自润滑衬垫试验数据处理方法及信息系统

本资料包含pdf文件1个，下载需要1积分

Test Data Processing Method and nformation Systemof Self-lubricating L inerCHEN Ji-gang ，ZHANG Jin-xue ，FAN Bing-li ，FENG Xiao-leia.College of Mechanical Engineering；b.Key Laboratory of Generic Technology of Aviation Self-lubricatingSpherical Plain Bearing，1.Yanshan University，Qinhuangdao Hebei 06 6004，China；2.Beijing Zhongkexin Electronics Equipment Co.Ltd..Beijing 101l11，ChinaAbstract：The system of test data processing method for aeronautical self-lubricating bearing liner testdata is put forward.The average smooth method of the liner wear data is presented，and the time seriesprediction methods of liner wear trend based on the BP neural network and the least square supportvector machine is presented. n addition，the information system of self-lubricating liner test dataprocessing is developed.Compared with the experiment，the reliability of the prediction methods isverified，and the level of the test data processing is improved based on the information system 。

Key words： self-lubricating liner； data processing； BP neural network； least square support vectormachine；information system自润滑衬垫是航 空 白润滑关 节轴承的关键构件 ，其工作性能受材料、结构和工况条件等 因素的影响.工况条件下的实物试验研究是自润滑关节轴承性能研究最重要 的方法，其 中衬垫试验是重要 的性能评价试验之- ，其试验方法与数据处理是 自润滑关节轴承研制与应用的技术基础.国内外学者通过对 自润滑关节轴承及其构件 的试验研究 ，分析 了影响自润滑关节轴承工作 性能的因素 ，评 估了新材料的采用和新结构 的设计，总结了 自润滑关节轴承 的- 般失效形式 ，但在衬垫试验数据处理技术方法方面，相关研究成果不多。

随着计算机应用技术的快速发展，现代数据处理方法，如神经网络 、支持向量机l5 等，在数据处理领域得到了广泛的应用8 .同时，数据库技术收藕 日期 ：2013-04-2作者简介：陈继刚1970 ，男，江苏大丰人，副教授，博士，研究方向为数字化设计与制造、航空 自润滑轴承技术Ｂ继刚，等：自润滑衬垫试验数据处理方法及信息系统 479的应用 ，促进 了试验数据深层处理 与挖掘技术 的研究，特别在航空件的高可靠性产品性能试验领域，出现了多种试验数据分析处理系统.如文献11以发动机试验数据为研究对象 ，建立 了-套试验数据分析系统，该系统可对研制和生产过程中的整机试验结果进行分析.文献12设计开发了航空发动机试验数据采集分析系统，极大地提高了航 空试 验数据的处理水平与使用效率。

本文针对 自润 滑关节 轴承衬 垫的试 验数据处理，研究数据处理方法体系、衬垫磨损数据处理方法与预测方法 ，自主开发了 自润滑衬垫试验数据处理信息系统。

1 衬垫试验数据处理方法概述试验测量系统的误差及随机干扰的存在，使得试验采集的数据存有-些失真 的噪声 ，必 须进行剔除噪声处理，使分析的试验数据更加符合真实，同时 ，其数据所蕴含 的规律 ，需要对原始数据进行信息提炼 、分析与挖掘.因此 ，很有必要运用现代数学方法 ，对真实”数据进行分析与挖掘 ，以便得到更多有价值 的规律与结论。

衬垫试验数据处理分为前处理与后处理两个 阶段.前处理阶段 主要对 试验数据进行去伪存 真，为后处理做准备，是试验数据分析的基础；后处理阶段则是为了挖掘更多有用信息与价值，是整个试验数据处理工作 的核心。

