基于图像分析的机器油液污染在线监测系统研究与开发
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-19页 |
| ·油液检测技术概述 | 第12-14页 |
| ·油液污染分析简介 | 第14-17页 |
| ·油液污染分析的意义 | 第14-15页 |
| ·油液污染分析的研究现状 | 第15-16页 |
| ·油液污染分析的发展动态 | 第16-17页 |
| ·课题的提出和要解决的问题 | 第17-18页 |
| ·课题的提出 | 第17页 |
| ·要解决的问题 | 第17-18页 |
| ·论文内容及章节安排 | 第18-19页 |
| 第二章 微流动油液图像采集与分析方法研究 | 第19-30页 |
| ·微流动油液图像自动采集系统 | 第19-20页 |
| ·图像采集系统的原理 | 第19页 |
| ·图像采集系统的硬件实现 | 第19-20页 |
| ·微流动油液图像特点分析 | 第20-21页 |
| ·微流动油液图像增强 | 第21-23页 |
| ·图像对比度增强 | 第21-22页 |
| ·图像锐化 | 第22-23页 |
| ·微流动油液图像模糊恢复 | 第23-26页 |
| ·卡尔曼运动模糊过程分析 | 第23-24页 |
| ·基于卡尔曼运动的模糊图像恢复 | 第24-25页 |
| ·图像恢复实验分析 | 第25-26页 |
| ·微流动油液图像目标提取 | 第26-29页 |
| ·油液运动区域的确定 | 第26-27页 |
| ·油液颜色信息统计与目标提取 | 第27-28页 |
| ·运动颗粒提取实验分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于图像分析的油液污染度测量 | 第30-44页 |
| ·油液污染度简介 | 第30-32页 |
| ·油液污染度评定方法 | 第30-31页 |
| ·油液污染度等级划分 | 第31-32页 |
| ·油液污染颗粒的尺寸参数计算 | 第32-36页 |
| ·污染颗粒边缘跟踪 | 第32-33页 |
| ·尺寸特征参数计算 | 第33-36页 |
| ·单幅图像油液体积信息的提取 | 第36-38页 |
| ·微管道内速度场分析 | 第36-37页 |
| ·运动油液体积计算 | 第37-38页 |
| ·油液污染度测量误差分析 | 第38-43页 |
| ·颗粒大小计算误差分析 | 第38-41页 |
| ·颗粒个数计算误差分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于支持向量机的磨粒分类方法研究 | 第44-64页 |
| ·支持向量机简介 | 第44-48页 |
| ·线性支持向量机 | 第45-47页 |
| ·非线性支持向量机 | 第47-48页 |
| ·用于多类分类的支持向量机 | 第48-51页 |
| ·“一对一”策略 | 第49页 |
| ·“一对多”策略 | 第49-51页 |
| ·支持向量机与最近邻相结合进行快速识别 | 第51-54页 |
| ·训练过程的改进 | 第51-53页 |
| ·测试过程的改进 | 第53-54页 |
| ·磨损颗粒特征参数测量 | 第54-59页 |
| ·磨粒分类及形态特征 | 第54-55页 |
| ·磨粒二维形态参数 | 第55-58页 |
| ·磨粒敏感参数选择 | 第58-59页 |
| ·磨粒类型识别实验结果与分析 | 第59-63页 |
| ·分类器训练 | 第59-62页 |
| ·分类结果与分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 油液在线污染监测原型系统的开发与实验 | 第64-72页 |
| ·系统的硬件组成 | 第64-66页 |
| ·全采样系统配置 | 第64-65页 |
| ·改造后系统配置 | 第65-66页 |
| ·系统的软件简介 | 第66-68页 |
| ·系统软件流程分析 | 第66页 |
| ·系统软件程序实现 | 第66-68页 |
| ·系统中关键问题讨论 | 第68-70页 |
| ·进样方式改进 | 第68-69页 |
| ·颗粒浓度校准 | 第69-70页 |
| ·系统的实验验证 | 第70-71页 |
| ·污染度计算验证 | 第70页 |
| ·磨损颗粒识别验证 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| ·结论 | 第72页 |
| ·展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 在学期间所发表的学术论文 | 第78页 |
