K-均值聚类法在机械设备铁谱监测技术中的应用

铁谱分析技术是润滑油液分析技术的主导技术,是机械设备工况监测和故障诊断的主要技术手段之一。铁谱片上磨损颗粒间的区分是磨损颗粒识别和诊断的基础。针对铁谱图像中磨损颗粒形状和颜色分布的复杂性,利用数字图像处理技术,采用K-均值聚类法,对铁谱彩色图像进行了分割处理研究。试验结果表明,K-均值聚类法可以有效地分割彩色铁谱图像,将磨损颗粒提取出来,为铁谱图像的后续处理工作奠定了基础。     

基于Faster R-CNN的齿轮箱铁谱磨粒识别

在利用铁谱技术对齿轮箱磨损状态进行评估时,存在磨粒特征提取困难且磨粒识别的数量有限的问题,基于铁谱磨粒图像特性,提出基于Faster R-CNN算法的铁谱磨粒识别。该算法采用ResNet-34网络完成铁谱磨粒特征自动提取,并采用RPN网络实现对图像中多个磨粒的识别。通过实验对Batch_Size和学习率超参数进行优化,使用超参数优化后的Faster R-CNN算法进行实验。结果表明:该方法克服了磨粒交叉引起的识别难点,能识别一副图像中的多个磨粒,能统计各类磨粒数量,且准确率较高;在磨粒背景颜色不同、存在噪声干扰等情况下,该方法仍能够准确判断磨粒类型,具有较好的稳定性。     

铁谱显微镜载物台自动行走装置的研制

铁谱分析技术中,人们借助铁谱显微镜观察磨粒的形态,分析磨粒的轮廓结构、表面纹理和颜色特征,获得被监测对象磨损程度、类型和零件的信息.这一过程对操作者的依赖程度很大,分析结果受到操作者的精神状态、知识结构和经验积累等因素的影响.随着计算机技术的发展,人们试图将计算机技术引人铁谱分析之中,通过开发相应的软件实现磨粒图像的分析与识别.在这一研究中,首先要解决的技术问题就是磨粒图像的采集.例如,用CCD摄像机直接采集铁谱磨粒图像,将图像的视频信号转化为数字信号,通过特征提取算法和设计分类器而达到磨粒识别的目的.为此,开发和研制铁谱显微镜载物台的自动行走装置,以便根据需要采集铁谱磨粒图像,是实现磨粒图像计算机识别的硬件基础之一.现结合笔者在这方面研究工作的尝试,介绍铁谱磨粒图像自动采集系统的总体构成和传动系统.     

自动阈值法在铁谱图像磨粒分割中的应用

铁谱图像处理、分析的目的就是要通过对图像中磨粒信息的研究来判断机械磨损形式及故障原因，而磨粒信息的获取依赖于铁谱图像磨粒的分割和磨粒特征的提取。本文将数学形态学中的自动阈值算法引入铁谱磨粒图像的分割中，利用MATLAB程序成功地完成了磨粒图像的分割，有助于实现铁谱磨粒的自动识别。     

基于在线铁谱图像的磨损机理智能辨识

基于状态的维护(Condition based maintenance,CBM)理念为机器健康状态维护提出了实时监测的新挑战。现有研究由于缺乏在线信息获取手段,磨损状态监测逐渐成为CBM的技术瓶颈。基于特征磨粒的磨损机理判断方法已经被广泛应用在离线磨损分析中,但是在线磨损机理的表征依然是一个很大的问题。针对基于在线铁谱图像的磨损机理开展研究。为了在一副在线铁谱图像中获得分离的磨粒图像,研究磨粒在在线铁谱传感器中的沉积机理。研究结果表明,磨粒链是图像中的主要形态,这是由于先前沉积的磨粒产生的局部磁场所致。设计一种依靠自适应调节沉积时间的在线磨粒沉积方法。运用该方法可以在在线铁谱图像中获得分离的磨粒,为特征磨粒的特征辨识提供了便利。参考分析铁谱知识,提取特征磨粒的4种形态学特征(当量尺寸、长径比、形状因子和分形维数)以综合表征4种典型磨损机理,包括正常、切削、疲劳、严重滑动磨损。采用反馈式人工神经网络构建自动磨损机理辨识模型。采用离线铁谱图像样本验证所建模型,结果表明该模型可以识别在线磨粒图像中的特征磨粒。对在线磨损机理表征方法进行了有意义的探索,所得研究成果将为在线磨损状态表征提供可行方法。     

