基于KPCA的航空发动机滑油滤磨屑图像识别

针对目前航空发动机滑油滤的检查仍处于目视定性检查水平,检查结果依赖人员的经验,既主观又无定量依据的现状,研究了基于图像识别的航空发动机滑油滤磨屑检测技术。首先构造了油滤图像检测硬件系统;然后提出了利用核主成分分析(kernel principle component analysis,KP-CA)对滑油滤图像进行特征提取的方法;最后,利用实际采集的滑油滤图像进行了实例分析,并与普通的主成分分析(principle component analysis,PCA)方法进行比较。结果表明,KPCA方法可以更为有效地提取出滑油滤图像的磨损状态特征,能够有效地提高发动机磨损故障预报的准确率。     

基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取方法研究

针对航空发动机滑油光谱诊断专家系统的知识获取问题,本文建立了基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取模型。首先建立反映光谱元素浓度及元浓度梯度与发动机磨损故障之间关系的典型故障样本集;然后运用粗糙集理论的离散、约简及规则提取等算法,从大量的故障样本中自动获取知识规则,并将知识规则存储于专家系统知识库中;最后,建立推理机,运用一定的推理策略实现发动机磨损故障诊断。本文利用航空发动机实测的油样光谱数据对所建立的粗糙集知识获取方法,进行了实例验证。     

某型航空发动机台架滑油系统颗粒监控标准研究

在航空发动机台架试车过程中,运用先进的滑油颗粒监测设备,开展发动机台架滑油系统颗粒监测实验,探索滑油系统颗粒变化规律;通过对某型航空发动机台架滑油系统进行分析,确定滑油取样位置和时机;运用三线值法制定发动机台架滑油系统颗粒监控标准并进行实例验证分析。结果表明,该监控标准合理可行,为监控发动机零部件磨损情况和台架滑油系统污染程度提供参考。     

套管磨损磨屑的定量定性分析方法研究

从理论上分析了正常循环的钻井液系统中磨屑浓度与井下套管摩擦学系统磨损速率之间的关系,证实可以通过对钻井液出口处的磨屑的收集和分析,及时发现井下套管及相关摩擦副的磨损变化.并根据现场监测的特点,选取单位时间磨屑浓度作为监测参数,利用统计分析法建立了自适应修正的磨损状态监测标准;讨论了套管典型磨损状态磨屑的形貌特征,利用这些特征,可对收集的磨屑进行分类识别,进而了解井下摩擦副在当前阶段所处的磨损性质,掌握套管磨损的主导机制,从而对磨损的严重程度和可能变化趋势作出评估.     

滑油磨粒信号的变分模态分解和概率密度估计

航空发动机磨损产生的磨粒会随润滑油在管路中流动,由于磨粒尺寸小且航空发动机工况复杂,如何实现滑油磨粒检测信号的特征提取成为系统的关键技术。提出一种基于变分模态分解(VMD)和概率密度估计的微弱信号处理方法,用于滑油磨粒检测信号处理。利用VMD获取检测信号的特征直流分量,明确直流分量的概率密度分布,以其分布均值估计滑油磨粒形成的电容值。经过仿真分析和实验验证,使用该方法能使检测系统有效分辨500μm的滑油磨粒,表明该方法能有效提高检测系统信噪比,消除噪声对微弱信号检测的干扰,改善滑油磨粒电容成像检测的性能。     

基于ABC-BP神经网络的航空发动机故障诊断方法

为有效诊断发动机机械磨损故障,根据滑油金属磨屑建立基于ABC-BP神经网络故障诊断模型。模型针对BP神经网络的缺陷,利用人工蜂群优化BP神经网络,在初始化参数时将BP神经网络的误差函数作为人工蜂群的适应度,选择适应度最优的一组参数作为神经网络的权值和阈值。最后应用航空实际数据进行仿真研究,结果表明模型有较好的故障诊断效果,为实现故障预测和健康管理奠定基础。     

