基于图像的磨粒在线监测系统关键技术研究

针对磨粒在线监测系统开发要求,对其中的关键技术进行了深入研究.构建了基于显微图像分析和微泵进样的磨粒在线监测系统,给出了图像检测子系统和微流控分析芯片的详细设计原理和方法;利用粗糙集理论对磨粒特征参数进行了优化;根据系统光路特点,对磨粒图像进行了基于彩色特征的转换,并通过与背景图像的差值处理来快速提取磨粒目标.最后,利用颗粒计数器和铁谱分析技术对系统性能进行了检验,结果表明本系统磨粒统计与识别准确率分别达到90%和95%,具有较高的检测精度,满足磨粒在线监测要求.     

基于Mask R-CNN网络的磨损颗粒智能识别与应用

针对设备磨损故障诊断中磨粒识别技术难度高、工作主观经验影响大等问题,采用深度学习技术开展了磨粒智能识别的研究,提出了基于Mask R-CNN卷积神经网络的磨粒数字化表征方法. 该方法利用迁移学习训练基于Mask R-CNN网络的磨粒识别模型对图像中磨粒进行识别和实例分割,然后使用Suzuki85算法、迭代算法、等比例计算方法计算出磨粒的真实尺寸,解决了磨粒分析中难定量分析的问题. 结果表明:基于Mask R-CNN网络(采用R-101-FPN骨干网络)训练的磨粒识别模型可以对图像中多个异常磨损颗粒进行识别,综合准确率和召回率达到当前图像识别领域的主流水平. 辅以上述Suzuki85等算法,成功实现磨粒图像的定量评价分析,对促进设备故障诊断技术的自动化发展和工业应用具有一定的实际应用价值.      

新型磨粒在线监测传感器及其试验研究

依据润滑油中磨粒与电感线圈之间耦合关系,设计了1种新型的电感式磨粒传感器,并建立了相应的在线磨粒测试系统.利用在线磨粒监测试验台,对传感器的磨粒检出能力、测试结果的一致性以及测试系统输出与磨粒通过速度的关系进行了试验.结果表明:该在线磨粒监测传感器对粒度大于500μm的铜磨粒和粒度大于100μm的铁磨粒具有较好的检测能力;磁性磨粒收集装置能显著提高传感器对小尺寸铁磁质磨粒的检测能力;在磨粒速度一定情况下,传感器对不同类别不同粒度的磨粒输出一致性好;磨粒速度对测试系统输出影响较大,磨粒速度越快,测试系统输出越小;提高传感器信号放大电路的频响范围,将改善测试系统的响应速度,提高对高速磨粒的检出能力.本研究结论证明该传感器能较好地满足在线磨粒监测的要求.     

基于背景色彩识别的磨粒图像分割方法

针对铁谱图像背景色彩相对单一的特点,设计了1种基于背景色彩识别的磨粒图像分割方法,采用该方法对轴尖-宝石轴承的润滑油铁谱图像进行图像分割,并用所得磨粒覆盖面积推算轴尖磨损量.通过大量磨粒图像分割实践表明,所设计的方法具有精度高、计算速度快及适应性强等优点.定量磨损分析表明,该摩擦副的磨损进程极为缓慢.     

小波分析技术在GPS数据预处理中的应用

将小波分析技术应用于数据预处理,利用小波变换对GPS位观测值进行小波分解,可将GPS观测值分解为不同的频率成分,通过一定尺度上的带通滤波器进行滤波,就可以将特定的频率成分提取出来,而将其它成分滤去,从而有效地消除或削弱多路径效应及观测噪声的影响,提高GPS数据处理的精度.并运用Matlab语言进行了编程实现,对比不同基线长度下小波变换前后的预处理精度估值可知,经小波变换后的精度估值有了一定提高,表明了该方法的有效性与可行性.     

苜蓿草粉对金属材料磨损性能的影响

采用正交试验法在磨料磨损试验机上考察了不同粒度苜蓿草粉对45#钢和HT200灰铸铁磨损性能的影响,研究了不同载荷和转速等条件下的磨料磨损行为,采用扫描电子显微镜对其磨损表面形貌进行观察.结果表明:影响材料磨损性能的因素由大到小依次为转速、磨粒粒度和载荷;苜蓿草粉磨粒对金属材料表面的磨损为硬、软磨粒共同作用的结果;45#钢在硬磨料磨损条件下以显微切削为主要磨损机制,在软磨粒磨损条件下以多次塑性变形和低周期疲劳为主要磨损机制;HT200灰铸铁以塑性变形而产生的脆化剥落为主要磨损机制.     

