基于遗传编程的铁谱磨粒复合特征构造方法

文档序号:9866205阅读:460来源:国知局
基于遗传编程的铁谱磨粒复合特征构造方法
【技术领域】:
[0001] 本发明属于机械设备故障诊断领域,具体设及一种基于遗传编程的铁谱磨粒复合 特征构造方法。
【背景技术】:
[0002] 对于机械设备状态监测而言,铁谱磨粒的特征是非常宝贵的信息资源,可W通过 磨粒特征判断机械设备的运行状态W及判别机器的磨损类型。采用铁谱仪和计算机视觉技 术可W获取磨粒特征。因此,铁谱磨粒的研究工作者根据类型不同,将磨粒的特征分为形态 特征、颜色特征W及纹理特征。形态特征获取方便且能反映机器的磨损剧烈程度,因此在工 业上应用最为广泛。形态特征又包括磨粒面积百分比、长短轴比、矩形度、等效直径W及形 状因子等。由于单一特征仅表征磨粒的某一变化规律,列举的上述五种磨粒特征难W独立 的区分具有不同形貌特点的磨粒。因此,需要构建新的特征,综合上述特征的优点实现对不 同形态特征磨粒的识别。
[0003] 在传统的特征构造中,多根据经验构造,采用试探的方式,用实验数据对其检验, 并根据检验结果对特征进行修改,需反复试验,直到获得满意的特征。运种方法费时、费力, 具有很强的盲目性。遗传编程时由遗传算法发展演变而来的,它作为一种智能的层次结构 优化算法,可W较容易的构造大规模的特征集,也可W产生新的特征集,同时可W根据分类 效果自动进行特征选择,直至获得最佳或近似最佳的特征,因此,遗传编程在特征构造中有 着明显的优势。将遗传编程应用到铁谱磨粒形态特征的构造上,所得到的复合特征作为常 见铁谱磨粒形态的新识别标准,能够有效提高铁谱识别机械设备常见故障的能力。

