典型文献
基于GRNN的珩磨缸套表面3D粗糙度图像检测方法
文献摘要：
活塞-缸套系统是内燃机重要的摩擦副之一,活塞-缸套的表面质量影响着活塞-缸套系统的摩擦学性能,进而直接影响整机的服役性能.针对珩磨缸套表面2D粗糙度参数的局限性与表面粗糙度非接触检测方法研究,提出一种基于广义回归神经网络(GRNN)的珩磨缸套表面3D粗糙度图像检测方法.通过运用灰度共生矩阵(GLCM)提取缸套表面图像的纹理特征参数,并分析纹理特征参数与3D粗糙度间的相关性.以图像纹理特征参数作为输入,分别采用GRNN和多元回归分析(MRA)建立3D粗糙度检测模型,通过与试验检测结果对比验证了模型的准确性.GRNN检测模型获得的可决系数R2均值(0.962)优于MRA检测模型,且均方误差MSE均值(0.07)更小,与试验检测结果对比可知,采用GRNN建立的珩磨缸套3D粗糙度检测模型具有更高的精度,与实测3D粗糙度的相对误差均值为7.9％.所建立的3D粗糙度检测模型具有较高的检测精度.
文献关键词：
3D粗糙度;粗糙度检测;回归分析;广义回归神经网络
中图分类号：
作者姓名：
吕延军;强程;张永芳;邢志国;赵晓伟;罗宏博
作者机构：
西安理工大学机械与精密仪器工程学院 西安 710048;西安理工大学印刷包装与数字媒体学院 西安 710054;陆军装甲兵学院装备再制造国家重点实验室 北京 100072
文献出处：
引用格式：
[1]吕延军;强程;张永芳;邢志国;赵晓伟;罗宏博-.基于GRNN的珩磨缸套表面3D粗糙度图像检测方法)[J].中国表面工程,2022(06):116-127
A类：
B类：
GRNN,珩磨,缸套,图像检测,活塞,内燃机,摩擦副,表面质量,质量影响,摩擦学性能,整机,服役性能,2D,粗糙度参数,表面粗糙度,非接触检测,广义回归神经网络,灰度共生矩阵,GLCM,表面图像,纹理特征参数,以图,图像纹理特征,多元回归分析,MRA,粗糙度检测,检测模型,试验检测,结果对比,对比验证,可决系数,均方误差,MSE,误差均值,检测精度
AB值：
0.302127
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
