基于GRNN的珩磨缸套表面3D粗糙度图像检测方法
wf(2022)
Abstract
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.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined