基于BP神经网络的铁谱磨粒图像识别方法研究.pdf

《基于BP神经网络的铁谱磨粒图像识别方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2010年4月润滑与密封Apr．2010第35卷第4期LUBRICATIONENGINEERINGV01．35No．4DOI：10．3969／j．issn．0254—0150．2010．04．017基于BP神经网络的铁谱磨粒图像识别方法研究刘粲谢小鹏陆丕清冯伟(1．华南理工大学汽车摩擦学与故障诊断研究所广东广州510640；2．深圳亚太光电技术有限公司广东深圳518057)摘要：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京进行预处理，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

2、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。京关键词：磨粒识别；图像预处理；特征提取；BP神经网络中图分类号：Till17．1文献标识码：A文章编号：0254—0150(2010)4—072—4ResearchonRecognitionofWearParticlesBasedonBPNeuralNetworkLiuCanXieXiaopengLuPiqingFengWei(1．AutomobileTribologyandFauhDiagnosisInstitut

3、e，SouthChinaUniversityofTechnology，GuangzhouGuangdong510640，China；2．ShenzhenYataiOpticalElectronicTechnologyCo．，Ltd，ShenzhenGuangdong518057，China)Abstract：Itisthekeyforferrographieweal-particleimagepreprocessingandcharacteristicparameterobtainingduringtherecognitionofwearparticles．Thewearpart

4、iclesimagewaspreprocessedusingmorphologicaloperation，resultshowsthatthemorphologicaloperation，suchasopeningandclosingoperation，canremovenoisepoints，fiUsmallholesandlinkboundarybreakpointsfromabinaryimage．TheBPneuralnetworkwasestablishedbystatisticalandFouriercharacteristicparametersofthewearp

5、articlesimage，andwasusedtorecognizethewearparticles．Theresultshowsthatferrographiewearparticleimagesandrelevantweal"mechanismcanberecognizedcorrectlythroughthismethod．Keywords：wearparticlesrecognition；imagepreprocessing；characteristicparameterobtainment；BPneuralnetwork磨粒是由机器摩擦副表面相对运动，并与界面介在提取

6、磨粒形状特征时经常会受到图像噪声的影响，质与环境产生相互作用，引起一系列摩擦学过程，导表现为孤立的小碎点、空洞以及边界的断点，这些对致表面磨损形成的产物。磨粒本身携带着丰富的摩擦磨粒的识别产生很大的干扰。本文作者应用图像处理学信息。磨粒通过其形态、尺寸、材质成分等特征反技术对铁谱磨粒图像进行预处理，提取磨粒形状的统映出大量的来自相对运动表面的摩擦学信息。因计特征参数和傅里叶特征参数并引入BP神经网络对此磨粒分析识别一直是人们进行机器状态监测与故障磨粒进行分类识别，能够取得比较理想的结果。诊断的一个重要领域。为了克服传统的人工识别磨粒1磨粒智能识别的步骤的主观性大、效率低、精度低等

7、缺点，近十年来磨粒首先是对磨粒图像进行数字化处理，其次进行铁智能识别技术成为国内外学者所十分关注并致力加以谱图像预处理，包括二值化、图像形态学处理(开研究的前沿课题。运算、闭运算)、磨粒的边界提取和磨粒边界的链码形状是人类视觉中十分重要的特征，其描述与识提取；对预处理完的铁谱图像进行特征提取，包括凹别也是计算机视觉和模式识别的重要研究内容。然而度、圆度、细长度、形状因子、弯曲度、细长比；最后对已提取特征的磨粒运用BP神经网络进行识别，收稿日期：2009—11—10过程如图1所示。