铁谱图像识别的理论与方法研究

发布时间：2020-10-11 07:14

　　 铁谱技术通过对磨粒形态、数量、尺寸分布和成分等特征的分析，能够查明机器润滑与磨损故障的模式、程度及机器所处的状态，确定故障发生的原因，从而为进一步地设备维修决策提供依据。铁谱图像识别技术把计算机图像处理技术与铁谱分析相结合，具有较大的客观性，对磨粒的识别能实现快速、有效、定量分析，是目前磨损诊断和铁谱分析领域的热门研究方向。 本文将人工免疫算法应用到铁谱磨粒图像识别中，设计了基于人工免疫系统的磨粒分类器WPCAIS(Wear Particle Classifier Based on Artificial Immune System)，对人工免疫系统模式识别的一个新的应用领域进行探索，也提供了铁谱磨粒图像识别的一种新方法。 本文的主要内容有： 1．论述了选题的背景和意义；介绍了机械设备故障诊断技术、油液分析技术、铁谱技术以及人工免疫系统；结合选题要求，阐述了本文的主要研究工作。 2．探讨了铁谱磨粒图像的获取方法，并从计算机的图形文件中将数字化磨粒图像读取到MATLAB用于分析处理；论述了磨粒图像预处理的方法：图像分割、图像滤波、图像边缘检测以及图像细化，分析对比了运用相关方法处理原始图像后的效果，得出了铁谱磨粒图像处理的一般步骤；分析了不同种类磨粒的特征，并列出磨粒的形状尺寸、纹理和颜色的特征参数。 3．阐述了人工免疫算法的各种生物模型以及衍生出的各种算法，包括一般免疫算法、阴性选择算法、免疫学习算法、克隆选择算法等。 4．将人工免疫算法应用到铁谱磨粒图像识别中，设计了磨粒分类器WPCAIS。以磨粒样本的形状因子、欧拉数和填充度作为特征向量，对滑动磨损、切削磨损、正常磨损和疲劳点蚀四种磨损类型分类，并进行了分类器的仿真试验，得到较好的分类效果。 本项目受国家自然科学基金项目资助(项目批准号：50375141)
【学位单位】：浙江大学
【学位级别】：硕士
【学位年份】：2006
【中图分类】：TH117.1
【文章目录】：
摘要
ABSTRACT
目录
第一章 绪论
    1.1 选题的背景及意义
    1.2 机械设备故障诊断技术
    1.3 油液分析技术
    1.4 铁谱技术
        1.4.1 铁谱技术原理
        1.4.2 铁谱分析仪器
        1.4.3 铁谱技术的发展
        1.4.4 铁谱磨粒图像识别技术
    1.5 人工免疫系统
        1.5.1 人工免疫的生物学基础
        1.5.2 人工免疫系统的概念
        1.5.3 人工免疫系统的研究内容和范围
        1.5.4 人工免疫系统的发展及现状
    1.6 课题来源
    1.7 本论文的主要研究工作
        1.7.1 研究目的及方法
        1.7.2 论文的结构框架
第二章 铁谱磨粒图像处理
    2.1 磨粒图像的获取和预处理
        2.1.1 磨粒图像的获取
        2.1.2 磨粒图像的预处理
    2.2 磨粒形态特征提取
        2.2.1 磨粒种类
        2.2.2 磨粒特征
        2.2.3 特征提取
    2.3 小结
第三章 人工免疫算法研究
    3.1 一般免疫算法
    3.2 阴性选择算法
    3.3 免疫学习算法
        3.3.1 免疫学习
        3.3.2 免疫学习算法
    3.4 免疫进化算法
        3.4.1 利用疫苗的免疫算法与免疫规则
        3.4.2 基于抗体多样性的免疫遗传算法
        3.4.3 基于免疫网络理论的免疫遗传算法
        3.4.4 基于免疫更新机制的遗传算法
    3.5 克隆选择算法
        3.5.1 克隆选择
        3.5.2 克隆选择算法
    3.6 免疫Agent算法
    3.7 小结
第四章 铁谱磨粒分类器设计
    4.1 引言
    4.2 分类器的设计思想
        4.2.1 自体与非自体
        4.2.2 抗原与抗体
        4.2.3 抗体和抗原编码
        4.2.4 亲和力
        4.2.5 自体耐受与非自体耐受
        4.2.6 克隆选择
        4.2.7 分类
    4.3 模型学习过程
        4.3.1 系统模型原理
        4.3.2 具体学习过程
    4.4 模型对应的算法
    4.5 系统实现
        4.5.1 训练模块
        4.5.2 识别模块
        4.5.3 系统性能评价指标
    4.6 仿真试验
        4.6.1 磨粒图像样本的获取
        4.6.2 铁谱磨粒图像样本数据的建立
        4.6.3 试验条件
        4.6.4 试验设置
        4.6.5 磨粒分类器的设计
        4.6.6 磨粒分类结果分析
    4.7 小结
第五章 结论与展望
致谢
攻读硕士期间发表论文
参考文献

【引证文献】

相关博士学位论文 前1条

1 李俊峰;灰色系统理论及其在铁谱磨粒图像处理中的应用研究[D];东华大学;2010年

相关硕士学位论文 前4条

1 范君;磨粒图谱识别系统研究[D];浙江大学;2007年

2 沈如芸;铁谱磨粒图像预处理与磨粒识别技术研究[D];昆明理工大学;2008年

3 王新宇;基于小波变换的韧窝形貌分析模型的设计及其应用研究[D];江苏大学;2009年

4 郭鑫鑫;钢韧窝的测量分类系统的设计及其应用研究[D];江苏大学;2009年

本文编号：2836262