息特征作为输入，磨损表面形貌参数作为输出，使用相关系数矩阵描述并判断多源摩擦信息特征与磨损表面形貌特征之间的相关性，筛选出与各磨损表面形貌特征相关度最高的特征之后，构建两者之间的关联模型。
[0017]优选的，所述重构步骤包括：
[0018]输入步骤：将实际的多源摩擦信息特征输入到关联模型中，得到预测的磨损表面形貌特征参数；所述磨损表面形貌特征参数，包括均方根偏差、偏度、峰度、X方向自相关长度、Y方向自相关长度；
[0019]离散步骤：将预测得到的X、Y方向自相关长度带入指数型自相关函数中，拟合得到目标表面的二维自相关函数，并进行离散化处理；
[0020]具体自相关函数为
[0021][0022]其中，β
x
代表X方向自相关长度，β
y
代表Y方向自相关长度，x代表横坐标参数，y代表纵坐标参数；
[0023]计算步骤：通过将自相关函数经过傅立叶变换，计算得到功率谱密度；而后计算系数矩阵的傅里叶变换；
[0024]转换步骤：在计算步骤后，输入任意高斯序列、目标表面形貌的偏度和峰度，基于Johnson转换系统得到指定偏度、峰度的非高斯序列；
[0025]重建步骤：对生成的非高斯序列做傅里叶变换并与系数矩阵的傅里叶变换相乘，对得到的结果做逆傅里叶变换，得到重建的三维表面形貌高度矩阵。
[0026]优选的，所述采集步骤中，使用白光干涉仪对摩擦磨损试验过程中的试样表面进行拍摄，得到实验过程中试样的磨损表面形貌；
[0027]所述多源摩擦信息，包括振动信号、声压信号、声音信号、位移信号和力信号；
[0028]所述预处理步骤包括，
[0029]比对步骤：对比加载工况和空载工况下的多源摩擦信息傅里叶频谱，确定与摩擦副的磨损状态存在关联的频段数据；
[0030]滤波步骤：使用巴特沃斯滤波器对有关联的频段数据信号进行滤波，滤除试验过
程中的环境噪声干扰，保留信号与材料磨损相关的频段。
[0031]优选的，提取步骤中，
[0032]所述裁取有效信号，包括通过预设阈值确定多源摩擦信息的在有效起止时间的有效信号，具体为，对预处理后的多源摩擦信息进行对齐和裁剪，裁取试验实际结束前N秒的信号作为有效信号；
[0033]所述构建模型步骤包括，
[0034]预测步骤：分别使用不同的机器学习模型对磨损表面形貌特征进行预测；
[0035]评估步骤：采用决定系数R2、均方误差MSE和均方根误差RMSE指标评估不同机器学习模型的预测结果，完成磨损表面形貌特征与多源摩擦信息之间的关联模型的构建。
[0036]一种基于多源摩擦信息融合的磨损形貌重构系统，包括：
[0037]建模模块：根据多源摩擦信息特征，建立输出磨损表面形貌参数的关联模型；
[0038]重构模块：通过所述关联模型，重构磨损形貌，得到三维表面形貌高度矩阵。
[0039]优选的，所述建模模块包括：
[0040]采集模块：在预设多工况条件下，在摩擦磨损试验机中设置相应工况对试样材料开展摩擦磨损试验，采集多源摩擦信息以及磨损表面形貌；
[0041]预处理模块：将采集得到的多源摩擦信息进行预处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源摩擦信息融合的磨损形貌重构方法，其特征在于，包括：建模步骤：根据多源摩擦信息特征，建立输出磨损表面形貌参数的关联模型；重构步骤：通过所述关联模型，重构磨损形貌，得到三维表面形貌高度矩阵。2.根据权利要求1所述的基于多源摩擦信息融合的磨损形貌重构方法，其特征在于，所述建模步骤包括：采集步骤：在预设多工况条件下，在摩擦磨损试验机中设置相应工况对试样材料开展摩擦磨损试验，采集多源摩擦信息以及磨损表面形貌；预处理步骤：将采集得到的多源摩擦信息进行预处理；提取步骤：裁取预处理后的多源摩擦信息中的有效信号，提取有效信号中的特征；所述特征包括时域特征、频域特征、声学信号特征和磨损表面形貌特征；描述步骤：使用二维自相关函数，引入空间表征参数对提取后的磨损表面形貌特征进行描述，得到磨损表面形貌参数；构建模型步骤：以多源摩擦信息特征作为输入，磨损表面形貌参数作为输出，使用相关系数矩阵描述并判断多源摩擦信息特征与磨损表面形貌特征之间的相关性，筛选出与各磨损表面形貌特征相关度最高的特征之后，构建两者之间的关联模型。3.根据权利要求1所述的基于多源摩擦信息融合的磨损形貌重构方法，其特征在于，所述重构步骤包括：输入步骤：将实际的多源摩擦信息特征输入到关联模型中，得到预测的磨损表面形貌特征参数；所述磨损表面形貌特征参数，包括均方根偏差、偏度、峰度、X方向自相关长度、Y方向自相关长度；离散步骤：将预测得到的X、Y方向自相关长度带入指数型自相关函数中，拟合得到目标表面的二维自相关函数，并进行离散化处理；具体自相关函数为其中，β
x
代表X方向自相关长度，β
y
代表Y方向自相关长度，x代表横坐标参数，y代表纵坐标参数；计算步骤：通过将自相关函数经过傅立叶变换，计算得到功率谱密度；而后计算系数矩阵的傅里叶变换；转换步骤：在计算步骤后，输入任意高斯序列、目标表面形貌的偏度和峰度，基于Johnson转换系统得到指定偏度、峰度的非高斯序列；重建步骤：对生成的非高斯序列做傅里叶变换并与系数矩阵的傅里叶变换相乘，对得到的结果做逆傅里叶变换，得到重建的三维表面形貌高度矩阵。4.根据权利要求2所述的基于多源摩擦信息融合的磨损形貌重构方法，其特征在于，所述采集步骤中，使用白光干涉仪对摩擦磨损试验过程中的试样表面进行拍摄，得到实验过程中试样的磨损表面形貌；所述多源摩擦信息，包括振动信号、声压信号、声音信号、位移信号和力信号；所述预处理步骤包括，
比对步骤：对比加载工况和空载工况下的多源摩擦信息傅里叶频谱，确定与摩擦副的磨损状态存在关联的频段数据；滤波步骤：使用巴特沃斯滤波器对有关联的频段数据信号进行滤波，滤除试验过程中的环境噪声干扰，保留信号与材料磨损相关的频段。5.根据权利要求2所述的基于多源摩擦信息融合的磨损形貌重构方法，其特征在于，提取步骤中，所述裁取有效信号，包括通过预设阈值确定多源摩擦信息的在有效起止时间的有效信号，具体为，对预处理后的多源摩擦信息进行对齐和裁剪，裁取试验实际结束前N秒的信号作为有效信号；所述构建模型步骤包括，预测步骤：分别使用不同的机器学习模型对磨损表面形貌特征进行预测；评估步骤：采用决定系数R2、均方误差MSE和均方根误差RMSE指标评估不同机器学习模型的预测结果，完成磨损表面形貌特征与多源摩擦信息之间的关联模型的构建。6.一种...

【专利技术属性】
技术研发人员：张执南，陈佳威，尹念，何可，马玉飞，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：