基于卷积神经网络的铁谱磨粒智能识别研究

针对传统的计算机磨粒识别方法对相似度高的严重滑动磨粒和疲劳磨粒存在识别过程复杂、识别准确率低等问题,提出利用卷积神经网络(Convolution Neural Network,CNN)自动提取铁谱磨粒图像的特征,再将提取到的特征传入全局平均池化层和新的全连接层进行训练分类的铁谱磨粒智能识别方法。试验显示,基于卷积神经网络模型Inception-v3+1FCL和迁移学习方法可以有效地对严重滑动磨粒和疲劳磨粒进行分类识别,准确率高达89. 35%。     

基于Mask R-CNN的铁谱磨粒智能分割与识别

针对铁谱图像因背景复杂、尺寸分布广、颗粒重叠等导致难以精确分割与识别的问题,以相似度高的疲劳剥块、严重滑动磨粒、层状磨粒共3种异常磨粒作为研究对象,提出基于深度神经网络模型Mask R-CNN的对多目标铁谱磨粒进行智能分割与识别的方法,并对特征提取层分别选用深度不同的残差网络ResNet50和ResNet101进行对比试验。实验结果表明,基于迁移学习方法的Mask R-CNN+ResNet101模型能够在复杂背景下对多目标、多类型、多尺寸的相似磨粒进行有效分割与识别,测试集的平均精度高达76.2%,模型具有较好的泛化能力。     

铁谱磨粒图像多焦点融合算法研究

铁谱分析技术是一种常用的磨损监测技术。受限于高倍物镜下的景深限制,一张铁谱大磨粒图像往往只有局部聚焦清晰的特征。为了能够解决在高倍物镜下铁谱大磨粒图像的自动化清晰采集以及高质量图像融合问题,设计并构建一套自动化扫描显微系统,该系统可进行多焦点铁谱图像的自动扫描采集;同时,提出一种基于相位一致性的铁谱磨粒图像多焦点融合算法,对自动扫描的多焦点图像进行融合,得到清晰的磨粒图像。实验结果表明,设计的自动化扫描显微系统能快速完成多焦点铁谱图像的自动化采集流程,提出的图像融合算法相较于传统的小波图像融合算法具有更高的图像评价质量,并能获得更加清晰的图像边缘信息。     

基于ANFIS和铁谱磨粒分析的泥浆泵故障诊断

针对润滑油中铁谱磨粒分析所存在的问题,以泥浆泵作为研究对象,将自适应神经网络模糊系统(ANFIS)引用到铁谱磨粒的自动识别中.通过研究铁谱磨粒特征与故障原因的对应关系,建立ANFIS仿真模型,从而实现了铁谱磨粒分析的智能化.该分析模型使铁谱磨粒分析过程突破了人工经验的限制,从而提高了泥浆泵故障诊断的准确率.     

基于极限学习机的铁谱磨粒模式识别

将极限学习机(ELM)应用于铁谱磨粒模式识别中,从磨粒彩色图像中提取出磨粒的形状尺寸、颜色、纹理3个方面的特征参数作为ELM的输入,以正常滑动磨粒、严重滑动磨粒、球状磨粒、切削磨粒、氧化物磨粒这5种类型磨粒作为ELM的输出,建立基于ELM的磨粒分类器;将3个方面的17个特征参数进行排列组合建立不同的模型,通过对比实验及分析,确定出最优的模型和磨粒分类器;通过实验比较基于ELM与基于BP神经网络的磨粒分类器性能。结果表明:基于ELM神经网络的磨粒分类器的识别速度平均为150 ms,准确率最高为96%,基于BP神经网络的磨粒分类器的识别速度平均为250 ms,准确率最高为90%。因此,基于ELM的磨粒分类器识别速度更快、准确率更高。     

基于支持向量机的铁谱磨粒模式识别

将支持向量机方法用于铁谱磨粒模式识别，以磨粒样本的圆形度、细长度、散射度和凹度4个形态特征量作为支持向量机分类器的输入，以滑动磨损、切削磨损、正常磨损和疲劳点蚀4种磨损形式作为分类器的输出，建立基于支持向量机的磨粒分类器；研究支持向量机中误差惩罚系数和核参数对磨粒分类器的性能影响；通过实验比较了基于支持向量机与基于BP神经网络的磨粒分类器的性能，结果表明，基于支持向量机的磨粒分类器分类准确率为96％，基于BP神经网络的磨粒分类器分类准确率为90％。     

基于神经网络的磨粒识别专家系统的设计

智能型磨粒识别是铁谱技术发展的主要趋势,人工神经网络技术的出现,为这种智能化提供了一条崭新的途径。介绍了神经网络专家系统的基本原理,叙述了BP学习算法,以及基于该算法的磨粒识别神经网络专家系统的设计。     

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。     

基于BP神经网络的磨粒特征识别系统设计

提高铁谱磨粒识别能力是加强铁谱分析技术的重要手段,神经网络技术的不断普及为铁谱磨粒识别能力的提高带来了新的思路。对神经网络系统的基本原理和BP学习算法进行了叙述,并探讨了基于BP算法的磨粒特征识别系统的设计。     

磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态.铁谱的计算机图像分析技术是近年来研究的热点.基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本对网络进行训练,取得了较好的识别效果.     

