基于MATLAB GUI的柴油機磨損狀況監測評判系統設計

楊何伍 蔡建邦 廣州航海學院輪機工程學院

1.引言

船用動力方面，柴油機是絕對的主力，其磨損狀況的監測歷來是各大科研機構、高校和學者的研究內容。船用柴油機定期采取滑油油樣，利用岸上的實驗室設備進行油液分析，再將結果返回到船上。面對冗長繁雜的數據和重紙累札的報表，船上相關管理人員想要深入了解柴油機磨損狀態和分析判斷磨損的趨勢，往往比較吃力，而磨粒圖像僅憑肉眼觀察就更難以分辨出其局部紋理和特征。本文利用MATLAB GUI搭建一套船用柴油機磨損狀況監測軟件平臺，可實現對柴油機油液磨粒圖像進行小波處理，最后通過實船運行柴油機的數據加以驗證磨粒圖像小波分析的可靠性。

2.總體設計

本系統的流程主要如圖1所示。

3.程序主界面

運行程序后，磨粒圖像小波分析頁面如圖2所示。該頁面主要包括1個用以顯示磨粒原始圖像的坐標軸、4個磨粒圖像未降噪的小波處理圖像分量的坐標軸和4個磨粒圖像降噪后的小波處理圖像分量的坐標軸。頁面中部是處理小波和濾波方式的選擇下拉菜單，以及“導入原圖”“小波處理”“數據統計”等命令按鈕。頁面右下方是顯示處理的數據結果和柴油機磨損評判。頁面左下方是軟件的操作說明。

4 程序分析模塊

4.1 磨粒圖像小波分析原理

小波分析方法是一種介于純時域和純頻域分析方法之間，繼承了兩者的優點，同時消除了兩者的局限性的方法。對于磨粒圖像，采用傳統的純時域或純頻域方法，處理速度較慢，另外對于局部特征的展示略顯不足，而采用小波分析方法，則能克服以上缺點。小波分析的基本原理是基于一個基本函數波，經過有限次數的放大縮小和平移，得到一個新的函數族群，如下式所示：

將此函數族群進行離散化處理后構成在能量有限空間L2(R) 中的完備的規范正交系，并將其用于信號或信號的近似表達。根據逼近理論，想要得到眾多相異圖像的精準逼近，需要的小波系數數量應該是很有限的。

圖1 系統流程圖

圖2 程序主頁面

受到客觀環境和拍制圖像手法的影響，導致獲取的磨粒圖像一定程度上受到外在因素干擾，也就是圖像噪聲，所以想要獲得磨粒圖像的真實紋理特征必須將原圖經過去噪或降噪處理。圖像去噪的方法很多種，本文擬采用小波閾值去噪方法。該方法具有較好的去噪效果和處理速度，當下比較流行。利用小波閾值去噪的核心思想是先將原始圖像做小波變換，得到小波系數，然后根據小波系數做閾值處理，得到估計系數，但要注意的是所取的閾值須合適，使得兩組系數差別盡量小，最后利用估計系數來重構信號。小波閾值去噪主要有兩種方法：全局閾值法和獨立閾值法。全局閾值法更側重于小波系數的集合，獨立閾值法更側重于局部特征。假設λ為全局閾值，則有下式：

式中：S為噪聲的標準方差，μ為信號的尺寸。

磨粒圖像屬于三維信號，對應的小波分析工具應以二維的可分離小波變換為主，可通過下面的定理構建其二維可分離正交小波基。令是L2(R2)的可分離多分辨分析，并令φ(x,y)=φ(x)φ(y)是相應的二維尺度函數，ψ(x)是與尺度函數對應的一維標準正交小波。若定義三個“二維小波”：

圖3 圖像小波分解示意圖

顯然，即使是針對同一圖像，若選用不同的小波來處理，得到的特征值很大幾率是不同的，換言之，不同的小波在圖像處理方面存在微小差別。一般地，那些在平滑、對稱和緊支方面較好的小波，在處理圖像時能獲得更高精度的紋理分類。根據上述公式，若將一幅彩色圖像f(x,y)看成三維信號，便可得到不同維度分解后的分量：

式中：H和G為2個一維濾波算子，下標c和r分別是圖像的列和行。

圖3是圖像小波分解的示意圖，L和H分別表示低頻和高頻，下標1和2分別表示一級或二級分解。經過一級分解或二級分解甚至多級分解后的圖像能展示圖像局部的紋理特征，同理，磨粒圖像上磨粒的分布狀況和局部特征也能通過小波分解得到，再利用統計手段提取出相應的紋理特征參數表征磨損狀態。

國外學者G N Frantziskonis的研究指出，磨粒圖像上的磨粒排列順序是依大小而定的，根據實驗方法得知，正常的磨粒圖像的像素分量主要分布在垂直方向，而水平方向較少，而與之對應的是出現異常磨損或者滑油中磨粒體積比較巨大的圖像，其像素分量在水平方向的占比會明顯增多。考慮到上述現象，將磨粒圖像進行小波分解，便可輕松獲得圖像在水平和垂直兩個方向上的像素數量，兩者的均方差比值與滑油中磨粒的體積和數量有著直接的關系。該比值越大，說明滑油中磨粒的體積越大、數量越多，也間接說明柴油機磨損越厲害；反之亦然。但若僅限于此，忽略了磨粒圖像形成過程中的干擾因素，得到的結果與實際情況可能存在較大誤差，所以將該比值再乘以磨粒圖像的原始圖像像素分量標準偏差的積作為磨粒圖像的特征參數值，能很好的消除由于磨粒圖像本身因素引起的誤差。該特征參數值能反映圖像的紋理分布情況，換言之，能表征滑油中的磨粒體積和數量，數值越大，磨粒體積越大、數量越多，反之亦然。據上述，提取出磨粒圖像的特征參數值表示為下式：

式中，S0為原始磨粒圖像的均方差值，SHi為經過小波變換后磨粒圖像水平分量的均方差值，SVi為經過小波變換后磨粒圖像垂直分量的均方差值。

4.2 小波分析結果展示

如圖4 所示，為某一磨粒圖像的利用db4小波進行分解后的結果展示。

5.分析結果驗證

將實船“PSU NINTH”輪三臺發電柴油機三個月12瓶滑油油樣的鐵譜分析、光譜分析以及性能參數分析結果與本文設計的磨粒圖像小波分析系統結果進行對比，表明對柴油機磨損狀態的評判結果高度相似。限于篇幅，此處只展示部分圖表。圖5是在在油液分析數據基礎上繪制的元素濃度趨勢圖，可以看出金屬元素濃度較低，且增加趨勢比較緩和，說明柴油機的磨損處于正常階段。

圖4 磨粒圖像小波分解結果

圖5 元素濃度趨勢圖分析結果

圖6 Fe元素界限值分析結果

圖6是結合柴油機滑油Fe元素的界限值分析圖，可以看出Fe元素濃度V1遠遠低于警告線V2和危險線V3，說明柴油機沒有出現異常磨損的征兆。

圖5、圖6的結果與圖4利用本文設計的系統分析油樣磨粒圖像得出的結果，均表明柴油機磨損正常，驗證了本系統的可靠性和準確性。

6.結語

采用MATLAB GUI 設計的基于小波分析的磨粒圖像分析系統能很好地對柴油機的磨損狀態進行監測。小波分析能很好地反映磨粒圖像的局部特征和紋理特性，通過特征參數值分析能對柴油機的磨損狀態有較為直觀的評判。本系統界面簡潔，操作簡單，只需導入磨粒圖像的照片便能實現圖像的降噪、分解、重構分析，能很好地為船舶管理人員提供技術支持。