多源摩擦过程信息采集方法与系统

本发明涉及系统设计的，具体地，涉及多源摩擦过程信息采集方法与系统。

背景技术：

1、摩擦学是研究在摩擦与磨损过程中两个相对运动表面之间相互作用、变化及其有关的理论与实践的学科，涉及了摩擦、磨损和润滑现象的研究，对于我们的生产生活具有重要意义。摩擦学现象发生在表面层，影响因素错综复杂，且涉及多门学科，使得理论分析和试验研究都较为困难。在摩擦过程中，两个相对运动的表面之间的相互作用不仅仅产生了摩擦力和磨损现象，还诱发了一系列多源信息，包括声音、热量、光和电等。这些多源信息的采集和分析对于深入理解摩擦学现象、改善系统性能以及预测设备寿命具有重要意义。

2、在工业生产和航空航天等极端工况下，高温、高压等复杂环境中，燃气轮机和航天器等高端装备的摩擦元件扮演着细小而关键的角色。这些装备的维护技术难度大，维修成本高昂，一旦发生磨损失效，可能导致巨大的经济损失。因此，利用摩擦过程产生的多源信息，研究与摩擦磨损状态相关的方法，以获得满足维护条件的快速、便捷和准确的摩擦状态监测方法，对提高设备可靠性和减少重大经济财产损失具有重要意义。

3、现有技术中，通过商用摩擦磨损试验机来复现实际工况下的摩擦磨损问题，然而市面上现有的摩擦磨损试验机仅关注于摩擦系数或摩擦力矩等信息，却忽视在摩擦过程中诱发的声音、热量、振动等多源信息，这种单一信息采集的局限性限制了对于摩擦学现象全面认知的能力。

4、因此，需要提出一种新的技术方案以改善上述技术问题。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种多源摩擦过程信息采集方法与系统。

2、根据本发明提供的一种多源摩擦过程信息采集方法，所述方法包括如下步骤：

3、步骤s1：对多源信息采集平台的需求进行全面的分析和定义；

4、步骤s2：信号采集单元用于采集试验过程中的多源信息，采用动态监测和静态检测的方式对所需试验过程进行实时检测，并将采集到的多源信息传输到数字信号处理单元进行处理和转换，处理后的数据通过信号传输单元发送至数据存储系统，建立数据库、定义数据关系并建立统一接口；

5、步骤s3：对信号采集系统进行信号滤波、信号裁剪等预处理，使用巴特沃斯滤波器消除环境中的其他影响，再取试验稳定过程中的信号部分；

6、步骤s4：将采集到的信号传输至计算机；

7、步骤s5：在进行数据传输过程后，基于labview对不同来源的传感器信号数据进行数据集成；建立数据模型、定义数据关系，并处理数据之间的关联和关联查询；

8、步骤s6：在收集和整合数据之后，利用机器学习或深度学习算法建立预测模型；

9、步骤s7：平台提供可视化单元，通过可视化界面和报告工具，将采集到的数据进行展示和呈现。

10、优选地，所述步骤s1中，明确采集的数据类型、数据源的数量和类型、数据处理和分析需求，以及用户界面和功能要求；明确需要采集的数据类型包括传感器数据、设备状态信息、文本数据、图像数据、视频数据；了解不同数据类型的特点和采集需求，确定相应的采集和处理方案。

11、优选地，所述步骤s2中，将采集到的多源信息传输到数字信号处理单元进行处理和转换包括特征提取、模式识别、滤波降噪的数据处理算法，平台提供可视化单元，通过可视化界面和报告工具将采集到的数据进行展示和呈现，展示形式通过图标、图形方式直观地理解和分析数据。

12、优选地，所述步骤s3中，对于声压信号，依据短时傅里叶变换方法，对试验机开机空载运行时的环境音数据和正式试验组声压数据，分别进行时频域分析，获得具有关键特征的特定频段的分频数据；数字麦克风采集的声音信号为音频数据，分别提取rms值和梅尔倒频谱序列作为数据特征；激光传感器测量数据为位移信号，用以表示振动特性，针对激光传感器采集的位移信号，提取信号变化的峭度和偏度作为特征值。

