基于磨粒表面信息的磨损表面特征评估

建立了基于磨粒表面信息的磨损表面评估方法。首先选择合理的磨粒和磨损表面特征参数，通过识别磨粒类型，获得磨损过程中具有典型性和代表性的磨粒类型，然后选取这些具有代表性的磨粒类型，得到磨粒的表面特征向量，进而来研究磨损表面和磨粒表面的映射关系，实现基于磨粒表面信息的磨损表面特征评估。实例表明，根据磨粒表面特征评估磨损表面特征是可行的。     

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。     

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。     

柴油机出厂摩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。     

基于反相灰度图二值化修正的铁谱图像磨粒特征提取

为准确获取铁谱图像中磨粒几何形状和特征参数,提出一种图像处理算法并对其进行验证。针对铁谱图像底色特征及磨粒特征提取精度要求,提出基于反相操作的铁谱图像灰度图转化方案,得到边缘清晰的铁谱灰度图;提出一种三段式阈值分割方案,利用腐蚀和膨胀操作解决二值化对铁谱图像有效磨粒区域的影响,讨论油污等干扰因素的消除策略;确定磨粒特征参数及磨粒识别方案,完成标准的正常滑动磨损图像处理和某实际的齿轮箱磨粒铁谱图像处理验证。结果表明:所提出的算法能够准确提取铁谱图像中磨粒所在区域的几何特征,通过磨粒标定计算得到了8个特征参数值,证明齿轮箱正处于滑动磨损状态。     

基于分层模糊支持向量机的油液磨粒自动识别

提出基于模糊支持向量机的机械设备在用油液磨粒自动识别方法。首先利用K-均值聚类算法对磨粒图像进行分割,提取磨粒的形状尺寸特征参数、边缘细节特征参数、表面纹理特征参数作为其量化表征,分别选择最能反映待识别磨粒特征的参数作为各个二分类器的输入向量;然后结合二叉树法和一对多法间接构造磨粒的分层多类别分类器模型,在训练过程中同时利用粒子群算法优化分类器的参数,建立一种参数自适应的模糊支持向量机分层多类别分类模型。将该模型应用到旋挖钻机在用油液的磨损颗粒识别中,识别率最高达90%。该模型结构简单、分类精度好,在磨粒识别领域较大的工程应用价值。     

显微磨粒图像识别知识规则提取及其应用研究

针对新研制的多功能油液磨粒智能检测系统MIDCS中的磨粒图像识别问题,引入数据挖掘方法获取了磨粒图像识别的知识规则,实现对磨粒类别的智能识别。利用MIDCS系统获取实际航空发动机运行过程中由于滚动轴承磨损而产生的大量典型磨粒,基于图像分析方法提取16个磨粒特征参数,形成标准案例库;利用Weka软件的决策树算法自动提取知识规则,并对知识规则进行优化和简化;对所提取得到的知识规则进行验证和分析。结果表明,所提取的磨粒识别规则符合磨粒识别的统计规律,识别规则不仅简洁,而且具有很高的精度。基于Weka软件的规则提取方法大大提高了MIDCS系统的磨粒识别自动化和智能化水平,对于利用MIDCS进行航空发动机滚动轴承疲劳磨损故障诊断,具有重要的工程实用价值。     

基于PCA-BP神经网络的磨粒自动识别

以航空发动机润滑油液中的磨损微粒为研究对象,提出一种采用PCA-BP分类器对磨粒类型进行自动识别的方法。该方法通过对磨粒图像进行预处理并提取一些特征参数,采用PCA对所提取的特征参数进行优选,采用BP网络分类器对磨粒类型进行计算机自动识别。结果表明,相对于传统型BP分类器的识别准确率,此分类器的识别准确率更高。     

基于粗糙集和神经网络的润滑油中磨损磨粒的识别

为了更有效地对润滑油中的磨损磨粒进行识别,探讨了基于粗糙集和神经网络的磨粒识别。它首先利用粗糙集理论对磨粒特征参数进行约简,这样能够大大减少了神经网络的输入维数。然后介绍了一种径向基神经网络,并利用它对磨粒进行分类。对20个磨粒进行识别,磨粒分类分对14个,分错6个,识别率达到70.0%。     

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.     

