摩擦噪声监测模型

实时原位监测

利用摩擦噪声信号，通过机器学习方法实现聚合物磨损类型的实时分类与磨损率的精确预测。

Chen, Shengshan · Cheng, Ganlin · 郭菲 · 贾晓红 · Wen, Xiaohao

Journal of Tribology 2025

技术优势

实时监测

利用摩擦噪声信号进行分析，无需等待实验结束即可获得磨损类型和磨损率信息。

多模型对比

比较了多种机器学习方法，包括树模型和神经网络，可选出最适合磨损分类的模型。

跨温度预测

LSBoost回归模型可在不同温度条件下预测聚合物磨损率，扩展了应用范围。

应用场景

• 摩擦学系统监控：将摩擦噪声分析用于在线监测，实时掌握磨损状态。
• 工业设备预测性维护：提前预测磨损率，便于安排维护计划，减少停机。
• 机器人关节监测：通过噪声信号监测机器人关节磨损，保障运行精度。
• 智能机器维护：集成到智能维护系统中，利用机器学习自动识别磨损类型。