本发明属于机器磨损状态监测，具体涉及一种磨损表面严重度评估方法、系统、介质及设备。
背景技术：
1、机械设备运行过程中摩擦副发生磨损累积，导致零部件服役性能受限甚至失效，成为制约设备运行服役的重要原因之一。作为磨损发生的直接证据，磨损表面以其复杂形貌记载了磨损机理和严重度等关键信息，能够以形态特征来揭示轴承、齿轮等关键部件磨损机理和严重程度。因此，发展基于磨损表面的磨损严重度评估方法，能够实现关键部件的磨损状态评估，为机械装备的维护决策提供关键信息。
2、得益于计算机视觉方法和图像处理算法的发展，磨损表面严重度评估正在从人工分析向智能评估发展以满足机械设备的视情维护需求。鉴于不同损伤导致的差异化磨损，损伤辨识是进行损伤严重度评估的基础。基于卷积神经网络(cnn)的模型已成为对特定类型损伤进行分类的主要选择。然而，这些模型主要侧重于识别单个损伤类型。考虑到真实磨损表面上同时存在多种损伤类型，pspnet和deeplabv3等语义分割模型有望实现详细的损伤识别。然而，由于语义样本标注繁琐，这些模型的辨识精度受限。此外，实际工业检测中缺乏磨损表面的初始形貌，导致难以准确量化损伤特征。
3、磨损表面严重度可以通过表面特征与损伤辨识结果相结合的模糊推理过程进行评估。现有磨损表面严重度评估方法利用高斯朴素贝叶斯、决策树和随机森林等多种推理模型与提取的特征相结合，将磨损表面分为轻度或重度两类。然而，由于磨损退化随潜在的损伤机理而变化，此类评估方法往往针对特定类型的损伤。现有研究通过组合多个自定义推理模型来创建一套适用于不同损伤的通用分析方法，但其适用范围仍然局限于受单一类型损伤影响的磨损表面。鉴于不同磨损机理差异，评估具有多种损伤类型的表面时可能导致决策不一致。
4、综上所述，磨损严重度评估能够确定由磨损表面的形态表征确定磨损退化程度。然而，受到繁琐的语义标注工作的制约，有限样本导致磨损辨识误差；损伤量化缺乏初始形貌作为基准，制约了磨损过程的三维表征；现有评估方法忽略多机理的共同作用及差异影响，多损伤的状态推理面临决策冲突。为此，亟需优化磨损严重度评估方法，以实现关键部件的磨损严重度智能评估。
技术实现思路
1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种磨损表面严重度评估方法、系统、介质及设备，用于解决现有磨损严重度评估在多种机理的辨识以及综合不同机理的表征实现综合评估困难的技术问题，实现磨损严重度智能评估。
2、本发明采用以下技术方案：
3、一种磨损表面严重度评估方法，包括以下步骤：
4、s1、以二维图像和三维形貌作为输入，联合空间和类别引导构建磨损表面典型损伤逐级检测模型，实现有限语义标注样本条件下表面损伤的辨识；
5、s2、基于表面损伤辨识结果精确分割损伤区域，并基于初始形貌修复策略建立表面损伤三维空间构造方法，生成损伤区域的初始形貌，结合典型形态特性构建不同损伤类型的特征表征体系，实现表面损伤的多维度量化表征；
6、s3、以表面损伤的多维度量化表征的各评价指标为输入，以指标-损伤-机理-状态为逻辑框架，构建联合证据理论和规则推理的磨损表面严重度评估模型，实现多种损伤共存下磨损表面严重度的综合评估。
7、优选地，步骤s1中，构建磨损表面典型损伤逐级检测模型具体为：
8、s101、通过数值微分由磨损表面三维形貌的高度矩阵提取梯度矩阵，以增强表面损伤的轮廓和纹理特征，构成hgg图像；联合磨损表面的hgg图像和rgb图像构成表面损伤的完备表征；
9、s102、构建联合损伤分类和损伤分割的双分支损伤辨识模型，模型以rgb和hgg编码图像为输入，逐像素判别磨损表面的磨损特征类型；
10、s103、构建双分支损伤辨识模型的损伤分类支路，包含编码器、平均池化层、全连接层和激活层，用于确定磨损表面中存在损伤的类别；
