航空滾動軸承典型缺陷的分類識別研究.pdf

1、目前一些常用的缺陷檢測方法都是以大樣本數(shù)據(jù)進行分類識別的，但在實際應用中，由于周圍環(huán)境的因素通常情況下只能得到少量的數(shù)據(jù)樣本，鑒于傳統(tǒng)的分類算法對小樣本數(shù)據(jù)分類精度的不足，所以構建一種基于小樣本數(shù)據(jù)的缺陷檢測模型是很有必要的。為此，本文建立了一種樸素貝葉斯分類器與圖像處理相結合的方法對航空滾動軸承典型缺陷進行檢測、分類與識別。通過貝葉斯網(wǎng)絡的理論分析、數(shù)據(jù)模擬和試驗驗證的方法，對基于貝葉斯網(wǎng)絡的樸素貝葉斯分類器的分類識別進行系統(tǒng)的研究，

2、以提高航空滾動軸承典型缺陷的分類識別準確度。主要研究內(nèi)容和結果如下：
　　在分析貝葉斯理論及樸素貝葉斯分類器工作原理的基礎上，鑒于傳統(tǒng)分類算法的不足，提出了一種改善樸素貝葉斯分類器對數(shù)據(jù)參數(shù)進行評估的方法，避免了在進行參數(shù)估計時出現(xiàn)0或1的極端值，該方法對提高分類器的學習和分類精度很大幫助。
　　利用圖像處理技術針對航空滾動軸承及其缺陷進行了特征提取，在所提取的特征參數(shù)中，增加了二值比、圓形度、矩形度、7個不變矩特征，試驗數(shù)

3、據(jù)分析表明，二值比特征對區(qū)分軸承完好圖像與缺陷圖像很明顯，圓形度、矩形度對于軸承磕碰傷、劃傷圖像的區(qū)分度非常明顯，由于7個不變矩具有圖像旋轉、移動等的不變性，大大降低了對采集圖像位置的要求。
　　建立了樸素貝葉斯分類模型，實現(xiàn)了航空滾動軸承典型缺陷的分類識別。根據(jù)所提取的航空滾動軸承典型缺陷特征參數(shù)，將其隨機分為2/3的訓練樣本和1/3的測試樣本。對分類器進行交叉訓練學習，構建出分類精度較好的分類模型。同時構建了一個與之相對比的神