航空滾動(dòng)軸承典型缺陷的分類識(shí)別研究.pdf

1、目前一些常用的缺陷檢測(cè)方法都是以大樣本數(shù)據(jù)進(jìn)行分類識(shí)別的，但在實(shí)際應(yīng)用中，由于周圍環(huán)境的因素通常情況下只能得到少量的數(shù)據(jù)樣本，鑒于傳統(tǒng)的分類算法對(duì)小樣本數(shù)據(jù)分類精度的不足，所以構(gòu)建一種基于小樣本數(shù)據(jù)的缺陷檢測(cè)模型是很有必要的。為此，本文建立了一種樸素貝葉斯分類器與圖像處理相結(jié)合的方法對(duì)航空滾動(dòng)軸承典型缺陷進(jìn)行檢測(cè)、分類與識(shí)別。通過貝葉斯網(wǎng)絡(luò)的理論分析、數(shù)據(jù)模擬和試驗(yàn)驗(yàn)證的方法，對(duì)基于貝葉斯網(wǎng)絡(luò)的樸素貝葉斯分類器的分類識(shí)別進(jìn)行系統(tǒng)的研究，

2、以提高航空滾動(dòng)軸承典型缺陷的分類識(shí)別準(zhǔn)確度。主要研究?jī)?nèi)容和結(jié)果如下：
　　在分析貝葉斯理論及樸素貝葉斯分類器工作原理的基礎(chǔ)上，鑒于傳統(tǒng)分類算法的不足，提出了一種改善樸素貝葉斯分類器對(duì)數(shù)據(jù)參數(shù)進(jìn)行評(píng)估的方法，避免了在進(jìn)行參數(shù)估計(jì)時(shí)出現(xiàn)0或1的極端值，該方法對(duì)提高分類器的學(xué)習(xí)和分類精度很大幫助。
　　利用圖像處理技術(shù)針對(duì)航空滾動(dòng)軸承及其缺陷進(jìn)行了特征提取，在所提取的特征參數(shù)中，增加了二值比、圓形度、矩形度、7個(gè)不變矩特征，試驗(yàn)數(shù)

3、據(jù)分析表明，二值比特征對(duì)區(qū)分軸承完好圖像與缺陷圖像很明顯，圓形度、矩形度對(duì)于軸承磕碰傷、劃傷圖像的區(qū)分度非常明顯，由于7個(gè)不變矩具有圖像旋轉(zhuǎn)、移動(dòng)等的不變性，大大降低了對(duì)采集圖像位置的要求。
　　建立了樸素貝葉斯分類模型，實(shí)現(xiàn)了航空滾動(dòng)軸承典型缺陷的分類識(shí)別。根據(jù)所提取的航空滾動(dòng)軸承典型缺陷特征參數(shù)，將其隨機(jī)分為2/3的訓(xùn)練樣本和1/3的測(cè)試樣本。對(duì)分類器進(jìn)行交叉訓(xùn)練學(xué)習(xí)，構(gòu)建出分類精度較好的分類模型。同時(shí)構(gòu)建了一個(gè)與之相對(duì)比的神