当需要在高温,高噪音、粉尘、振动等恶劣环境条件下进行检测时,不仅会对检测人员的身体和心理会造成极大伤害,还会使检测人员往往无法正常工作。因此大型轴承加热器轴承套圈表面缺陷检测的研究成为近年来人们研究的热点。我们科依据数字图像处理技术对大型轴承加热器轴承套圈表面缺陷检测进行了研究,主要内容如下： 1.大型轴承加热器轴承套圈表面缺陷的典型表现类型与缺陷区域分析。 2.图像边缘检测算法的分析。采用多种经典边缘检测算子对大型轴承加热器轴承套圈表面缺陷图像进行对比检测,提出了一种改进的Sobel边缘检测算子。 3.缺陷特征的提取与选择。对缺陷图像提取了Hu不变矩特征,形态特征,纹理特征,并进行了系统的分析与论证,确定了分类识别所需要的Hu不变矩特征。 4.基于BP神经网络分类识别算法的研究。 轴承作为轴承加热器中重要的旋转零件和机械设备的重要故障源之一，每年由于轴承故障造成的设备故障数以千万计，造成的经济损失巨大，因此有效的滚动轴承故障诊断方法在实际工作中就显得越来越重要。我们对轴承故障诊断技术及其在工业中的应用进行了深入、系统地研究。根据轴承加热器轴承故障诊断的方法和机理的不同，分别对振动诊断技术、油液诊断技术、热诊断(热成像诊断和温度诊断)技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术、人工智能和专家系统的故障诊断技术、综合故障诊断系统等八种不同的轴承故障诊断方法进行回顾。后对轴承加热器轴承振动诊断技术中的振动低频和幅值参数指标分析法、振动平稳信号的诊断技术、振动循环平稳信号的诊断技术、振动非平稳信号的诊断技术等做了详细的介绍和方法举例。 轴承加热器轴承故障音频诊断方法研究 (1)轴承加热器轴承音频信号包含其运行状态的重要信息，通过分析这些信息就能对轴承加热器轴承进行有效的故障诊断，而且音频信号能够非接触式采集，具有使用方便、成本低廉等优点。 (2)根据离散HMM模型(Discrete Hidden Markov Model.DHMM)中的所有参数均为离散值的优点，我们提出了基于DHMM的轴承故障音频诊断新方法，具有建模简单、运算速度快和诊断精度高等特点。 (3)由于采用连续高斯混合密度函数可以更合理地描述输出概率，论文提出了基于连续高斯混合密度HMM(Contlnuous GaussianMixture Hidden Markov Model，CGHMM)的轴承故障音频诊断新方法。同时，利用基于聚类算法的模型参数初始化方法和标定系数的前向-后向算法对训练和诊断算法加以改进。 (4)对DHMM和CGHMM方法的诊断实验结果进行了对比分析。DHMM算法在速度上优于一般的CGHMM算法，诊断精度却低于CGHMM算法。 |
