CAJ | 학술논문

采用在线铁谱图像表征机器磨损状态是铁谱诊断技术的核心和瓶颈.针对在线油液监测获取的磨粒图像信息,设计了一种融合在线铁谱图像特征信息的磨损状态诊断方法,首先通过对原始图像进行灰度化、直方图阈值二值化、高斯与椒盐增强、模板锐化、多次膨胀与腐蚀、边界跟踪、自适应阈值分割处理,获得较为准确的图像磨粒量化统计质量分数信息来量度相对磨损浓度；再融合能量、熵、惯性矩、局部平稳性等图像纹理特征对磨损状态进行分析、诊断、评价；最后采用RBF神经网络技术对铁谱磁性磨粒进行自动识别.实验验证了该方法的创造性和可行性.
채용재선철보도상표정궤기마손상태시철보진단기술적핵심화병경.침대재선유액감측획취적마립도상신식,설계료일충융합재선철보도상특정신식적마손상태진단방법,수선통과대원시도상진행회도화、직방도역치이치화、고사여초염증강、모판예화、다차팽창여부식、변계근종、자괄응역치분할처리,획득교위준학적도상마립양화통계질량분수신식래량도상대마손농도；재융합능량、적、관성구、국부평은성등도상문리특정대마손상태진행분석、진단、평개；최후채용RBF신경망락기술대철보자성마립진행자동식별.실험험증료해방법적창조성화가행성.