论文部分内容阅读
机械柔性制造技术可以满足对产品的多样性和个性化需求,其生产环节当中必要检测环节就是要对零件进行准确的分类和缺陷零件检测甄别。一般的基于视觉特征的零件分类识别方法,只是简单提取对象的几何特征实现分类识别,没有从不同尺度的角度出发分析零件的精细结构。柔性制造背景下的个性化机械零件,具有一定不规则和自相似性特点,而分形理论是描述奇异非线性结构分布的有效工具,适合于难以建模的复杂机械零件结构图像的研究。从本质上分析,多重分形可以充分考虑零件图像局部和全局两方面的不同层次特性,对零件图像结构信息进行全面地、有效地描述,从而弥补单一分形维数无法从局部和总体的不同尺度下分析复杂零件图像分形体结构缺点。近年来,结合多重分形理论与模式识别,在自动化生产环节中对于机械零件的准确识别、分类得到不断的创新应用。本文基于多重分形理论,对几种不同类型的机械零件分类及缺陷识别作了分析研究。论文主要研究内容如下:(1)在盒子法的基础上提出一种改进的计算多重分形谱的三角形盒子法。通过两种算法计算标准图库图像得到多重分形谱,对比发现改进后的三角形盒子法计算得到的多重分形谱,其特性值差异性更明显,可区分度更高,有利于特征提取后的比较。(2)针对不同类型的机械零件(以齿环,齿轮,螺钉,螺母四类机械零件为例),利用三角形盒子法计算四类零件图像的多重分形谱,来描述四种不同类型的零件图像特征,提取出四类零件图像的7种多重分形谱特征值。在此基础上,进一步通过主成分分析方法得到权重分配归一化后的模型和新的识别特征值及其分布情况,作为区分齿环、齿轮、螺钉、螺母四种不同类型零件图像的依据,从而实现四类零件的分类识别。(3)针对同种类型的正常和缺陷机械零件图像(以齿环零件为例),通过计算正常零件和缺陷零件的多重分形谱信息并提取出多重分形谱的7种特征值,选取其中最大奇异值及其对应多重分形谱值作为识别特征值。选择设计贝叶斯分类器作为模式识别分类算法,经过先验数据的训练学习后,能较准确识别正常和缺陷齿环零件。