机械设备状态监测及预知维修技术是机械设备现代管理的主要内容。随着现代生产的高速发展,其重要性也日益突显。作为设备状态监测的主要手段之一,油液监测技术在评价润滑油和设备的当前状态,预知设备状态的发展变化趋势,及时了解设备潜在问题,降低设备维修成本和误工时间,提高设备利用率和安全性能等方面发挥着极其重要的作用。 本文以广州机械科学研究院设备润滑磨损状态监测中心为背景,研究了如何利用油液监测技术中的各种数据来评价设备与油液的状态。这些数据包括理化数据、发射光谱数据、直读铁谱和铁谱图片。 论文首先介绍了油液监测技术的概况以及监测数据处理一些常用的方法,然后从多个不同的角度出发,利用已有的油液监测数据对设备和油液的状态进行评价。对单指标评价方法而言,论文对当前普遍采用的界限值计算方法提出了改进,并引进了探索性数据分析技术,提出以两种图形工具作为油液监测数据分析的辅助手段。对多指标评价方法而言,在界限值已知的情况下把模糊综合方法扩展到设备润滑状态的评判,并引入支持向量分类机,可实现界限值未知情况下设备的润滑磨损状态的评价,同时,对利用铁谱图片进行设备磨损状态的评价方法做了实例分析。最后,论文以5种神经网络和支持向量回归机为研究对象,分析了它们的预测性能,并从中选择性能较好的用于设备润滑磨损状态的预测。文中的每种方法均进行了实例验证,事实证明了这些方法的有效性和可行性。概括地说,本文就是以一批实际的油液监测数据为研究对象,分析和采用不同的方法对设备的润滑磨损状态进行评价。 论文的最后给出了软件系统的设计和实现,并通过部分功能实例,简述了系统的运行情况,并对全文做出了总结和展望。