鐵譜技術(shù)以磨損產(chǎn)生的微觀顆粒為研究對象,通過分析機械設(shè)備中各種類型磨損顆粒的數(shù)量及趨勢,監(jiān)測機械設(shè)備所處的狀態(tài),進而預(yù)測機械設(shè)備可能發(fā)生的故障。在鐵譜技術(shù)中,磨粒圖像是反映機械設(shè)備內(nèi)部零部件磨損狀況的重要信息載體,磨粒特征分析是監(jiān)測對象實際狀態(tài)十分豐富而又有效的方法。磨粒識別是鐵譜分析的核心環(huán)節(jié),識別的正確與否,直接關(guān)系到磨損狀態(tài)診斷的正確性。隨著計算機技術(shù)的迅猛發(fā)展,將計算機視覺技術(shù)、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等引入鐵譜分析技術(shù)中,實現(xiàn)磨粒識別的智能化已成為鐵譜技術(shù)研究領(lǐng)域中的熱點和難點問題。由于圖像具有灰色特性,如圖像像素的灰度值、圖像的邊緣、圖像的噪聲及圖像分割閾值等等,近年來,灰色系統(tǒng)理論受到圖像工程領(lǐng)域研究人員的廣泛關(guān)注和重視,同時探討它在圖像工程中的可行性和有效性逐漸成為一個嶄新的課題。本文以鐵譜磨粒圖像的處理、特征提取及識別為背景,在運用灰色系統(tǒng)理論對磨粒圖像進行處理的基礎(chǔ)上對以下五個問題進行了研究。1.提高灰色預(yù)測模型精度研究研究發(fā)現(xiàn),影響灰色預(yù)測模型精度的主要因素有原始數(shù)據(jù)序列的光滑度、模型的背景值及模型的初值�；诖�,分別就上述三個影響因素對提高灰色預(yù)測模型精度進行了研... 

【文章來源】：東華大學上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：205 頁

【學位級別】：博士

【部分圖文】：

一l三種系統(tǒng)及轉(zhuǎn)化

為了進一步測試該算法對各種噪聲的抵抗性能，對原圖分別加入強度為0.01的Salt&pepperl噪聲、Gaussianl噪聲、Speekle噪聲及poisson噪聲后進行檢測，檢測結(jié)果女f}圖4一n—圖4一13所示，其中4.1.3部分算法選取的閩值為0.97，4.1.吐部分算法選取的閩值為0.86，4.1.5部分算法選取的閩值為5。妙妙妙妙(小alt&pepPerJ噪聲(b)gat.ssia;飛l噪z臺(e)Speckle噪聲圖4一10噪聲污染圖像(d)Poisson噪聲

I.場淤滲洶(OC:，。1，1)算子(g)Zeroeross算子(l、)4.13檢測算法(i)4.1.4檢測算法臼)4.1.5檢測算法圖4一9各種邊緣檢測算子比較對于原圖中小貓右耳上一個白色像素檢測的情況:Sobel算子、PI-ewitt算子、LOG算子、零交叉法無法檢測，Calllly算子檢測出4個像素，但邊緣不連續(xù)。對于原圖中小貓左眼珠的檢測情況:Sobel算子和Prewitt算子不能檢測出貓的左眼珠。對于原圖cat中小貓鼻.子右邊一個黑色像素的檢測情況:Sobel算子、Pfewitt算子、Log算子、零交又法、Callny算子及Robert算子都不能檢測出這一黑色像素。而本文提出的三種算法均能準確地檢測出，這表明本文的檢測方法是有效和可行的，能夠得到較好的檢測結(jié)果。 4.1.6.2抗噪聲試驗為了進一步測試該算法對各種噪聲的抵抗性能，對原圖分別加入強度為0.01的Salt&pepperl噪聲、Gaussianl噪聲、Speekle噪聲及poisson噪聲后進行檢測，檢測結(jié)果女f}圖4一n—圖4一13所示，其中4.1.3部分算法選取的閩值為0.97

【參考文獻】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)信息融合的發(fā)動機磨損磨粒識別[J]. 李艷軍,羅鋒.  潤滑與密封. 2009(04)
[2]磨粒識別神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的設(shè)計與實現(xiàn)[J]. 陳學峰,梁培鈞.  艦船電子工程. 2009(01)
[3]一種基于灰色關(guān)聯(lián)度的椒鹽噪聲濾波算法[J]. 張素文,褚乃強.  紅外技術(shù). 2008(11)
[4]灰色關(guān)聯(lián)度和模糊熵相結(jié)合的圖像分割算法[J]. 劉媛媛,劉文波,甄子洋,張弓.  光電子.激光. 2008(09)
[5]基于相對隸屬度的發(fā)動機磨損模糊模式識別[J]. 王南蘭,李曉峰.  車用發(fā)動機. 2008(04)
[6]基于熵權(quán)的圖像分割性能灰色評判[J]. 俞峰,楊成梧.  兵工學報. 2008(08)
[7]基于灰模型白化響應(yīng)的邊緣檢測算法[J]. 黃晨華,謝存禧,張鐵.  華南理工大學學報(自然科學版). 2008(08)
[8]基于雙樹復(fù)數(shù)小波的結(jié)構(gòu)相似度測量法[J]. 趙武鋒,沈海斌,嚴曉浪.  浙江大學學報(工學版). 2008(08)
[9]基于信息融合技術(shù)的多模型磨粒智能識別方法[J]. 李兵,張培林,任國全,李國璋.  潤滑與密封. 2008(06)
[10]基于灰色絕對關(guān)聯(lián)度邊緣檢測的多源遙感影像加權(quán)IHS融合[J]. 袁林山,杜培軍,王莉,張華鵬.  地理與地理信息科學. 2008(03)

博士論文
[1]灰色系統(tǒng)建模技術(shù)研究[D]. 謝乃明.南京航空航天大學 2008
[2]發(fā)動機故障圖像的三維測量、視覺重建與識別方法研究[D]. 于輝.南京航空航天大學 2002
[3]基于磨粒分析和信息融合的發(fā)動機磨損故障診斷技術(shù)研究[D]. 吳振鋒.南京航空航天大學 2002

碩士論文
[1]灰色趨勢關(guān)聯(lián)分析及其應(yīng)用[D]. 彭文菁.武漢理工大學 2008
[2]鐵譜磨粒圖像預(yù)處理與磨粒識別技術(shù)研究[D]. 沈如蕓.昆明理工大學 2008
[3]磨損顆粒的特征分析與自動識別技術(shù)研究[D]. 趙孟軍.合肥工業(yè)大學 2008
[4]基于灰色系統(tǒng)理論的圖像去噪算法研究[D]. 魯勝強.武漢理工大學 2007
[5]基于數(shù)字圖像處理技術(shù)的磨粒圖像分析與識別方法的研究[D]. 劉建輝.北京交通大學 2007
[6]灰色關(guān)聯(lián)度的研究與應(yīng)用[D]. 周秀文.吉林大學 2007
[7]基于灰色系統(tǒng)理論的信息隱藏技術(shù)研究[D]. 王海軍.西北工業(yè)大學 2007
[8]磨粒的特征參數(shù)優(yōu)化與集成識別方法研究[D]. 周志紅.武漢理工大學 2007
[9]顯微圖像自動采集與處理技術(shù)研究[D]. 薛林俊.南京航空航天大學 2007
[10]灰色關(guān)聯(lián)分析模型及其應(yīng)用的研究[D]. 曹明霞.南京航空航天大學 2007



本文編號：3522808