CN109612892B - 在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置 - Google Patents
在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置 Download PDFInfo
- Publication number
- CN109612892B CN109612892B CN201811573281.4A CN201811573281A CN109612892B CN 109612892 B CN109612892 B CN 109612892B CN 201811573281 A CN201811573281 A CN 201811573281A CN 109612892 B CN109612892 B CN 109612892B
- Authority
- CN
- China
- Prior art keywords
- ipca
- sequence
- abrasive particle
- deposition
- deposition process
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 156
- 230000000007 visual effect Effects 0.000 title claims abstract description 37
- 238000012512 characterization method Methods 0.000 title claims abstract description 23
- 230000008021 deposition Effects 0.000 claims abstract description 100
- 238000005137 deposition process Methods 0.000 claims abstract description 65
- 238000012417 linear regression Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 17
- 238000013139 quantization Methods 0.000 claims abstract description 3
- 238000001228 spectrum Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 18
- 239000010687 lubricating oil Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000005291 magnetic effect Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims description 4
- 238000002864 sequence alignment Methods 0.000 claims description 2
- 238000000151 deposition Methods 0.000 description 69
- 239000006061 abrasive grain Substances 0.000 description 34
- 239000003921 oil Substances 0.000 description 25
- 239000000523 sample Substances 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 208000035874 Excoriation Diseases 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000005294 ferromagnetic effect Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000001050 lubricating effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000010721 machine oil Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G01N15/075—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N2015/0687—Investigating concentration of particle suspensions in solutions, e.g. non volatile residue
Abstract
本发明公开了一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置,预先设置一组沉积参数,获取磨粒沉积过程视频,提取视频各帧的磨粒覆盖面积指数IPCA序列;利用滑动时间窗截取所述IPCA序列,根据最小二乘法原理,获得截取序列的线性回归方程,计算相邻截取序列的线性回归方程之间的夹角变化情况;根据夹角变化情况,判定IPCA是否出现饱和,计算未发生饱和前的线性回归方程的斜率来表征磨粒浓度;本发明解决了磨粒沉积发生过饱和时传统IPCA量化误差较大的问题,以及为避免磨粒堆叠而需调整沉积时间长短的问题,提高了磨粒监测的实时性。
Description
技术领域
