油液監測技術研究方向分析（上）

在另一個發展方向上，現代科學技術特別是計算機和信息技術的飛速發展為油液診斷技術自身的發展提供了良好的契機。油液監測技術必將朝著集成化、智能化、在線化和網絡化方向發展。其主要的研究方向可以分為基礎研究和應用研究兩個層面。
① 研究機器潤滑系統中磨粒濃度的使用數學模型。這里包括磨粒生成機理、運動軌跡、工況變化時磨粒生成與損耗的動態過程等等。實現直接測量實際潤滑系統中磨粒濃度的變化并找出其規律是很有價值的試驗研究。
② 研究多傳感器信息融合思想在油液監測方法之間和油液監測方法及其他監測方法（如振動監測、溫度監測、超聲波監測等）之間的應用于發展，以提高油液監測的準確率。
③ 研發磨粒自動識別技術。努力將信息處理技術、計算機軟件硬件技術、人工智能和視覺工程的*新成果與之相結合。針對磨粒的特征，探索識別機制和方法。涉及油液智能化方面包括了磨粒定量分析、數據庫、圖像識別和人工智能診斷等。目前的研究熱點主要集中在磨粒圖像的自動識別和基于磨粒分析只能診斷系統開發。磨粒識別是鐵譜技術的核心內容，是油液監測技術中鐵譜監測方法有別于其他油液監測方法的突出特點。自從20世紀80年代初B.J.Roylance和G.Pocock將圖像處理方法技術應用到鐵譜分析以來，近年已有不少研究者多磨粒圖像的特征獲取和分類進行了研究。
1991年，A.D.H.Thomas和I.A.Albidewi等分別采用曲率分析方法和傅里葉變換方法提取磨粒的邊緣細節特征。1994年，B.J.Roylance等開發了磨粒形態定量方法—計算機輔助視覺工程（CAVE）。澳大利亞的Z.Peng等學者利用激光掃描共焦顯微技術成功地獲得了三維磨粒圖像，從而較好地獲得磨粒邊緣和表面紋理方面的信息。在磨粒各類特征參數提取方面，許多學者利用了許多現代數學模型加以計算和驗證。如磨粒形狀因子和*大長度與面積的關系、磨粒邊緣傅里葉級數展開的數學參量、磨粒粒度分布函數的數學參數、磨粒輪廓邊界分形維數、表面紋理的相關矩等。M.Anderson和J.Steeki基于系統分析方法提出了可以作為開發磨粒識別專家系統的磨粒圖解。B.Roylance等人開發了計算機輔助微粒分析系統（CASPA），并運用視覺工程的思想完善了CASPA的功能，**將神經網絡技術引入了鐵譜的圖像處理中。國內有學者用計算機圖像分析級數建立了基于黑板的鐵譜圖像解釋系統的模型。

版權所有www.shenhuyi.com                如需轉載請注明出自