自动阈值法在铁谱图像磨粒分割中的应用

铁谱图像处理、分析的目的就是要通过对图像中磨粒信息的研究来判断机械磨损形式及故障原因,而磨粒信息的获取依赖于铁谱图像磨粒的分割和磨粒特征的提取。本文将数学形态学中的自动阈值算法引入铁谱磨粒图像的分割中,利用MATLAB程序成功地完成了磨粒图像的分割,有助于实现铁谱磨粒的自动识别。     

铁谱图像的彩色纹理特征提取与识别

纹理是铁谱图像的特征之一,但大部分的铁谱图像的纹理研究是以灰度图像为基础的,这样就丢失图像的彩色纹理信息。对铁谱图像的彩色纹理特征进行了提取,运用支持向量机的方法,对铁谱图像的磨粒颗粒进行了识别,试验结果表明,所提取的特征值,有利于磨损颗粒纹理的识别。     

融合颜色与形状信息的铁谱磨粒链分割方法研究

为了对铁谱图像中的磨粒链进行有效分割,提高磨粒特征提取的精度,通过分析铁谱磨粒链图像不同区域的特点,提出一种融合铁谱图像颜色、形状特征信息的磨粒链分割方法。该方法首先基于形态学运算对磨粒链分割方法,对异常大磨粒进行提取并断开磨粒链黏连部分,然后利用标记分水岭与灰色聚类的方法对磨粒链进行分割,最后考虑到不同磨粒链颜色信息存在差异,结合自适应阈值法对灰色聚类进行改进,从而实现磨粒链的自适应分割。结果表明,相较于传统分割方法,提出的方法能有效避免过分割与欠分割,分割效果较好,适用性高,操作简单。     

磨粒的计算机识别方法的研究与评述

铁谱技术是以磨损颗粒分析为基础的诊断技术，目前是监测机械磨损工况与诊断磨损故障最为有效的方法。而磨粒识别又是铁谱诊断技术的关键环节。本文综合分析计算机技术在磨粒识别中的应用，将磨粒识别方法分为人－机交互磨粒识别法、半自动磨粒识别法和自动磨粒识别法３种，并对此进行详细分析与比较。     

磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态.铁谱的计算机图像分析技术是近年来研究的热点.基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本对网络进行训练,取得了较好的识别效果.     

多层次信息融合在铁谱图像磨粒识别中的应用

针对铁谱图像磨粒识别中异类信息综合利用率较低的问题,提出多层次信息融合的铁谱图像磨粒识别方法。首先,在铁谱图像二值化分割的基础上进行二值滤波,结合彩色铁谱图的R、G、B三分量,实现铁谱图像的彩色滤波。其次,以实际采集的磨粒图像样本为例,提取滤波后二值图像的形态特征,以及滤波后彩色图像的颜色特征;在特征层利用PCA对异类特征进行维数约简,并结合SVM和k-fold交叉验证,实现形态特征和颜色特征的特征层融合;在决策层将异类特征的SVM概率输出结果作为D-S证据理论的基本概率分配函数,实现形态特征和颜色特征的决策层融合。通过与形态学滤波结果对比,验证了本文提出滤波方法的优越性;其次,不同层次的信息融合结果表明,与单独使用颜色特征和形态特征相比,异类信息融合后可实现优势互补,有效提高故障磨粒的识别准确率。     