衬垫试验前处理阶段常用 的数学方法有数据平滑降噪处理 、误差处理方法等.后处理阶段常用的数学方法有：试验的方差分析方法 ，可以分析有关因素对试验结果影响的显著性，探索衬垫摩擦磨损性能的影响因素 ，比如树脂含量对衬垫摩擦 因数的影响 ；回归分析方法，其是处理 变量 间的相关关 系最常用的统计方法 ，能将变量之间的关系以函数形式表达 ，可以用于分析衬垫性能与影响因素间的 函数关系 ，但需要的数据样本数较大 ；现代智能学习方法 ，包括神经网络方法 、支持 向量机方法等，这类方法能建立多变量问的模糊数学关系 ，并能够做衬垫磨损预测工作.本文提出的衬垫试验数据处理方法体系如图1所示 。

试验前 把 不 同的衬 垫进 行 编号 为 A01，A02，A03，.通过关节轴承 自润滑衬垫性能评估试 验机，获得了某-衬垫 25 000组磨损数据.本文使用部分试验数据如表 1所示，具体说明数据平滑降噪 、神经 网络、支持向量机等方法在衬垫试验数据处理 中的应用。

误差处理方法试验数据处理方法前处理方法 l l后处理方法蓁 囊曩董囊 其 他方法图 1 衬垫试验数据处理方 法体 系Fig.1 ntegrated system of data processing methods of liner test表 1 衬垫径 向动载寿命试验数据 仅列举部分Table 1 Life test data of liner under radial dynamicallyloadingsegmenta1温度 1/oC 温度 2/。C 摆动次数 磨损量/ram 摩擦因数2 衬垫磨损数据平滑处理数据采集 系统采集 到的数据 中往 往叠加 有噪声 ，需要对采样数据进行平滑处理.平滑处理的基本原则 ：数据平滑处理后 ，既要削弱干扰成分又要不改变数据原有曲线的变化规律。

对于 N个非平稳 的数据 Y ，假设在-小 区间内有 72个数据 ，可以认为小区间内数据是接近平稳的，即其平均值接近为常量.于是可取该区间内/72个相邻数据的算术平均值，表示该区间内的任意-个数据的取值.-般将小 区间的平均值表示该 区间中点的取值，如取m-5，则 Y ，Y ， 。，Y ，Y 均值可表示为- - 1Y3-亡 1 2 3Y4 5 1- 般表达式为2- ∑Y ，忌-3，4，，N-2 2V i k 2处理所得 到的数据 减少 了棱 角，更加平滑，故称为平滑数据.因为对于局部小区间采用平均处理 ，故称为平均平滑处理。

另需指出，由式 2只能得到大部分取值 ，缺少端部 的取值 ，即 是< 1和 愚< N - 的部分有8 5 7 8 6 O 0 O O 0 O 0 O O 0 3 3 3 4 4 O 0 O O 0 O 0 O 0 0 O O O m8 3 5 2 3 4 9 9 5 O 0 O 0 O O 3 3 3 3 3 6 8 1 2 4 7 8 7 O 8 2 2 2 3 2 480 东华大学学报 自然科学版 第39卷m～1个测量结果或信号无法直接得到，通常称其为端效应 ，需设法补入.区间宽度 取值对平滑效果有较大的影响，综合考虑平滑处理效果 和平滑后磨损数据量，将 取为 200，A02号衬垫的磨损数据平滑处理后得到 125组数据.衬垫试验磨损曲线 的平滑处理前后效果对 比如图 2所示 ，可以看出处理后的曲线没有 了棱角 ，变得更光滑 了，同时曲线的走势跟原曲线-致 ，说 明平滑处理效果 良好。

摆动次数/10图 2 衬垫试 验磨 损曲线的平滑处理前后效果对比Fig.2 Comparison of before-and-after smoothingprocess curves of liner test wear3 衬垫磨损时间序列预测3.1 衬垫磨损时间序列预测流程衬垫磨损通过准确预测，可减少衬垫寿命试验时间，节约试验经费，同时，衬垫磨损 的预测 为 自润滑关节轴承寿命 的在线监控、提前报警 等应用提供了理论支持 ，因此衬垫磨损 的趋势预测 有重要 的应用前景。

时间序列分析是-种研究动态数据 以揭示系统动态结构和规律的统计方法 ，其基本思想是 根据系统有限长度的运行记录 ，建立能够 比较准确地反 映系统的动态依存关 系的数学模型，并用这种模 型来做时间序列预测，时间序列在预测学领域应用广泛。

