【技术实现步骤摘要】
本专利技术涉及图像数据处理，尤其涉及一种基于综合参数的触头表面形貌分析方法。
技术介绍
1、触头表面形貌分析是一项广泛应用于工程、制造和科学领域的重要技术。通过对触头表面的形貌进行分析，可以评估其质量、精度和性能，从而为相关领域的设计、制造和优化过程提供有价值的信息。在过去的几十年里，随着三维扫描技术和计算能力的不断提升，触头表面形貌分析的方法也得到了显著的发展和改进。
2、在传统的触头表面形貌分析方法中，通常使用一些传感器，例如光学传感器或机械测量仪器来获取触头表面的形貌数据，然后应用一系列经验公式或数学模型对这些数据进行处理和分析。然而，这些传统方法往往局限于特定的表面特征或形貌参数，无法全面、准确地描述触头表面的整体形貌特征。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于综合参数的触头表面形貌分析方法，将动触头和静触头的表面三维粗糙度参数及二维表面纹理特征参数结合起来，能够简单、全面、准确地分析动触头及静触头的表面形貌特征。
2、本专利技术是通过以下技术方案予以实现：
3、一种基于综合参数的触头表面形貌分析方法，其包括如下步骤：
4、s1：获取动触头表面形貌图像、静触头表面形貌图像以及相应的表面形貌图像对应的点云高度数据，并形成动触头点云高度数据集及静触头点云高度数据集；
5、s2：计算动触头表面形貌图像的表面纹理参数及静触头表面形貌图像的表面纹理参数；
6、s3：对动触头点云高度数据集中
7、s4：利用计算动触头表面三维粗糙度参数的基准面计算动触头表面三维粗糙度参数，利用计算静触头表面三维粗糙度参数的基准面计算静触头表面三维粗糙度参数；
8、s5：计算动触头表面形貌图像的表面纹理参数与动触头表面三维粗糙度参数对应的权重，并计算加权后动触头表面形貌图像的表面纹理参数的值以及加权后动触头表面三维粗糙度参数的值，计算静触头表面形貌图像的表面纹理参数与静触头表面三维粗糙度参数对应的权重，并计算加权后静触头表面形貌图像的表面纹理参数的值以及加权后静触头表面三维粗糙度参数的值；
9、s6：结合加权后动触头表面形貌图像的表面纹理参数的值、加权后动触头表面三维粗糙度参数的值、加权后静触头表面形貌图像的表面纹理参数的值及加权后静触头表面三维粗糙度参数的值，计算加权后的综合值，根据加权后的综合值综合分析动触头及静触头的表面形貌特征，得出动触头与静触头在动作过程中表面形状变化分析结论。
10、进一步，步骤s2中计算动触头表面形貌图像的表面纹理参数及静触头表面形貌图像的表面纹理参数时具体包括如下步骤：
11、s21：对动触头表面形貌图像或静触头表面形貌图像进行灰度化，将动触头表面形貌图像或静触头表面形貌图像进行灰度级压缩，将其压缩成16级；
12、s22：根据经灰度级压缩后的动触头表面形貌图像或静触头表面形貌图像分别计算其0°、45°、90°、135°四个方向的灰度共生矩阵，并计算其四个方向的灰度共生矩阵特征参数；
13、s23：将四个方向的灰度共生矩阵特征参数的平均值作为相应的动触头表面形貌图像的表面纹理参数或静触头表面形貌图像的表面纹理参数。
14、优化的，s22中灰度共生矩阵特征参数包括能量、熵、惯性矩、相关性、逆差矩。
15、进一步，步骤s3中获得计算动触头表面三维粗糙度参数的基准面或计算静触头表面三维粗糙度参数的基准面的过程包括如下步骤：
16、s31：利用小波分解的方法对动触头点云高度数据集或静触头点云高度数据集中相应的表面形貌图像对应的点云高度数据进行分解重构；
17、s32：分解重构过程中，首先得到高频信号，然后逐渐转变为低频信号；
18、s33：根据信号频率的不同，将分解得到的成分划分为三部分：第一部分：幅值较小的高频成分，对应于原始形状中的噪声误差；第二部分：幅值变化较大的低频成分，对应于原始形状中的几何形状误差；中等频率的成分，对应于原始形状中的粗糙度部分；
19、s34：将动触头点云高度数据集或静触头点云高度数据集中相应的表面形貌图像对应的点云高度数据减去幅值较小的高频成分对应的噪声误差以及幅值变化较大的低频成分对应的原始形状中的几何形状误差，得到相应的动触头表面三维粗糙度参数的基准面或静触头表面三维粗糙度参数的基准面。