【发明内容】

[0004] 本发明的目的在于克服传统特征构造过程中费时费力且具有盲目性的缺点,W及 提高铁谱磨粒形态特征识别不同形貌特点故障磨粒的能力,提出一种基于遗传编程的铁谱 磨粒复合特征构造方法。
[0005] 为达到上述目的,本发明采用如下技术方案来实现的:
[0006] 基于遗传编程的铁谱磨粒复合特征构造方法,包括W下步骤:
[0007] 1)从机械设备润滑系统中获取铁谱磨粒图像;
[000引2)对获得的铁谱磨粒图像进行预处理,获取磨粒的形态特征信息;
[0009] 3)将步骤2)中得到的磨粒的形态特征信息作为样本种群,利用遗传编程对其进行 重新组合优化;
[0010] 4)根据适应度函数选择最优的遗传编程结果作为复合特征;
[0011] 5)利用步骤4)中得到的复合特征作为分类指标,绘制该复合特征对不同故障磨粒 的分类效果图。
[0012] 本发明进一步的改进在于:所述步骤1)中获取的铁谱磨粒图像包括滑动磨粒图 像、切削磨粒图像W及氧化物磨粒图像。
[0013] 本发明进一步的改进在于:所述步骤2)中对获得的铁谱磨粒图像进行预处理包 括:图像灰度化、图像二值化W及滤波和填充内部孔桐;获取的磨粒形态特征包括:磨粒面 积百分比、长短轴比、等效直径、矩形度及形状因子。
[0014] 本发明进一步的改进在于:所述步骤3)中遗传编程的最大进化代数为100代,杂交 率为0.95,变异率为0.2。
[0015] 本发明进一步的改进在于:所述步骤3)中遗传编程的运算符集由加、减、乘、除四 种基本数学运算符构成,终止符集由磨粒面积百分比、长短轴比、等效直径、矩形度及形状 因子五种形态特征构成,且遗传编程采用后序遍历来输出复合特征表达式。
[0016] 本发明进一步的改进在于:所述步骤4)中利用类内距和类间距来判定分类效果; 适应度函数的表达式为
,其中,V为某一特征量,Du为第i类与第j类的类间 距,Dll为第i类的类内距;且适应度函数值越大,表明所得的复合特征分类效果越优。
[0017] 与现有技术相比,本发明具有W下的有益效果:
[0018] 本发明所述基于遗传编程的铁谱磨粒复合特征构造方法,根据铁谱磨粒的形态特 征能可靠的反映机器的运行磨损情况W及遗传编程具有构造复合特征的能力,将铁谱磨粒 的多种形态特征作为遗传编程的初始样本种群构造复合特征,扩展了遗传编程的应用范 围,同时提高了铁谱磨粒形态特征识别不同类型故障磨粒的能力,该方法适用于铁谱故障 磨粒分类识别。
【附图说明】:
[0019] 图1为本发明实施例中所使用的Ξ类故障磨粒样本图像,其中图1(a)、(b)、(c)分 别是滑动磨粒图像、切削磨粒图像和氧化物磨粒图像;
[0020] 图2为本发明实施例的基本流程图;
[0021] 图3为本发明实施例对铁谱磨粒图像进行预处理的基本流程图;
[0022] 图4为本实施例中提出的标记阔值法对磨粒图像预处理过程中磨粒图像的变化情 况示意图。其中图4(a)为磨粒原始图像,图4(b)为灰度化、二值化后的图像,图4(c)是滤除 特征磨粒外部杂质后的图像,图4(d)是填充特征磨粒内部细小孔桐后的图像,图4(e)是采 用6X6的矩形结构元素开闭运算后得到的图像,图4(f)是采用5X5圆盘结构元素开闭运算 后得到的图像;
[0023] 图5为本实施例中所对磨粒所求的最小外接矩形的实例图;
[0024] 图6为本发明实施例采用遗传编程的基本流程图;
[0025] 图7为本发明实施例采用遗传编程过程中适应度函数的变化情况示意图;
[0026] 图8为本发明实施例采用磨粒面积百分数P对Ξ种不同类型故障磨粒的区分情况 示意图;
[0027] 图9为本发明实施例采用长短轴比K对Ξ种不同类型故障磨粒的区分情况示意图; [00%]图10为本发明实施例采用等效直径D对Ξ种不同类型故障磨粒的区分情况示意 图;
[0029] 图11为本发明实施例采用矩形度R对Ξ种不同类型故障磨粒的区分情况示意图;
[0030] 图12为本发明实施例采用形状因子C对Ξ种不同类型故障磨粒的区分情况示意 图;
[0031] 图13为本发明实施例结合磨粒面积百分比P与长短轴比Κ,对Ξ种不同类型故障磨 粒的区分情况示意图。其中横坐标为磨粒面积百分比Ρ,纵坐标为长短轴比Κ;
[0032] 图14为本发明实施例结合等效直径D与形状因子C,对Ξ种不同类型故障磨粒的区 分情况示意图。其中横坐标为等效直径D,纵坐标为形状因子C;
[0033] 图15为本发明实施例结合磨粒面积百分数Ρ、长短轴比KW及等效直径D,对Ξ种不 同类型故障磨粒的区分情况示意图。其中X坐标为长短轴比K,y坐标为磨粒面积百分数Ρ,ζ 坐标为等效直径D;
[0034] 图16为本发明实施例结合等效直径D、长短轴比KW及形状因子C,对Ξ种不同类型 故障磨粒的区分情况示意图。其中X坐标为等效直径D,y坐标为长短轴Κ,ζ坐标为形状因子 C;
[0035] 图17为本发明实施例利用遗传编程构造的复合特征Ε1对Ξ种不同类型故障磨粒 的区分情况示意图。其中Ei = R+(R-C) X (R-2K);
[0036] 图18为本发明实施例利用遗传编程构造的复合特征E2对Ξ种不同类型故障磨粒 的区分情况示意图。其中E2 = RX (2R-C)-(P-D) X (R+C);
[0037] 图19为本发明实施例利用遗传编程构造的复合特征E3对Ξ种不同类型故障磨粒 的区分情况示意图。其中E3 = RXDX(R+C)/(D+P+K)+KXR2;
[0038] 图20为本发明实施例结合复合特征El和E2,对Ξ种不同类型故障磨粒的区分情况 示意图。其中横坐标为复合特征E1,纵坐标为复合特征E2。
[0039] 图21为本发明实施例结合复合特征E1、E2和E3,对Ξ种不同类型故障磨粒的区分 情况示意图。其中X坐标为复合特征E1,y坐标为复合特征E2,Z坐标为复合特征E3。
【具体实施方式】:
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1