衬垫磨损属于时间序列 问题 ，可用时问序列分析建立衬垫磨损模型.衬垫磨损时间序列预测 流程如图3所示。

时间序列预测主要步骤：通过试验或者其他途径获取试验样本数据 ；相空间重构 ，得到输入输 出样本，将-维的时间序列转为 维的序列数据，将样本- 组作为训练样本 、另-组作为预测数据 ，输入样本维数取 15，输出样本 维数 为 1，共有 109组数据，其中 100组用于训练，9组用于预测 ；采用 BP神经 网络和最小二乘 支持向量机 LS-SVM，训练样本数据 ，得到预测模型 ，由试验数据验证模型的有效性。

获取试验样本数据相空间重构，得到输入输出样本算法训练、建立模型预测数据与试验数据对比误差在允许范围内最终的预测模型图 3 时 司序 列 预 测 流 程Fig.3 Time series prediction process3.2 基于 BP神经网络衬垫磨损时间序列预测神经网络输入层节点为 15，输出节点为 1，隐含层节点数据经验公式 z-/ mn其中：为隐含层节点数 ， 为输入节点数 ， 为输 出节点数，n为1～1O之间的调节常数，确定 z为 5～14，训练误差E：：10 ，采用平均相对误差及方差评价 预测结果 ，选择预测结果最佳 的隐含层节点数 为最终的节点数.当隐含层节点数为 6时评价相对误 差及方差最小，此 时基于 BP神经 网络模型的衬 垫磨损 预测效果如图 4所示.预测平均相对误差小于 1 ，预测精度较高。

图 4 隐含层 为 6的衬 垫磨损预测 图Fig.4 W ear prediction of liner with 6 nodesin the hidden layer3.3 基于 LS-SVM 衬垫磨损时间序列预测LS-SVM 算法的关键步骤是选择松弛 因子 ，和惩罚因子 ，其大小直接影响模型预测精度与速度。

本文采用网格搜索的方法对参数进行优化选择：y取值范 围2，40，步长 2，共 20个， 取值范 围0.08，8，步长 0.08，共 100个，则 y与 的组合就有 20×100-2 000种 ，用这些组 合训 练支持 向量机 ，然后选择平均相对误差最小的-组参 数作 为最优 的 y与 .基于对多组衬垫试验数据分析以及试验482 东华大学学报自然科学版 第39卷4.3 系统实现基于系统概念功能拈设计与数据结构设计 ，应用浏览器/月展务器 Browser/Server开发模式 ，进行了系统程序编写与 界面实现 ，其 系统 主界 面如图9所示 ，系统中的分析曲线显示界面如图 10所示。

主囊琦琏轴承跳 摩目详铟 日轴荦 蚪班是"tltll匕-导 试验数据蠢t 齄据虢计硼∞. 翟 懿 嘲张 酶 嗍图 9 信息系统主界面Fig.9 Main interface of the information system请毽j罨图采粪型 平滑曲馕毋图 10 分析项 目的 曲线 图界 面Fig.10 nterface of analysis project curve自润滑衬垫试验数据处理信息系统的开发与应用 ，提高 了衬垫试验数据管理效率及数据分析处理能力 ，具有较好 的应用价值.该 系统应 用于 4家航空 自润滑关节轴承衬垫 的性能试验及评价 中，得 到了评估委托用户与衬垫制造商的肯定 ，同时，提高了试验的分析效率 ，提供的评估指标可靠。

5 结 语本文将现代数据挖掘技术应用于衬垫试验数据处理，提出的衬垫试验数据处理方法体 系、衬垫试验数据平滑处理方法以及基于 BP神经网络和 LS-SVM的衬垫磨损时间序列预测方法，并应用于 自润滑衬垫性能评价的实践 ，获得 了良好的应用效果.同时 ，基于应用需求开发的试 验数据处理信息 系统 ，将数据库技术与现代数据处理方法相结合 ，形成 了专 门的应用信息系统，提高了试验效率 、数据分析与信息挖掘水平。