281 / 2021-06-08 10:33:28

活塞组件-缸套系统织构表面粗糙度特征的机器视觉感知与评估

本文针对平顶珩磨加工的缸套网纹织构表面，构建基于灰度图像信息的3D粗糙度特征的机器视觉感知方法。该方法针对传统滤波类算法在求解图像基准面（即：与波纹度和形位误差相关的图像中、低频信息）时网纹织构造成的局部偏低和边界畸变等现象，通过结合L∞（Least Absolute Value）回归稳健算法和LM（Levenberg-Marquardt）算法，构建一种图像基准面的稳健重构方法，以实现与粗糙度特征相关的图像高频信息的分离。在此基础上，通过提取图像高频信息的特征参数，并结合基于极限学习机算法（ELM，Extreme Learning Machine Algorithm）的单隐含层前馈神经网络（SLFN，Single-hidden Layer Feedforward Neural Network）方法（即：ELM-SLFN方法），构建图像高频信息特征参数与3D粗糙度特征之间的关系模型，从而实现缸套网纹织构表面3D粗糙度特征的机器视觉感知与评估，能够为活塞组件-缸套系统的高效低摩润滑和精密表面加工提供依据和评定手段。