一、灰关联分析在铁谱分析技术中的应用（论文文献综述）
李中阳[1]（2021）在《滚滑运动下滚动轴承的磨损特性研究》文中研究说明轴承作为机械设备的重要部件,其运行状态关乎设备的工作性能。在实际的生产活动中,轴承由于滚子与滚道弹性接触产生弹性变形进入滚滑运动状态,在润滑不良的工况下滚滑运动状态加剧了摩擦副磨损并逐渐发展为轴承打滑。因此对轴承的滚滑运动进行状态监测与特性分析并确定摩擦磨损的影响因素表征在轴承的视情维修中具有重要的理论分析与工程实用价值。本文以圆柱滚子轴承为研究对象,在轴承摩擦磨损试验的基础上,结合有限元仿真分析数据对摩擦力进行实时表征,分析轴承滚滑比、滚子转速及载荷等磨损影响因素带来的摩擦力变化趋势,提出了磨损后表面形貌分析与润滑油液分析技术相结合的表征方法,完成了轴承磨损状况的间接表征。首先,基于滚动轴承摩擦磨损试验台进行轴承磨损试验并记录试验所得数据,结合实际工况调整试验台参数,模拟常见的滚滑运动状态,并对照摩擦变化趋势确定合适的参数取值范围。在保证轴承正常工作的前提下选取合适的润滑油温及油量,设置不同滚滑比、滚子转速及外加载荷等工况参数进行测试,选定参数后对内圈试件进行长时间摩擦磨损试验,记录试验中摩擦力变化数据,磨损后内圈试件与润滑油各项参数可为研究轴承滚滑运动机理提供分析依据。其次,采用ABAQUS有限元软件中的显式动力学有限元仿真法,建立轴承动力学分析模型。依据试验参数的选择设置不同仿真对照组,对仿真数据进行归纳与分析,确定摩擦力的实时变化趋势,为后续表征摩擦磨损特性提供了分析基础。最后,运用灰色关联分析法验证了摩擦系数表征摩擦力时仿真数据与试验数据具有紧密的关联性,仿真所得数据可作为判断轴承磨损状态实时变化的依据。在轴承磨损试验中,使用三维形貌分析仪观察记录轴承磨损后内圈表面形貌,使用油液分析技术表征时的常用仪器毛细管粘度计及KT-2颗粒计数器统计润滑油粘度及颗粒度。通过将仿真数据与试验数据相联系,结合摩擦力变化趋势表征摩擦磨损实时状态,利用表面形貌观测技术与油液分析技术对轴承磨损状况进行间接表征。
揭跃[2]（2020）在《基于多重聚类算法的火电机组运行参数优化研究》文中指出随着大数据以及人工智能技术的不断发展,其应用领域不断扩大。火电机组运行参数寻优是运行优化的主要内容之一,本文结合机理知识,研究电站锅炉与汽轮机设备运行参数寻优的数据挖掘新算法,为大数据与人工智能在火电机组参数寻优上提供新的探索和解决方案。本文的主要研究内容与创新如下:（1）基于K-means聚类和FCM聚类相结合的多重聚类算法研究本文提出一种基于运行数据、实现参数寻优的多重聚类算法。首先引入轮廓系数法和有效性函数划分系数解决K-means聚类和FCM聚类算法自动确定最佳聚类数的问题;之后验证了K-means聚类和FCM聚类算法对火电机组历史数据集聚类的适用性;进而结合这两种算法的特性,提出先用K-means聚类进行数据筛选,再用FCM聚类进行运行参数寻优的多重聚类算法,并验证了多重聚类算法的有效性。（2）基于密度的DBSCAN聚类算法的离群点检测由于K-means聚类和FCM聚类算法在聚类的过程中,很容易受到离群点的影响而导致聚类结果不准确,所以本文在数据预处理的过程中,将基于密度的DBSCAN聚类算法对火电机组历史数据进行离群点检测。DBSCAN聚类算法可以发现任意形状的簇,并且快速发现每一个簇中的离群点,所以该算法可以有效地剔除全局离群点和局部离群点,从而避免了离群点对多重聚类结果的影响。（3）基于多重聚类算法的火电机组运行参数优化研究首先,结合锅炉与汽轮机参数寻优的需求,采用机理分析与灰关联方法,确定了锅炉热效率、汽轮机热耗率及其主要关联的运行参数,如排烟温度、排烟氧量、主汽压力、主汽温度等。其次,利用多重聚类算法,将数据寻优的过程分为高效区筛选（k-means）和习惯运行区聚类（FCM）两个阶段,有效地改善了聚类分析的质量。最后的算例结果表明:多重聚类得到的结果优于传统的单一FCM聚类的结果。
苏国庆[3]（2020）在《基于灰色系统理论的柴油机油失效降解过程试验研究》文中研究指明柴油机是各类船舶的主要动力来源。随着柴油发动机功率不断增大、运行温度不断提高、服役周期不断延长,对柴油机油的润滑性能、氧化安定性等性能提出了更高的技术要求。柴油机油在使用过程中由于高温、高压、金属催化作用以及燃烧副产物、磨料等的污染,不可避免地会发生失效降解。导致柴油机油失效降解的内在机理非常复杂,包括氧化、硝化、硫化、污染（燃油稀释、水分、磨屑）等。柴油机油的失效降解会影响诸多理化性能特别是摩擦学性能,包括粘度的变化、金属防护性能的下降、摩擦学性能的劣化以及氧化寿命的减少等。本论文旨在进行柴油机油失效降解过程试验研究,应用灰色系统理论,探索降解过程对理化性能、摩擦学性能影响及相应的作用机理等。这对于现役柴油机故障诊断、未来长寿命柴油机油的研制,具有重要意义。进行了模拟燃油稀释试验、高温氧化试验,研究了单一物理作用、单一化学作用对柴油机油性能的影响。在模拟试验中,燃油稀释与酸值、碱值和氧化诱导期的灰色关联度数值最高,分别为0.84、0.86、0.84;对柴油机油的闪点和粘度有明显的影响,柴油含量达到10%时,40℃运动粘度下降31.3%,远超过了换油指标（20%）,20%稀释浓度的油样开口闪点仅有126℃,低于柴油机油的换油指标（130℃）;低浓度（≤10%）的燃油稀释对柴油机油边界润滑条件下的摩擦学性能影响较小,摩擦系数和磨损量变化不大,高浓度的燃油稀释（>10%）会造成柴油机油在边界润滑条件下减摩与抗磨损性能的劣化。高温氧化对柴油机油的酸碱值影响明显,加入铜铁丝催化的条件下,48小时后,酸值上升了 2倍,碱值下降了 58.5%;柴油机油各理化性能与Cu、Fe元素的关联度并没有很明显的差别,与Fe元素的关联度明显高于Cu元素;四球摩擦试验表明高温氧化是降低柴油机油减摩抗磨性能的重要因素;通过分析台架试验油样理化性能指标与各元素之间的关联度,验证了模拟试验的结论,表明灰色关联分析在柴油机油降解机理研究中具有较广阔的前景。
