一种新的磨粒图像特征参数

探讨了小波分析在磨粒图像处理中的应用 ,提出了基于磨粒图像统计特征的粒度参数概念 .利用小波分解对磨粒图像进行分解 ,然后对分解的图像进行统计分析 ,实现磨粒图像的特征提取 .结果表明 ,粒度参数可以作为磨粒图像的综合特征参数     

图像的色彩分割技术在等差线处理中的应用研究

提出一种基于图像色彩分割的等差线提取新技术,即采用彩色图像卡和摄像机,以白光照射下应力模型在圆偏振光场中等差线条纹的颜色为标志,采用符合人类视觉特征的HSI颜色空间来表示图像的颜色特征,根据“最小色差准则”对等差线进行颜色聚类,实现等差线的快速、准确提取。     

基于图像的磨粒在线监测系统关键技术研究

针对磨粒在线监测系统开发要求,对其中的关键技术进行了深入研究.构建了基于显微图像分析和微泵进样的磨粒在线监测系统,给出了图像检测子系统和微流控分析芯片的详细设计原理和方法;利用粗糙集理论对磨粒特征参数进行了优化;根据系统光路特点,对磨粒图像进行了基于彩色特征的转换,并通过与背景图像的差值处理来快速提取磨粒目标.最后,利用颗粒计数器和铁谱分析技术对系统性能进行了检验,结果表明本系统磨粒统计与识别准确率分别达到90%和95%,具有较高的检测精度,满足磨粒在线监测要求.     

磨损磨粒的主成分聚类方法分析

采用主成分聚类分析理论对正常磨粒、滑动磨粒、切削磨粒和疲劳磨粒等4种不同磨粒表面纹理灰度共生矩阵进行分析,得到4个不同纹理方向的能量、熵、惯性矩、局部平稳性、相关、最大概率和方差7个参量.利用主成分理论求解,构造主成分方程,得到磨粒纹理参量主成分的二维分布,最后,通过聚类分析,将4种磨粒纹理参量的主成分划分为不同的聚类区域.结果表明:主成分聚类分类方法可以对磨粒的多参量进行聚类分析;主成分聚类分类方法对冗余数据具有较强地处理能力;多组主成分聚类分析方法具有互补性,特别适合多参量磨粒分类的信息融合处理.     

电感式磨粒传感器中铁磁质磨粒的磁特性研究

在电感式磨粒传感器中,铁磁质磨粒主要通过磁化作用改变传感器线圈的磁场分布,进而改变线圈的等效电感.建立了线圈中含有铁磁质磨粒时的磁场模型,得出了磨粒磁化场关于退磁因子的磁感应强度表达式.以球磨粒为例,通过计算球磨粒磁化场,得到球磨粒引起线圈电感变化率的解析式,并用有限元法计算了线圈的磁场,分析后发现:理论计算解与数值分析解相符,所建模型可以反映客观实际;磨粒的磁化强度由其磁导率和退磁因子共同决定,球磨粒的磁化强度可近似认为与磁导率无关;球磨粒引起的传感器线圈电感变化率随线圈单位长度上匝数的增加而减小,并趋向于一极限值;传感器线圈的电感变化率与球磨粒半径的三次方成正比,球磨粒半径在100μm以内,电感变化率在10-7数量级.本研究结论可为电感式磨粒传感器的设计提供理论指导.     

铁谱图像分析技术的应用研究

本文将计算机图像处理技术应用于铁谱定量分析,对谱片中各单个磨粒的特征参数进行统计,并根据统计模式识别理论设计了4类典型磨粒的分类器。利用统计参数,可以实现磨粒的自动识别分类和统计,大大提高了铁谱定量分析的准确性。     

基于粗集—神经网络的磨粒模式识别

应用粗集理论中最小约简的近似算法 ,对磨粒的形状参数进行约简 ,找出判断磨粒模式的形状参数长短轴比 Rt和圆度 Rd,同时采用这些参数训练神经网络以进行磨粒模式识别 .结果表明 :应用此算法 ,对 63个已知样本和历时 2年多对柴油机 1 4 5个润滑油油样进行制谱分析判断 ,准确率在 90 %以上 ,比原来用模糊识别的准确率提高了约 1 0个百分点 ;使用 BP网络减化了网络结构 ,使网络的训练速度加快 ,整个系统变得简单、可靠、有效     

基于径向基函数神经网络的磨粒识别系统

应用磨粒形状特征参数、颜色特征参数和表面纹理特征参数对磨粒形态进行量化表征，并以此为输入矢量，引入径向基函数神经网络对磨损微粒进行自动分类识别，建立了适用于磨粒识别的径向基函数神经网络模型，并给出了具体算法．应用实例表明，径向基函数神经网络的收敛速度和识别率优于传统的BP神经网络．     

