检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:邱丽娟[1,2] 宣征南[1,3] 张兴芳[2] 何照荣[1] 孙志伟[1]
机构地区:[1]广东石油化工学院机电工程学院,广东茂名525000 [2]太原理工大学化学化工学院,山西太原030024 [3]广东石油化工学院广东省石化装备故障诊断重点实验室,广东茂名525000
出 处:《广东石油化工学院学报》2015年第3期30-34,共5页Journal of Guangdong University of Petrochemical Technology
基 金:茂名市科技计划项目(201327);广东省石化装备故障诊断重点实验室开放基金项目(GDUPTKLAB201314)
摘 要:为了实现支持向量机对磨损磨粒的自动识别,首先对彩色磨粒图像进行图像处理,运用K-均值聚类、区域生长法和数学形态学将磨粒成功地从图像中分割出来;其次根据各类磨粒形貌特征确定磨粒的形状尺寸、纹理特征和颜色特征参数,并采用相应的方法提取这三方面的参数;由于支持向量机参数的选取对其分类效果影响很大,所以采用遗传算法对其参数做进一步的优化;最后以提取的特征参数为基础,运用优化的支持向量机成功地识别了严重滑动磨粒、球形磨粒、切削磨粒、疲劳磨粒和红色氧化物五类特征磨粒,其识别准确率达90%。结果表明该方法切实可行。In order for the support vector machine to automatically recognize abrasive ,firstly ,color abrasive images are processed ,success-fully segmenting abrasive from the image by using K-means clustering ,region growing method and mathematical morphology .Secondly , the shape and size ,texture and color characteristic parameters are determined according to morphologic characteristics of abrasive ,and ap-propriate methods are used to extract the parameters of these three areas .The different support vector machine parameters have a great im-pact on its classification ,so genetic algorithm is used to optimize the parameters further .Finally ,the optimized SVM is used to identify sev-er sliding ,spherical ,cutting ,fatigue and red oxide abrasive ,and the recognition accuracy rate achieves 90% .The results show that this method is feasible .
分 类 号:TH117[机械工程—机械设计及理论]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.229