基于振动测试与小波包分析的结构损伤预警

将结构振动测试技术与小波包分析相结合，提出对振动激励信号与响应信号分别 进行小波包分解并在此基础上计算结构的小波包脉冲响应函数及其小波包能量谱，用以表征 结构动力系统的损伤状态. 通过一钢筋混凝土板静力承载力的振动试验分析，计算该板在不 同受力阶段的小波包脉冲响应函数及其小波包能量谱，在此基础上对板不同受力阶段的损伤 状态进行了判别. 该方法克服了结构动力响应的小波包能量谱不能反映结构损伤状态的缺 点，试验表明所采用的方法是可行的.     

冲击速度和磨粒粒度对FeCrAl/WC复合涂层冲蚀性能的影响

采用粉芯丝材作为原料,利用高速电弧喷涂技术制备了具有良好抗高温冲蚀磨损性能的FeCrAl/WC复合涂层;考察了650℃下冲击速度和磨粒粒度对复合涂层高温冲蚀磨损性能的影响.结果表明,复合涂层和20G锅炉钢的耐高温冲蚀磨损能力随着磨粒粒度的增加而有所提高;30°攻角下冲蚀率随磨粒粒度的变化速率比90°攻角下的小;同20G锅炉钢相比,复合涂层对速更加敏感,速度越低,FeCrAl/WC复合涂层的抗冲蚀磨损性能越好.     

磨粒的三维表面特征描述

介绍了三维表面粗糙度参数和表面纹理指数,采用三维表面高度偏差Sa、均方根Sq、表面斜度Ssk、表面峭度Sku等粗糙度参数和表面纹理指数Stdi描述磨粒的三维表面特征,选用油液分析获得磨粒,对其表面特征进行实例分析.结果表明,运用上述参数能够很好区分不同类型的磨粒表面特征.     

卷积神经网络在装备磨损颗粒识别中的研究综述

铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析. 卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破. 随着卷积神经网络的快速发展,磨损颗粒在智能识别方面的技术取得了重大的突破. 本文中首先简述了卷积神经网络与磨粒智能识别的发展历史,针对基于卷积神经网络的磨粒识别方法进行了从图像数据集处理到模型优化技术方面的介绍,并详细说明了这些技术在磨粒识别中的具体应用实例. 然后从现有网络和自设计网络两方面分类,整理了近年来卷积神经网络应用于磨粒智能识别的代表性文献,综述了这些工作所提出的模型结构和特点,分析并阐述了各个模型主要的识别原理,各个网络结构存在的优缺点,以及它们的数据采用情况等,并对未来磨粒智能识别的主要研究方向进行了展望. 最后肯定了卷积神经网络方法在磨粒智能识别方面的重要性,同时指出了基于此方法的磨粒识别模型的缺点,并提出了应紧跟图像识别领域的最新技术以促进磨粒智能识别水平提高等建议,对磨粒智能识别的发展具有一定的意义.      

磨合表面形貌特征参数的提取及分析

在销-盘式摩擦磨损试验机上对船用柴油机活塞环-缸套材摩擦副进行磨合磨损试验,采用光学显微镜对不同磨损阶段的磨损表面形貌进行观察分析,应用小波分析和奇异值分解提取磨损表面统计特征的低频特征参数和高频特征参数.结果表明:低频特征参数和高频特征参数刻画了磨合表面的形貌特征,可以作为磨合表面的特征参数;低频特征参数反映了磨合表面的接触面积,其值愈大,接触面积愈大;高频特征参数反映了磨合表面的粗糙度,其值愈大,粗糙度愈小.     

基于时程深度学习的流场特征分析方法

流场的特征分析是流体力学的重要研究方向, 传统方法主要根据流动参数量值的大小加以判断, 所得结果受选取的参数形式及主观阈值影响大. 本文提出了基于流场时程深度学习的流动特征分析新方法, 建立了基于自动编码的流动特征提取模型; 采用无监督训练方法充分挖掘流动时程信号中的隐含特征, 进行流场中复杂时序特征的低维表征与特征分析. 开展了Re_D = 200的低雷诺数圆柱绕流流场特征识别, 实现了周期层流流场数据的低维表征, 并根据特征编码直接获得了流动特征分布, 得到了合理的结果. 本文所提出的研究方法可为流场特征提取、流动特征分析和流动特征表征等问题的解决提供新的方法与参考.      

