基于油液分析的设备状态监测与磨粒识别系统开发
摘要 | 第1-6页 |
ABSTRACT | 第6-12页 |
第一章 绪论 | 第12-20页 |
·课题背景和意义 | 第12-13页 |
·油液分析技术在设备状态监测中的作用 | 第13-14页 |
·油液分析技术的研究现状 | 第14-16页 |
·磨粒智能识别技术 | 第14-15页 |
·油液分析诊断系统开发 | 第15-16页 |
·在线油液监测方法 | 第16页 |
·磨粒的分类 | 第16-18页 |
·论文的主要研究内容及结构安排 | 第18-20页 |
第二章 油液分析在设备状态监测上的应用 | 第20-37页 |
·监测对象 | 第20页 |
·监测方案 | 第20-21页 |
·油样采集 | 第21-23页 |
·油样采集要求 | 第21页 |
·油样采样周期 | 第21-22页 |
·油样采集部位和方法 | 第22-23页 |
·铁谱分析 | 第23-30页 |
·铁谱技术原理 | 第23页 |
·铁谱分析的主要参数 | 第23-24页 |
·实验设备 | 第24-25页 |
·铁谱分析前期油液预处理 | 第25-26页 |
·铁谱数据处理方法 | 第26-28页 |
·监测数据与分析 | 第28-29页 |
·铁谱图像分析 | 第29-30页 |
·油液理化分析 | 第30-36页 |
·理化指标监测的意义 | 第30-32页 |
·实验仪器 | 第32-33页 |
·理化指标的监测标准 | 第33-34页 |
·监测数据与分析 | 第34-36页 |
·结论 | 第36页 |
·本章小结 | 第36-37页 |
第三章 铁谱磨粒图像处理算法研究 | 第37-47页 |
·数字图像处理的基础知识 | 第37-38页 |
·数字图像的数学模型和表达 | 第37-38页 |
·数字图像的分类 | 第38页 |
·图像灰度化 | 第38-39页 |
·图像的大小调整 | 第39-40页 |
·图像二值化 | 第40页 |
·图像形态学处理 | 第40-42页 |
·图像边缘提取 | 第42-43页 |
·种子填充 | 第43页 |
·边界链码提取 | 第43-44页 |
·磨粒图像处理算法实例 | 第44-46页 |
·本章小结 | 第46-47页 |
第四章 磨粒特征提取与BP 神经网络识别算法 | 第47-63页 |
·磨粒图像像素尺寸大小的确定 | 第47页 |
·形状特征参数 | 第47-50页 |
·统计特征参数 | 第47-49页 |
·傅里叶特征参数 | 第49-50页 |
·纹理特征参数 | 第50-56页 |
·灰度共生矩阵 | 第50-52页 |
·特征参数 | 第52-53页 |
·实例分析 | 第53-56页 |
·颜色特征提取 | 第56-57页 |
·BP 神经网络 | 第57-62页 |
·BP 神经网络基本原理 | 第57-60页 |
·网络结构 | 第60页 |
·算例分析 | 第60-62页 |
·本章小结 | 第62-63页 |
第五章 磨粒识别系统设计与实现 | 第63-80页 |
·磨粒识别的技术路线 | 第63页 |
·系统结构 | 第63-64页 |
·硬件系统设计 | 第64-65页 |
·软件系统设计 | 第65页 |
·软件系统的构造平台 | 第65-67页 |
·软件系统各模块功能及应用 | 第67-75页 |
·文件模块 | 第67-68页 |
·图像预处理模块 | 第68-71页 |
·磨粒识别模块 | 第71-74页 |
·数据库管理模块 | 第74页 |
·系统工具模块 | 第74-75页 |
·软件操作的流程图 | 第75-76页 |
·程序的几个主要类及功能介绍 | 第76-78页 |
·MFC 重要的类库 | 第76-77页 |
·CDibImage 类 | 第77页 |
·CGrayShow 类 | 第77-78页 |
·CSeed 类 | 第78页 |
·ADOConn 类 | 第78页 |
·磨粒识别系统的测试结果 | 第78-79页 |
·本章小结 | 第79-80页 |
结论与展望 | 第80-82页 |
结论 | 第80页 |
展望 | 第80-82页 |
参考文献 | 第82-86页 |
附录 | 第86-94页 |
攻读硕士学位期间取得的研究成果 | 第94-95页 |
致谢 | 第95-96页 |
答辩委员会对论文的评定意见 | 第96页 |