資源描述：
《磨合表面形貌特征參數(shù)的提取及分析.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應用文檔-天天文庫。
1、第卷第期摩擦學學報，年月，磨合表面形貌特征參數(shù)的提取及分析李國賓，關(guān)德林（大連海事大學輪機工程學院，遼寧大連）摘要：在銷盤式摩擦磨損試驗機上對船用柴油機活塞環(huán)缸套材摩擦副進行磨合磨損試驗，采用光學顯微鏡對不同磨損階段的磨損表面形貌進行觀察分析，應用小波分析和奇異值分解提取磨損表面統(tǒng)計特征的低頻特征參數(shù)和高頻特征參數(shù)結(jié)果表明：低頻特征參數(shù)和高頻特征參數(shù)刻畫了磨合表面的形貌特征，可以作為磨合表面的特征參數(shù)；低頻特征參數(shù)反映了磨合表面的接觸面積，其值愈大，接觸面積愈大；高頻特征參數(shù)反映了磨合表面的粗糙度，其值愈大，粗糙度愈小關(guān)鍵詞：磨合表面；小波分析；奇異值分解；低頻特征
2、參數(shù)；高頻特征參數(shù)中圖分類號：；文獻標識碼：文章編號：（）磨合表面是復雜的三維表面，傳統(tǒng)用于表面特ì，，，，征評定的粗糙度參數(shù)僅基于一段二維輪廓，無法全???，，，，面反映磨合表面的三維形貌特征，因此，研究表面三（）í［］維形貌特征提取愈來愈受到關(guān)注由于小波分析?，，，，??的時域和頻域的良好局部化性質(zhì)，適合于觀察分析?，，，，信號的任意細節(jié)，已成為優(yōu)于傳統(tǒng)頻域傅立葉分析的數(shù)據(jù)處理和分析工具近年來，小波技術(shù)已用于工這里，｛，｝為對應于一維尺度函數(shù)和小波｛!，程表面形貌評定分析并取得良好效果［］，如陳慶"｝的濾波器，并有!［，］虎等用小波變換方法提取二維輪廓粗糙度評定
3、圖像進行二維離散小波分解后得到小波變換低基準線和三維表面粗糙度評定基準面并獲得理想效頻系數(shù)、垂直方向的高頻系數(shù)、水平方向的高果，同時采用小波變換對表面溝槽、凹杭、凸臺和刻頻系數(shù)和對角方向的高頻系數(shù)，從不同的角［，］痕等奇異特征進行有效提取奇異值分解是度反映了圖像信息的變化：低頻系數(shù)反映了磨合表種有效代數(shù)特征提取方法，由于奇異值特征描述圖面輪廓的形貌特征，即磨合表面的接觸面積；高頻系像穩(wěn)定且具有轉(zhuǎn)置不變性、位移不變性和鏡像不變數(shù)反映了圖像紋理特征，亦即磨合表面的粗糙［，］性等，因此可以采用奇異值分解得到奇異值特征作度［，］為圖像的代數(shù)特征描述!#"圖像奇異值分解本文作
4、者將小波分析和奇異值分解相結(jié)合提取提取小波變換的低頻系數(shù)和高頻系數(shù)組成特征磨合表面三維形貌特征，采用提取的特征參數(shù)對磨向量矩陣｛，｝，其中表示圖像的行，合表面進行分析，為磨合表面的評定提供種新的表示圖像的列采用奇異值分解得到矩陣的奇異特征參數(shù)值矢量作為描述信號奇異性的特征向量，詳述如下：設(shè)存在正交（或者酉）矩陣和，使得!"圖像的小波變換與奇異值分解（或），其中[]，且!!"圖像的小波變換由于圖像是二維信號，因此應用的小波分析工（#，#，?，#），（），其對角元素（矩陣具為二維小波變換根據(jù)二維小波分解算法的奇異值）按照降序排列，即##?#如［］得到：果將奇異值組成個奇
5、異值矢量（#，#，?，收稿日期：；修回日期：聯(lián)系人李國賓，：作者簡介：關(guān)德林，男，生，博士，教授，博導，目前主要從事材料科學與工程和船舶修造工程研究第期李國賓等：磨合表面形貌特征參數(shù)的提取及分析!），由矩陣奇異值的性質(zhì)可知，這個奇異值矢量唯公司產(chǎn)靈敏度、量程的型一表征了小波變換系數(shù)矩陣特征，而小波變換系數(shù)加速度傳感器測量摩擦力，采用帶攝像頭矩陣唯一表征了圖像的信息，所以該矢量也唯一表的光學顯微鏡對磨合前后的盤試樣表面進行觀察并征了圖像特征因而，可將圖像的小波變換系數(shù)特征獲取數(shù)字化圖像如圖矩陣進行奇異值分解，所得特征矢量作為圖像特征由圖可以看出，在磨合前后和不同試驗條
6、件用于圖像識別下，缸套表面的紋理和顏色有明顯差別：磨合前表面理論和實踐已證明，矩陣中非零值主對角線紋理粗糙，有明顯加工痕跡且其深色區(qū)域面積較大，元素的多少與圖像的復雜與否有密切關(guān)系矩陣淺色區(qū)域面積較??；磨合后表面紋理較細，加工痕跡中非零值主對角線元素越多，圖像越復雜，信息越豐逐漸消失，且其深色區(qū)域面積減小，淺色區(qū)域面積增富；反之，矩陣中非零值主對角線元素越少，圖像加，表明磨合后接觸面積增加在試驗中：當轉(zhuǎn)速越簡單，信息量越少因此，矩陣可以客觀反映磨時磨合后表面紋理最細，犁溝淺且數(shù)量合表面形貌的信息量于是，基于矩陣的這一特少，凹坑較細小，當轉(zhuǎn)速時磨合后表面較［］性，應用
7、圖像奇異熵的概念，其定義式為細致，但犁溝較深且數(shù)量較多，當轉(zhuǎn)速時磨合后表面紋理與磨合前相比仍較粗糙在試驗!（）中：油磨合后表面紋理粗糙且犁溝較深；式中：為小波變換的層數(shù)；!為第層小波變換系油磨合后表面紋理較細且數(shù)量少數(shù)的奇異熵，可以通過下式計算：!!"磨合表面形貌圖像特征參數(shù)的提取及分析!（!!）（!!）（）研究表明，小波所獲得的圖像紋理分類精度［］由式（和）可以看出，奇異熵和信息熵均可反最高，因此本文選擇小波對試驗獲得的磨合映圖像信息量，即奇異熵值越大，圖像越復雜，所含表面形貌圖像進行分解小波分解層數(shù)取，其的信息越豐富理由為任何圖像的信息量都是有限的，當小波分
