鐵譜技術(shù)通過對磨粒形態(tài)、數(shù)量、尺寸分布和成分等特征的分析，能夠查明機器潤滑與磨損故障的模式、程度及機器所處的狀態(tài)，確定故障發(fā)生的原因，從而為進一步地設(shè)備維修決策提供依據(jù)。鐵譜圖像識別技術(shù)把計算機圖像處理技術(shù)與鐵譜分析相結(jié)合，具有較大的客觀性，對磨粒的識別能實現(xiàn)快速、有效、定量分析，是目前磨損診斷和鐵譜分析領(lǐng)域的熱門研究方向。 本文將人工免疫算法應(yīng)用到鐵譜磨粒圖像識別中，設(shè)計了基于人工免疫系統(tǒng)的磨粒分類器WPCAIS(Wear Particle Classifier Based on Artificial Immune System)，對人工免疫系統(tǒng)模式識別的一個新的應(yīng)用領(lǐng)域進行探索，也提供了鐵譜磨粒圖像識別的一種新方法。 本文的主要內(nèi)容有： 1．論述了選題的背景和意義；介紹了機械設(shè)備故障診斷技術(shù)、油液分析技術(shù)、鐵譜技術(shù)以及人工免疫系統(tǒng)；結(jié)合選題要求，闡述了本文的主要研究工作。 2．探討了鐵譜磨粒圖像的獲取方法，并從計算機的圖形文件中將數(shù)字化磨粒圖像讀取到MATLAB用于分析處理；論述了磨粒圖像預(yù)處理的方法：圖像分割、圖像濾波、圖像邊緣檢測以及圖像細化，分析對比了運用相關(guān)方法處理原始圖像后的效果，得出了鐵譜磨粒圖像處理的一般步驟；分析了不同種類磨粒的特征，并列出磨粒的形狀尺寸、紋理和顏色的特征參數(shù)。 3．闡述了人工免疫算法的各種生物模型以及衍生出的各種算法，包括一般免疫算法、陰性選擇算法、免疫學(xué)習(xí)算法、克隆選擇算法等。 4．將人工免疫算法應(yīng)用到鐵譜磨粒圖像識別中，設(shè)計了磨粒分類器WPCAIS。以磨粒樣本的形狀因子、歐拉數(shù)和填充度作為特征向量，對滑動磨損、切削磨損、正常磨損和疲勞點蝕四種磨損類型分類，并進行了分類器的仿真試驗，得到較好的分類效果。 本項目受國家自然科學(xué)基金項目資助(項目批準號：50375141)
【學(xué)位單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2006
【中圖分類】：TH117.1
【文章目錄】：
摘要
ABSTRACT
目錄
第一章 緒論
    1.1 選題的背景及意義
    1.2 機械設(shè)備故障診斷技術(shù)
    1.3 油液分析技術(shù)
    1.4 鐵譜技術(shù)
        1.4.1 鐵譜技術(shù)原理
        1.4.2 鐵譜分析儀器
        1.4.3 鐵譜技術(shù)的發(fā)展
        1.4.4 鐵譜磨粒圖像識別技術(shù)
    1.5 人工免疫系統(tǒng)
        1.5.1 人工免疫的生物學(xué)基礎(chǔ)
        1.5.2 人工免疫系統(tǒng)的概念
        1.5.3 人工免疫系統(tǒng)的研究內(nèi)容和范圍
        1.5.4 人工免疫系統(tǒng)的發(fā)展及現(xiàn)狀
    1.6 課題來源
    1.7 本論文的主要研究工作
        1.7.1 研究目的及方法
        1.7.2 論文的結(jié)構(gòu)框架
第二章 鐵譜磨粒圖像處理
    2.1 磨粒圖像的獲取和預(yù)處理
        2.1.1 磨粒圖像的獲取
        2.1.2 磨粒圖像的預(yù)處理
    2.2 磨粒形態(tài)特征提取
        2.2.1 磨粒種類
        2.2.2 磨粒特征
        2.2.3 特征提取
    2.3 小結(jié)
第三章 人工免疫算法研究
    3.1 一般免疫算法
    3.2 陰性選擇算法
    3.3 免疫學(xué)習(xí)算法
        3.3.1 免疫學(xué)習(xí)
        3.3.2 免疫學(xué)習(xí)算法
    3.4 免疫進化算法
        3.4.1 利用疫苗的免疫算法與免疫規(guī)則
        3.4.2 基于抗體多樣性的免疫遺傳算法
        3.4.3 基于免疫網(wǎng)絡(luò)理論的免疫遺傳算法
        3.4.4 基于免疫更新機制的遺傳算法
    3.5 克隆選擇算法
        3.5.1 克隆選擇
        3.5.2 克隆選擇算法
    3.6 免疫Agent算法
    3.7 小結(jié)
第四章 鐵譜磨粒分類器設(shè)計
    4.1 引言
    4.2 分類器的設(shè)計思想
        4.2.1 自體與非自體
        4.2.2 抗原與抗體
        4.2.3 抗體和抗原編碼
        4.2.4 親和力
        4.2.5 自體耐受與非自體耐受
        4.2.6 克隆選擇
        4.2.7 分類
    4.3 模型學(xué)習(xí)過程
        4.3.1 系統(tǒng)模型原理
        4.3.2 具體學(xué)習(xí)過程
    4.4 模型對應(yīng)的算法
    4.5 系統(tǒng)實現(xiàn)
        4.5.1 訓(xùn)練模塊
        4.5.2 識別模塊
        4.5.3 系統(tǒng)性能評價指標
    4.6 仿真試驗
        4.6.1 磨粒圖像樣本的獲取
        4.6.2 鐵譜磨粒圖像樣本數(shù)據(jù)的建立
        4.6.3 試驗條件
        4.6.4 試驗設(shè)置
        4.6.5 磨粒分類器的設(shè)計
        4.6.6 磨粒分類結(jié)果分析
    4.7 小結(jié)
第五章 結(jié)論與展望
致謝
攻讀碩士期間發(fā)表論文
參考文獻

【引證文獻】

相關(guān)博士學(xué)位論文 前1條

1 李俊峰;灰色系統(tǒng)理論及其在鐵譜磨粒圖像處理中的應(yīng)用研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前4條

1 范君;磨粒圖譜識別系統(tǒng)研究[D];浙江大學(xué);2007年

2 沈如蕓;鐵譜磨粒圖像預(yù)處理與磨粒識別技術(shù)研究[D];昆明理工大學(xué);2008年

3 王新宇;基于小波變換的韌窩形貌分析模型的設(shè)計及其應(yīng)用研究[D];江蘇大學(xué);2009年

4 郭鑫鑫;鋼韌窩的測量分類系統(tǒng)的設(shè)計及其應(yīng)用研究[D];江蘇大學(xué);2009年

本文編號：2836262