基于图像识别的动车组轴箱故障诊断系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题背景及意义 | 第8页 |
| 1.2 基于图像处理的铁谱技术发展现状 | 第8-11页 |
| 1.2.1 铁谱技术概述 | 第8-10页 |
| 1.2.2 国内外发展现状 | 第10-11页 |
| 1.3 论文的主要研究内容 | 第11-13页 |
| 2 轴箱的磨损机理以及常见故障 | 第13-17页 |
| 2.1 轴箱磨损机理研究 | 第13-14页 |
| 2.2 轴箱结构及常见磨损形式 | 第14-16页 |
| 2.2.1 轴箱结构及作用 | 第14-15页 |
| 2.2.2 轴箱常见磨损形式 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 3 轴箱磨粒图像的综合分析 | 第17-26页 |
| 3.1 磨粒图像提取 | 第17-18页 |
| 3.2 磨粒图像预处理 | 第18-25页 |
| 3.2.1 图像的灰度化 | 第18页 |
| 3.2.2 图像的分割 | 第18-20页 |
| 3.2.3 图像的增强 | 第20-23页 |
| 3.2.3.1 噪声的分类 | 第20-21页 |
| 3.2.3.2 图像的降噪 | 第21-23页 |
| 3.2.4 图像的边缘检测 | 第23-25页 |
| 3.3 本章小结 | 第25-26页 |
| 4 基于改进Bp神经网络的轴箱故障诊断技术研究 | 第26-43页 |
| 4.1 Bp神经网络算法的原理 | 第26-31页 |
| 4.1.1 Bp神经网络模型 | 第26-27页 |
| 4.1.2 Bp神经网络结构 | 第27-28页 |
| 4.1.3 Bp算法 | 第28-31页 |
| 4.2 Bp算法的改进 | 第31-34页 |
| 4.2.1 传统Bp算法的缺陷 | 第31-33页 |
| 4.2.2 Bp算法的改进 | 第33-34页 |
| 4.3 磨粒的特征参量 | 第34-39页 |
| 4.3.1 磨粒的分类 | 第34-36页 |
| 4.3.2 几何特征 | 第36-37页 |
| 4.3.3 纹理特征 | 第37页 |
| 4.3.4 颜色特征 | 第37-39页 |
| 4.4 轴箱运行状况分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 轴箱故障诊断系统设计 | 第43-54页 |
| 5.1 MATLAB图像处理介绍 | 第43页 |
| 5.2 轴箱故障诊断系统技术路线 | 第43页 |
| 5.3 软件系统设计思想 | 第43-45页 |
| 5.4 各模块功能 | 第45-46页 |
| 5.4.1 文件模块 | 第45页 |
| 5.4.2 图像预处理子系统 | 第45-46页 |
| 5.4.3 磨粒特征提取子系统 | 第46页 |
| 5.4.4 故障自动识别子系统 | 第46页 |
| 5.4.5 结果处理子系统 | 第46页 |
| 5.5 轴箱故障诊断系统的功能验证 | 第46-53页 |
| 5.6 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读学位期间的研究成果 | 第58页 |
