Gran escalfador de coixinets
Quan es realitzen proves en condicions ambientals dures com ara temperatura elevada, gran soroll, pols, vibracions, etc., no només causarà un gran perjudici físic i psicològic de l'inspector, sinó que també farà que l'inspector sovint no pugui funcionar normalment. Per tant, la investigació sobre la detecció de defectes superficials dels anells de rodament dels grans calefactors de coixinets s’ha convertit en un punt calent en els darrers anys. Basat en la tecnologia de processament digital d’imatges, el nostre departament ha realitzat investigacions sobre la detecció de defectes superficials dels anells de rodament de grans calefactors. Els continguts principals són els següents:
1. Typical performance type and defect area analysis of surface defects of bearing rings of large bearing heaters.
2. Analysis of image edge detection algorithm. A variety of classic edge detection operators are used to compare and detect the surface defect images of bearing rings of large bearing heaters, and an improved Sobel edge detection operator is proposed.
3. Extraction and selection of defect features. Hu defect invariant features, morphological features, and texture features were extracted from the defect image, and systematic analysis and demonstration were carried out to determine the Hu moment invariant features required for classification recognition.
4. Research on classification and recognition algorithm based on BP neural network.
Estudi sobre el mètode de diagnòstic d’àudio de la fallada del rodament del calefactor
(1) El senyal d'àudio del coixinet del calefactor de rodaments conté informació important sobre el seu estat de funcionament. Analitzant aquesta informació, es pot realitzar un diagnòstic de falles del rodament del calefactor del rodament, i es pot recopilar el senyal d'àudio de manera que no sigui de - contacte, que és convenient d'utilitzar i té un avantatge de baix cost.
(2) According to the advantage that all parameters in the Discrete Hidden Markov Model (DHMM) are discrete values, we propose a new method for audio diagnosis of bearing faults based on DHMM, which has simple modeling, fast calculation speed and diagnostic accuracy Advanced features.
(3) Atès que la funció de densitat de barreja contínua gaussiana es pot utilitzar per descriure la probabilitat de sortida de manera més raonable, el document proposa un nou mètode de diagnòstic d’àudio de falles basat en la densitat de barreja gaussiana contínua HMM (Contingut Gaussian Mixtura Hidden Markov Model, CGHMM) . Al mateix temps, es millora l'algoritme d'entrenament i diagnòstic mitjançant el mètode d'inicialització del paràmetre del model basat en - i el coeficient de calibració cap endavant -.
(4) conducted a comparative analysis of the diagnostic test results of DHMM and CGHMM methods. The DHMM algorithm is better than the general CGHMM algorithm in speed, but the diagnostic accuracy is lower than the CGHMM algorithm.