Obrazová analýza v tribotechnické diagnostice
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Obrazová analýza částic opotřebení je v práci využita ke klasifikaci jejich obrazů do tříd odpovídajících stanoveným typům opotřebení. Dává možnost získat informace nejen o základních parametrech otěrových částic, ale také údaje, které by při klasickém způsobu hodnocení bylo možné získat jen velmi obtížně. Na základě analýzy morfologických či obrazových charakteristik částic lze sledovat průběh opotřebení strojních součástí, a tím zabránit případné havárii motoru, případně stanovit optimální lhůty pro výměnu oleje. Cílem této práce je prozkoumat možnosti využití obrazové analýzy v kombinaci s metodou analytické ferrografie a na základě teoretických poznatků navrhnout nástroj pro automatickou klasifikaci částic. Současné metody analýzy částic opotřebení jsou založeny na vyhodnocení, které nedává přesnou představu o procesech probíhajících mezi třecími povrchy v motorové soustavě. Práce vychází z metody analytické ferrografie, která umožňuje zhodnotit stav sledovaného stroje z hlediska opotřebení. Přínosem klasifikátorů vytvořených v této práci je možnost automatického vyhodnocení výstupů analytické ferrografie; jejich použití odstraňuje zásadní nevýhodu ferrografické analýzy, kterou je její závislost na subjektivním hodnocení expertem provádějícím analýzu. Vytvořené klasifikátory jsou založeny na využití metod strojového učení. Na základě rozsáhlé databáze částic, která byla vytvořena v první fázi práce, byly klasifikátory natrénovány umožňují tak hodnotit ferrograficky separované otěrové částice, které pocházejí z olejů odebraných z mazaných soustav. Následně byly provedeny experimenty, z jejichž výsledků vyplynuly optimální nastavení klasifikátorů.
Image analysis of wear particles is a suitable support tool for detail analysis of engine, gear, hydraulic and industrial oils. It allows to obtain information not only of basic parameters of abrasion particles but also data that would be very difficult to obtain using classical ways of evaluation. Based on the analysis of morphological or image characteristics of particles, the progress of wearing the machine parts out can be followed and, as a result, possible breakdown of the engine can be prevented or the optimum period for changing the oil can be determined. The aim of this paper is to explore the possibilities of using the image analysis combined with the method of analytical ferrography and suggest a tool for automated particle classification. Current methods of wear particle analysis are derived from the evaluation that does not offer an exact idea of processes that take place between the friction surfaces in the engine system. The work is based upon the method of analytical ferrography which allows to evaluate the state of the machine. The benefit of use of classifiers defined in this wirk is the possibility of automated evaluation of analytical ferrography outputs; the use of them eliminates the crucial disadvantage of ferrographical analysis which is its dependence on the subjective evaluation done by the expert who performs the analysis. Classifiers are defined as a result of using the methods of machine learning. Based on an extensive database of particles that was created in the first part of the work, the classifiers were trained as a result, they make the evaluation of ferrographically separated abrasion particles from oils taken from lubricated systems possible. In the next stage, experiments were carried out and optimum classifier settings were determined based on the results of the experiments.
Image analysis of wear particles is a suitable support tool for detail analysis of engine, gear, hydraulic and industrial oils. It allows to obtain information not only of basic parameters of abrasion particles but also data that would be very difficult to obtain using classical ways of evaluation. Based on the analysis of morphological or image characteristics of particles, the progress of wearing the machine parts out can be followed and, as a result, possible breakdown of the engine can be prevented or the optimum period for changing the oil can be determined. The aim of this paper is to explore the possibilities of using the image analysis combined with the method of analytical ferrography and suggest a tool for automated particle classification. Current methods of wear particle analysis are derived from the evaluation that does not offer an exact idea of processes that take place between the friction surfaces in the engine system. The work is based upon the method of analytical ferrography which allows to evaluate the state of the machine. The benefit of use of classifiers defined in this wirk is the possibility of automated evaluation of analytical ferrography outputs; the use of them eliminates the crucial disadvantage of ferrographical analysis which is its dependence on the subjective evaluation done by the expert who performs the analysis. Classifiers are defined as a result of using the methods of machine learning. Based on an extensive database of particles that was created in the first part of the work, the classifiers were trained as a result, they make the evaluation of ferrographically separated abrasion particles from oils taken from lubricated systems possible. In the next stage, experiments were carried out and optimum classifier settings were determined based on the results of the experiments.
Description
Citation
MACHALÍK, S. Obrazová analýza v tribotechnické diagnostice [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2011.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Výpočetní technika a informatika
Comittee
Date of acceptance
2011-10-11
Defence
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení