激光冲击强化(LSP)作为一种新型的激光表面处理技术已应用于航空发动机、 机匣等关键部件的强化延寿处理, 确保LSP加工质量的一致性及稳定性对上述航空装备的长寿命服役具有重要意义。 然而, 在高能瞬态LSP过程中, 保护层容易发生烧蚀破损, 极大地限制了LSP的工业应用。 因此, 通过分析激光诱导等离子体光谱信号, 提出了一种基于ReliefF特征权重融合的LSP保护层烧损实时检测方法。 以4 mm厚的7075铝合金为LSP靶材, 以黑胶带为LSP保护层。 首先, 利用长波段范围的Ocean Optics-HR4000光谱仪和高分辨率的Princeton SP2750光谱仪同步采集LSP瞬态过程中产生的等离子体光谱信息; 其次, 根据Princeton SP2750光谱仪采集的高精度光谱信号, 分别选取波长为394.40和396.15 nm的Al Ⅰ谱线以及波长为393.36和396.80 nm的Fe Ⅰ谱线, 提取其峰值强度与Stark展宽特征, 然后结合ReliefF特征重要度筛选出对保护层烧损状态更加敏感的两条Al Ⅰ谱线, 并且定性分析了Al Ⅰ谱线的峰值强度和Stark展宽对保护层烧损状态的敏感程度和瞬态变化规律; 再次, 基于ReliefF算法构造了一种融合多谱线特征信息的特征参数I-FWHM（Intensity-FWHM）, 然后基于特征类间距离, 定量评估了各特征对三类烧损状态的区分能力; 最后, 结合阈值分割法实现了LSP保护层烧损实时检测。 实验结果表明, 峰值强度对于区分正常状态与轻微破损状态的能力很差, 而对于区分轻微破损与完全破损的能力很强; Stark展宽对于区分正常状态与轻微破损状态的能力远优于强度, 而对于区分轻微破损与完全破损的能力相对较弱。 I-FWHM融合了上述单一特征的优点, 能同时较好地区分三类烧损状态, 因此对于LSP过程中保护层烧损状态的实时检测具有更强的抗干扰能力和更高的鲁棒性。

针对铁谱图像磨粒识别中异类信息综合利用率较低的问题, 提出多层次信息融合的铁谱图像磨粒识别方法。首先, 在铁谱图像二值化分割的基础上进行二值滤波, 结合彩色铁谱图的R、G、B三分量, 实现铁谱图像的彩色滤波。其次, 以实际采集的磨粒图像样本为例, 提取滤波后二值图像的形态特征, 以及滤波后彩色图像的颜色特征; 在特征层利用PCA对异类特征进行维数约简, 并结合SVM和k-fold交叉验证, 实现形态特征和颜色特征的特征层融合; 在决策层将异类特征的SVM概率输出结果作为D-S证据理论的基本概率分配函数, 实现形态特征和颜色特征的决策层融合。通过与形态学滤波结果对比, 验证了本文提出滤波方法的优越性; 其次, 不同层次的信息融合结果表明, 与单独使用颜色特征和形态特征相比, 异类信息融合后可实现优势互补, 有效提高故障磨粒的识别准确率。

针对油液监测中铁谱磨粒图像分割阈值难以选取的问题, 本文提出一种基于差商的自适应铁谱图像分割算法。首先, 将铁谱磨粒灰度图像转换成三维灰度直方图, 并对其进行切片分析; 然后, 引入Newton插值多项式, 将不同切片所得的频数作为切片灰度-频数曲线的插值点, 基于差商构造第一类可接受函数和第二类可接受函数, 结合实验数据确定两类误差, 选取同时满足两类误差的最小灰度值作为分割阈值; 最后, 用本文方法对不同类型的磨粒图像以及添加高斯噪声和椒盐噪声后图像分别进行分割实验, 并与经典的迭代阈值法、Otsu算法、最大熵法进行了比较。实验结果表明, 本文方法受噪声干扰较小, 误检率和漏检率整体优于其他3种算法。对分割所得的磨粒图像进行特征提取, 并利用支持向量机进行识别, 本文方法对3种故障磨粒识别准确率最高, 达到82.86%, 虽在运行时间上无明显优势, 但综合性能最优, 能满足油液监测过程中铁谱图像自适应分割的需求。

针对压缩感知目标跟踪算法在目标纹理改变、比例缩放、光照变化剧烈时鲁棒性不足, 提出一种面向高斯差分图的实时跟踪算法.首先, 构建图像的多尺度空间及其对应的高斯差分图, 实现高斯差分图的特征提取并获取压缩感知的输入信号;然后, 通过压缩降维, 目标邻域遍历, 参数更新等过程, 计算出面向高斯差分图的后续帧的目标最优跟踪窗;最后, 将跟踪窗投影到对应的原始图像上, 完成面向视频流的目标跟踪.高斯差分图像是单通道灰度图, 具有灰度取值范围小、数值低、结构简单、维数少等特点, 增强了特征对纹理改变、比例缩放和光照变化的稳健性, 且继承了传统算法的实时性.实验证明, 该算法能够快速准确地实现复杂环境下的移动目标跟踪任务.