室内惯性/视觉组合导航地面图像分割算法

导航技术是机器人实现自主移动的关键技术之一。针对惯性导航创建全局导航地图困难等问题,提出一种新的惯性/视觉组合导航室内全局地图创建方法。规定机器人只能在地面区域中移动,并利用室内俯视图像建立全局地图,提出一种俯视图像地面区域的自动分割算法。首先,利用主元分析算法对图像的局部颜色特征进行降维;其次,利用聚类算法对地面区域进行自动分割;最后,建立了室内俯视图像数据库并对算法的性能进行了验证。由于第四组图像中包含反光区域,算法的分割结果较差,平均正确分辨率为75%。算法在其他各组的平均正确分割率为85%左右。为提高算法的性能,可在应用本算法前利用反光区域检测算法对图像进行预处理。     

基于改进YOLOv4的扫描电镜磨粒图像智能识别

磨损颗粒分析是设备磨损故障诊断和预测的有效手段,为了提高磨粒检测的自动化和智能化程度,提出1种基于改进YOLOv4的目标检测算法,并应用于航空发动机扫描电镜磨粒图像识别.首先,新算法采用VoVNetv2-39替换YOLOv4原主干网络CSPDarknet53,并引入BiFPN特征金字塔结构与新主干相连,同时调整模型中所有3×3标准卷积为深度可分离卷积,以加强多层次特征融合,构造轻量级网络;其次,利用迁移学习解决扫描电镜磨粒图像数量较少的问题,并通过冻结训练加速模型训练过程;最后,应用实际发动机扫描电镜磨粒图像验证,结果表明：新算法相较于原YOLOv4网络,在保证精度的前提下,网络参数量大幅降低,识别速度提升51.1%,满足实际扫描电镜磨粒图像快速、简洁和高精度的检测需求,具备潜在的工程应用价值.     

图像可视在线铁谱仪的实验研究

研制出1种监测不透光润滑油中磨粒图像可视在线铁谱仪,介绍了其中关键零部件（混合磁铁和磨粒探测单元）的组成及其工作原理,并进行了性能试验研究．结果表明,所研制的图像可视在线铁谱仪具有采集不透光润滑油中尺寸大于10μm磨粒图像的功能,其稳定性、线性度和重复性较好,能够通过磨粒在线反映机器磨损的状态．     

两相流PIV粒子图像处理方法的研究

本文在单相PIV技术的基础上研究了两相流动PIV图像处理方法，采用摸板匹配法和灰度加权标定法对两相粒子进行了识别、区分和标定，采用灰度互相关法对区分后的单相粒子图像进行了处理，应用基于以上方法编制的Windows应用软件，首先对由美国Minnesota大学复杂流动实验室提供的两相流动粒子图片进行了处理，通过对比分析可见，应用本文所采用的方法能对两相粒子进行有效的识别和区分，然后以搅拌槽内液固两相流场为例对此方法进行了应用。     

基于图像传感器的在线铁谱仪的实验研究

介绍了一种新型在线铁谱仪的原理、性能和试验结果 ,该仪器通过 DSP计算遮光面积百分比、磨损指数以及分类特征大磨粒 ,能够判断被监测机器的磨损状态并预报异常磨损 .试验结果表明 ,所研制的仪器能较好地满足在线磨损检测的要求     

基于粗集—模糊理论的柴油机磨损模式识别

在总结柴油机磨损模式的磨粒分析基础上,首次提出在柴油机磨损模式识别中采用基于粗集和模糊理论相结合的模式识别方法。在建立磨损形式标准样本库的基础上,利用粗集理论对标准样本知识库进行简化和权重集计算,然后利用模糊理论确定隶属函数,最后给出结论。     

基于数字粒子图像的细水雾全场速度测量

水文通过利用激光片光照明细水雾喷雾场和采用数字成像系统获取了喷雾粒子的运动轨迹图像，进而通过研制相应的图像处理和分析软件，重建了细水雾雾场粒子的速度分布，本方法是直接对流场中的粒子成像。因而测量时无需施加示踪粒子对数字成像系统的图像获取速度要求不高，且在图像数据的分析处理方面不像DPIV技术的互相关算法，对示踪粒子的数密度有一定的限制，因此，本方法可用于不宜添加示踪粒子或流场中粒子数密度较低的喷雾场或其它两相流场中粒子速度场的测量。     

磨粒轮廓分形维数与磨损状态的关联性研究

在销-盘式摩擦磨损试验机上用45^#钢-铜摩擦副进行摩擦磨损试验，将试验过程中生成的磨粒经稀释和超声波分散后制成谱片，用扫描电子显微镜(SEM)及自行研制的由光学显微镜、摄像头及计算机构成的磨粒分形维数测量系统分析谱片特征．结果表明：磨粒的外形轮廓存在分形特征；磨粒群体平均分形维数随磨损过程的进行而变化，这种变化同铜合金试销的磨损率存在一定的对应关系．研究结果有助于揭示磨粒轮廓分形特征及磨损状态的转变．     

石墨粒度对Cu—Fe基摩擦材料性能的影响

采用ＭＭ－１０００型摩擦磨损试验机研究了石墨粒度对Ｃｕ－Ｆｅ基摩擦材料性能的影响。研究结果表明：随着石墨粒度的变化,材料的硬度提高而强度降低;材料及偶件的磨损增大;此外,石墨粒度对Ｃｕ－Ｆｅ基摩擦材料的摩擦系数也有所影响。