磨粒识别
磨粒识别的相关文献在1996年到2021年内共计87篇,主要集中在机械、仪表工业、自动化技术、计算机技术、能源与动力工程
等领域,其中期刊论文69篇、会议论文16篇、专利文献348737篇;相关期刊37种,包括绍兴文理学院学报、设备管理与维修、机械科学与技术等;
相关会议12种,包括第七届中国信息融合大会、第11届全国设备故障诊断学术会议、第十届(天津)国际摩擦密封材料技术交流暨产品展示会及首届国际汽车摩托车零部件专利新产品技术交流暨展示会等;磨粒识别的相关文献由198位作者贡献,包括张培林、左洪福、李艳军等。
磨粒识别—发文量
专利文献>
论文:348737篇
占比:99.98%
总计:348822篇
磨粒识别
-研究学者
- 张培林
- 左洪福
- 李艳军
- 严新平
- 任国全
- 吴振锋
- 李兵
- 张云强
- 徐超
- 梁培钧
- 江良洲
- 萧汉梁
- 赵春华
- 陈大融
- 陈果
- 严志军
- 傅建平
- 刘一梅
- 刘德鹏
- 吕纯
- 姜旭峰
- 孔宪梅
- 孙耀宁
- 宋华南
- 应道泉
- 张来斌
- 张英堂
- 朱新河
- 李一宁
- 李华强
- 杨忠
- 杨羚烽
- 樊建春
- 武通海
- 汪家道
- 王国德
- 王志芳
- 王慧芳
- 王硕
- 田贤忠
- 程东
- 罗锋
- 肖文范
- 胡同森
- 谢小鹏
- 费逸伟
- 赵忠伟
- 陈怀松
- 顾大强
- 黄栋梨
-
-
赵春华;
李谦;
胡恒星;
陈小甜;
谭金铃
-
-
摘要:
为了提高齿轮齿条在不同工作情况下磨损状况识别的准确度,考虑到大模数齿轮齿条实际有效故障数据缺乏和数据标记缺失的特点,提出基于一种新联合损失函数优化的迁移学习神经网络(LCNNE)对大模数齿轮齿条磨粒识别方法.将LCNNE模型作为特征提取器提取特征,利用外部分类器SVM进行分类,验证了该方法在磨粒数据集上识别率达到99%左右,并且该方法的集成模型提取的特征输入SVM分类的识别率比VGG19和GoogleNet提取的联合特征高2%~3%.利用t-SNE技术,对DCNN、VGG19、GoogleNet和LCNNE模型的最后一个隐含层的提取特征进行可视化,证明了 LCNNE模型的特征表达能力更强、识别效果更好.
-
-
-
任松;
徐雪茹;
欧阳汛;
赵云峰;
王小书
-
-
摘要:
提出基于模糊支持向量机的机械设备在用油液磨粒自动识别方法.首先利用K-均值聚类算法对磨粒图像进行分割,提取磨粒的形状尺寸特征参数、 边缘细节特征参数、 表面纹理特征参数作为其量化表征,分别选择最能反映待识别磨粒特征的参数作为各个二分类器的输入向量;然后结合二叉树法和一对多法间接构造磨粒的分层多类别分类器模型,在训练过程中同时利用粒子群算法优化分类器的参数,建立一种参数自适应的模糊支持向量机分层多类别分类模型.将该模型应用到旋挖钻机在用油液的磨损颗粒识别中,识别率最高达90%.该模型结构简单、 分类精度好,在磨粒识别领域较大的工程应用价值.
-
-
-
樊红卫;
丁骁;
高烁琪;
邵偲洁;
杨一晴;
马宏伟;
张旭辉
-
-
摘要:
为准确获取铁谱图像中磨粒几何形状和特征参数,提出一种图像处理算法并对其进行验证.针对铁谱图像底色特征及磨粒特征提取精度要求,提出基于反相操作的铁谱图像灰度图转化方案,得到边缘清晰的铁谱灰度图;提出一种三段式阈值分割方案,利用腐蚀和膨胀操作解决二值化对铁谱图像有效磨粒区域的影响,讨论油污等干扰因素的消除策略;确定磨粒特征参数及磨粒识别方案,完成标准的正常滑动磨损图像处理和某实际的齿轮箱磨粒铁谱图像处理验证.结果表明:所提出的算法能够准确提取铁谱图像中磨粒所在区域的几何特征,通过磨粒标定计算得到了8个特征参数值,证明齿轮箱正处于滑动磨损状态.
