基于图像特征的船用在线铁谱系统可测性评价方法

磨粒分析是船舶动力装备健康监测的重要手段之一,但船用润滑油因污染严重导致润滑油劣化,进而影响铁谱磨粒分析的有效性。为了验证在线铁谱在船舶发动机磨粒监测的有效边界条件,以长江航道局吸盘3号挖泥船3号机油底壳滑油为样本,通过分析润滑油的劣化程度定量确定了在线铁谱系统失效边界。采集不同污染程度的滑油油样,通过在线铁谱获取未沉积磨粒和沉积磨粒的两组图像。通过对磨粒图像的分析,研究磨粒浓度对磨粒图像分割精度的影响,获得磨粒浓度与铁谱磨粒图像有效性之间的关系,并构建亮度和平均梯度2种铁谱图片可测性评估方法。实验验证表明,2种方法均能有效分辨有效图片和无效图片,为铁谱图片的有效分析和铁谱实时在线分析奠定了可靠性基础。     

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。     

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。     

胶乳分离机传动系统磨损状态的油样分析

分析了胶乳分离机传动系统中主要摩擦副的工作条件,采用铁谱和光谱分析技术对齿轮箱油样的磨粒浓度、磨粒特征及其成分进行了较系统的研究.结果表明,油样中磨粒浓度大,以细小尺寸的正常磨损磨粒为主,并含有相当数量的异常磨粒,磨粒主要来自铜基齿轮和下轴承,磨粒浓度的增幅、异常磨粒的出现率与机器工况、振动值及润滑有直接关系,铁谱与光谱分析结果有良好的吻合性.本研究对考察铜基齿轮材质、铸造工艺以及分离机的设计、制造和维护具有指导意义.     

重型车辆齿轮油污染度和铁谱磨粒含量的关联分析

利用灰色关联分析方法对重型车辆变速箱齿轮油油样监测实验数据进行了分析,探讨了铁谱磨粒浓度和油液污染度之间的关联性.结果表明:重型车辆的齿轮传动系中,铁系颗粒的磨粒含量和大磨粒含量与油液污染度的关联性较强,可利用铁谱磨粒含量的变化趋势来估算润滑油的污染度等级.     

铁谱图像分析技术研究

利用MATLAB的图像处理技术对铁谱磨粒图像进行数字化分析，求解了磨粒图谱的一些形状特征参数，通过对量化的数据进行统计和比较，揭示了铁谱图像的一些基本特性，以及这些特征所代表的一般意义和在铁谱磨粒图像分析过程中应用。同时，提出了铁谱图像进行计算机图像处理的一般过程以及常用的处理方法。     

气泡高干扰在线铁谱视频图像的磨粒快速分割算法研究

针对在线铁谱视频图像气泡高干扰所面临的磨粒分割困难问题,提出一种气泡高干扰在线铁谱视频图像的磨粒快速分割算法。首先运用运动检测的方法确定视频中气泡的位置,并用相邻帧相同位置的图像信息对气泡区域进行处理,再使用双边滤波对处理后的图像进行平滑去噪,实现气泡干扰的初步抑制;最后基于抑制气泡图像的灰度直方图,对每一帧图像选取其自适应的阈值,实现在线铁谱视频图像中磨粒的快速分割。该研究为在线铁谱的磨粒分割与后续对磨粒特征的智能提取和分析奠定了基础。     

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。