刘信良[4]（2020）在《基于深度学习的铁谱图像磨粒分类与检测》文中进行了进一步梳理利用铁谱分析技术,可以获得油液中磨粒的浓度、尺寸、数量等参数,从而判断设备的运行情况。铁谱技术具有许多优点,例如能分析较大尺寸范围的磨粒、获得磨粒形态、判断设备磨损部位、分析磨损机理和预测磨损趋势等,因此被广泛应用于机械设备的磨损状态监测。结合计算机图像处理技术,铁谱技术可以对图像中的磨粒进行定性分析和定量计算,以自动获取设备磨损状态的重要参数。然而,由于其技术流程复杂繁琐,可能造成误差累积,同时仍需专业技术人员设计参数、做出决策等,因此在自动化和智能化方面还有待进一步提高。深度学习是近年发展起来的人工智能技术,具有准确度高、通用性强、流程简单等优点。因此,本文将其引入铁谱分析中,通过设计并构建铁谱图像语义分割CNN模型,实现对不同类型磨粒的分类与检测。首先,本文根据语义分割模型的设计方法,构建了一个铁谱图像语义分割CNN模型——Wear SS。该模型包含编码模块、空洞池化模块、解码模块3个部分,分别具有图像特征提取、多尺度信息融合、生成标签图像等功能。其次,制作了铁谱图像语义分割数据集Wear Image,其包含链状、球形和切削磨粒等5个类别。利用该数据集对Wear SS模型进行训练和测试,实验结果表明:在Wear Image的测试集上,Wear SS模型的像素准确率达到82.50%,平均交占比为84.66%,速度为0.16s/幅。Wear SS是一个集成的“端到端”模型,即对输入图像进行语义分割后可直接获得磨粒的类别。此外,本研究也对Wear SS语义分割结果进行了深入的分析,将其与传统图像处理方法、FCN、Deep Lab等CNN模型进行了对比,并通过特征图和卷积核可视化分析了模型结构。最后,开发了一套铁谱图像磨粒分类与检测系统。该系统具有铁谱图像数据集制作与增广、语义分割模型的训练和更新,磨粒语义分割与检测、磨粒数量统计与浓度计算等功能。本文将深度学习引入铁谱图像分析中,通过构建语义分割CNN模型,使得磨粒特征提取、磨粒分割和检测统一在一个模型中,简化了分析流程,有利于提高铁谱图像分析的自动化和智能化水平,具有较高的工程应用价值。
雷冠军[5]（2020）在《基于数据融合的丰满水库长期径流预报研究》文中认为我国的水资源时空分布不均,气候变化和人类活动的影响导致旱涝灾害频发,成为制约经济发展的主要因素。河川径流在水循环系统中起着主导作用,而且极端径流会形成巨灾,径流预报对于防汛抗旱、水资源规划与管理等具有重要意义和价值。河川径流影响因子众多、变化特性复杂,基于成因分析法挖掘因子影响径流形成的规律是径流预报的关键。中长期径流预报预见期长、预报精度低,径流的形成机制尚不清晰,单一尺度因子的分析、单一统计预报方法的改进已不能进一步提高径流预报的精度,而且水文工作者不敢于报极值,中长期径流预报结果只能作为实际工作的参考。开展中长期径流预报理论和技术研究,融合多尺度因子和多方法的预报结果,进一步提高预报的精度和水平,能够为水库调度、水资源开发利用等工作提供支撑。本文以丰满水库流域的年径流为研究对象,选用天文、全球、流域尺度因子,分析挖掘因子与流域来水的相似性、遥相关性、可公度性、结构特性等规律,研究和改进智能学习法、模糊推理法、天文因子对比法、点聚图法、可公度法和可公度网络结构法等技术方法,建立了包含因子融合、结果融合、结构融合的多尺度因子信息融合的中长期径流预报模型。研究成果能够有效提高丰满水库流域径流和极端径流预报的精度,为丰满水库调度提供技术支持。具体研究成果如下:（1）运用统计分析法,挖掘三大尺度因子与流域来水丰枯特性的响应规律。结果表明,丰满水库流域来水的丰枯状态与ENSO事件的冷暖特性、ENSO事件的发生时间距离汛期的远近、基于农谚所选择的气象因子等具有较好的统计规律,且均能通过假设检验。基于线性相关系数法、互信息理论法、关联度分析法研究天文因子、气象因子、天文因子+海洋大气因子+气象因子与流域来水的相关性,结果表明,气象因子的相关性最强,海洋大气因子的相关性最弱,月球赤纬角与流域来水的关联度最大。（2）基于相关性分析所得的因子组合方案,运用神经网络、支持向量机、决策树、随机森林等智能学习方法,融合因子预报径流。结果表明,水量回归预报较差,3级分类预报较优;预报方法不同,方法所对应的最优因子及其组合不同,训练和预报性能均较优且稳健性强的方法为ELM、RBF神经网络。对多方法的最优分类预报结果进行融合,使得定性预报正确率达到89.5%。（3）运用相位对比法融合天文因子、海洋大气因子及其组合预报径流。结果表明,该方法的定量预报正确率为63.16%,24节气阴历日期+太阳黑子相对数的定性预报最优,正确率为63.16%。相位对比法对于极端来水年的丰枯属性识别能力较强,却难以有效预报出平水年,运用定量预报结果反推来水级别的正确率较低。相位对比法存在无法判别的年份,运用模糊推理法基于相关性分析所得的因子组合进一步分析计算因子的相似性,融合因子预报径流。引入TOPSIS模糊综合评判法、相似衍生法相似度、“因子进出法”等,对模糊推理法进行改进。结果表明,相似衍生法模糊推理法的稳健性优于Turksen模糊推理法,二者对径流的定量预报较差、定性预报较优,对其各自最优的定性预报结果进行融合,正确率达到73.68%。（4）采用“主次因子对比法”对单一天文因子对比法、分布式融合结构天文因子对比法进行改进,融合结果预报径流。研究得到能够提高预报精度的混合式融合结构天文因子对比法,定性预报正确率为63.16%。基于分析所得的海洋大气因子、气象因子与流域来水的遥相关规律修正预报结果,进一步改进天文因子对比法,使得预报正确率提高到 73.68%。（5）绘制三大尺度因子与流域来水的点聚图,融合结果预报径流。结果表明,24节气阴历日期和月球赤纬角点聚图具有较好的稳健性,太阳黑子相对数离散性较强难以准确划分其聚类区间,三大尺度因子点聚图的定性预报正确率分别为63.16%、57.89%、21.05%。将海洋大气因子、气象因子与来水丰枯的遥相关规律作为该类因子的点聚图进而得到径流预报结果,并与天文因子点聚图的预报结果进行融合,使得预报正确率提高到 73.68%。（6）将径流分为一般、极端、极值点结构,融合结构预报极端径流。结果表明,以因子融合、结果融合的预报结果作为一般来水结构能够融合多因子、多方法的信息,预报正确率为84.21%;点面结合法的改进与上下包线结构、智能学习分类以及传统点面结合法相比对于极端来水结构的预报精度较高,预报正确率为60%;通过细致划分丰枯水链、引入月球赤纬角对可公度网络结构法进行改进,能够增强方法的可操作性,降低基于极值点结构预报极端来水年高发期的不确定性;综合径流三大结构的预报结果,结合连续极端来水年的判定,预报极端来水的高发年,其中特丰水年、特枯水年的预报正确率分别为66.7%、80%。
