机械动力传动系统作为航空航天、交通运输、电力及石化等领域高端装备的重要组成部分,在国防与国民经济领域中发挥着重要作用,一旦其发生故障将损失巨大。而齿轮作为动力传动系统中最关键的部件,其磨损状态将直接影响着机械系统的可靠性和安全性。工程实践中,人们期望能够对齿轮的磨损状态、磨损趋势做到在线监测,进而能防微杜渐,防患于未然。润滑油磨粒在线监测技术能够实现润滑油中磨粒的实时、连续、在线监测从而将传统的预防性维修变成视情维修,有助于机械设备维修制度向智能化方向的发展。故研究如何将在线磨粒监测诊断技术应用到齿轮磨损状态监测、磨损趋势预测中,具有重要的学术和工程应用价值。本文开展了基于润滑油磨粒在线监测的齿轮磨预测模型研究。论文主要研究内容如下:首先,建立了润滑油磨粒在线监测试验系统。根据磨粒监测试验需求,针对MCL-1型封闭功率流式试验台,提出了油路系统设计方案。在齿轮箱回油路组装润滑油磨粒在线监测传感器ZXA-07及回油泵,在供油路增设两级过滤系统以实现泵前粗过滤器和泵后精过滤,以及用于连接过滤系统和磨粒传感器的辅助装置;建立了远程监测控制系统,实现了试验系统运行状态的远程控制。第二,开展了齿轮磨损过程中润滑油磨粒在线监测试验研究。根据试验目的设计了试验方案,选择试验齿轮参数及试验润滑油,确定试验载荷及转速;开展齿轮磨损试验,对试验数据进行分析,分析了润滑油磨粒特征参数随齿轮磨损的变化规律。第三,提出了基于遗传退火优化的小波神经网络(GA-WNN)预测模型。首先通过用小波元对BP神经网络隐含层神经元的替换,建立小波神经网络;然后针对小波神经网络的初始权值、阈值、尺度因子、平移因子初始参数的优化问题,提出了采用遗传退火(GA)算法对其进行优化;最后利用已优化的网络初始参数进行网络训练,得到预测模型。最后,开展了基于润滑油磨粒在线监测的齿轮磨损预测研究。通过应用实例对提出的预测模型进行了验证;利用数据挖掘中常用的数据清洗方法对传感器监测的磨粒特征数据进行了清洗;利用GA-WNN建立基于时间序列的齿轮磨损预测模型,对齿轮磨损趋势进行了预测。