基于MATLAB GUI的柴油机磨损状况监测评判系统设计

杨何伍 蔡建邦 广州航海学院轮机工程学院

1.引言

船用动力方面，柴油机是绝对的主力，其磨损状况的监测历来是各大科研机构、高校和学者的研究内容。船用柴油机定期采取滑油油样，利用岸上的实验室设备进行油液分析，再将结果返回到船上。面对冗长繁杂的数据和重纸累札的报表，船上相关管理人员想要深入了解柴油机磨损状态和分析判断磨损的趋势，往往比较吃力，而磨粒图像仅凭肉眼观察就更难以分辨出其局部纹理和特征。本文利用MATLAB GUI搭建一套船用柴油机磨损状况监测软件平台，可实现对柴油机油液磨粒图像进行小波处理，最后通过实船运行柴油机的数据加以验证磨粒图像小波分析的可靠性。

2.总体设计

本系统的流程主要如图1所示。

3.程序主界面

运行程序后，磨粒图像小波分析页面如图2所示。该页面主要包括1个用以显示磨粒原始图像的坐标轴、4个磨粒图像未降噪的小波处理图像分量的坐标轴和4个磨粒图像降噪后的小波处理图像分量的坐标轴。页面中部是处理小波和滤波方式的选择下拉菜单，以及“导入原图”“小波处理”“数据统计”等命令按钮。页面右下方是显示处理的数据结果和柴油机磨损评判。页面左下方是软件的操作说明。

4 程序分析模块

4.1 磨粒图像小波分析原理

小波分析方法是一种介于纯时域和纯频域分析方法之间，继承了两者的优点，同时消除了两者的局限性的方法。对于磨粒图像，采用传统的纯时域或纯频域方法，处理速度较慢，另外对于局部特征的展示略显不足，而采用小波分析方法，则能克服以上缺点。小波分析的基本原理是基于一个基本函数波，经过有限次数的放大缩小和平移，得到一个新的函数族群，如下式所示：

将此函数族群进行离散化处理后构成在能量有限空间L2(R) 中的完备的规范正交系，并将其用于信号或信号的近似表达。根据逼近理论，想要得到众多相异图像的精准逼近，需要的小波系数数量应该是很有限的。

图1 系统流程图

图2 程序主页面

受到客观环境和拍制图像手法的影响，导致获取的磨粒图像一定程度上受到外在因素干扰，也就是图像噪声，所以想要获得磨粒图像的真实纹理特征必须将原图经过去噪或降噪处理。图像去噪的方法很多种，本文拟采用小波阈值去噪方法。该方法具有较好的去噪效果和处理速度，当下比较流行。利用小波阈值去噪的核心思想是先将原始图像做小波变换，得到小波系数，然后根据小波系数做阈值处理，得到估计系数，但要注意的是所取的阈值须合适，使得两组系数差别尽量小，最后利用估计系数来重构信号。小波阈值去噪主要有两种方法：全局阈值法和独立阈值法。全局阈值法更侧重于小波系数的集合，独立阈值法更侧重于局部特征。假设λ为全局阈值，则有下式：

式中：S为噪声的标准方差，μ为信号的尺寸。

磨粒图像属于三维信号，对应的小波分析工具应以二维的可分离小波变换为主，可通过下面的定理构建其二维可分离正交小波基。令是L2(R2)的可分离多分辨分析，并令φ(x,y)=φ(x)φ(y)是相应的二维尺度函数，ψ(x)是与尺度函数对应的一维标准正交小波。若定义三个“二维小波”：

图3 图像小波分解示意图

显然，即使是针对同一图像，若选用不同的小波来处理，得到的特征值很大几率是不同的，换言之，不同的小波在图像处理方面存在微小差别。一般地，那些在平滑、对称和紧支方面较好的小波，在处理图像时能获得更高精度的纹理分类。根据上述公式，若将一幅彩色图像f(x,y)看成三维信号，便可得到不同维度分解后的分量：

式中：H和G为2个一维滤波算子，下标c和r分别是图像的列和行。

图3是图像小波分解的示意图，L和H分别表示低频和高频，下标1和2分别表示一级或二级分解。经过一级分解或二级分解甚至多级分解后的图像能展示图像局部的纹理特征，同理，磨粒图像上磨粒的分布状况和局部特征也能通过小波分解得到，再利用统计手段提取出相应的纹理特征参数表征磨损状态。

国外学者G N Frantziskonis的研究指出，磨粒图像上的磨粒排列顺序是依大小而定的，根据实验方法得知，正常的磨粒图像的像素分量主要分布在垂直方向，而水平方向较少，而与之对应的是出现异常磨损或者滑油中磨粒体积比较巨大的图像，其像素分量在水平方向的占比会明显增多。考虑到上述现象，将磨粒图像进行小波分解，便可轻松获得图像在水平和垂直两个方向上的像素数量，两者的均方差比值与滑油中磨粒的体积和数量有着直接的关系。该比值越大，说明滑油中磨粒的体积越大、数量越多，也间接说明柴油机磨损越厉害；反之亦然。但若仅限于此，忽略了磨粒图像形成过程中的干扰因素，得到的结果与实际情况可能存在较大误差，所以将该比值再乘以磨粒图像的原始图像像素分量标准偏差的积作为磨粒图像的特征参数值，能很好的消除由于磨粒图像本身因素引起的误差。该特征参数值能反映图像的纹理分布情况，换言之，能表征滑油中的磨粒体积和数量，数值越大，磨粒体积越大、数量越多，反之亦然。据上述，提取出磨粒图像的特征参数值表示为下式：

式中，S0为原始磨粒图像的均方差值，SHi为经过小波变换后磨粒图像水平分量的均方差值，SVi为经过小波变换后磨粒图像垂直分量的均方差值。

4.2 小波分析结果展示

如图4 所示，为某一磨粒图像的利用db4小波进行分解后的结果展示。

5.分析结果验证

将实船“PSU NINTH”轮三台发电柴油机三个月12瓶滑油油样的铁谱分析、光谱分析以及性能参数分析结果与本文设计的磨粒图像小波分析系统结果进行对比，表明对柴油机磨损状态的评判结果高度相似。限于篇幅，此处只展示部分图表。图5是在在油液分析数据基础上绘制的元素浓度趋势图，可以看出金属元素浓度较低，且增加趋势比较缓和，说明柴油机的磨损处于正常阶段。

图4 磨粒图像小波分解结果

图5 元素浓度趋势图分析结果

图6 Fe元素界限值分析结果

图6是结合柴油机滑油Fe元素的界限值分析图，可以看出Fe元素浓度V1远远低于警告线V2和危险线V3，说明柴油机没有出现异常磨损的征兆。

图5、图6的结果与图4利用本文设计的系统分析油样磨粒图像得出的结果，均表明柴油机磨损正常，验证了本系统的可靠性和准确性。

6.结语

采用MATLAB GUI 设计的基于小波分析的磨粒图像分析系统能很好地对柴油机的磨损状态进行监测。小波分析能很好地反映磨粒图像的局部特征和纹理特性，通过特征参数值分析能对柴油机的磨损状态有较为直观的评判。本系统界面简洁，操作简单，只需导入磨粒图像的照片便能实现图像的降噪、分解、重构分析，能很好地为船舶管理人员提供技术支持。