机械制动器是各类交通运输车辆和机械设备的重要安全保障装置,以盘式制动器的实际使用更为广泛。制动器摩擦性能直接影响其制动性能,从而对机械系统的制动可靠性与运行安全产生重要影响。制动器摩擦状态的异常变化,往往会直接导致制动事故的发生。长期以来,研发各种高性能摩擦材料,并研究其摩擦磨损性能及机理,一直是提高制动器制动效能与可靠性的主要技术方向,但实际上任何一种高性能摩擦材料也不可能无限制承受各种恶劣外部因素的影响。因此,对制动器摩擦状态进行在线监测,进而对制动器由于摩擦性能劣化引发的各种故障进行诊断与预报,应是从根本上避免制动事故发生的一种有效技术手段。本文将机械制动器由于摩擦状态异常变化而导致其制动性能显著下降或制动失效的现象统称为“摩擦故障”,以盘式制动器作为研究对象,以避免摩擦故障引发的制动事故为研究目标,开展有关制动器摩擦性能客观表征、摩擦状态信号处理以及摩擦故障模式识别、融合诊断与智能预报等方面的基础理论与技术方法研究,研究结果对于提高机械制动器工作可靠性、避免重大恶性制动事故发生具有重要理论意义和实用价值。首先,基于制动器摩擦学试验典型结果曲线,对制动过程中的摩擦系数、摩擦温升、摩擦振动与摩擦噪声等摩擦状态信号的变化规律进行分析,从时间、大小、趋势、稳定性四大特征出发,提炼能全面反映制动摩擦过程变化特征的摩擦性能表征参数,构建了包含摩擦系数、摩擦温升、摩擦声振三大子集共25个参数的制动器摩擦性能客观表征参数集。其次,基于小波分析方法,研究建立了能够对摩擦系数信号进行降噪和特征提取的信号处理技术;基于红外测温法的测温特征,研究了摩擦温升多点红外监测方法以及红外测温信号的滤波处理技术,利用支持向量回归机建立了制动器摩擦温升信号的同类多点信息融合分析监测模型;基于摩擦声振客观表征参数集和谐波小波包变换等频谱分析技术,研究了摩擦声振信号的处理方法,分析了摩擦振动和摩擦噪声信号之间的内在联系及其所包含的制动过程摩擦磨损特征。再次,基于制动器摩擦性能客观表征参数集,采用主客观综合集成赋权的方法,提炼了摩擦系数、摩擦温升和摩擦声振三大摩擦故障特征参量,并据此对制动器摩擦故障等级进行了定义和分类;针对制动器摩擦故障特征和故障数据特点,构造了摩擦故障模式多类分类器,基于支持向量分类机建立了制动器摩擦故障模式识别与融合诊断模型;针对监督学习的局限性,研究了基于稀疏编码K-SVD算法的摩擦故障诊断方法,通过对原始数据的字典学习,实现了对未知频域摩擦信号的分类识别,并利用MATLAB设计了稀疏编码摩擦故障诊断人机界面。最后,基于前人对制动器“摩擦突变”行为及机理的研究结果,将制动过程中制动器摩擦面温度达到摩擦材料热分解温度的现象界定为恶性摩擦故障,提出了基于预测制动器最大摩擦温升来预报其恶性摩擦故障的研究思路;利用神经网络算法理论,构建了基于BP神经网络的制动器摩擦温升智能预测模型;基于神经网络在线再学习机制,建立了制动器恶性摩擦故障的在线预报方案;基于盘式制动器模拟制动试验台,改造搭建了盘式制动器摩擦故障在线诊断试验系统,对前述的信号处理方法及人工智能模型进行了软件集成,并开展了盘式制动器摩擦故障在线诊断和预报试验。理论分析和试验结果表明:本文构建的摩擦性能客观表征参数集综合考虑了时间、大小、趋势和稳定性等四大变化特征,能够较为客观地表征机械制动器的摩擦性能;小波分析方法能够对摩擦系数进行有效的降噪和能量特征系数提取;基于红外测温的摩擦温升多点监测方法和滤波技术,能够对制动盘不同位置处的温度进行有效监测和滤波处理,利用支持向量回归机建立的同类多点温升融合分析模型,其离线仿真和在线试验的最大相对误差分别为1.2%和2.1%,可较好地实现对制动器摩擦温升的回归预测;利用谐波小波包变换方法对摩擦振动信号进行分解和重构,可有效提取其在制动摩擦过程的变化特征,结果与摩擦系数在不同阶段的摩擦磨损机理相吻合;基于专家评判与灰色关联度相结合的主客观集成赋权方法得到的三大摩擦故障特征参量,以及基于阈值法定义的摩擦故障等级,应能作为制动器摩擦故障模式识别的有效指标;基于支持向量分类机建立的摩擦故障模式识别与融合诊断分类模型,其离线仿真和在线试验的故障诊断准确率均达到了95%以上,具有较高的预测准确率;基于稀疏编码K-SVD算法建立的摩擦故障诊断方法,不仅对于已知故障类型的测试数据具有很高的识别准确率,而且也可以实现对未知类型频域摩擦信号的分类识别;基于BP神经网络建立的摩擦温升智能预测模型,其预测最高温度与实际最高温度的相对偏差在6%范围之内,能够在时间尺度上对当次制动的最大摩擦温升提前作出较为精确的预测;基于在线再学习机制,神经网络样本和学习经验不断得到丰富,当样本数据从300组在线累加到6000组时,其温度预测准确率提高了约17%;基于盘式制动器模拟制动试验台搭建的制动器摩擦故障在线诊断试验系统,实现了对摩擦温升在线融合监测、摩擦故障在线诊断以及恶性摩擦故障提前预报等模型的试验验证。