润滑与密封

作者：李加伟,刘晓卫,王崴,杨鑫

单位：空军工程大学防空反导学院,,空军工程大学防空反导学院,,空军工程大学防空反导学院,,空军工程大学防空反导学院,

关键词：机械磨损;铁谱技术;ELM神经网络;磨粒识别模型

基金：国家自然科学基金项目（51675530）.

将极限学习机(ELM)应用于铁谱磨粒模式识别中，从磨粒彩色图像中提取出磨粒的形状尺寸、颜色、纹理3个方面的特征参数作为ELM的输入，以正常滑动磨粒、严重滑动磨粒、球状磨粒、切削磨粒、氧化物磨粒这5种类型磨粒作为ELM的输出，建立基于ELM的磨粒分类器；将3个方面的17个特征参数进行排列组合建立不同的模型，通过对比实验及分析，确定出最优的模型和磨粒分类器；通过实验比较基于ELM与基于BP神经网络的磨粒分类器性能。结果表明:基于ELM神经网络的磨粒分类器的识别速度平均为150 ms，准确率最高为96%，基于BP神经网络的磨粒分类器的识别速度平均为250 ms，准确率最高为90%。因此，基于ELM的磨粒分类器识别速度更快、准确率更高。

来源：2019年第6期

《润滑与密封》期刊编辑部

查看润滑与密封杂志2019年第6期