磨损磨粒的主成分聚类方法分析.pdfVIP

第 28卷第 5期 摩 擦 学 学 报 Vo1．28 No．5 2008年 9月 Tribology Sept．2008 磨损磨粒的主成分聚类方法分析 吕植勇，严新平 ，彭雅芳，王 峰 (武汉理工大学 水路公路交通安全控制与装备教育部工程研究中心，湖北 武汉 430063) 摘要：采用主成分聚类分析理论对正常磨粒 、滑动磨粒 、切削磨粒和疲劳磨粒等4种不同磨粒表面纹理灰度共生矩阵 进行分析 ，得到4个不同纹理方向的能量 、熵、惯性矩、局部平稳性、相关、最大概率和方差7个参量．利用主成分理论 求解，构造主成分方程，得到磨粒纹理参量主成分的二维分布，最后，通过聚类分析，将4种磨粒纹理参量的主成分划 分为不同的聚类区域．结果表明：主成分聚类分类方法可以对磨粒的多参量进行聚类分析；主成分聚类分类方法对冗 余数据具有较强地处理能力；多组主成分聚类分析方法具有互补性 ，特别适合多参量磨粒分类的信息融合处理． 关键词 ：磨粒图像纹理；灰度共生矩阵；主成分；聚类 图书分类号：TP391．41；Tk418 文献标志码：A 文章编号：1004-0595(2008)05-0453-04 磨粒纹理的图像识别研究显得十分困难，即使 磨损过程，机械零件按其磨损状况可分为正常磨粒、 在纯图像处理中也很难对纹理概念进行统一定 滑动磨粒、切削磨粒、疲劳磨粒等几类，其中正常磨 义 ¨．传统的方法是通过人眼观察将表面纹理分为 粒是齿轮中金属摩擦正常磨损的结果．本文针对 U— 光滑、粗糙、裂纹、条痕和蚀斑等语言叙述 ，这种 niversityofWales，SwanseaDepartmentofMechanical 文字表述一般很难进行数字化分析，所以以前大部 Engineering 样本中的16个样本进行分析计算，其 分磨粒数字化分类方法都集中于磨粒边缘形态参量 中，4个正常磨粒 (Rubbing)，4个滑动磨粒 (Slid． 方面．近几年来，表面纹理分析方法有所突破 ，西奥 ing)，4个切削磨粒 (Cutting)，4个疲劳磨粒 (Fa— 大学的G．W．Stachowiak利用表面纹理分形和小波 tigue)． 处理技术对疲劳、研磨和黏着等磨粒进行分类 ． 1．1 灰度共生矩阵表面纹理描述 但磨粒的形貌特征参量非常多，据不完全统计有 通过对磨粒表面的纹理灰度共生矩阵分析，得 200多 ．有些参量彼此相关和数据冗余，如何将众 到7种不同磨粒的特征参量，即能量、熵、惯性矩、局 多的参量进行分类一直困扰着磨粒智能识别技术． 部平稳性和最大概率的数值，将参量进行聚类划分， 按照主成分分析将同类信息进行融合，得到2～3个 从而提高磨粒识别能力．由灰度共生矩阵计算出1 主成分，简化参量数 目，提高磨粒聚类分析的能力． 组二次统计参量，用于定量描述纹理图像的属性． 由于机械受力破坏机制的不同，导致磨粒表面的纹 通过对样本的灰度共生矩阵分析，得到正常磨 理发生变化，这些纹理可 以反应到图像信息中 J， 粒的能量、熵、惯性矩、局部平稳性和最大概率的数 有的磨粒纹理呈各向异性，有的磨粒呈各向同性，有 值范围为0．18～0．35，1．80～2．20，0．80～1．40， 的纹理较致密，有的较疏松，其纹理具有统计特征． 0．65～0．75和 0．30～0．45，切削磨粒的能量、熵、 不同的磨粒表现出不同的特征参量，磨粒表面图像 惯性矩、局部平稳性和最大概率的数值范围分别为 的灰度共生矩阵可以反映磨粒类型特征l，所以灰 0．65—0．75，0．60～0．85，0．30～0．60，0．90～0．95 度共生矩阵纹理特征数字化和主成分聚类