基于数字图像处理技术的磨粒图像分析与识别方法的研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·铁谱分析技术的原理和应用 | 第11-13页 |
| ·铁谱分析技术原理 | 第11-12页 |
| ·铁谱技术的应用 | 第12-13页 |
| ·铁谱磨粒识别的研究现状 | 第13-14页 |
| ·本文的主要内容 | 第14-15页 |
| ·立题的研究意义 | 第15-16页 |
| 第二章 磨损故障诊断的理论基础 | 第16-28页 |
| ·磨损机理 | 第16-17页 |
| ·磨损失效过程分析 | 第16-17页 |
| ·磨损分类 | 第17-20页 |
| ·磨料磨损原理 | 第17页 |
| ·粘着磨损原理 | 第17-18页 |
| ·疲劳磨损原理 | 第18-19页 |
| ·腐蚀磨损原理 | 第19页 |
| ·冲蚀磨损原理 | 第19-20页 |
| ·磨损颗粒分析 | 第20-21页 |
| ·磨粒分类 | 第20-21页 |
| ·各种磨粒的形成机理和特点 | 第21-26页 |
| ·正常磨损磨粒 | 第21页 |
| ·切削磨粒 | 第21-22页 |
| ·疲劳剥块磨粒 | 第22-23页 |
| ·层状磨粒的形成 | 第23-24页 |
| ·球状磨粒的形成 | 第24页 |
| ·严重滑动磨损磨粒 | 第24-25页 |
| ·氧化物颗粒 | 第25-26页 |
| ·其它的磨粒样本谱片 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 铁谱图像的获取和预处理 | 第28-48页 |
| ·铁谱磨粒图像的获取 | 第28-29页 |
| ·铁谱仪及磨粒 | 第28页 |
| ·铁谱图像的获取 | 第28-29页 |
| ·铁谱图像的预处理 | 第29-34页 |
| ·均值平移算法 | 第31-33页 |
| ·磨粒图像的均值平移滤波 | 第33-34页 |
| ·图像分割 | 第34-42页 |
| ·离散K-L变换 | 第36-37页 |
| ·RCA算法 | 第37-42页 |
| ·图像后处理 | 第42-47页 |
| ·数学形态学概述 | 第42-45页 |
| ·磨粒图像的后处理 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第四章 磨粒特征的提取 | 第48-62页 |
| ·概述 | 第48页 |
| ·尺寸特征 | 第48-53页 |
| ·面积 | 第48-50页 |
| ·周长 | 第50-51页 |
| ·长轴与短轴 | 第51-53页 |
| ·形状特征 | 第53-56页 |
| ·圆度 | 第54页 |
| ·长短轴之比 | 第54页 |
| ·紧凑度 | 第54-56页 |
| ·边界细节特征 | 第56-58页 |
| ·边界分形维 | 第56-58页 |
| ·表面纹理特征 | 第58-61页 |
| ·表面分形维 | 第59-61页 |
| ·颜色特征 | 第61页 |
| ·小结 | 第61-62页 |
| 第五章 磨粒识别的方法 | 第62-74页 |
| ·基于灰色关联的磨粒识别方法 | 第63-67页 |
| ·灰色关联分析 | 第63页 |
| ·灰色关联的概念 | 第63-64页 |
| ·灰色关联分析的计算方法 | 第64-67页 |
| ·识别结果 | 第67页 |
| ·神经网络识别 | 第67-72页 |
| ·BP神经网络算法 | 第68-72页 |
| ·灰色关联及神经网络的优化组合模型 | 第72-73页 |
| ·基于最小二乘法的优化组合 | 第72-73页 |
| ·运用组合模型得到的识别结果 | 第73页 |
| ·本章小结 | 第73-74页 |
| 第六章 结束语 | 第74-75页 |
| 参考文献 | 第75-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79页 |
