基于显微图像识别的在线滑油中磨粒分析方法

针对现有显微图像油液磨粒监测技术的芯片结构的不足,改进微通道与外通道结合处结构,减小了微通道被阻塞的可能性,提高了检验精度。为了提高机器润滑油中金属磨粒在线图像识别的准确性,分析图像运动模糊退化模型,并以自相关函数估算模糊尺度,采用基于维纳滤波的图像恢复算法获得清晰的磨粒图像;应用图像差值与最大类间方差法（Otsu）对图像进行分割并对分割后的磨粒图像计数获得磨粒等效直径和分布。研究结果表明,该图像分割方法提高了油液磨粒的在线实时检测的准确率,其精度达95%以上。     

磨粒在线监测装置及其试验研究

针对磨粒在线监测方案实施复杂、抗干扰能力差等问题,设计了一种基于磁场力测量的快速磨粒监测装置。对该装置磁场中的磨粒进行了运动学分析,并利用MATLAB求得了磨粒沉积轨迹的数值解。在此基础上,试验研究了磁场强度、油液黏度及输送速度对磨粒沉积的影响,并对监测装置的线性度、相关性、重复性、定量误差、灵敏度和磨粒捕捉范围进行了测试。结果表明：该磨粒在线监测装置性能稳定,符合监测要求,能够有效地捕捉粒度大于10μm的铁磁性磨粒,可实现对设备初期故障的快速预报。     

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。     

电涡流磨粒传感器磁场仿真研究

针对电感式磨粒传感器易受磨粒连续性影响和无法识别磨粒材质的问题,通过增大电感式磨粒传感器中磨粒的涡流作用,提出一种电涡流磨粒传感器。结合有限元软件ANSYS Maxwell建立电涡流磨粒传感器的仿真模型,并对不同材质和尺寸的磨粒进行仿真分析,验证电涡流原理在磨粒监测中的可行性。对不同激励频率及线圈内径的电涡流磨粒传感器进行仿真分析。仿真结果表明:电涡流作用可以识别磨粒尺寸,磨粒产生的涡流作用与磨粒尺寸成三次方关系;电涡流作用可以识别磨粒材质,不同材质的磨粒在相同的磁场环境中产生的涡流作用不同;线圈的激励频率越高,磨粒的涡流作用越大;线圈的内径越大,磨粒的涡流作用越小。     

磨粒表面三维特征的定量分析与应用研究

磨粒分析技术作为故障监测的重要手段被长期应用于工业生产之中。传统的人工分析系统须有专业人员操作,存在费时、主观性强以及费用高等缺点。针对这种情况,开发一套计算机磨粒分析智能系统。该系统能够实现自动磨粒的图像采集、图像分析与磨粒特征量化识别。介绍此磨粒分析系统所采用的三维(3D)图像采集及重构技术,同时将其结合图像处理以及图像缝合技术来实现对磨损表面特征的定量分析。实验测试结果表明所开发的磨粒分析智能系统对磨损表面特征的定量分析具有较好的可靠性能和较高的精度,从而为机械设备故障诊断与状态监测提供一种新的解决方法与思路,对磨粒分析智能系统在工业上的应用具有重要意义。     

基于相关准则的磨粒显微图像目标提取

针对磨粒显微图像识别中的目标提取问题 ,应用一种新的阈值分割方法将磨粒目标从复杂背景中分离。该算法以原始图像与分割后图像的相关系数最大为准则 ,选取最优阈值对磨粒图像进行二值化 ,经腐蚀、膨胀等滤波运算后 ,利用跟踪搜索法提取磨粒边界 ,实现了复杂背景下磨粒目标的有效提取。应用实例表明了算法的简洁有效性。     

便携式润滑油中磨粒图像采集仪的磁极结构

基于野外环境对润滑油中磨粒检测的需求,分析各种磨粒检测技术,设计一种采用磁极吸附和CCD传感器相结合获取磨粒图像的便携式润滑油磨粒图像采集仪。为了在有限的仪器结构空间内,获得最佳的磁力吸附效果,使尽可能多的磨粒吸附到CCD传感器的焦平面上,对磁极的结构参数,包括磁极截面积、宽度、厚度,励磁线圈长度、厚度及其与磁极的相对位置等进行分析,获得最佳的磁极尺寸。分析沉积区域的磁场强度变化,发现从回形铁芯到磁极端点,磁场强度在不断增强,直到在磁极与空气的临界面上到达巅峰,随后迅速衰弱,到沉积区域中心后又快速回升,形成一个M型曲线。     

电感式磨粒传感器磨感电动势提取方法

利用高频交流电对三线圈电感式传感器进行激励,由于互感的作用,感应线圈产生的互感电动势对磨粒通过时产生的磨感电动势信号产生干扰。利用互感原理建立了传感器的数学模型,提出磨感电动势概念,并分析了磨感电动势的产生机理。利用锁相放大技术建立了磨感电动势的提取方法模型并进行仿真研究。通过设计试验提取出磨感电动势信号,验证了所建模型的正确性,为该传感器的设计提供了参考。     

一种用于磨粒识别的基于改进PSO 算法的支持向量机模型

为提高磨粒智能识别的准确率,以传统支持向量机和粒子群优化(PSO)算法为基础,提出一种基于改进PSO算法的支持向量机(SVM)识别模型。该识别模型的惩罚参数和核函数参数可同时得到最佳优化,从而可建立模型参数最优的自适应SVM识别模型。采用该识别模型对油液中的磨粒进行智能识别,结果表明该模型识别准确率高达98%,明显优于BP神经网络模型。