聂文滨[6]（2019）在《小批量定制生产的PFMEA风险评估理论及其应用研究》文中研究表明随着经济的发展,消费者对个性化定制产品的消费需求日益增长,从而激发越来越多的企业采用小批量定制生产模式。为了确保小批量定制产品的质量,必须对其制造过程质量进行有效控制和持续改进,迫切需要深入开展小批量定制生产过程质量管理理论及其工程应用研究。工艺失效模式及影响分析（Process Failure Mode and Effects Analysis,PFMEA）是致力于提高产品质量的具有前瞻性的可靠性分析技术。而PFMEA风险评估则是PFMEA技术的重要组成部分,通过科学地评价各工艺失效模式的风险水平,为确定关键工艺失效模式提供依据。然而,现有基于大批量生产过程所积累丰富数据的PFMEA风险评估方法并不适用于生产过程构成要素调整频繁,相关工艺质量数据积累困难的小批量定制生产过程。为此,本文以小批量定制生产PFMEA风险评估为研究对象,从风险评估意见表述、专家意见集结、风险因子评估意见集结、工艺失效模式风险因子的评价准则构建等方面展开研究,以构建系统科学的工艺失效模式风险评估理论。论文的主要研究工作包括:1、研究风险评估意见表述形式。小批量定制生产的现场情况千变万化,这就要求多样化的风险评估意见表述。为此,提出了基于评估假设改进模型的风险评估意见表述形式,要求专家从包含风险因子真值的可能区间、区间内的数据分布状况和评价结论的可信程度这三方面表述风险评估意见,再通过模糊因子将复杂的风险评估意见转化为相应的置信模糊区间数。该意见表述形式能以任意精细度和灵活度描述失效模式的风险水平。2、研究基于团队共识的PFMEA风险评估问题。PFMEA风险评估通常由PFMEA专家们经过充分讨论后,对失效模式的风险因子给出统一的风险评估意见。为获得失效模式的综合风险水平,需要集结各风险因子的评估意见。而小批量定制生产模式特点之一是产品种类调整频繁,这导致风险因子权重也需要频繁调整。为了能满足这一需求并且有效处理置信模糊区间数,提出了基于广义豪斯多夫距离的灰关联分析和逼近理想解排序技术相混合的方法。该方法的独特之处在于:将风险评估意见看作随机变量,并构建相应的概率密度函数,进而能计算置信模糊区间数之间的广义豪斯多夫距离。案例分析表明该方法具有可行性和分辨稳定性。3、研究基于专家意见集结的PFMEA风险评估问题。面对小批量定制生产过程的复杂风险状况,专家们常常难以达成完全一致的意见,这就需要采用合适方法将不同专家意见集结为群体专家意见。为此,提出了基于广义豪斯多夫距离与矩阵序列的粗糙灰关联分析和逼近理想解排序技术相混合的方法。案例分析表明,该方法能有效模拟专家会议形成团队意见的实际过程,实现合理的风险排序。4、研究风险因子的评价方式。小批量定制生产过程所能借鉴的相关资料匮乏,导致风险评估难度大,传统风险因子评价方式容易出错。为解决这一问题,提出了基于模糊证据理论的风险因子多维评价方式。该方式既能帮助专家集中精力进行深入的纵向思考,又能有效防止评估维度的遗漏。此外,采用系统化的科学理论构建并优化严酷度多维评价准则体系,以确保风险评估的有效性和科学性。5、将研究成果体系化,形成小批量定制生产的PFMEA风险评估理论,并应用于某型飞机活动舱盖装配工艺失效风险评估活动。通过该理论成果的综合应用,验证了理论研究成果的有效性。论文较为系统地研究了小批量定制生产的PFMEA风险评估问题,从风险评估意见表述、评估意见集结和风险因子多维评价方式等方面创新性地解决了制约小批量定制生产工艺失效模式风险评估的有关问题,形成了系统科学的PFMEA风险评估理论,可为小批量定制生产过程质量控制和持续改进提供科学的决策依据。
张珊珊[7]（2019）在《基于油液监测及灰色理论的变速箱磨损故障诊断研究》文中进行了进一步梳理变速箱是工程机械主要的动力传递部件,由于其结构组成复杂,且长期处于高载荷、变载荷、多沙尘的恶劣工况下,因此极易发生磨损故障。变速箱如果发生严重磨损可能会导致整机运行失效,引发安全事故的发生并产生停机检修损失。据统计,变速箱中大约80%的零件报废,38.5%的齿轮故障以及35%的运行失效均是由磨损故障导致。因此针对变速箱磨损故障诊断的研究具有很大的应用前景和社会经济意义。本文主要以推土机变速箱为例,采用油液监测技术对变速箱的磨损状态进行监测,并结合灰色理论通过建立磨损故障评估模型以及定位分析模型实现变速箱磨损状态的定量分析和定位分析。主要研究内容如下:（1）为实现变速箱磨损故障的有效识别,分析了推土机变速箱常见的4种磨损类型及其对应的磨粒类型。结合油液监测的铁谱分析及激光粒度分析技术对推土机变速箱的磨损状态进行跟踪监测,通过油样分析验证油液监测技术对变速箱磨损故障识别的可靠性。并为下文结合故障评估模型实现变速箱磨损故障定量分析的可行性提供理论依据。（2）为实现变速箱磨损故障的定量分析,提取变速箱润滑油的铁谱分析和光谱分析双因素参数为故障特征指标,基于灰色理论对小样本数据故障诊断的有效性,建立变速箱磨损故障评估的灰靶模型。由于传统灰靶模型中分辨系数的大小通常根据人为经验确定,存在主观性影响较大,普适性不高等缺点,将直接影响模型的分辨能力。本文提出利用非线性方式改进的粒子群算法对模型的分辨系数进行自适应优化,得到优化后的灰靶模型。最后,通过与传统灰靶模型实例对比分析,验证了该优化方法对变速箱磨损故障评估的可靠性。（3）为实现变速箱磨损故障的定位分析,通过光谱分析技术对变速箱润滑油中磨损磨粒的元素特征进行分析。以元素磨损速率为定位分析指标,利用灰色GM（0,N）模型对描述小数据多变量参数关系的可靠性以及遗传算法的多目标优化功能,提出了基于多目标遗传算法（Multi-objective Genetic Algorithm,MOGA）与灰色GM（0,N）模型相结合的MOGA-GM（0,N）模型。该模型主要以精确度检验的后验差比值最小和小误差概率最大为优化目标,研究目标元素与相关元素之间的多元线性关系,通过各相关元素对目标元素的贡献度大小,判断磨损元素的主要磨损来源,并通过实例分析验证了该定位分析方法的有效性。
夏泽华[8]（2019）在《汽轮机油对汽轮机润滑系统磨损影响研究》文中研究表明汽轮机润滑油系统是石化电力行业中大型汽轮机组中的重要组成部分,但是由于工况的差异、结构的复杂和其他因素的影响,润滑油系统容易出现各种问题,如果单纯地从机械外观等判断是无法找出问题所在的,这样就会给故障诊断带来很大的困难。因此,如果能够利用先进的分析技术,对汽轮机设备及其润滑系统中存在的问题进行有效识别和解决,那么就可以减少不必要的损失;延长设备使用寿命。本文首先阐述了目前主流分析方法的优缺点以及国内外研究进展。在此基础上以汽轮机润滑油系统为研究对象,基于油液监测技术和统计学中灰色预测理论研究汽轮机润滑系统的磨损等问题。具体研究内容包括以下几个方面:1.深入分析了汽轮机润滑油系统的结构和组成;对润滑系统中摩擦副的磨损类型和常见磨粒以及系统中常见的元素及主要磨损器件进行了分类和阐述;对油液监测技术中常用分析方法进行比较并确定本课题所采用分析方法。2.对某电厂200MW汽轮发电机组的润滑油系统在油箱处定期取样,进行实验研究。实验采用理化性能分析、元素光谱分析和铁谱分析等多种分析手段,各项分析结果显示数值正常,该润滑油系统无明显故障。