基于圖像的金屬霧化過程監(jiān)控系統(tǒng)設(shè)計與實現(xiàn).pdf

1、進入21世紀以來，人工智能和物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展不斷推動著制造技術(shù)的革新和進步，在此基礎(chǔ)上，德國提出“工業(yè)4.0”計劃旨在提升制造業(yè)的智能化水平。與此同時，“中國制造2025”計劃也對我國工業(yè)智能化的發(fā)展提出了明確的要求。機器視覺和機器學(xué)習作為智能算法的代表，自誕生以后一直以能夠更大程度上的代替人工操作為首要目的而不斷的發(fā)展和完善，它們在工業(yè)領(lǐng)域也得到了越來越廣泛的應(yīng)用。
　　在金屬粉末的制備方法中，氣霧化法以其產(chǎn)品的球形度高、均

2、勻度好且成本低廉的特點一直占據(jù)市場中的主導(dǎo)地位。但在生產(chǎn)過程中粉末的粒徑容易因為各種因素的影響而產(chǎn)生波動，對于這些影響因素，大量的研究人員通過不斷的實驗試圖找到其影響粉末粒徑的機理，其中最著名的機理模型就是Lubanska公式。該公式指出，金屬粉末的粒徑受包括霧化氣流速和氣液質(zhì)量流量在內(nèi)的諸多因素的影響，霧化過程中的多相耦合作用也大大增加了其機理模型的復(fù)雜程度。因此，通過建立機理模型來實現(xiàn)對金屬粉末粒徑的估計并不現(xiàn)實，我們很難通過這些難

3、以測量的影響因素來準確的給出粉末粒徑的估計值。
　　本文將從全新的角度來實現(xiàn)對金屬粉末粒徑的預(yù)估工作。霧化過程作為氣霧化法制備金屬粉末中最重要的生產(chǎn)流程，其狀態(tài)參數(shù)往往可以表征當前的生產(chǎn)情況。因此，本文從金屬霧化時的噴粉圖像作為切入點。首先，對于圖像的降噪和復(fù)原，提出了基于中值濾波器的GT_medfilt濾波算法，在消除大部分圖像噪聲的同時很好的保留了圖像細節(jié);然后在HSV顏色空間下使用基于強度的最大類間方差閾值分割算法，將目標區(qū)

4、域完整的與背景分離開并對其重要幾何特征進行了提取;對于霧化流場的溫度分布，采用比色測溫法實現(xiàn)了對目標溫度場的重構(gòu);最后通過對Lubanska公式的簡化分析，選取合適的生產(chǎn)數(shù)據(jù)進行預(yù)測模型的監(jiān)督性學(xué)習，建立了基于霧化圖像數(shù)據(jù)和LS-SVM算法的金屬粉末粒徑及跨度預(yù)測模型。
　　該預(yù)測方法既有效的利用了經(jīng)驗機理模型所提供的指導(dǎo)意義，又避免了機理建模過于復(fù)雜且難以實現(xiàn)的缺點。通過與實際數(shù)據(jù)的比對證實了該預(yù)測模型可以較好的對D50粒徑和粉