目录
1绪论
1.1研究背景及意义
1..2摩擦磨损理论
13油液分析常用技术
1.4国内外研究动态
1.5主要研究内容
2基于磨粒信息的齿轮磨损状态识别
2.1铁谱数据的获取
2.2基于铁谱定性分析的齿轮磨损状态识别
2.3基于铁谱定量分析的齿轮磨损状态识别
2.4基于形式磨损指数的齿轮磨损状态识别
2.5小结
3基于油液综合信息的齿轮磨损故障预测方法
3.1基于偏最小二乘回归分析的齿轮故障预测
3.2基于主成分分析与BP神经网络的油液分析方法
3.3小结
4滑动轴承磨损磨粒浓度预测
4.1预测理论
4.2试验
4.3预测方法的选择
4.4不同预测方法的试验对比
4.5预测结果分析
5滑动轴承磨损寿命预测方法
5.1滑动轴承磨损及影响因素
5.2滑动轴承磨损寿命试验分析
5.3改进的Archard磨损模型
5.4磨损量计算结果
5.5磨损寿命预测
5.6小结
6油液检测与故障诊断网络服务平台的开发与实现
6.1系统平台的总体设计
6.2平台整体框架的实现
6.3平台用户功能模块的实现
6.4平台管理员功能模块的实现
6.5网络平台的测试与应用
6.6小结
参考文献

内容简介
本书以齿轮和滑动轴承为例，介绍了多种油液分析方法在识别零件的磨损状态、预测零件使用寿命中的应用。全书共6章，主要包括基于磨粒信息的齿轮磨损状态识别、基于油液综合信息的齿轮磨损故障预测方法、滑动轴承磨损磨粒浓度预测、滑动轴承磨损寿命预测方法、油液检测与故障诊断网络服务平台的开发与实现等内容。本书可供设备维修、维护及润滑管理等方面的技术人员阅读；也可供高等院校机械工程专业本科生和研究生参考。扭矩激励下转子系统滑动轴承磨损磨粒浓度随时间不断变化，本书选取最小二乘支持向量机回归预测、灰色预测及指数平滑法预测滑动轴承磨损磨粒浓度变化规律，采用一种基于IOWGA算子的组合预测方法，建立了预测转子系统滑动轴承磨损磨粒浓度的组合预测模型及其评价指标体系。实例结果表明，基于IOWGA算子的组合预测模型的预测精度及预测效果明显优于其他3种单项预测法，有效地弥补了单项预测模型的不足，是预测润滑油中磨粒浓度的一种有效方法。本书还系统分析了转子系统滑动轴承磨损及寿命的影响因素，研究了扭矩激励及转速对转子系统滑动轴承磨损寿命的影响，并通过转子试验台进行了验证。在经典Archard磨损模型的基础上，提出一种改进的Archard磨损模型，测算出滑动轴承磨损率与扭矩激励及转速的关系，建立转子系统滑动轴承磨损寿命预测模型，为转子系统滑动轴承维修与更换提供了参考依据。采用BS模式，以VisualStudio2013作为开发平台，SQL