Incalzitor cu rulment mare
Atunci când testarea în condiții de mediu dure, ar fi temperatura ridicată, zgomot ridicat, praf, vibrații, etc., aceasta nu numai că va provoca un mare rău fizic și psihologic al inspectorului, dar, de asemenea, face inspectorul de multe ori în imposibilitatea de a lucra în mod normal. Prin urmare, cercetarea privind detectarea defectelor de suprafață ale inelelor de rulmenți ale încălzitoarelor de rulmenți mari a devenit un punct fierbinte în ultimii ani. Pe baza tehnologiei digitale de procesare a imaginii, departamentul nostru a efectuat cercetări privind detectarea defectelor de suprafață ale inelelor de rulmenți ale încălzitoarelor de rulmenți mari. Conținutul principal sunt după urmează:
1. Analiza tipică a tipului de performanță și a suprafeței defectelor de suprafață ale inelelor de lagăr ale instalațiilor de încălzire cu rulmenți mari.
2. Analiza algoritmului de detectare a marginii imaginii. O varietate de operatori clasici de detectare a muchiilor sunt utilizați pentru a compara și detecta imaginile defectelor de suprafață ale inelelor de rulmenți ale încălzitoarelor de rulmenți mari și se propune un operator îmbunătățit de detectare a muchiilor Sobel.
3. Extragerea și selectarea caracteristicilor defectelor. Caracteristicile invariante ale defectelor hu, caracteristicile morfologice și caracteristicile texturii au fost extrase din imaginea defectului și au fost efectuate analize și demonstrații sistematice pentru a determina caracteristicile invariante ale momentului Hu necesare pentru recunoașterea clasificării.
4. Cercetare privind clasificarea și algoritmul de recunoaștere bazat pe rețeaua neuronală BP.
Studiu privind metoda de diagnosticare audio a defectului rulmentului de încălzire a rulmentului
(1) Semnalul audio al rulmentului de încălzire a rulmentului conține informații importante privind starea sa de funcționare. Analizând aceste informații, diagnosticul de defect al rulmenților de încălzire rulment poate fi efectuat în mod eficient, iar semnalul audio poate fi colectat într-un mod non-contact, care este convenabil de utilizat și low-in avantaj de cost.
(2) În funcție de avantajul că toți parametrii din modelul discret Hidden Markov (DHMM) sunt valori discrete, propunem o nouă metodă de diagnosticare audio a defectelor de rulmenți bazate pe DHMM, care are modelare simplă, viteză de calcul rapidă și precizie de diagnosticare Caracteristici avansate.
(3) Deoarece funcția continuă de densitate a amestecului gaussian poate fi utilizată pentru a descrie probabilitatea de ieșire mai rezonabil, lucrarea propune o nouă metodă de diagnosticare audio a defectului pe baza densității continue a amestecului gaussian HMM (Contlnuous Gaussian Mixture Hidden Markov Model, CGHMM). În același timp, algoritmul de instruire și diagnosticare este îmbunătățit prin utilizarea metodei de inițializare a parametrilor de cluster bazate pe parametri și a algoritmului de calibrare înainte-înapoi.
(4) a efectuat o analiză comparativă a rezultatelor testelor de diagnostic ale metodelor DHMM și CGHMM. Algoritmul DHMM este mai bun decât algoritmul general CGHMM în viteză, dar precizia diagnosticului este mai mică decât algoritmul CGHMM.