机械设备在运行过程中的磨损不仅会造成零件材料损耗,而且会降低设备精度,增加故障率,以及缩短设备寿命。设备磨损所产生磨粒的类型与设备磨损部位息息相关,可以利用磨粒诊断出设备所发生故障的部位,以进行及时的保养和修护,对于正常的生产活动以及设备的使用寿命都有重要的作用。目前,铁谱分析技术与计算机技术相结合的智能识别是研究磨粒类型的主要方式,其主要内容是利用磨粒图像获取特征参数进行统计分析,并利用智能算法对其进行识别。本文将图像处理、模式识别以及专家系统相结合,建立了基于磨粒磨损机理的机械磨损专家系统,可以快速准确的识别磨粒的种类,进而确定设备磨损状态,解决了人工识别出现的弊端。本文的主要研究内容如下:1.获取目标磨粒。通过高斯滤波进行图像预处理,利用大津阈值法进行阈值分割,将目标磨粒从复杂背景中分离出来,而且获取的磨粒边缘的毛刺及目标区域的空洞都可以通过形态学处理得到很好的解决。2.提取特征参数。在分析了磨粒的几何和纹理的一系列特征的基础上,确定了通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒的方法。3.进行磨粒识别。通过对各种识别算法的对比研究发现,以统计学习理论为基础支持向量机算法最适合本文中磨粒类型的识别,在选取了层次法作为分类方法及径向基函数作为核函数后,建立了分类器模型,实现了对磨粒图像的分类识别。4.利用HALCON软件联合C#编程搭建了简洁的UI界面,并且进行了仿真实验以验证系统的可行性。实验结果表明,该系统识别磨粒的准确率为93%,虽然没有将磨粒类型百分之百的正确识别出来,但是误差在可接受范围之内。由此可见,该系统可以用于磨粒图像种类的识别。