基于模糊神经网络的磨粒识别专家系统

智能型磨粒识别是铁谱分析技术中的重要内容,模糊神经网络技术为解决以上问题提供了一条新的途径。本文介绍模糊神经网络专家系统的基本原理,叙述BP学习算法及过程,最后介绍基于本算法的磨粒识别模糊神经网络专家系统。     

基于铁谱技术的内燃机的应用研究

介绍了内燃机的磨损及典型磨粒特点,利用铁谱技术作为一种监测手段,通过磨粒分析来判断内燃机的磨损状态.     

基于改进DeepLabV3+的铁谱图像语义分割

针对传统铁谱图像分割方法需要人工设计特征、存在特征冗余及误差累积等缺点,提出一种改进的DeepLabV3+方法,实现了对铁谱图像中严重滑动、疲劳、切削等6种磨粒的语义分割.该方法在DeepLabV3+基础上,引入密集连接的空洞空间池化金字塔模块,以增大感受野;通过改进密集金字塔模块,采用互质膨胀率的空洞卷积,避免了栅格效应;采用全连接条件随机场以改善分割结果.实验结果表明:该方法在铁谱图像测试集上的平均交占比为87.1％.     

基于改进DeepLabV3+的铁谱图像语义分割

针对传统铁谱图像分割方法需要人工设计特征、存在特征冗余及误差累积等缺点,提出一种改进的DeepLabV3+方法,实现了对铁谱图像中严重滑动、疲劳、切削等6种磨粒的语义分割.该方法在DeepLabV3+基础上,引入密集连接的空洞空间池化金字塔模块,以增大感受野;通过改进密集金字塔模块,采用互质膨胀率的空洞卷积,避免了栅格效应;采用全连接条件随机场以改善分割结果.实验结果表明:该方法在铁谱图像测试集上的平均交占比为87.1％.     

基于yolov5在线可视铁谱图像磨粒多目标识别方法研究

鉴于在线图像可视铁谱获取的磨粒谱片图像分辨率低,磨粒种类复杂多变,磨粒图像背景复杂等问题,使得磨粒在线智能识别面临挑战。为了实现在线可视铁谱图像磨粒多目标实时检测与识别,提出基于yolov5在线可视铁谱图像磨粒多目标识别方法。以正常磨损磨粒、疲劳磨损磨粒、滑动磨损磨粒、球形磨粒、氧化磨损磨粒、切削磨损磨粒6种磨粒作为研究对象,基于yolov5深度神经网络模型对复杂油液环境下的异常磨损磨粒进行分割与识别。结果表明：基于yolov5算法的磨粒智能识别模型能够实现复杂环境下多目标、多类型磨粒在线实时识别,其识别速度和准确率基本满足油液在线监测需求,为装备在线图像可视铁谱技术工业化应用提供了技术支撑。     

改进的BP算法在磨粒识别中的应用

提出了用隐层和输出层的权值单独修改的方法来改进神经网络算法，建立了适于磨粒的分析模型，设计了智能磨粒识别分类器。实例表明，用该方法可以准确识别磨粒类型，并具有较好的推广能力。     

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。     

改进的BP算法在磨粒识别中的应用

本文提出用改进的神经网络算法,建立适于磨粒分析的AWPRM模型,设计了智能磨粒识别分类器,实例表明,用该方法可以准确识别磨粒类型,并具有较好的推广能力。     

基于12150发动机的铁谱图像识别系统的设计与实现

本文将计算机图像处理技术和模式识别理论结合起来进行了12150发动机铁谱图像识别系统的设计。首先介绍了图像识别的三个主要阶段和图像处理的基本概念,然后结合12150发动机铁谱磨粒识别实例指出该系统结构设计简单,得出结果基本可信,表明这种方法在12150发动机状态监测和故障诊断领域具有一定的实用价值。     

可共享的磨粒识别及磨损诊断系统

针对当前铁谱分析技术存在的不足 ,将计算机图像处理技术、数据库技术、网络通信技术相结合 ,提出了以人工智能、神经网络为核心的设计思想。介绍了基于本思想所建立的可共享的磨粒识别及磨损诊断系统WPRWDS,分析了其系统结构、实现机制、硬软件设计、功能和特点等。