实验表明多种分析技术结合检测能够对润滑油系统实现有效监控。3.对某电厂350MW汽轮发电机组的润滑油系统定期取样并进行实验研究。实验通过理化性能分析、元素光谱分析和铁谱分析等多种分析手段,结合实验结果对设备中的磨损以及故障进行判断,推测润滑系统中的密封件和轴类零件出现故障,经设备检修后发现判断结果与实际检修结果基本一致,证明了多种油液分析技术结合应用的优越性。进一步说明机械设备定期维护的重要性。4.选取壳牌L-TSA 46#汽轮机油的理化表征数据和元素光谱数据为特征信息。针对元素光谱分析中的铁元素,确定了理化性能中水分含量为最大关联参数,为磨损预测奠定基础。另外,借助于MATLAB系统建立了基于GM（1,1）模型的铁元素含量预测模型,根据后验比和小误差概率对模型进行验证表明该模型预测效果良好,为一级精度。除此以外,采用生成数列残差法对基础预测模型进行优化并在原预测理论中引入修正因子?,建立修正的预测模型。确定最佳修正因子?为0.990,进一步提高了模型的预测精度。
张珊珊,李方义,贾秀杰,周丽蓉,刘浩华,张传伟,孔琳[9]（2019）在《面向变速箱磨损状态评估的灰靶模型优化》文中进行了进一步梳理为实现变速箱磨损状态的有效评估,提出一种灰靶模型的优化方法。传统灰靶模型中分辨系数的大小通常根据人为经验确定,缺少客观性,这将直接影响模型的分辨能力。该方法结合推土机变速箱磨损实例,提取铁谱分析和光谱分析双因素参数,构建适用于变速箱磨损状态评估的灰靶模型;然后基于非线性方式改进的粒子群算法对模型的分辨系数进行优化,得到优化后的灰靶模型。最后,通过与传统灰靶模型实例进行对比分析,验证了该优化方法对实现变速箱磨损状态评估的可靠性。
王庆维[10]（2017）在《基于水平集方法和灰靶理论的铁谱图像分析》文中研究指明机械设备的磨损发生在设备运行的每时每刻。磨损会造成设备零部件失效,导致制造精度降低,严重情况可能导致重大事故。不仅造成材料和能源的浪费,还有可能影响人身安全。因此为了确保设备正常、安全的运行,对设备进行工况监测和故障诊断是必不可少的。铁谱分析技术是一种有效的工况监测和故障诊断的技术。为了提高铁谱分析技术的自动化和智能化水平,本文对铁谱图像分割与分析方法进行了研究,分别针对磨粒自动分割、磨损状态识别提出了相应算法,并通过实际铁谱图像进行验证和对比分析。本文的主要研究工作如下:1、针对铁谱图像的特点,利用水平集方法进行磨粒分割。研究了水平集方法中的Chan-Vese（CV）模型,运用该模型可以实现铁谱图像中单个大磨粒的准确分割,但是该模型只能实现背景均匀图像的分割,迭代次数多且速度较慢。针对CV模型速度较慢的问题,将局部信息引入能量泛函中,同时在规矩化项中加入能量惩罚项,构建了Local and Global Fast Mode（LGF）模型。该模型解决了CV模型中需要重新初始化和演化速度慢的问题。为了实现背景复杂类型多样的铁谱图像分割,提出了基于LGF模型和CIE L*a*b*颜色空间的磨粒分割方法。该方法首先将RGB颜色空间图像转化为Lab颜色空间图像,再将LGF模型用于b通道图像,从而实现磨粒的自动准确分割。2、提出了基于灰靶理论的磨损状态识别。该方法首先通过分割算法,得到铁谱图像的各尺寸范围的准确的磨粒浓度;然后通过磨粒浓度建立的模式序列,进行靶心度分析;接下来通过贡献度分析求出每一个尺寸范围的贡献度,从而可以利用贡献度求出靶心度计算系数;最后通过靶心度计算系数修正靶心度,与设备磨损状态分级进行比较,判断设备的磨损状态。本文以Microsoft Visual Studio 2010为编程软件平台,C++为编程语言,调用OpenCV函数库,实现了文中方法,实验结果证明了本文提出的方法的可行性、快速性及有效性。
二、灰关联分析在铁谱分析技术中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、灰关联分析在铁谱分析技术中的应用（论文提纲范文）
（1）滚滑运动下滚动轴承的磨损特性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究动态 |
| 1.2.1 滚动轴承摩擦磨损 |
| 1.2.2 摩擦磨损表征 |
| 1.3 研究内容 |
| 第2章 轴承滚滑摩擦磨损特性相关理论基础 |
| 2.1 引言 |
| 2.2 磨损过程曲线 |
| 2.3 磨损故障的种类 |
| 2.3.1 磨粒磨损 |
| 2.3.2 黏着磨损 |
| 2.3.3 表面疲劳磨损 |
| 2.3.4 腐蚀磨损 |
| 2.4 滚滑比 |
| 2.5 本章小结 |
| 第3章 滚动轴承摩擦磨损试验研究 |
| 3.1 引言 |
| 3.2 试验装置 |
| 3.2.1 滚动轴承摩擦磨损试验台 |
| 3.2.2 压力机 |
| 3.3 试验参数的选择 |
| 3.3.1 润滑油参数的选择 |
| 3.3.2 滚滑比参数的选择 |
| 3.3.3 转速参数的选择 |
| 3.3.4 载荷参数的选择 |
| 3.4 不同参数设置下的滚动轴承摩擦磨损试验 |
| 3.4.1 滚滑比对滚动轴承摩擦性能的影响 |
| 3.4.2 转速对滚动轴承摩擦性能的影响 |
| 3.4.3 载荷对滚动轴承摩擦性能的影响 |
| 3.5 本章小结 |
| 第4章 滚动轴承有限元动力学模型建立及分析 |
| 4.1 引言 |
| 4.2 圆柱滚子轴承动力学模型建立及分析 |
| 4.2.1 圆柱滚子滚动轴承模型的参数选择及分析 |
| 4.2.2 滚动轴承材料属性的设置 |
| 4.2.3 滚动轴承分析步设置与输出设置 |
| 4.2.4 滚动轴承相互作用设置 |
| 4.2.5 滚动轴承载荷与边界条件的设置 |
| 4.2.6 滚动轴承网格划分的设置 |
| 4.3 不同因素作用下轴承的仿真动力响应 |
| 4.3.1 不同滚滑比设置下轴承的仿真动力响应 |
| 4.3.2 不同转速设置下轴承的仿真动力响应 |
| 4.3.3 不同载荷设置下轴承的仿真动力响应 |
| 4.4 本章小结 |
| 第5章 滚动轴承磨损特性表征 |
| 5.1 引言 |
| 5.2 分析轴承磨损常用技术介绍 |
| 5.2.1 磨损轴承表面间摩擦力 |
| 5.2.2 磨损轴承内圈表面形貌 |
| 5.2.3 油液分析技术 |
| 5.3 磨损轴承表面间摩擦力 |
| 5.3.1 数据相关度分析 |
| 5.3.2 不同参数设置下试验与仿真数据提取 |
| 5.3.3 对比结果及分析 |
| 5.4 磨损轴承内圈表面形貌 |
| 5.4.1 表面形貌相关参数介绍 |