航空发动机滑油磨粒在线监测

航空发动机轴承部件磨损是导致发动机失效,引起飞机重大事故的主要因素之一。分析了航空发动机突发性剧烈磨损的疲劳磨损失效机理,陈述了磨粒尺寸和数量表征磨损程度的关系,系统介绍了各种航空发动机滑油磨粒在线监测技术,讨论了各技术方法的原理、技术特点、典型参数、典型应用、最新研究成果及技术适应性。滑油磨粒在线监测技术,能有效发现航空发动机突发性剧烈磨损,及时预警失效,避免出现重大事故,具有重大工程应用价值。     

基于多Agent和网络的航空发动机滑油系统故障监测与诊断系统研究

本文简介了航空发动机滑油系统检测的现状，建立了航空基于网络的发动机滑油系统故障监测与诊断系统的Agent模型，并初步实现了系统的基本功能。     

一种基于油液分析数据挖掘的航空发动机磨损故障诊断知识获取方法

针对航空发动机磨损故障诊断自动化及智能化程度不高的问题,提出一种基于油液数据挖掘的航空发动机磨损故障诊断知识获取方法。该方法利用自组织神经网络对原始多维特征数据进行特征融合,得到融合值;利用Parzen窗法制定融合值的界限值,将样本划分为正常、警告和异常3种状态;利用Weka软件对油液数据进行规则提取。该方法能够从油液光谱数据中识别出不同磨损状态信息,并提取出知识规则用于构建航空发动机磨损诊断系统的知识库,实现了基于润滑油光谱磨损数据的航空发动机故障诊断的自动化与智能化。应用某型飞机发动机实际油液光谱数据对提出的磨损故障诊断知识获取方法进行验证,结果表明:经特征融合得到的融合值能够准确反映航空发动机的劣化趋势;利用融合值的界限值划分样本状态,再进行规则提取时具有很高的识别率。     

航空活塞发动机滑油功能探讨

滑油是航空活塞发动机的血液,滑油应具有润滑、清洁、密封、保护和冷却等功能才能保证发动机的正常运转,对滑油这些功能进行探讨有助于你更好认识滑油对航空活塞发动机的重要性。     

基于光纤传感的发动机零部件磨损状态监测与评价

发动机润滑油滤清器上含有丰富的机械零件磨损信息,其磨粒直接反映了零部件的磨损与运行状态,但目前相关的研究报道还不多见。因此,提出了在润滑油滤清器上安装光纤图像传感器并将采集到的图像传输到计算机中,然后在Matlab环境下编写程序对图像进行平滑滤波、Otsu阈值分割、圆周面积计算、磨粒数目计算等。结果表明,实时监测零件磨损量和机器磨损状态的磨粒图像自动识别分析技术是一种简单、有效的监测方法。     

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。     

激光焊匙孔特征的近红外与X射线传感分析

由于多传感匙孔特征参数可以有效地反映大功率激光焊接质量状态,本文研究了匙孔特征信息的提取方法并建立了焊缝成形预测模型。以大功率盘形激光焊接304不锈钢为试验对象,应用近红外高速摄像机和X射线视觉成像系统同时提取了焊接过程中的熔池动态图像,并分割出匙孔区域。针对近红外图像,应用矩方法导出匙孔的不变矩特征,同时定义并提取匙孔面积和最前端点纵坐标两个特征;针对X射线图像则提取匙孔深度和熵两个特征。在不同激光功率条件下得到匙孔特征并进行特征融合分析,然后建立了3个BP神经网络焊缝成形预测模型。探索了匙孔形态、焊接条件和焊接状态三者之间的联系,实现了对焊接过程的在线监测。试验结果表明,将两个传感器获取的匙孔特征信息融合并进行主成分分析变换后,熔宽和熔深的预测绝对误差平均值分别为0.18mm和0.57mm,比基于单个传感器获取匙孔特征建立的BP神经网络分别减小了0.03mm和0.31mm,显示提出的方法能够有效在线监测大功率盘形激光焊接状态。     

