[发明专利]摩擦材料界面自愈终止状态预测方法、系统及存储介质

权利要求书

1.一种摩擦材料界面自愈终止状态预测方法，其特征在于，包括：

基于预先制备的归一化损伤样件，获取摩擦界面的表征参数，并选取三种与摩擦材料自愈终止状态相关的因素；

将三种与摩擦材料自愈终止状态相关的因素下获得的摩擦界面的表征参数作为输入数据，输入构建的多输入输出的PSO-LSTM神经网络预测模型，并对PSO-LSTM神经网络预测模型进行优化；

根据优化后的PSO-LSTM神经网络预测模型，输出愈合终止状态的损伤的宽度和深度值、表面粗糙度值、摩擦系数均方差值、损伤边界硬度值和自愈时间，完成预测。

2.如权利要求1所述摩擦材料界面自愈终止状态预测方法，其特征在于，预先制备的归一化损伤样件，包括：

损伤样件采用的摩擦副的结构，包括一个摩擦盘与对偶钢盘；

通过研磨柱销对摩擦盘产生局部研磨，模拟摩擦盘表面由于硬质磨粒磨损而出现轻微犁沟磨损；

根据设定的加载压力、电机目标转速、滑摩时间和环境温度，使所有损伤样件的犁沟深度和宽度保持在预设的范围内，所有样件初始面粗糙度处于同一水平。

3.如权利要求1所述摩擦材料界面自愈终止状态预测方法，其特征在于，获取摩擦界面的表征参数，并选取三种与摩擦材料自愈终止状态相关的因素，包括：

基于摩擦系数均方差、表面粗糙度、犁沟宽度与深度和损伤边界表面硬度五个表征参数，损伤样件在设定工况下滑摩不同时间；

获得表面形貌、损伤边界表面硬度和金相显微成像信息，同步采集全过程的摩擦系数，根据所有参数信息判断自愈程度，表征自愈终止状态；

选取温度、压力和转速三种影响因素，以获取三种因素影响下的自愈终止状态表征参数与自愈时间变化规律。

4.如权利要求3所述摩擦材料界面自愈终止状态预测方法，其特征在于，自愈终止状态表征参数与自愈时间变化规律，为：

在某一因素下，将其余两种因素进行固定设置，使摩擦样件在不同温度下均滑摩预设时间，获得自愈终止状态表征参数；

按照原工况继续滑摩，直至自愈终止状态表征参数呈现一致判别趋势，到达自愈点；

同时观察金相显微照片，通过摩擦界面材料的迁移情况和新相的形成来作证自愈的完成。

5.如权利要求1所述摩擦材料界面自愈终止状态预测方法，其特征在于，PSO-LSTM神经网络预测模型，包括：

将输入数据进行归一化处理，并划分训练集和测试集；

采用PSO粒子群算法寻找最佳超参数，参数包括中间层神经元个数和学习率；

以PSO粒子群算法得到的神经元个数作为LSTM网络的隐藏层中神经元的数量，并设置LSTM网络的其他参数，包括输入序列的长度和输出序列的长度，采用深度学习层函数创建LSTM网络；

设置优化器类型、最大训练轮数、梯度阈值和学习率，该学习率为以PSO粒子群算法得到的学习率；

采用训练数据训练LSTM网络，并采用trainNetwork函数来训练网络，训练完成后得到LSTM模型。

6.如权利要求5所述摩擦材料界面自愈终止状态预测方法，其特征在于，PSO-LSTM神经网络预测模型的性能测试，包括：

采用测试数据测试LSTM网络的性能，并采用predict函数对测试数据进行预测，计算预测相对误差；

可视化预测结果，采用绘图函数绘制预测结果和真实结果的对比图和相对误差图，以判断LSTM模型预测的准确性。

7.如权利要求1所述摩擦材料界面自愈终止状态预测方法，其特征在于，输出损伤的宽度和深度愈合终止状态、表面粗糙度终止状态、摩擦系数均方差终止状态、损伤边界硬度终止状态和自愈时间，完成预测，包括：

若摩擦系数均方差、表面粗糙度、犁沟宽度与深度和损伤边界表面硬度五个表征参数都达到终止状态的数值，且都达到终止状态后的时间为自愈时间，则完成摩擦材料界面自愈终止状态预测。