基于分形特征的同步器齿环缺陷识别研究

通过展开同步器齿环(齿环)内轮廓,发现其具有不规则、统计自相似性和相对平滑的特征。采用分形理论中的分形维数(FD)对其进行缺陷识别。首先,用结构函数法对(Weierstrass-andelbort)W-M函数模型进行分析,可得结构函数法计算相对平滑曲线的维数误差小;然后,基于齿环内轮廓展开曲线相对平滑的特性,采用结构函数法对正常和缺陷齿环内轮廓展开曲线进行分维计算。实验结果表明,正常齿环内轮廓展开线的分维不同于缺陷齿环的分维,从而通过维数差异实现对正常和缺陷齿环的识别。

一种改进差分盒维法提取齿环分形特征的研究

同步器齿环具有不规则和一定的统计自相似性的特征,可用分形方法中的分形维数对齿环图像进行描述,并将维数作为测量特征实现齿环缺陷识别。差分盒维法计算齿环图像维数时,结果会受到背景和摆放角度的影响,导致正常与缺耳齿环的维数结果存在交叉现象。针对这个问题,在研究和分析差分盒维数法的基础上提出一种改进差分盒维法,即利用概率和图像旋转消除图像背景和被测物摆放角度的影响,提高维数计算精度。通过改进差分盒维法对正常与缺耳齿环的分形维数计算与分析,可消除图像背景和摆放角度对维数产生的影响,实现了用齿环分形维数作为识别特征量对缺陷齿环的识别。

基于三角覆盖MF-DFA的环形零件图像种类特征研究

针对多重分形去趋势波动分析(Multifractality Detrended Fluctuation Analysis,MF-DFA)可以从全局和局部两方面出发,深层次发掘目标物体的各种特征,但存在过度覆盖的缺点,提出一种能够减少过度覆盖的三角覆盖MF-DFA,用于环形零件图像的种类特征提取。选用齿环、齿轮、轴承与螺母这四类常见环形零件的图像为研究对象,利用三角覆盖MF-DFA研究环形零件图像的种类特征,结合核化主成分分析(Kernelized Principal Component Analysis,KPCA)获得特征值。使用支持向量机(Support Vector Machines,SVM)对特征值进行识别验证,其识别正确率达99.5%,证实该方法可以准确提取环形零件图像的种类特征。