| 5.4.2 不同参数设置下试验后轴承表面形貌采集 |
| 5.4.3 分析与结论 |
| 5.5 油液分析技术 |
| 5.5.1 油液分析技术理化指标相关参数介绍及选择 |
| 5.5.2 油液分析技术数据提取 |
| 5.5.3 分析与结论 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 工作总结 |
| 6.2 研究结论 |
| 6.3 研究展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）基于多重聚类算法的火电机组运行参数优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数据挖掘研究现状 |
| 1.2.1 数据挖掘技术的主要方法 |
| 1.2.2 基于聚类分析技术的应用现状 |
| 1.3 本文的主要研究内容 |
| 第二章 用于数据寻优的多重聚类算法研究 |
| 2.1 引言 |
| 2.2 基于层次的聚类算法 |
| 2.3 基于网格的聚类算法 |
| 2.4 基于密度的聚类算法 |
| 2.5 基于划分的聚类算法 |
| 2.6 其他聚类算法 |
| 2.7 多重聚类算法 |
| 2.7.1 K-means和 FCM算法的适用性验证 |
| 2.7.2 多重聚类算法的提出 |
| 2.7.3 多重聚类算法思想及仿真 |
| 2.8 本章小结 |
| 第三章 数据预处理 |
| 3.1 引言 |
| 3.2 数据预处理 |
| 3.2.1 数据清理 |
| 3.2.2 数据集成 |
| 3.2.3 数据变换 |
| 3.2.4 数据规约 |
| 3.3 本论文数据预处理基本过程 |
| 3.3.1 稳态筛选 |
| 3.3.2 min-max标准化 |
| 3.3.3 离群点检测 |
| 3.4 本章小结 |
| 第四章 火电机组运行参数目标值的优化 |
| 4.1 引言 |
| 4.2 运行工况划分 |
| 4.3 灰关联分析 |
| 4.4 锅炉侧运行参数寻优 |
| 4.4.1 锅炉热效率的计算 |
| 4.4.2 锅炉侧灰关联分析结果 |
| 4.4.3 影响锅炉热效率的主要因素分析 |
| 4.4.4 基于多重聚类的锅炉运行参数优化分析 |
| 4.5 汽机侧运行参数寻优 |
| 4.5.1 汽轮机热耗率的计算 |
| 4.5.2 汽机侧灰关联分析结果 |
| 4.5.3 影响汽轮机热耗率的主要因素分析 |
| 4.5.4 基于多重聚类的汽轮机运行参数优化分析 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者在攻读硕士期间的学习成果 |
| 致谢 |
（3）基于灰色系统理论的柴油机油失效降解过程试验研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 柴油机油相关影响因素研究现状 |
| 1.1.1 氧化、硝化等对柴油发动机油失效降解的影响 |
| 1.1.2 燃料燃烧对柴油机油老化的影响 |
| 1.1.3 金属碎屑对机油老化的影响 |
| 1.1.4 污染物对柴油机油老化的影响 |
| 1.2 柴油机油监测技术现状 |
| 1.2.1 理化性能分析 |
| 1.2.2 元素分析技术 |
| 1.2.3 铁谱分析技术 |
| 1.2.4 红外分析技术 |
| 1.2.5 颗粒计数技术 |
| 1.3 灰色理论在油液监测中的应用现状 |
| 1.4 课题的提出与论文框架 |
| 第2章 燃油稀释对柴油机油性能影响试验及其灰分析 |
| 2.1 燃油稀释对机油的性能影响调研 |
| 2.2 试验设计及试验过程 |
| 2.2.1 试验设计 |
| 2.2.2 试验过程 |
| 2.3 灰色关联模型 |
| 2.3.1 灰色关联分析的特征 |
| 2.3.2 灰色关联因素 |
| 2.3.3 灰色关联公理及种类 |
| 2.3.4 灰色关联分析计算步骤 |
| 2.4 试验数据的灰关联分析 |
| 2.4.1 燃油稀释对柴油机油理化性能的影响 |
| 2.4.2 燃油稀释对柴油机油摩擦学性能影响 |
| 2.5 本章小结 |
| 第3章 模拟氧化对柴油机油性能影响试验及其灰分析 |
| 3.1 柴油机油的氧化机理 |
| 3.2 氧化对柴油机油性能的影响 |
| 3.3 恒温箱模拟氧化试验 |
| 3.3.1 试验过程 |
| 3.3.2 恒温箱模拟氧化试验结果分析 |
| 3.4 铜丝铁丝催化条件下的高温模拟氧化试验 |
| 3.4.1 试验设计与实施过程 |
| 3.4.2 试验结果及其灰关联分析 |
| 3.5 本章小结 |
| 第4章 台架试验综合分析与验证 |
| 4.1 理化性能与台架试验油样元素关联分析 |
| 4.2 台架试验油样的摩擦学性能分析 |
| 4.3 本章小结 |
| 第5章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 学位论文评阅及答辩情况表 |
（4）基于深度学习的铁谱图像磨粒分类与检测（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 铁谱分析技术 |
| 1.2.2 铁谱图像分析技术 |
| 1.2.3 深度学习 |
| 1.3 研究意义和目的 |
| 1.4 研究内容与框架 |
| 1.4.1 研究内容 |
| 1.4.2 本文框架 |
| 第二章 铁谱图像语义分割CNN模型的创建 |
| 2.1 深度学习与卷积神经网络 |
| 2.1.1 人工神经网络 |
| 2.1.2 卷积神经网络 |
| 2.2 语义分割简介及CNN模型设计思路 |
| 2.2.1 语义分割简介 |
| 2.2.2 铁谱图像语义分割的难点 |
| 2.2.3 铁谱图像语义分割模型的设计思路 |
| 2.3 铁谱图像语义分割CNN模型结构 |
| 2.3.1 编码模块 |
| 2.3.2 空洞池化模块 |
| 2.3.3 解码模块 |
| 2.4 本章小结 |
| 第三章 铁谱图像语义分割CNN模型训练及磨粒检测 |
| 3.1 铁谱图像语义分割CNN模型的训练 |
| 3.1.1 数据集准备 |
| 3.1.2 模型训练过程 |
| 3.1.3 Wear SS语义分割结果 |
| 3.2 磨粒检测 |
| 3.2.1 磨粒边缘提取 |
| 3.2.2 多磨粒检测 |
| 3.3 铁谱图像分析参数的定量计算 |
| 3.4 本章小结 |
| 第四章 铁谱图像语义分割CNN模型的分析与对比 |
| 4.1 模型与实验结果分析 |
