论文部分内容阅读
机械设备作为工业生产的基础,确保其安全运行、减少故障停机事故、延长服役年限具有十分重大的经济效益和安全效益。设备在用油液携带有能反映设备运行状况的直接信息,对油液中的悬浮颗粒进行分析,能够非破坏性地获取设备的实时运行工况,确保其在安全、健康、可靠、无伤的状态下长期运转。本文以油液磨粒分析技术为核心,以提高分析效率及分析结果准确度为目的,针对磨损图谱开展数字化信息的提取与分析工作,提出了一套流程完整、自动化程度高、可以同时完成定性定量指标提取的油液磨粒信息智能分析方法,实现了油液磨损图谱分析工作的体系化、标准化、智能化。主要研究内容及结论为:(1)提出了油液磨损图谱数字化信息的智能提取流程。整个流程以磨损图谱的获取为起点,以图谱上沉积磨粒宏观分布信息的提取与典型磨粒个体细节信息的提取为核心,确定了各个环节的开展条件、实现方法及输出结果。(2)分析了磨损图谱的宏观分布特征并提出了该特征的自动提取方法。采用HSV颜色空间阈值分割技术分别实现了金属磨粒及非金属颗粒的单独提取;其次针对颜色空间分割后的金属磨粒提出了基于重构分水岭算法及区域重叠面积比的二次分割法,解决了金属磨粒存在的粘结、重叠分布问题;最后利用梯度分布数量N_d、颗粒沉积率_dA两个指标对图谱上磨粒的宏观分布情况进行了定量描述。(3)研究了单个金属磨粒的量化表征及特征提取方法。结合H-minima改进分水岭算法及区域自动生长技术完成了金属磨粒图像的自适应分割,避免了分割环节的人工交互处理,显著提高了分割效率。基于分割后的区域及轮廓进一步提取了颜色特征、尺寸形状特征、边缘细节特征、表面纹理特征等构成20维磨粒特征参数体系,实现了磨粒形貌的量化表征。(4)建立了基于模糊支持向量机的金属磨粒自动识别模型。以磨粒的形貌特征参数体系作为输入向量,结合一对多法、二叉树法间接构建了结构简单、累积误差小的4层7类别磨粒分类器,实现了七类磨粒的自动识别。该模型对训练样本的识别率为90.71%,对测试样本的识别率为92.86%。(5)选择旋挖钻机液压马达、减速机及风电齿轮箱为油样监测点,基于提出的分析流程对采集油样的磨损图谱开展磨粒信息的提取及分析工作。分析结果表明,液压油、车辆齿轮油、工业齿轮油在宏观分布特征提取环节的检测准确率分别为82.79%、95.79%、97.04%,在金属磨粒自动识别环节的识别准确率依次为76.07%、83.33%、80.47%,各环节的分析误差表现出一定的累积效应。