11、s104、构建双分支损伤辨识模型的损伤分割支路，包含编码器、解码器、辨识器，用于精细定位损伤；
12、s105、构建双分支损伤辨识模型分支间的空间引导和类别引导，以由粗粒度损伤分类分支来引导精细损伤分割分支；
13、s106、为构建分支间的空间引导，由损伤分类支路计算不同损伤的类别激活图，构建空间注意图，并通过残差连接形式优化损伤分割支路中高低频特征；
14、s107、为构建分支间的类别引导，通过损伤分类支路预测类别，得到校准后各像素点处第i种磨损特征对应的概率矩阵s，′；
15、s108、损伤分类支路的训练过程采用监督训练，根据多元交叉熵函数定义类别辨识损失，以评估不同模型参数下损伤图像级分类的准确性；
16、s109、损伤分割支路的训练过程联合部分语义标注样本和未标注样本，通过半监督训练优化模型参数，标注样本的预测误差基于交叉熵函数构建语义分割损失函数，未标注样本根据辨识器判定输入为真的置信度定义损失函数，评估未标注样本的预测准确性；
17、s110、将损伤辨识模型划分为涉及图像分类及语义分割的预测过程和辨识结果评估的判别过程以便于训练损伤辨识模型，迭代更新模型参数，以学习训练数据集的模式和特征并实现预期的功能。
18、优选地，步骤s106中，空间注意图a具体为：
19、
20、其中，c为损伤分类支路输出的各类磨损特征的存在概率，f(·，τ)为用于过滤存在的磨损特征种类的分段函数，m为类别激活图，为沿通道维度的乘法运算，ac为沿通道维度的加法运算。
21、优选地，步骤s107中，校准后各像素点处第i种磨损特征对应的概率矩阵si′具体为：
22、si′＝si·ci
23、其中，i＝1，2...n，si为编码器和解码器输出的各像素点处第i种磨损特征的概率矩阵，ci为磨损表面存在第i种磨损特征的概率。
24、优选地，步骤s110中，采用经典二元交叉熵函数作为辨识器的损失函数。
25、优选地，步骤s2中，不同损伤类型的特征表征体系具体为：
26、s201、根据初始磨损表面的纹理一致性，通过基于样本块的图像修复由非磨损区域形貌修复磨损区域的初始形貌，重建磨损前的表面三维形貌；
27、s202、由二维图像和三维形貌描述提取多维度表征参数，构成磨损过程的描述体系；由损伤的语义分割结果计算各损伤的磨损面积指标，以量化磨损发生区域大小；根据s201重建的磨损前初始形貌和磨损区域形貌的对比，计算磨损体积以描述表面材质的迁移量。
28、优选地，步骤s3中，磨损表面严重度评估模型具体为：
29、s301、根据人工磨损评估过程经验，确定指标-损伤-机理-状态的逻辑推理路径，构成磨损表面严重度评估模型的基本框架；
30、s302、在构建的磨损表面严重度评估模型基本框架的基础上，根据高斯隶属度函数由各损伤量化指标计算基本概率分布，构成指标层模糊结论；
31、s303、通过证据推理，将得到的不同指标的结论通过证据合成公式融合，计算损伤隶属于不同严重等级的概率，构成了磨损表面严重度评估模型中指标层和损伤层间的映射，实现综合评估；
32、s304、根据专家知识构建置信规则库，描述特定损伤组合下的磨损机理状态，并融合多项规则以生成磨损机理级的评估结果，实现磨损表面严重度评估模型损伤-机理的证据推理过程；
33、s305、嵌入规则描述多磨损机理共同作用下的磨损表面严重度，并采用磨损表面分析知识约简置信规则库，并完备描述磨损表面严重度评估模型机理-状态推理过程；评估结果以隶属于不同严重等级的概率描述磨损状态，实现了连续磨损发展过程的有效表征；同时，磨损表面严重度评估模型输出中间机理层的评估结果，可用于比较各磨损机理导致的磨损退化程度，进而确定主导机理并分析失效模式。