13、优选地，所述步骤s4中，数据集成单元允许用户从统一的接口中访问和查询多源数据，提供全面和综合的数据视图；

14、所述步骤s5中，通过对采集到的信号数据进行处理和分析，提取出有用的特征，并将其作为输入来训练预测模型；这些特征包括振动信号的频谱特征、声压信号的时域和频域特征，以及声音信号的声学特性；使用这些特征和相应的标记数据进行训练，以建立准确预测的模型；这些模型用于对未来的信号数据进行预测和分类。

15、本发明还提供一种多源摩擦过程信息采集系统，所述系统包括如下模块：

16、模块m1：对多源信息采集平台的需求进行全面的分析和定义；

17、模块m2：信号采集单元用于采集试验过程中的多源信息，采用动态监测和静态检测的方式对所需试验过程进行实时检测，并将采集到的多源信息传输到数字信号处理单元进行处理和转换，处理后的数据通过信号传输单元发送至数据存储系统，建立数据库、定义数据关系并建立统一接口；

18、模块m3：对信号采集系统进行信号滤波、信号裁剪等预处理，使用巴特沃斯滤波器消除环境中的其他影响，再取试验稳定过程中的信号部分；

19、模块m4：将采集到的信号传输至计算机；

20、模块m5：在进行数据传输过程后，基于labview对不同来源的传感器信号数据进行数据集成；建立数据模型、定义数据关系，并处理数据之间的关联和关联查询；

21、模块m6：在收集和整合数据之后，利用机器学习或深度学习算法建立预测模型；

22、模块m7：平台提供可视化单元，通过可视化界面和报告工具，将采集到的数据进行展示和呈现。

23、优选地，所述模块m1中，明确采集的数据类型、数据源的数量和类型、数据处理和分析需求，以及用户界面和功能要求；明确需要采集的数据类型包括传感器数据、设备状态信息、文本数据、图像数据、视频数据；了解不同数据类型的特点和采集需求，确定相应的采集和处理方案。

24、优选地，所述模块m2中，将采集到的多源信息传输到数字信号处理单元进行处理和转换包括特征提取、模式识别、滤波降噪的数据处理算法，平台提供可视化单元，通过可视化界面和报告工具将采集到的数据进行展示和呈现，展示形式通过图标、图形方式直观地理解和分析数据。

25、优选地，所述模块m3中，对于声压信号，依据短时傅里叶变换系统，对试验机开机空载运行时的环境音数据和正式试验组声压数据，分别进行时频域分析，获得具有关键特征的特定频段的分频数据；数字麦克风采集的声音信号为音频数据，分别提取rms值和梅尔倒频谱序列作为数据特征；激光传感器测量数据为位移信号，用以表示振动特性，针对激光传感器采集的位移信号，提取信号变化的峭度和偏度作为特征值。

26、优选地，所述模块m4中，数据集成单元允许用户从统一的接口中访问和查询多源数据，提供全面和综合的数据视图；

27、所述模块m5中，通过对采集到的信号数据进行处理和分析，提取出有用的特征，并将其作为输入来训练预测模型；这些特征包括振动信号的频谱特征、声压信号的时域和频域特征，以及声音信号的声学特性；使用这些特征和相应的标记数据进行训练，以建立准确预测的模型；这些模型用于对未来的信号数据进行预测和分类。

28、与现有技术相比，本发明具有如下的有益效果：

29、1、本发明可以直接实现多种物理信号的原位实时采集，提供了一个系统集成和一体化的解决方案，将多个环节整合到一个平台上；

30、2、本发明的多源信息采集平台具有可定制和可扩展的特性，可以面向用户的具体需求进行定制化开发，实现系统快速搭建；

31、3、本发明结合机器学习、深度学习的算法，对磨损等多种摩擦学行为进行预测，来模拟较难达到的工况下的摩擦学数据。