-
-
刘德鹏;
刘新海;
张雪枫
-
-
摘要:
在高效运转过程中,无法直接获得大型机械设备内部关键零部件的磨损状况,而积聚在润滑油中的磨粒携带了大量的摩擦学信息且取样容易.因此,通过分析磨粒形貌特征,间接判断机械设备零部件磨损状况成为设备维护部门的常用手段.提出一种改进的Otsu算法用于零部件的磨损检测,以磨粒的方差信息替换均值信息,改善磨粒图片的分割算法,并将类间方差与类内方差纳入磨粒图片分割效果的评估.实验证明,该算法可较好地保留原始磨粒图片的细节信息,提高识别精度.
-
-
徐斌;
温广瑞;
苏宇;
张志芬;
陈峰;
孙耀宁
-
-
摘要:
针对铁谱图像磨粒识别中异类信息综合利用率较低的问题,提出多层次信息融合的铁谱图像磨粒识别方法.首先,在铁谱图像二值化分割的基础上进行二值滤波,结合彩色铁谱图的R、G、B三分量,实现铁谱图像的彩色滤波.其次,以实际采集的磨粒图像样本为例,提取滤波后二值图像的形态特征,以及滤波后彩色图像的颜色特征;在特征层利用PCA对异类特征进行维数约简,并结合SVM和k-fold交叉验证,实现形态特征和颜色特征的特征层融合;在决策层将异类特征的SVM概率输出结果作为D-S证据理论的基本概率分配函数,实现形态特征和颜色特征的决策层融合.通过与形态学滤波结果对比,验证了本文提出滤波方法的优越性;其次,不同层次的信息融合结果表明,与单独使用颜色特征和形态特征相比,异类信息融合后可实现优势互补,有效提高故障磨粒的识别准确率.
-
-
刘德鹏;
李刚;
张宏亮;
杜思琪
-
-
摘要:
磨粒分析与识别是机务段对列车轴箱润滑状态检测与故障诊断的一个重要领域.文中提出了一种基于磨粒特征识别的轴箱润滑状态诊断技术,利用Matlab软件分别提取了8类典型磨损颗粒的特征参数,采用支持向量机原理设计了一个磨损颗粒分类器.将提取的磨粒特征参数进行归一化处理后作为分类器的输入进行模式诊断,并将磨损状态的编码作为目标输出.结果表明,该方法诊断轴箱磨损状态的准确率较高,具有较高的推广能力,可用于列车轴箱磨损状态诊断系统中.
-
-
吕纯;
张培林;
杨玉栋;
徐超;
张云强;
李一宁
-
-
摘要:
In order to improve the accuracy of wear debris intelligent recognition,a support vector machine( SVM) rec⁃ognition model based on improved particle swarm optimization( PSO) algorithm is proposed on the basis of traditional SVM and PSO.The penalty parameter and kernel function parameters of the recognition model can be best optimized at the same time,so that self⁃adaptive SVM recognition model with optimal parameters was established.The wear debris in the lubrica⁃ting oil was recognized by using the proposed recognition model.The results show that the model recognition accuracy rate is as high as 98%,which is significantly higher than the BP neural network model.%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。
-
-
彭峰;
王立勇;
吴健鹏;
陈涛
-
-
摘要:
油液磨粒在线监测技术是机械状态监测的有效方法之一。基于工作原理的不同,介绍多种油液磨粒在线监测技术及其发展现状,分析其优缺点。目前基于电感式传感器的油液磨粒在线监测系统技术较为成熟且具有较高的可靠性,是未来油液磨粒在线监测技术的发展方向之一。
-
-
-
赵雪红;
樊建春;
张来斌
- 《2003年石油装备年会暨庆祝石油大学建校50周年石油装备学术研讨会》
| 2003年
-
摘要:
磨粒识别技术的研究热点主要集中于两个方面:一是选取合适的磨粒图像信息获取设备,以获取具有相当分辨率的二维平面或三维立体的磨粒图像;二是铁谱磨粒的自动识别.介绍了磨粒自动识别中图像获取、图像处理、特征提取、磨粒的分类和识别的研究现状,并从磨粒图像获取自动化、图像处理、特征提取、磨粒识别方法和智能诊断系统几个方面,提出了磨粒识别技术今后的发展方向。
-
-
-
-
-
-
-
-