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,并以磨粒样本都对网络进行训练,取得了较好的识别效果。     

基于信息融合技术的多模型磨粒智能识别方法

磨粒能够直接反映发动机的磨损过程和磨损状态,对磨粒的准确识别是实现发动机故障诊断和状态监测的关键环节.针对单一的智能方法在磨粒识别中的局限性,提出了一种基于信息融合技术的多模型磨粒智能识别方法.首先利用灰色关联度、模糊优选和神经网络模型对磨粒进行识别,得到3组初始识别结果,归一化后作为3组基本概率分配函数,利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一智能模型相比,提出的识别方法提高了磨粒识别的区分度和准确率,并具有良好的通用性、适应性和容错性,为发动机磨损磨粒识别提供了一种新的有效的方法.     

基于链码的金属磨粒分形参数计算

介绍了基于链码的磨粒分形参数及其计算方法，采用编写的磨粒识别程序，对不同磨损阶段测得的磨粒分布数进行分析，可以得到磨粒二重分形参数和拐点数值，发现磨粒分布分形维数的变化与磨损状态改变相对应。该方法用于磨粒分形特征与磨损状态相关性规律的研究识别，简便快捷。     

人工神经网络在铁谱技术磨粒识别中的应用

铁谱技术在机械设备状态监测中得到了广泛的应用，磨粒识别是铁谱分析的一个关键环节，本文提出了一种基于神经网络的磨粒识别方法，利用前馈型神经网络模型对七种典型磨损磨粒进行了实例分析识别，取得了令人满意的结果。     

油液在线监测系统中的磨粒识别

针对机械设备磨损状态监测要求,构建了基于显微图像分析的油液在线监测系统.根据系统的光路特点,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.基于最小二乘支持向量机设计了两类磨粒分类器,并利用粒子群优化算法对最小二乘支持向量机模型中的参数进行了优化选取.在此基础上,根据磨粒识别体系,设计了磨粒综合分类器.最后,利用铁谱分析技术对系统性能和识别效果进行了检验,结果表明,系统的识别精度达到95%以上,满足磨粒在线监测要求.     

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。     

基于yolov5在线可视铁谱图像磨粒多目标识别方法研究

鉴于在线图像可视铁谱获取的磨粒谱片图像分辨率低,磨粒种类复杂多变,磨粒图像背景复杂等问题,使得磨粒在线智能识别面临挑战。为了实现在线可视铁谱图像磨粒多目标实时检测与识别,提出基于yolov5在线可视铁谱图像磨粒多目标识别方法。以正常磨损磨粒、疲劳磨损磨粒、滑动磨损磨粒、球形磨粒、氧化磨损磨粒、切削磨损磨粒6种磨粒作为研究对象,基于yolov5深度神经网络模型对复杂油液环境下的异常磨损磨粒进行分割与识别。结果表明：基于yolov5算法的磨粒智能识别模型能够实现复杂环境下多目标、多类型磨粒在线实时识别,其识别速度和准确率基本满足油液在线监测需求,为装备在线图像可视铁谱技术工业化应用提供了技术支撑。     

发动机铁谱磨粒分析与磨粒识别研究

从发动机摩擦副及其摩擦磨损特点着手，提出了用于发动机磨损状态监测与诊断的主要10类磨粒，依据其识别特征提出了用于磨粒识别的14个磨粒形状、表面纹理与颜色特征；最后应用BP网络分层识别策略进行了磨粒识别。     

图像颜色特征提取在铁谱图像分类及磨粒识别中的应用研究

铁谱图像所包含的彩色信息对磨粒识别、磨损形式分析非常重要。对图像分类技术进行研究，主要对铁谱图像的颜色特征进行研究，提出了聚类树分析、模糊聚类技术与统计分析相结合的定量研究方法，对铁谱图像进行背景、磨粒区域分割，以获得可进行定量分析的磨粒。计算的颜色特征为铁谱图像的进一步处理和识别以及磨粒的机器自动识别、磨损形式分析奠定了基础。     

磨粒特征随滑动磨损进程的变化规律

为提高基于磨粒的机器状态监测的准确性,研究了磨粒特征随滑动磨损进程的变化规律.在球一盘磨损试验机上模拟可靠润滑和润滑不足2种工况下的摩擦磨损试验,分析了磨损过程中不同磨损阶段的磨粒尺寸分布和磨粒表面粗糙度,探讨了磨损进程中磨粒尺寸分布与磨粒表面粗糙度之间的关系.研究结果表明磨损进程中的磨粒特征的变化对机器状态监测极为有效.