油液监测技术研究方向分析（上）
在另一个发展方向上，现代科学技术特别是计算机和信息技术的飞速发展为油液诊断技术自身的发展提供了良好的契机。油液监测技术必将朝着集成化、智能化、在线化和网络化方向发展。其主要的研究方向可以分为基础研究和应用研究两个层面。
① 研究机器润滑系统中磨粒浓度的使用数学模型。这里包括磨粒生成机理、运动轨迹、工况变化时磨粒生成与损耗的动态过程等等。实现直接测量实际润滑系统中磨粒浓度的变化并找出其规律是很有价值的试验研究。
② 研究多传感器信息融合思想在油液监测方法之间和油液监测方法及其他监测方法（如振动监测、温度监测、超声波监测等）之间的应用于发展，以提高油液监测的准确率。
③ 研发磨粒自动识别技术。努力将信息处理技术、计算机软件硬件技术、人工智能和视觉工程的*新成果与之相结合。针对磨粒的特征，探索识别机制和方法。涉及油液智能化方面包括了磨粒定量分析、数据库、图像识别和人工智能诊断等。目前的研究热点主要集中在磨粒图像的自动识别和基于磨粒分析只能诊断系统开发。磨粒识别是铁谱技术的核心内容，是油液监测技术中铁谱监测方法有别于其他油液监测方法的突出特点。自从20世纪80年代初B.J.Roylance和G.Pocock将图像处理方法技术应用到铁谱分析以来，近年已有不少研究者多磨粒图像的特征获取和分类进行了研究。
1991年，A.D.H.Thomas和I.A.Albidewi等分别采用曲率分析方法和傅里叶变换方法提取磨粒的边缘细节特征。1994年，B.J.Roylance等开发了磨粒形态定量方法—计算机辅助视觉工程（CAVE）。澳大利亚的Z.Peng等学者利用激光扫描共焦显微技术成功地获得了三维磨粒图像，从而较好地获得磨粒边缘和表面纹理方面的信息。在磨粒各类特征参数提取方面，许多学者利用了许多现代数学模型加以计算和验证。如磨粒形状因子和*大长度与面积的关系、磨粒边缘傅里叶级数展开的数学参量、磨粒粒度分布函数的数学参数、磨粒轮廓边界分形维数、表面纹理的相关矩等。M.Anderson和J.Steeki基于系统分析方法提出了可以作为开发磨粒识别专家系统的磨粒图解。B.Roylance等人开发了计算机辅助微粒分析系统（CASPA），并运用视觉工程的思想完善了CASPA的功能，**将神经网络技术引入了铁谱的图像处理中。国内有学者用计算机图像分析级数建立了基于黑板的铁谱图像解释系统的模型。
版权所有kmpdm.com 如需转载请注明出自