基于BP神经网络的铁谱磨粒图像识别方法研究

在磨粒识别过程中,铁谱磨粒图像预处理和特征参数提取是关键。应用图像形态学的处理方法对磨粒图像进行预处理,结果表明,利用开运算、闭运算的图像形态学处理方法对铁谱磨粒图像进行预处理,可以消除图像二值化后留下的孤立小碎点、孔洞以及边界断点。通过磨粒图像的统计特征参数和傅里叶特征参数建立BP神经网络,并对磨粒进行识别,结果表明:采用该方法能正确识别磨粒图像,辨别磨损机制。     

Study of grey relational grade identification for ferrography based on characteristic analysis of wear debris

Attention has been focused on how to achieve intelligent automation in ferrographic diagnosis in order to overcome the subjectivity of the diagnosis process. The present paper reports on a technique of characteristic measurement developed on the basis of the VC++ 6.0 programming platform, with characteristic parameters such as area, roundness, and aspect ratio being extracted from images of wear debris based on digital image analysis. However, the extraction of characteristic parameters from a ferrographic image is not the ultimate purpose of ferrographic diagnosis. The wear particles should be classified into several pre‐decision categories and their statistical distribution should also be calculated. The grey relational grade theory is introduced in this paper as a way to recognise wear debris and a new software system has been developed to deal with the problems occurring in the automation of ferrographic diagnosis. It is shown that the identification rules can be used to treat some real wear debris images with generally satisfactory results.     

Optimization of ferrographic oil analysis for diesel engine wear monitoring

An experimental investigation of the effectiveness of ferrographic methods applied to diesel engine wear monitoring was carried out. A series of car engines running in service were considered and the wear phenomena were studied on the basis of total particle density and large particle concentration trends determined through ferrographic analysis of oil samples.Results have shown that ferrography can be successfully used in this specific application.     

炼化设备油液分析诊断软件开发

介绍炼化设备油液分析诊断软件,该软件由铁谱定量分析模块、自动铁谱显微图像分析模块、油液分析数据库模块、磨损状态评判模块和诊断报告输出模块组成,通过铁谱分析仪、铁谱显微镜获取油样磨损信息,监测大型炼化设备润滑油品质量,并对磨损状况智能分级,为设备维护和管理提供依据。     

铁谱磨粒多重分形特征研究

为有效描述铁谱磨粒特征,提出用多重分形谱参数表达磨粒形态特征的新方法。选择盒计数法计算磨粒图像的多重分形谱,研究磨粒多重分形谱的有效性,分析磨粒多重分形谱参数的不变性和鲁棒性;确定磨粒图像预处理方法,并对4类典型磨粒的多重分形谱参数进行统计分析。结果表明:将多重分形谱参数应用于磨粒识别,总识别率为82.5%。磨粒具有明显的多重分形特性,可用多重分形谱参数来描述磨粒的形态特征;多重分形谱参数具有平移不变性,但对灰度变化和噪声干扰的鲁棒性较差,在提取多重分形谱参数时,需要对磨粒图像做严格的预处理。     

一种基于小波理论的铁谱图像反锐化掩模增强法

介绍了当前常用的图像增强技术,结合铁谱图像预处理研究了基于小波域的反锐化掩模法在图像增强中的运用,并给出了具体算法。实验结果表明,基于小波分析的图像反锐化掩模增强算法能够在控制噪声的同时有效地突出图像细节,改善图像质量。小波变换使得原始图像中不同分辨率的细节特征随尺度的不同而分离开来,避免了传统算法中通过不断调整滤波器窗口大小来选择增强效果的繁琐工作;运用不同尺度下的小波分量分别进行增强,原始图像中无论较粗还是较细的边缘都能同时得到增强,从而既能有效地检测出边缘又能突出图像的表面纹理细节。     

柴油机出厂磨合过程中磨粒特征参数的统计分析

利用计算机图象技术,本文对铁谱技术进行了改进。用大小磨粒的真实面积和替代了光密度值。对磨粒形貌的数字特征采用了时间过程分析技术,实现了形貌描述的定量化。研究中发现拉缸前大小磨粒出现两极分化现象,其磨损不以切削为主。提出了新的磨合监测指标,采用散射度、欧拉数等特征参数对磨合过程进行了监测,在一定程度上提高了磨损监测的准确性。