鐵譜圖像分割及磨粒識(shí)別關(guān)鍵技術(shù)研究.pdf

1、隨著現(xiàn)代工業(yè)裝備朝著大型化、連續(xù)化和高可靠性方向發(fā)展，設(shè)備的維修方式也發(fā)生很大變化。由定期維修向視情維修的轉(zhuǎn)變，使得各類機(jī)械設(shè)備對(duì)工況監(jiān)測(cè)和故障診斷的需求也越來(lái)越高。近年來(lái)，鐵譜技術(shù)已被證明是一種有效的通過(guò)對(duì)磨損顆粒（簡(jiǎn)稱磨?；蚰バ迹┻M(jìn)行定性和定量分析來(lái)實(shí)現(xiàn)磨損工況監(jiān)測(cè)和故障診斷的技術(shù)手段，而隨著計(jì)算機(jī)圖像處理與分析、人工智能和模式識(shí)別等技術(shù)的發(fā)展，基于計(jì)算機(jī)圖像處理與分析的鐵譜技術(shù)必將有利于其深入應(yīng)用。因此，為了提高鐵譜分析技術(shù)的自動(dòng)

2、化和智能化水平，本文對(duì)鐵譜圖像處理與分析方法進(jìn)行了研究，分別針對(duì)磨粒邊緣提取、磨粒與背景分割、磨粒與磨粒分割、磨粒識(shí)別等提出相應(yīng)算法，并通過(guò)實(shí)際鐵譜圖像進(jìn)行驗(yàn)證和對(duì)比分析。
　　為了便于進(jìn)行鐵譜圖像處理和分析，搭建了鐵譜圖像分析系統(tǒng)。該系統(tǒng)包括硬件和軟件平臺(tái)兩部分，其中軟件平臺(tái)主要包括鐵譜圖像采集、鐵譜圖像處理、鐵譜圖像分割與磨粒識(shí)別等部分。
　　針對(duì)鐵譜圖像，本文提出兩種磨粒邊緣檢測(cè)方法。第一種方法是融合大津閾值(Otsu

3、)和灰色關(guān)聯(lián)分析的邊緣檢測(cè)算法(O&G)，該算法首先采用Otsu算法實(shí)現(xiàn)鐵譜圖像磨粒與背景分離，然后采用灰色變權(quán)關(guān)聯(lián)度模型對(duì)磨粒進(jìn)行邊緣檢測(cè)；第二種方法是基于智能蟻群搜索的磨粒邊緣檢測(cè)算法(IACO)，該算法將顏色信息引入到蟻群算法中，在像素點(diǎn)的梯度值和領(lǐng)域顏色差異的共同作用下引導(dǎo)螞蟻移動(dòng)實(shí)現(xiàn)磨粒邊緣搜索。
　　彩色圖像比灰度圖像包含更多信息，本文提出了兩種利用顏色信息進(jìn)行背景去除的方法。第一種方法是基于顏色分量比的背景減除，該方

4、法利用鐵譜圖像背景顏色分量比值相對(duì)固定，而與磨粒顏色分量比值相差較大的特點(diǎn)，通過(guò)優(yōu)化背景與磨粒的顏色分量比閾值，實(shí)現(xiàn)背景和磨粒的分離，該方法適用于背景顏色均勻一致的鐵譜圖像；第二種是基于顏色K-means聚類的算法，在CIELAB顏色空間，利用二維顏色分量(a*,b*)的K-means聚類實(shí)現(xiàn)背景和磨粒的分離，該方法可以根據(jù)背景顏色自動(dòng)選擇聚類中心，滿足鐵譜圖像自動(dòng)化處理的要求。
　　雖然基于邊緣檢測(cè)的O&G和IACO算法可以提取

5、大部分的磨粒邊緣，但是也會(huì)出現(xiàn)偽邊緣和未閉合邊緣，而且對(duì)于磨粒沉積鏈，其內(nèi)部輪廓還難以準(zhǔn)確檢測(cè)。因此，為實(shí)現(xiàn)磨粒準(zhǔn)確分割，本文提出了兩種融合區(qū)域分割與聚類的新算法。第一種方法是融合分水嶺與智能蟻群聚類的磨粒分割方法(CWACA)。該方法首先利用標(biāo)記分水嶺算法實(shí)現(xiàn)磨粒與背景的初步分割。然后利用蟻群聚類算法對(duì)分水嶺過(guò)分割的各個(gè)區(qū)域進(jìn)行聚類合并，并通過(guò)利用磨粒特征參數(shù)——長(zhǎng)寬比實(shí)現(xiàn)聚類結(jié)果的判別和修正，最終實(shí)現(xiàn)各種類型磨粒的準(zhǔn)確分割。第二種方

6、法是將分水嶺算法與灰色聚類算法相融合(CMWGC)，通過(guò)對(duì)分水嶺算法初步分割后的各個(gè)區(qū)域的顏色信息和相對(duì)位置進(jìn)行關(guān)聯(lián)分析，從而對(duì)各個(gè)顏色相近且彼此相鄰的區(qū)域進(jìn)行聚類，以避免過(guò)分割，再通過(guò)利用長(zhǎng)寬比進(jìn)行結(jié)果的判別和修正，實(shí)現(xiàn)磨粒的快速準(zhǔn)確分割。實(shí)驗(yàn)結(jié)果表明，上述兩種方法都可以實(shí)現(xiàn)多類型、寬尺度和具有模糊邊界的磨粒分割，例如磨粒沉積鏈和異常大磨粒的分割，特別是CMWGC方法，具有分割效果好并且計(jì)算速度快的優(yōu)點(diǎn)。
　　準(zhǔn)確的磨粒分割為磨

7、粒特征提取和識(shí)別提供了保證，為了提高磨粒識(shí)別的準(zhǔn)確性，本文提出了融合主成分分析和灰色關(guān)聯(lián)分析的新方法(CPGA)。首先，主成分分析用來(lái)優(yōu)化磨粒特征參數(shù)。然后，一種改進(jìn)的灰關(guān)聯(lián)分析用來(lái)識(shí)別以往難以進(jìn)行準(zhǔn)確分類的異常大磨粒，如嚴(yán)重滑動(dòng)和疲勞磨粒。實(shí)驗(yàn)結(jié)果表明，本文提出的CPGA算法可以較好地解決多個(gè)參數(shù)產(chǎn)生的信息冗余問(wèn)題，并證明其是一種實(shí)用的方法，能夠快速準(zhǔn)確地識(shí)別磨損顆粒。
　　本文的研究結(jié)果，能夠提高鐵譜分析技術(shù)的自動(dòng)化和智能化水