基于L-曲率流滤波器的图像降噪算法

提出了L-曲率流滤波器的图像降噪(滤波)算法,该方法按图像信噪比大小分高、中、低3类,分别由L滤波器降噪、多级L滤波器降噪以及多次迭代的组合滤波器降噪,并进行了实验研究。结果表明:该算法与均值和中值滤波器相比,输入图像信噪比越低,滤波效果越明显。当输入图像为低信噪比时,对于受高斯噪声污染的图像,该算法滤波比均值滤波平均提高2.98 dB;对于受脉冲噪声污染的图像,该算法滤波比中值滤波平均提高11.09 dB,说明该算法对降低不同种类和不同信噪比的图像噪声有较强的适应性。     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

Reconstruction of optical pathlength distributions from images obtained by a wide-field differential interference contrast microscope

An image processing algorithm is presented to reconstruct optical pathlength distributions from images of nonabsorbing weak phase objects, obtained by a differential interference contrast (DIC) microscope, equipped with a charge-coupled device camera. The method is demonstrated on DIC images of transparent latex spheres and unstained bovine spermatozoa. The images were obtained with a wide-field DIC microscope, using monochromatic light. After image acquisition, the measured intensities were converted to pathlength differences. Filtering in the Fourier domain was applied to correct for the typical shadow-cast effect of DIC images. The filter was constructed using the lateral shift introduced in the microscope, and parameters describing the spectral distribution of the signal-to-noise ratio. By varying these parameters and looking at the resulting images, an appropriate setting for the filter parameters was found. In the reconstructed image each grey value represents the optical pathlength at that particular location, enabling quantitative analysis of object parameters using standard image processing techniques. The advantage of using interferometric techniques is that measurements can be done on transparent objects, without staining, enabling observations on living cells. Quantitative use of images obtained by a wide-field DIC microscope becomes possible with this technique, using relatively simple means.     

彩色视网膜眼底图像血管自动检测方法

为了给视网膜图像配准、光照校正及视网膜内部病理学检测等问题提供有效依据,本文提出一种有效检测及识别彩色视网膜眼底图像血管的全自动方法。针对视网膜可见血管呈长条型管状、局部具有较好直线型结构的形态特点,本文采取适用于条状结构的组合移位滤波响应模型进行特征提取。针对血管和血管末端特征的不同,分别配置对称和非对称的两种滤波模型进行跟踪,利用组合移位滤波模型(对称和非对称)获取到的响应及G通道像素灰度值共同构建特征向量库,采用AdaBoost分类器对各个像素点进行分类判定。基于国际公共数据库DRIVE与STARE的实验结果表明,该方法针对两个标准数据库的分割结果(DRIVE:Accuracy=0.948 9,Sensitivity=0.765 7,Specificity=0.980 9;STARE:Accuracy=0.956 7,Sensitivity=0.771 7,Specificity=0.976 6)均优于已有方法,适用于彩色视网膜眼底图像的计算机辅助定量分析,可作为临床借鉴。     

JORDAN神经网络在系统辨识中应用研究

给出了基于强跟踪滤波器的Jordan神经网络训练方法，该方法是一种新的学习算法。Jordan网络可以表示输出的动态特性，改进后还可以反映状态特性，更适于动态系统辨识。强跟踪滤波具有鲁棒性好、收敛快等优点，将两者结合可以得到很好的辨识效果。最后，通过仿真实例验证该方法的有效性。     

旋转机械参数图形多尺度多结构元边缘检测

以旋转机械振动信号参数图形为研究对象,在600 MW模化汽轮机转子试验台上完成了转子正常、转子不对中和轴承松动故障的实验研究,得到了相应的振动参数三维图形。对不同故障的振动参数三维图形进行了二维灰度转化及图形预处理;依据多尺度滤波增强处理方法滤除了参数图形的噪声,增强了有用信息;利用多结构元边缘检测算子对参数图形进行了边缘检测。结果表明：多尺度多结构元边缘检测方法抗噪能力强,能够在滤除旋转机械振动信号参数图形中噪声的同时,有效地提取图形的边缘特征,适用于环境噪声较为复杂的旋转机械状态监测。     

基于多尺度融合技术的图像边缘检测

根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,设计平滑滤波窗算子,将其与嵌入可信度方法相结合进行边缘检测;同时充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到精确的单像素宽边缘。实验结果表明,该方法不仅能准确检测出边缘图像,而且能有效地抑制噪声,是边缘检测的一种较好的实用方法。