[发明专利]基于遗传编程的铁谱磨粒复合特征构造方法

摘要

本发明公开了一种基于遗传编程的铁谱磨粒复合特征构造方法，该方法综合利用了铁谱磨粒形态特征直观、易于获取的特点，以及遗传编程在复合特征构造上的优势，应用于机械运行状态监测中油液铁谱磨粒图像的提取和机器磨损状态模式识别。该方法将获取的多种铁谱磨粒形态特征作为样本种群，通过遗传编程对多种形态特征进行组合优化得到复合特征，用于不同故障磨粒的分类，克服传统特征构造过程中费时费力且盲目性的缺点，突破传统情况下只能对离线图片进行分析的局限，综合了铁谱磨粒的多种形态特征信息，能有效提高利用铁谱图像识别机械设备常见故障的能力，为机械设备健康可靠的运行提供有力支持。

主权项

1.基于遗传编程的铁谱磨粒复合特征构造方法，其特征在于，包括以下步骤：1)从机械设备润滑系统中获取铁谱磨粒图像；2)对获得的铁谱磨粒图像进行预处理，获取磨粒的形态特征信息；具体方法如下：201)将获得的铁谱磨粒图像灰度化以及二值化，得到二值图像，将得到的二值图像转化成一个矩阵A，则矩阵A大小为1200×1600，其包含0和1两种数值元素；202)利用八邻域标记法，标记图像中磨粒的总个数N，此时矩阵A中的数值元素有N+1个，即0，1，2...N，对每个磨粒进行扫描，记第i个磨粒大小为Si，其中1≤i≤N；203)对所得的磨粒大小Si按照从大到小的顺序排序，最大的记为SL，次大的磨粒记为SM；204)设定一个合适的阈值T，保证SM＜T＜SL，其中依据下列公式：即保留了最大的磨粒，将其余磨粒都视为杂质滤除，这时各个磨粒的面积也发生如下变化：205)将含有0和i的矩阵A转换为只含有0和1的矩阵，即206)将矩阵A进行求反操作，也即即可得到滤除外部杂质的磨粒图像；207)将得到的矩阵A重复进行步骤202)到步骤206)的操作，去除目标磨粒内部的细小孔洞，并将最后得到的矩阵A以二值图像的形式输出，即可获取磨粒的形态特征信息；3)将步骤2)中得到的磨粒的形态特征信息作为样本种群，利用遗传编程对其进行重新组合优化；遗传编程的运算符集由加、减、乘、除四种基本数学运算符构成，终止符集由磨粒面积百分比、长短轴比、等效直径、矩形度及形状因子五种形态特征构成，且遗传编程采用后序遍历来输出复合特征表达式；4)根据适应度函数选择最优的遗传编程结果作为复合特征；利用类内距和类间距来判定分类效果；适应度函数的表达式为其中，v为某一特征量，D_ij为第i类与第j类的类间距，D_ii为第i类的类内距；且适应度函数值越大，表明所得的复合特征分类效果越优；5)利用步骤4)中得到的复合特征作为分类指标，绘制该复合特征对不同故障磨粒的分类效果图。