| 4.1.1 模型特征图可视化与分析 |
| 4.1.2 实验结果分析 |
| 4.1.3 实验结果定量评价 |
| 4.2 铁谱图像语义分割算法对比 |
| 4.2.1 Wear SS与传统算法对比 |
| 4.2.2 Wear SS与 FCN和 Deep Lab模型对比 |
| 4.3 本章小结 |
| 第五章 铁谱图像磨粒分类与检测系统 |
| 5.1 系统开发平台简介 |
| 5.2 系统模块介绍 |
| 5.2.1 模型训练模块 |
| 5.2.2 分析处理模块 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（5）基于数据融合的丰满水库长期径流预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和目标 |
| 1.1.1 研究背景 |
| 1.1.2 研究目标 |
| 1.2 国内外研究进展 |
| 1.2.1 三大尺度因子径流预报研究 |
| 1.2.2 因子相关性分析 |
| 1.2.3 传统统计预报模型 |
| 1.2.4 现代水文预报模型 |
| 1.2.5 研究进展的总结 |
| 1.3 本文研究介绍 |
| 1.3.1 研究问题 |
| 1.3.2 研究方法 |
| 1.3.3 研究内容 |
| 1.3.4 技术路线图 |
| 第二章 径流预报技术的系统分析 |
| 2.1 来水丰枯的影响机理 |
| 2.1.1 热量与引力作用 |
| 2.1.2 地形和海陆分布作用 |
| 2.2 来水预报基于的基本特性 |
| 2.2.1 周期性 |
| 2.2.2 有序性 |
| 2.2.3 遥相关性 |
| 2.2.4 结构特性 |
| 2.3 来水与极端来水预报的思路 |
| 2.3.1 预报因子基于空间尺度的分类 |
| 2.3.2 预报因子基于时间尺度的分类 |
| 2.3.3 预报值基于预报特征的分类 |
| 2.3.4 基于信息融合的流域来水预报 |
| 2.4 研究流域分析 |
| 2.4.1 流域介绍 |
| 2.4.2 流域丰枯机理 |
| 2.5 小结 |
| 第三章 三大尺度因子与径流的统计分析 |
| 3.1 天文尺度因子相位与流域来水规律分析 |
| 3.1.1 太阳黑子相对数 |
| 3.1.2 月球赤纬角 |
| 3.1.3 24节气阴历日期 |
| 3.2 全球尺度因子相位与流域来水规律分析 |
| 3.2.1 ENSO事件的发生与结束时间与流域来水丰枯的关系 |
| 3.2.2 ENSO事件特征值与流域来水丰枯的关系 |
| 3.3 流域尺度因子相位与流域来水规律分析 |
| 3.3.1 谚语机理分析 |
| 3.3.2 气象因子与来水属性级别统计分析 |
| 3.4 因子数值与流域来水统计分析方法 |
| 3.4.1 基础数据处理 |
| 3.4.2 相关性分析的方法 |
| 3.5 因子相关性分析结果 |
| 3.5.1 天文因子相关性分析 |
| 3.5.2 气象因子相关性分析 |
| 3.5.3 天文因子+海洋大气因子+气象因子相关性分析 |
| 3.6 结果分析 |
| 3.6.1 因子相位与流域来水规律 |
| 3.6.2 因子数值与流域来水相关性 |
| 3.7 小结 |
| 第四章 基于智能学习的预报因子融合的径流预报 |
| 4.1 预报方法 |
| 4.1.1 神经网络 |
| 4.1.2 决策树和随机森林 |
| 4.1.3 支持向量机 |
| 4.2 数据处理的方法 |
| 4.2.1 预报因子的处理 |
| 4.2.2 预报值的处理 |
| 4.2.3 预报值的评判指标 |
| 4.2.4 模型和因子优选的TOPSIS-模糊综合评判法 |
| 4.3 建模预报 |
| 4.4 结果统计分析 |
| 4.4.1 流域水量回归预报结果分析 |
| 4.4.2 流域来水量7级分类预报结果分析 |
| 4.4.3 流域来水量3级分类预报结果分析 |
| 4.4.4 33个因子方案分析 |
| 4.4.5 预报结果的最优方案 |
| 4.4.6 最优方案的预报结果分析 |
| 4.5 小结 |
| 第五章 基于相似性分析的预报因子融合的径流预报 |
| 5.1 相位对比法 |
| 5.1.1 基本原理 |
| 5.1.2 预报结果分析 |
| 5.2 相似模糊推理法 |
| 5.2.1 模糊推理法的基本原理 |
| 5.2.2 相似度的计算方法 |
| 5.2.3 主成分分析法计算权重 |
| 5.2.4 TOPSIS-模糊综合评判法优选最优模型 |
| 5.2.5 预报模型的建立 |
| 5.3 模糊推理法预报 |
| 5.3.1 因子组合分析 |
| 5.3.2 误差评定与优选判别 |
| 5.4 模糊推理法因子二次筛选 |
| 5.4.1 因子进出法寻优 |
| 5.4.2 因子进出法实例分析 |
| 5.5 模糊推理法预报结果 |
| 5.6 结果分析 |
| 5.7 小结 |
| 第六章 基于天文因子对比法的预报结果融合的径流预报 |
| 6.1 天文因子对比法机理分析 |
| 6.2 预报方法1-单一天文因子对比法 |
| 6.2.1 24节气阴历日期对比法 |
| 6.2.2 太阳黑子相对数对比法 |
| 6.2.3 月球赤纬角对比法 |
| 6.3 预报方法2-天文因子对比法预报结果的融合 |
| 6.3.1 天文因子预报结果的线性融合 |
| 6.3.2 天文因子融合法-主次因子对比法 |
| 6.3.3 天文因子融合法的修正 |
| 6.3.4 天文因子融合法定量预报 |
| 6.4 小结 |
| 第七章 基于点聚图法的预报结果融合的径流预报 |
| 7.1 点聚图法 |
| 7.1.1 点聚图的制作 |
| 7.1.2 预报方案 |
| 7.2 24节气阴历日期点聚图预报 |
| 7.2.1 极端来水年24节气阴历日期的聚类特性 |
| 7.2.2 24节气阴历日期聚类预报方法 |
| 7.2.3 24节气阴历日期聚类分析建模 |
| 7.2.4 基于聚类分析的来水预报 |
| 7.3 月球赤纬角和太阳黑子相对数点聚图预报 |
| 7.3.1 月球赤纬角聚类预报方法 |
| 7.3.2 太阳黑子相对数聚类预报方法 |
| 7.4 海洋大气因子与流域气象因子点聚图预报 |
| 7.5 多尺度因子点聚图预报结果融合 |
| 7.6 小结 |
| 第八章 基于来水结构融合的极端径流预报 |
| 8.1 基本定义 |
| 8.2 预报方法 |
| 8.2.1 一般来水结构预报-多方法预报结果融合 |
| 8.2.2 极端来水结构预报 |
| 8.2.3 基于改进可公度网络结构的极值点结构预报 |
