油膜轴承是轧机的关键部件,因此,对油膜轴承的维护至关重要。日常的维护中,通常采用离线油液分析技术对其进行维护和诊断。为了解决传统油液监测技术不能实时、连续地反映设备运行工况的局限性,本课题提出了油液在线监测的方案。针对油膜轴承常见的故障形式,课题中选择了对油膜轴承润滑系统中润滑油的粘度、水分、温度和磨损量进行监测。系统首先通过各类在线传感器和相应的采集系统对润滑油的信息进行采集,然后将数据传送至计算机中进行分析和处理,从而实现实时监测。根据监测值和油膜轴承磨损相关性分析,一方面,通过水分、粘度变化的趋势图,来预测油膜轴承润滑系统中润滑油品质的变化；另一方面,通过磨损量变化趋势,来预测油膜轴承磨损变化。课题的核心是对油膜轴承磨损工况诊断的研究,磨损信息包括磨损量和磨粒识别,是以在线谱片的形式反映出来。磨损量即通过计算在线谱片中磨粒的浓度,根据磨损浓度的变化预测轴承的磨损趋势。磨粒识别中,通过神经网络的方法设计分类器,从而实现对磨粒的分类。分类器的输入参数为磨粒纹理特征中的能量、熵、方差和相关四个特征量,输出为油膜轴承的磨损状态。为了提高系统的精度和可靠性,课题中对磨粒在线谱片进行了增强、滤波、边缘提取等相关图像处理操作。最后,采用VC++、SQL和MATLAB混合编程的方法,完成整个系统的开发。同时,在实验室中对系统进行了测试,并结合离线分析,对系统的可行性进行了验证。