何 涛，王 幸，王少东，王正家，盛文婷

(湖北工业大学 a.机械工程学院；b.现代制造质量工程湖北省重点实验室，武汉 430068)

0 引言

零件作为工业制造领域中最基本的组成单元，其质量在工业制造领域中有着决定性的影响[1]。零件缺陷识别是实现产品质量检测的至关重要环节，保证产品质量对制造业的发展有着举足轻重的作用。由于在众多机械零件中诸如齿轮这类环形零件呈现非线性、不规则和一定自相似性的特点，使得传统检测工具很难准确识别零件缺陷。因此，探索一种有效的零件缺陷识别方法，以满足产品质量检测的需求。

分形理论作为一门新兴的非线性学科，适用于自然界中不规则事物的分析和处理。随着科学技术的发展，分形理论在图像处理中已取得广泛的应用和一系列的成果[2]。单分形方法仅用单一维数来描述目标物体的特征，不能完整地刻画其复杂性。文献[3]提出了多重分形理论，即利用广义维数与多重分形谱来描述客观物体。文献[4]在去趋势波动分析法(DFA)的基础上提出了多重分形去趋势波动分析(Multifractality Detrended Fluctuation Analysis,简称MF-DFA)，该方法避免了人为因素的影响，能够更准确地刻画隐藏在非平稳时间序列中的多重分形特征，可较大幅度提高目标物体的识别准确度[5]，目前该方法已经应用到各领域。文献[6]应用二维MF-DFA法计算糖尿病人的视网膜病变图像的局部广义Hurst指数，再将Hurst指数作为LSSVM中的训练输入量，对视网膜图像进行检测和分类识别，提高了图像识别的灵敏性和准确性。……