| 8.2.4 极端来水年预报 |
| 8.3 实例应用 |
| 8.3.1 一般来水结构分析 |
| 8.3.2 极端来水结构分析 |
| 8.3.3 极值点结构的确定及极端来水年预报分析 |
| 8.3.4 连续极端来水年预报分析 |
| 8.4 讨论 |
| 8.5 小结 |
| 第九章 结论与展望 |
| 9.1 结论 |
| 9.2 展望 |
| 9.3 创新性 |
| 附表 |
| 参考文献 |
| 科研及发表论文情况 |
| 致谢 |
（6）小批量定制生产的PFMEA风险评估理论及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风险因子的评价准则及评价方式 |
| 1.2.2 风险评估意见的表述 |
| 1.2.3 专家意见的集结 |
| 1.2.4 风险因子评估意见的集结 |
| 1.3 主要研究内容和技术路线 |
| 1.4 本章小结 |
| 第2章 风险评估意见的表述 |
| 2.1 传统RPN方法在意见表述方面的不足 |
| 2.2 基于评估假设改进模型的风险评估意见表述 |
| 2.2.1 相关理论基础 |
| 2.2.2 基于三角模糊数的评估假设模型及其改进 |
| 2.2.3 置信模糊区间数 |
| 2.3 本章小结 |
| 第3章 基于团队共识的PFMEA风险评估 |
| 3.1 灰关联方法的分辨能力研究 |
| 3.1.1 正灰关联系数的分辨能力 |
| 3.1.2 负灰关联系数的分辨能力 |
| 3.2 置信模糊区间数与广义豪斯多夫距离 |
| 3.2.1 置信模糊区间数的连续随机变量模型 |
| 3.2.2 广义豪斯多夫距离 |
| 3.3 基于团队共识的PFMEA风险评估流程 |
| 3.4 算例分析 |
| 3.4.1 基于传统整数评估值的算例 |
| 3.4.2 航空发动机安装工序的PFMEA案例 |
| 3.5 本章小结 |
| 第4章 基于专家意见集结的PFMEA风险评估 |
| 4.1 专家团队共识的形成过程 |
| 4.2 基于粗糙集理论的加权和方法 |
| 4.2.1 粗糙集理论 |
| 4.2.2 分析与比较 |
| 4.3 专家的综合权重 |
| 4.4 基于专家意见集结的PFMEA风险评估程序 |
| 4.5 算例分析 |
| 4.5.1 实施过程 |
| 4.5.2 比较与讨论 |
| 4.6 本章小结 |
| 第5章 风险因子的多维评价方式 |
| 5.1 风险因子的多维评价准则体系 |
| 5.1.1 严酷度的多维评价准则体系 |
| 5.1.2 发生频度的多维评价准则体系 |
| 5.1.3 检测难度的多维评价准则体系 |
| 5.2 基于模糊证据理论的比较算法 |
| 5.3 本章小结 |
| 第6章 应用研究 |
| 6.1 理论研究总结 |
| 6.2 理论研究成果的应用案例 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究总结 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
（7）基于油液监测及灰色理论的变速箱磨损故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 油液监测技术概述 |
| 1.3 国内外研究现状 |
| 1.3.1 基于油液监测的故障诊断技术研究 |
| 1.3.2 基于灰色理论的故障诊断技术研究 |
| 1.4 课题的提出与论文框架 |
| 1.4.1 课题来源 |
| 1.4.2 目前研究存在的问题 |
| 1.4.3 本文研究内容 |
| 第2章 基于油液监测技术的变速箱磨损故障识别 |
| 2.1 变速箱磨损机理 |
| 2.1.1 磨损类型 |
| 2.1.2 磨粒类型 |
| 2.2 变速箱磨损故障识别 |
| 2.2.1 变速箱磨损试验研究 |
| 2.2.2 实验结果与分析 |
| 2.3 本章小结 |
| 第3章 基于灰靶模型的变速箱磨损故障定量分析 |
| 3.1 灰靶理论概念及背景 |
| 3.2 基于灰靶理论的变速箱磨损状态评估模型 |
| 3.2.1 根据推土机变速箱磨损实例构建灰靶模型 |
| 3.2.2 基于改进的粒子群算法优化灰靶模型的分辨系数 |
| 3.3 实例分析及对比验证 |
| 3.3.1 实例分析 |
| 3.3.2 与传统灰靶模型对比分析 |
| 3.4 本章小结 |
| 第4章 基于MOGA-GM(0,N)模型的变速箱磨损定位分析 |
| 4.1 基于光谱分析的磨损元素分析 |
| 4.2 基于MOGA-GM(0,N)模型的Fe元素磨损定位分析 |
| 4.2.1 灰色GM(0,N)理论概述 |
| 4.2.2 建立Fe元素的灰色GM(0,N)模型 |
| 4.2.3 建立MOGA-GM(0,N)模型 |
| 4.3 变速箱磨损故障定位分析结果对比 |
| 4.3.1 基于传统GM(0,N)模型定位分析结果 |
| 4.3.2 基于MOGA-GM(0,N)磨损定位分析结果 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文及参与科研项目的情况 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（8）汽轮机油对汽轮机润滑系统磨损影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 汽轮机油概述 |
| 1.3 汽轮机润滑油系统概述 |
| 1.4 汽轮机润滑系统常见磨损 |
| 1.4.1 磨损理论介绍 |
| 1.4.2 磨损机理 |
| 1.5 汽轮机润滑系统常见磨粒 |
| 1.6 汽轮机润滑系统中常见元素 |
| 1.7 油液分析技术 |
| 1.7.1 理化性能分析 |
| 1.7.2 盘棒电极原子发射光谱分析 |
| 1.7.3 铁谱分析技术 |
| 1.7.4 各分析技术比较 |
| 1.8 国内外研究动态 |
| 1.8.1 油液分析技术研究动态 |
| 1.8.2 油液性能和设备磨损研究动态 |
| 1.8.3 灰色理论在油液分析中应用研究动态 |
| 1.9 目前研究存在的问题 |
| 1.10 本文研究内容 |
| 第二章 基于油液监测技术的200MW汽轮发电机组润滑系统实验研究 |
| 2.1 引言 |
| 2.2 监测对象 |
| 2.3 取样要求 |
| 2.3.1 取样点选择 |
| 2.3.2 取样时间确定 |
| 2.4 实验药品与仪器 |
| 2.5 实验操作 |
| 2.5.1 粘度测试 |
