1、各種機械設(shè)備由于磨損引起失效和報廢，甚至于發(fā)生重大事故，導(dǎo)致能源和材料的損耗、造成巨大的浪費，并危及人身安全，因此建立機器磨損狀態(tài)監(jiān)測和提高故障診斷技術(shù)具有重大的經(jīng)濟和社會效益。鐵譜技術(shù)是一種通過磨粒分析來判斷和預(yù)測機械設(shè)備運行狀態(tài)的重要手段，針對機械設(shè)備中產(chǎn)生的磨損情況，通過磨粒智能化識別可以有效的提高設(shè)備的故障監(jiān)測、診斷能力，提前發(fā)現(xiàn)機械故障，避免事故的發(fā)生。本文以VC++6.0為平臺，利用OpenCv函數(shù)庫作為輔助工具，對磨粒參數(shù)

2、的提取和磨粒智能化識別等進行了研究。
　　在鐵譜圖像預(yù)處理過程中，將圖像平滑、中值濾波、去噪、邊緣檢測、數(shù)學(xué)形態(tài)學(xué)運算等圖像處理過程進行有機地融合，旨在為后續(xù)的鐵譜圖像分割提供良好的基礎(chǔ)圖像。鐵譜磨粒圖像分割是鐵譜圖像處理中的重要一步，圖像分割的好壞直接影響磨粒參數(shù)提取和磨粒識別的效果。本文在認(rèn)真研究磨粒圖像分割算法的基礎(chǔ)上，對鐵譜磨粒圖像的三種分割方法進行了對比分析，通過對分割過程中參數(shù)的調(diào)整、同一區(qū)域顏色的分布、過分割現(xiàn)象的嚴(yán)

3、重程度以及分割的最終效果進行綜合考慮，最后選定以改進的分水嶺方法作為本課題鐵譜磨粒圖像的分割方法。
　　磨粒特征參數(shù)的提取和磨粒類型的識別是本課題研究的重點。本文首先研究了磨粒的形狀特征參數(shù)、紋理特征參數(shù)和顏色特征參數(shù)，并針對大量樣本磨粒提取了特征參數(shù)，通過對不同類型磨粒的不同特征參數(shù)值進行分析、比較，總結(jié)了描述典型磨粒所對應(yīng)的關(guān)鍵特征參數(shù)。在分析以往磨粒智能識別算法的基礎(chǔ)上，本文對主成分分析和灰色關(guān)聯(lián)分析算法進行研究，提出了對難