34、第二方面，本发明实施例提供了一种磨损表面严重度评估系统，其特征在于，包括：
35、辨识模块，以二维图像和三维形貌作为输入，联合空间和类别引导构建磨损表面典型损伤逐级检测模型，实现有限语义标注样本条件下表面损伤的辨识；
36、表征模块，基于表面损伤辨识结果精确分割损伤区域，并基于初始形貌修复策略建立表面损伤三维空间构造方法，生成损伤区域的初始形貌，结合典型形态特性构建不同损伤类型的特征表征体系，实现表面损伤的多维度量化表征；
37、评估模块，以表面损伤的多维度量化表征的各评价指标为输入，以指标-损伤-机理-状态为逻辑框架，构建联合证据理论和规则推理的磨损表面严重度评估模型，实现多种损伤共存下磨损表面严重度的综合评估。
38、第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述磨损表面严重度评估方法的步骤。
39、第四方面，本发明实施例提供了一种计算机可读存储介质，包括计算机程序，所述计算机程序被处理器执行时实现上述磨损表面严重度评估方法的步骤。
40、与现有技术相比，本发明至少具有以下有益效果：
41、一种磨损表面严重度评估方法，以二维图像和三维形貌为输入，联合空间和类别引导构建磨损表面典型损伤逐级检测模型，实现有限语义标注样本条件下表面损伤的精确辨识；基于初始形貌修复策略建立表面损伤三维空间构造方法，结合典型形态特性构建不同损伤类型的特征表征体系，实现表面损伤的多维度量化表征；以“指标-损伤-机理-状态”为逻辑框架，构建联合证据理论和规则推理的磨损表面严重度评估模型，实现多种损伤共存下磨损表面严重度的综合评估。通过集成损伤辨识、初始形貌重建和磨损程度判别，开发了面向多源机理作用表面的磨损状态评估方法，实现综合评估多机理作用导致的磨损退化。
42、进一步的，通过将损伤分类和分割整合到逐步细化的预测中，构建了损伤辨识模型，从而提高了有限语义标注条件下多损伤的辨识精度。
43、进一步的，多层模糊推理模型结合了证据推理和推理规则，为处理多重损害时的状态推理提供了有效的解决方案。
44、进一步的，实现了多机理作用表面的综合评估，且评估过程具有良好的可解释性。
45、可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
46、综上所述，本发明通过优化多磨损机理辨识和磨损进程的三维量化表征，进而实现综合评估多机理作用导致的磨损退化。
47、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种磨损表面严重度评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的磨损表面严重度评估方法，其特征在于，步骤s1中，构建磨损表面典型损伤逐级检测模型具体为：
3.根据权利要求2所述的磨损表面严重度评估方法，其特征在于，步骤s106中，空间注意图a具体为：
4.根据权利要求2所述的磨损表面严重度评估方法，其特征在于，步骤s107中，校准后各像素点处第i种磨损特征对应的概率矩阵si′具体为：
5.根据权利要求2所述的磨损表面严重度评估方法，其特征在于，步骤s110中，采用经典二元交叉熵函数作为辨识器的损失函数。
6.根据权利要求1所述的磨损表面严重度评估方法，其特征在于，步骤s2中，不同损伤类型的特征表征体系具体为：
7.根据权利要求1所述的磨损表面严重度评估方法，其特征在于，步骤s3中，磨损表面严重度评估模型具体为：
8.一种磨损表面严重度评估系统，其特征在于，包括：
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行权利要求1至7任一所述的方法。
10.一种计算设备，其特征在于，包括：