基于非线性流形学习的磨粒特征提取方法

针对磨粒特征参数多、非线性突出的问题,提出一种基于非线性流形学习的磨粒特征提取方法。该方法将磨粒特征重构到高维相空间中,利用局部线性嵌入算法提取出隐藏其中的低维流形,并根据数据流形的弯曲性和邻域参数的关系,实现高维相空间中局部邻域参数的自适应选取。实验结果表明,该方法有效地克服了主成分分析和核主成分分析方法的不足,提取的磨粒特征敏感性更好,从而提高了磨粒识别的精度。     

回转机械支承油膜稳定性在线监测

探讨了回转机械油膜失稳的特征，提出了在线提取自由衰减响应的一种信号处理方法，用获取的对数衰减率作为油膜稳定性裕度和趋势分析的特征参数，现场实例表明提出的油膜稳定性在线监测方法的有效性。     

基于改进凸包算法的叶片型面特征参数提取

针对叶片离散测量点云数据,提出了基于改进凸包算法的叶片型面特征参数（如弦线、前后缘半径等）提取方法,并利用主成份分析法准确提取叶片截平面的法矢,开发了基于MATLAB环境的某型号航空发动机叶片特征参数提取软件模块,实现了叶片型面的快速特征提取与精密检测。     

正常角膜和圆锥角膜的特征提取

基于角膜测量仪器Corvis ST采集的图像视频,提出提取新特征参数以便准确区分正常角膜和圆锥角膜。首先对图像进行滤波、分割等预处理,检测角膜上下边界,并计算前角膜曲率值;用小波变换分析角膜曲率变化,获取与角膜运动趋势相关的特征,包括角膜运动的整体趋势和角膜振动的范数和标准差。然后,基于均方误差最小化法,提取特征参数,构建最优参数。最后,用支持向量机(SVM)对正常角膜和圆锥角膜进行分类。从频率的角度实施的实验显示角膜在基本运动趋势上存在着振动过程。此外,提出的参数优于形变幅度(DA)、峰值距离(PD)等传统参数,使准确度、灵敏度和特异性分别提高了10.2%,5.7%和6.9%。受试者工作特征曲线(ROC)下面积为0.948,接近于1。结果显示本文方法自动提取的特征参数可提高正常角膜和圆锥角膜区分的准确性,对临床诊断有辅助作用。     

基于噪声辅助局部波动特征分解的齿轮裂纹故障定量诊断方法

将齿轮故障机理研究与故障诊断方法相结合,提出了一种新的基于噪声辅助局部波动特征分解的齿轮裂纹定量诊断方法。首先,建立了带裂纹齿轮系统动力学模型,获得不同裂纹程度下的动力学响应,从中提取对故障敏感而与工况无关的特征参数构成特征向量矩阵,输入到支持向量回归机中,建立了特征参数与齿轮裂纹程度之间的映射关系。然后,通过这种映射关系,对实际的齿轮裂纹信号采用噪声辅助LOD方法进行特征提取,实现了齿轮裂纹的定量诊断。     

过渡特征提取中的概率统计理论和方法

针对反求工程中过渡曲面特征参数的准确提取问题,提出了一种基于概率统计理论的数据分析和处理方法。通过对数据进行预回归分析、假设检验、噪声去除和再回归分析等步骤,可以从含有噪声的离散特征参数数据中准确地提取出过渡特征参数。实际应用结果表明,概率与统计理论在反求工程特征提取、分析与表达中起着非常重要的作用。     

滚动轴承故障特征参数自动提取新方法

针对目前基于小波变换的滚动轴承故障诊断系统中故障特征参数依靠人工提取的问题,提出了一种基于小波分析与Hilbert变换的滚动轴承故障特征自动提取新方法.该方法能够在特征频率的一定范围内自动计算出最大包络谱值,实现滚动轴承故障特征参数自动提取.经过对实际滚动轴承实验数据的处理和分析,表明此方法能够准确、快速地提取出滚动轴承的故障特征参数.     

磨削状态监测中频域特征参数计算区域的确定

在磨削状态监测中,特征参数的选择和计算起着重要的作用,频域特征参数的有效性很大程度上取决于计算频率的范围。本文结合恒力磨削的研究,基于遗传算法提出了一种可自动地确定测试信号频域特征参数频率计算范围的方法。     

基于机器视觉的各异性成形加工工件的特征提取

提出了各异性成形加工的概念,介绍了应用机器视觉技术在各异性成形加工中进行特征提取的理论和方法。给出了特征提取的系统方案,并对几种常用的图像检测算子的检测效果进行了比较,提出了基于Canny算子的改进算法,获得了较好的提取效果。     

基于信息熵的裂纹转子动力特征分析与诊断方法

针对裂纹转子系统运行过程中的非线性、非平稳突变性等复杂特征,运用信息熵特征提取和融合分析方法,将裂纹转子系统动力分析与参量识别方法有机结合,分析裂纹转子在不同状态下响应参量随转速变化的信息熵特征及变化规律,实现裂纹转子动力响应特征参量的信息熵定量描述;在此基础上,将理论方法用于裂纹转子系统实测信号的分析诊断,并构建小波神经网络模型对裂纹转子信息熵特征曲线进行识别,实现裂纹转子系统故障状态诊断,验证理论方法的有效性.