-
题名基于极限学习机的铁谱磨粒模式识别
被引量:3
- 1
-
-
作者
李加伟
刘晓卫
王崴
杨鑫
-
机构
空军工程大学防空反导学院
-
出处
《润滑与密封》
CAS
CSCD
北大核心
2019年第6期72-77,共6页
-
基金
国家自然科学基金项目(51675530)
-
文摘
将极限学习机(ELM)应用于铁谱磨粒模式识别中,从磨粒彩色图像中提取出磨粒的形状尺寸、颜色、纹理3个方面的特征参数作为ELM的输入,以正常滑动磨粒、严重滑动磨粒、球状磨粒、切削磨粒、氧化物磨粒这5种类型磨粒作为ELM的输出,建立基于ELM的磨粒分类器;将3个方面的17个特征参数进行排列组合建立不同的模型,通过对比实验及分析,确定出最优的模型和磨粒分类器;通过实验比较基于ELM与基于BP神经网络的磨粒分类器性能。结果表明:基于ELM神经网络的磨粒分类器的识别速度平均为150 ms,准确率最高为96%,基于BP神经网络的磨粒分类器的识别速度平均为250 ms,准确率最高为90%。因此,基于ELM的磨粒分类器识别速度更快、准确率更高。
-
关键词
机械磨损
铁谱技术
ELM神经网络
磨粒识别模型
-
Keywords
mechanical wear
ferrography
ELM neural network
wear particle recognition model
-
分类号
TH117.1
[机械工程—机械设计及理论]
-