磨损表面形貌直接反映机械零件的磨损、疲劳和腐蚀等特征行为，不同磨损过程后的磨损表面形貌差别很大，不同的摩擦表面状态也会影响摩擦副的性能，因此，磨损表面形貌是判定磨损机理最直接、最主要的判据。磨粒是摩擦磨损过程中生成的副产品，含有丰富的关于材料表面摩擦、磨损的信息，其数量、大小、形状、颜色、形貌及结构特征等与磨粒产生时的系统状态以及材料的磨损方式密切相关。因此磨粒是较容易获得的能够反映摩擦学系统时变特征的系统输出变量，对磨粒进行分析是确定摩擦副系统特性的主要内容之一。对在工业实际应用的机器设备的摩擦学系统而言，磨粒易于获得，但磨损表面形貌无法直接获取，因此，研究基于磨粒表面特征的磨损表面预测具有重要的意义，这一研究不仅有助于在机器不停车、不拆卸的运行状态下，充分运用可实时采集和测量的磨粒三维表面信息建立磨损表面的评估模型，实现摩擦学系统的状态辨识，达到机器故障诊断的目的，而且有助于为摩擦学仿真的研究提供有意义的数据和理论支持。但是迄今为止，磨粒表面形态与磨损表面之间的联系的研究还很欠缺，缺少这些研究的一个主要原因是很难得到可靠的磨粒表面高度数据来进行表面定量分析。作者基于激光共焦显微镜的前期研究成果已使得这一难题已经解决。本文的基本思路是首先选择合理的参数来识别磨粒类型。获得磨损过程中具有典型性和代表性的磨粒类型。然后选取这些具有代表性的磨粒类型，获得磨粒的表面特征向量，进而实现基于磨粒表面信息的磨损表面特征评估。 研究基于磨粒表面特征的磨损表面预测时，磨粒和摩擦副的磨损表面特征主要用如下参数来描述：表面平均粗糙度Sa、表面斜度Szk、表面峭度Sku、表面纹理指数Stdi。为了实现这一目的，首先需要针对一些典型磨损阶段和不同的失效模式。建立磨粒表面和磨损表面特征模式的对比数据库，具体的技术路线和实现方法如图所示。对典型摩擦副不同磨损阶段和典型失效模式进行模拟试验，收集油样，进行磨粒类型识别，获得磨损过程中具有代表性的磨粒类型，获得这些磨粒类型的表面特征参数，同时分析磨损表面，获得磨损表面特征参数，形成磨损表面和磨粒表面的特征模式数据库。获得这一数据库后，用信息融合方法建立相应磨损失效模式下的预测评估模型。