基于特征迁移的面铣刀磨损监测方法

实时监测刀具磨损状态对保证工件加工质量和确定合理换刀时间至关重要. 数据驱动的多源信号融合预测是解决刀具磨损预测难题的可行方案. 本文中通过时域和频域分析提取了多维信号特征,并结合机器视觉方法处理刀具磨损图像获得的磨损特征,针对涂层面铣刀建立了随机森林磨损预测模型. 对于同类型的刀具和工件材料,使用特征迁移方法解决多工况场景下新刀样本不足问题. 试验结果表明,基于迁移特征建立的磨损预测模型对目标刀具的磨损量预测效果较迁移前显著提升,准确性评价指标R2决定系数从0.37提升到0.96. 基于特征迁移的磨损预测模型为数据驱动模型在刀具磨损预测和实时监测领域的应用提供参考依据.      

流体润滑状态下磨粒尺寸对液压泵磨损的影响

本文研究了流体润滑状态下磨粒尺寸对液压泵磨损的影响。结果表明,在液压系统中,泵的磨损主要决定于磨粒与泵内关键运动副动态间隙之间的尺寸关系:尺寸小于动态间隙的磨粒影响很小;尺寸明显比动态间隙大的磨粒不会对泵产生磨损作用;尺寸与动态间隙很接近的磨粒能使泵发生严重磨损。作者还利用扫描电子显微镜对流体润滑状态下三体磨粒磨损中的磨屑形貌进行了观察与分析,并且提出了控制液压系统中磨粒损磨的可行施措。     

一种检测塑性变形的新方法

与仅仅承受弹性变形时不同,当金属试件承受塑性变形或发生疲劳损伤时,内部微观晶粒滑移位错等会导致表面粗糙化。此时其镜面反射能力减弱,漫反射能力增强。据此提出了一种检测试件弹塑性边界和塑性变形程度的新方法。承受均匀拉伸的金属试件被普通光源沿斜向照明,载荷按预定方式逐渐增加。用CCD摄像机沿试件法线方向记录板材试件表面的亮度变化,这些亮度分布摄像机可按一定频率采集以实时图像形式记录下来。我们提出了下述简单直观的方法来分析图像数据。根据实际情况适当选择一个阈值,定义图像中灰度高于阈值的点为亮点,取参数BI为亮点个数的倒数。试验发现在弹性段参数BI基本维持定值;在试件发生屈服时由于表面粗糙化以致漫反射能力增强,图像的亮点数会显著增多,BI参数发生陡然下降的变化,在整个塑性段参数呈单调下降趋势。所以参数BI可以作为描述这一过程的特性参数。由BI的变化可以判断试件塑性变形的发生,也可以作为塑性变形程度的度量。典型的实验结果验证了这一方法,所得结果与用相关搜索方法得到的结果相比较,吻合得相当好。由于这种方法使用白光照明,对环境要求不高,操作过程简单,有望在工程实际中获得广泛的应用。本文还讨论了影响判别精度的阈值选取问题,通过对于所得数据的分析得出阈值选取可以按照误差理论中置信区间的方法来设置,并且置信区间较小时能得到比较好的结果。     

Calibration of granular material parameters for DEM modelling and numerical verification by blade-granular material interaction

The discrete element method (DEM) is a promising approach to model blade-granular material interactions. The accuracy of DEM models depends on the model parameters. In this study, a calibration process was developed to determine the parameter values. The particle size was the same as the real material and the particle shape was modelled using two spherical particles rigidly clumped together to form a single grain. Laboratory shear tests and compressions tests were used to determine the material internal friction angle and stiffness, respectively. These tests were replicated numerically using DEM models with different sets of particle friction coefficients and particle stiffness values. The shear test results are found to be dependent on both the particle friction coefficient and the particle stiffness. The compression test results show that it is only dependent on the particle stiffness. The combination of shear test and compression test results can be used to determine a unique set of particle friction and particle stiffness values. The calibration process was validated experimentally and numerically by modelling a blade moving through granular material. Results show that the forces acting on the blade can be accurately modelled with DEM and the maximum error is found to be 26%. The relative particle-blade displacements were used to predict the position and shape of the shear lines in front of the blade. A good qualitative correlation was achieved between the experiments and the DEM simulations.