润滑与密封

作者：张一兵，陈聪，刘立鹏，胡瑞

单位：武汉理工大学机电工程学院,,武汉理工大学机电工程学院,,中车株洲电机有限公司,,南昌工程学院机械与电气工程学院,

关键词：表面形貌;MF-DFA;磨损形式特征;广义赫斯特指数;机器学习

基金：国家自然科学基金项目(51765044) 

为了识别表面的磨损形式以研究零件表面的摩擦学特性，以不同载荷下的磨料磨损和黏着磨损2种磨损形式的表面为研究对象，应用LSTM-1型磨损表面形貌测量仪和稳健高斯滤波方法对磨损表面形貌进行数据采集和滤波处理后，使用多重分形去趋势波动分析算法（MF-DFA）计算磨损表面高频信息的广义赫斯特指数，并通过分析该指数与表面形貌磨损纹理特征之间的关系，使用主成分分析法提取用于识别2种磨损形式的特征，然后采用K-means聚类、支持向量机（SVM）和BP神经网络方法，分别对所提取的特征参数进行分类，比较不同分类器识别结果的准确率。研究结果表明：广义赫斯特指数可用于区分磨损表面犁沟类和凹坑类纹理特征的指标，作为机器学习特征对表面磨损形式识别分类。

来源：2022年第2期

《润滑与密封》期刊编辑部

查看润滑与密封杂志2022年第2期