| 2.5.2 酸值测试 |
| 2.5.3 水分含量测试 |
| 2.5.4 元素光谱分析测试 |
| 2.5.5 铁谱分析 |
| 2.6 试验结果与分析 |
| 2.6.1 粘度变化分析 |
| 2.6.2 酸值变化分析 |
| 2.6.3 水分含量变化分析 |
| 2.6.4 元素光谱分析 |
| 2.6.5 分析铁谱试验结果分析 |
| 2.7 本章小结 |
| 第三章 基于油液监测技术的350MW汽轮发电机组润滑系统实验研究 |
| 3.1 监测对象 |
| 3.2 取样要求 |
| 3.2.1 取样点选择 |
| 3.2.2 取样周期选择 |
| 3.3 实验药品与仪器 |
| 3.4 实验操作 |
| 3.5 试验结果与分析 |
| 3.5.1 粘度变化分析 |
| 3.5.2 酸值变化分析 |
| 3.5.3 水分含量变化分析 |
| 3.5.4 元素光谱分析 |
| 3.5.5 分析铁谱试验结果分析 |
| 3.6 本章小结 |
| 第四章 汽轮机润滑系统磨损灰色预测 |
| 4.1 前言 |
| 4.2 关联度分析 |
| 4.2.1 关联度概念及计算 |
| 4.2.2 原理与方法 |
| 4.2.3 油液监测数据关联分析 |
| 4.3 灰色预测 |
| 4.3.1 灰色理论概念与特点 |
| 4.3.2 模型优化 |
| 4.3.3 最佳修正因子确定 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究生期间发表的论文及申请的专利 |
（9）面向变速箱磨损状态评估的灰靶模型优化（论文提纲范文）
| 0 引言 |
| 1 理论背景 |
| 2 基于灰靶理论的变速箱磨损状态评估模型 |
| 2.1 根据推土机变速箱磨损实例构建灰靶模型 |
| 2.1.1 输入状态参数的选择与量化 |
| 2.1.2 建立标准故障模式 |
| 2.1.3 计算靶心系数矩阵 |
| 2.2 基于改进的粒子群算法优化灰靶模型的分辨系数 |
| 2.2.1 粒子群算法的改进 |
| 2.2.2适应度函数的选择 |
| 2.2.3 改进的粒子群算法迭代结果及对比分析 |
| 3 实例分析及对比验证 |
| 3.1 实例分析 |
| 3.2 与传统灰靶模型对比分析 |
| 4 结束语 |
（10）基于水平集方法和灰靶理论的铁谱图像分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 铁谱分析技术 |
| 1.2.1 铁谱分析技术的原理与应用 |
| 1.2.2 铁谱分析技术的发展 |
| 1.3 铁谱图像分析技术 |
| 1.3.1 铁谱图像分析技术的研究现状 |
| 1.3.2 铁谱图像分析技术的主要内容及意义 |
| 1.3.3 铁谱图像的磨粒类型及存在的问题 |
| 1.4 论文研究内容和结构安排 |
| 1.4.1 本文的研究内容 |
| 1.4.2 本文的结构框架 |
| 第二章 水平集方法简介 |
| 2.1 水平集方法的数学基础 |
| 2.1.1 曲线演化理论 |
| 2.1.2 变分理论 |
| 2.1.3 梯度下降流 |
| 2.2 水平集方法的基本理论 |
| 2.2.1 水平集方法 |
| 2.2.2 水平集函数的初始化 |
| 2.2.3 水平集方法的数值计算 |
| 2.3 水平集方法的研究现状 |
| 2.3.1 研究概况 |
| 2.3.2 水平集方法在图像分割中的研究现状 |
| 2.3.3 水平集方法的研究趋势 |
| 2.4 本章小结 |
| 第三章 基于水平集方法的铁谱图像分割 |
| 3.1 相关能量模型 |
| 3.1.1 Mumford-Shah模型 |
| 3.1.2 Chan-Vese模型 |
| 3.2 基于CV模型的铁谱图像分割 |
| 3.2.1 CV模型步骤描述 |
| 3.2.2 CV模型的分割结果 |
| 3.3 LGF模型的构建 |
| 3.3.1 全局项 |
| 3.3.2 局部项 |
| 3.3.3 规则化项 |
| 3.3.4 LGF模型演化方程 |
| 3.3.5 LGF模型的停止条件 |
| 3.4 基于LGF模型的铁谱图像分割 |
| 3.4.1 CIE L*a*b*颜色空间 |
| 3.4.2 LGF模型步骤描述 |
| 3.4.3 CV模型和LGF模型的性能比较 |
| 3.4.4 基于LGF模型和CIE L*a*b*颜色空间的铁谱图像分割 |
| 3.5 本章小结 |
| 第四章 基于灰靶理论的磨损状态识别 |
| 4.1 磨粒形貌数字特征 |
| 4.2 基于加权灰靶理论的基本原理 |
| 4.2.1 靶心度分析 |
| 4.2.2 灰靶贡献度分析 |
| 4.2.3 加权公式构造 |
| 4.3 基于加权灰靶理论的磨损状态识别 |
| 4.3.1 磨粒浓度指标的获取 |
| 4.3.2 靶心度计算 |
| 4.3.3 灰靶贡献度的计算 |
| 4.3.4 基于加权灰靶理论的靶心度计算 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 本课题的研究工作 |
| 5.2 本课题的研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、灰关联分析在铁谱分析技术中的应用（论文参考文献）
- [1]滚滑运动下滚动轴承的磨损特性研究[D]. 李中阳. 太原理工大学, 2021(01)
- [2]基于多重聚类算法的火电机组运行参数优化研究[D]. 揭跃. 东南大学, 2020(01)
- [3]基于灰色系统理论的柴油机油失效降解过程试验研究[D]. 苏国庆. 山东大学, 2020(02)
- [4]基于深度学习的铁谱图像磨粒分类与检测[D]. 刘信良. 南京航空航天大学, 2020(07)
- [5]基于数据融合的丰满水库长期径流预报研究[D]. 雷冠军. 中国水利水电科学研究院, 2020(04)
- [6]小批量定制生产的PFMEA风险评估理论及其应用研究[D]. 聂文滨. 南昌大学, 2019(01)
- [7]基于油液监测及灰色理论的变速箱磨损故障诊断研究[D]. 张珊珊. 山东大学, 2019(09)
- [8]汽轮机油对汽轮机润滑系统磨损影响研究[D]. 夏泽华. 东南大学, 2019(05)
- [9]面向变速箱磨损状态评估的灰靶模型优化[J]. 张珊珊,李方义,贾秀杰,周丽蓉,刘浩华,张传伟,孔琳. 计算机集成制造系统, 2019(09)
- [10]基于水平集方法和灰靶理论的铁谱图像分析[D]. 王庆维. 南京航空航天大学, 2017(03)