20、优化的，步骤s4中动触头表面三维粗糙度参数或静触头表面三维粗糙度参数包括如下参数：表面算术平均偏差、表面均方根偏差、表面最大峰高、表面最大谷深、表面十点高度、表面高度分布的峭度、表面高度分布的偏斜度。
21、进一步，步骤s5中计算加权后动触头表面形貌图像的表面纹理参数的值或静触头表面形貌图像的表面纹理参数的值以及加权后动触头表面三维粗糙度参数的值或加权后静触头表面三维粗糙度参数的值包括如下步骤：
22、s51：先将步骤s2计算出来的动触头表面形貌图像的表面纹理参数、静触头表面形貌图像的表面纹理参数以及步骤s4计算出来的动触头表面三维粗糙度参数或静触头表面三维粗糙度参数进行标准化处理，使其数值范围一致；
23、s52：计算标准化之前动触头表面形貌图像的表面纹理参数、静触头表面形貌图像的表面纹理参数、动触头表面三维粗糙度参数或静触头表面三维粗糙度参数对应的信息熵，再计算对应的差异系数；
24、s53：将差异系数代入到权重计算公式中，得出各参数的权重；
25、s54：计算加权后动触头表面形貌图像的表面纹理参数的值、加权后动触头表面三维粗糙度参数的值、加权后静触头表面形貌图像的表面纹理参数的值以及加权后静触头表面三维粗糙度参数的值。
26、专利技术的有益效果：
27、本专利技术提供的一种综合参数的触头表面形貌分析的方法，首先利用触头的点云高度数据计算触头表面的三维粗糙度参数，从而提供触头表面形貌的整体三维粗糙度信息，其次使用触头表面形貌图像计算触头表面的纹理参数，从而描述触头表面的二维局部纹理特征，然后对三维粗糙度参数和二维的表面纹理参数进行加权处理，并计算加权后的综合值，根据加权后的综合值可以较为准确地评估触头表面的整体形貌特征。
本文档来自技高网...【技术保护点】
1.一种基于综合参数的触头表面形貌分析方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：步骤S2中计算动触头表面形貌图像的表面纹理参数及静触头表面形貌图像的表面纹理参数时具体包括如下步骤：
3.根据权利要求2所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：S22中灰度共生矩阵特征参数包括能量、熵、惯性矩、相关性、逆差矩。
4.根据权利要求1所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：步骤S3中获得计算动触头表面三维粗糙度参数的基准面或计算静触头表面三维粗糙度参数的基准面的过程包括如下步骤：
5.根据权利要求1所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：步骤S4中动触头表面三维粗糙度参数或静触头表面三维粗糙度参数包括如下参数：表面算术平均偏差、表面均方根偏差、表面最大峰高、表面最大谷深、表面十点高度、表面高度分布的峭度、表面高度分布的偏斜度。
6.根据权利要求1所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：步骤S5
...【技术特征摘要】
1.一种基于综合参数的触头表面形貌分析方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：步骤s2中计算动触头表面形貌图像的表面纹理参数及静触头表面形貌图像的表面纹理参数时具体包括如下步骤：
3.根据权利要求2所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：s22中灰度共生矩阵特征参数包括能量、熵、惯性矩、相关性、逆差矩。
4.根据权利要求1所述的一种基于综合参数的触头表面形貌分析方法，其特征在于：步骤s3中获得计算动触头表面三维粗糙度参数的基准面或计算静触头表面三维粗糙度参...
【专利技术属性】
技术研发人员：李文华，王云，阎嘉兴，沈佳航，王紫恒，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。