本发明涉及设备油液在线磨损监测装置和方法,特别涉及一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置。
背景技术
油液磨粒检测与分析技术是一种状态监测技术,它利用油液所携带磨粒信息分析设备磨损情况,可为设备的正确维护提供了有效的依据。对保障机械系统的安全、高效、长寿命运行,降低维护费用,避免定期维和突发故障所带来的重大经济损失或人员伤亡具有重要意义。
当前油液磨粒监测技术领域主要涉及两种分析方法,即离线分析和在线分析。离线分析是借助大型贵重的仪器,如分析铁谱,直读铁谱,原子发射光谱和颗粒计数等,在油液分析实验室进行。由于离线分析时取样过程要求严格、代表性的油样获取难、分析周期长、反应速度慢、主观因素影响比较大等原因,导致其无法实现磨损磨粒的实时监测,为了克服离线监测的不足,在线磨粒监测成为研究的热点。目前,在线铁谱是基于离线铁谱原理发展而来的一项油液磨粒在线监测的技术,其可以直接与装备的润滑系统相连接,实时地分析油样,整个分析过程不存在润滑油损耗,可在无人值守情况下自动进行。通过在线获取的磨粒浓度及视觉特征信息,分析和推断装备摩擦处的磨损趋势与损伤程度,可实现装备的视情维修和早期故障的预防。
近年来,在线图像可视铁谱磨粒监测技术发展迅速。例如,专利“短沉积距离图像型在线铁谱装置与方法(200610041773.X)”公开了一种小体积在线图像可视铁谱探头,采用电磁铁吸附铁磁性颗粒实现采集区域内大小磨粒的有序沉积。专利“一种在线图像可视铁谱成像系统(201410206588.6)”公开了一种磨粒全视场成像装置,增大了磨粒图像视觉范围,反射光下能够获得磨粒形貌,颜色及纹理等特征信息量。但所述专利200610041773.X和201410206588.6中的流道及在线铁谱成像装置依次安装于磁极上方,透反射光需要透过油层参与成像,在线应用时油液中的气泡、固态杂质干扰磨粒成像,影响图像清晰度及磨粒视觉特征提取,一旦油液的透光度降低,往往无法正常成像。最近,专利 201610976289.X提出了在线图像可视铁谱反射光成像装置与方法,通过调整在线图像可视铁的成像光路,实现低透光油液的磨粒图像可靠获取。
上述的在线图像可视铁谱装置通过电磁铁励磁的高梯度磁场将油液中铁磁性磨粒按粒径大小有序的沉积在采集区域,使用一个图像传感器实现了磨粒沉积谱图像信息的采集,然后通过计算磨粒谱片图像中的沉积磨粒的覆盖总面积与其可视区域的比值(Indexof Particle Coverage Area,IPCA),简称磨粒覆盖面积指数,作为磨粒浓度指数,来量化润滑油中铁磁性磨粒的含量。然而,在线图像可视铁谱装置沉积磨粒时,随着沉积时间的增加,沉积的磨粒逐渐增多而发生堆叠;同时,由于电磁场的作用沉积的磨粒极易发生聚集和成链现象,使得磨粒浓度指数IPCA与沉积时间出现饱和非线性变化;若利用已发生聚集、堆叠和成链的磨粒谱片图像提取的IPCA,以无法准确量化润滑油中铁磁性磨粒浓度的含量。专利“在线图像可视铁谱无堆叠沉积磨粒浓度指数监测方法” (CN201110204256.0)提出通过调控沉积参数方法,实现大小磨粒沉积,同时不断计算过程沉积IPCA的增长来判定沉积是否发生过饱和,以临近饱和前的图像作为分析对象,一定程度上避免了沉积过程磨粒发生堆叠,提高了IPCA量化润滑油中磨粒含量的准确性。然而,IPCA的大小不仅与润滑油中磨粒浓度的高低有关,而且还与在线铁谱装置磨粒沉积参数直接相关。润滑油磨粒浓度相等情况下,在不同沉积参数下获得的谱片提取IPCA值不尽相同。若采用该专利所述的方法,在线动态的调整取样检测的沉积参数,将导致在线监测的IPCA时间序列不具有可比性,使得监测数据难解读。另外,该方法沉积时间耗时长,导致取油分析监测时间间隔稀疏,所获得不是实际意义的运行状态下的实时监测图像,一旦沉积时间低于30s,该方法不能正常工作。
发明内容
本发明为解决上述问题,本发明提出了一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置。本发明提出的方法和装置在整个过程在线自动实现,磨粒浓度量化指标与在线图像可视铁谱装置的沉积时间无关,可实现磨粒浓度的在线准确的量化与表征。
根据本发明的一个方面,提供一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法,包括:
步骤1,预先设置一组沉积参数,获取磨粒沉积过程视频,提取沉积过程视频各帧的磨粒覆盖面积指数IPCA序列;
步骤2,利用滑动时间窗截取所述IPCA序列,根据最小二乘法原理,获得截取序列的线性回归方程,计算相邻截取序列的线性回归方程之间的夹角变化情况;
步骤3,根据夹角变化情况,判定IPCA是否出现饱和,计算未发生饱和前的线性回归方程的斜率来表征磨粒浓度。
根据本发明的一个方面,提供一种在线图像可视铁谱磨粒浓度抗饱和量化表征装置,包括:
磨粒覆盖面积指数IPCA序列提取单元,用于预先设置一组沉积参数,获取磨粒沉积过程视频,提取沉积过程视频各帧的磨粒覆盖面积指数IPCA序列;
IPCA序列处理单元,用于利用滑动时间窗截取所述IPCA序列,根据最小二乘法原理,获得截取序列的线性回归方程,计算相邻截取序列的线性回归方程之间的夹角变化情况;
磨粒浓度量化单元,用于根据夹角变化情况,判定IPCA是否出现饱和,并计算未发生饱和前的线性回归方程的斜率来表征磨粒浓度。
本发明的有益效果在于,本发明提出了一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置,在整个在线监测全过程中,在线图像可视铁谱装置沉积磁势、沉积流量和沉积时间保持恒定。通过计算相邻截取序列的线性回归方程之间的夹角变化情况,判定IPCA是否出现饱和,并以未发生饱和前的线性回归方程的斜率来表征磨粒浓度,而非传统的以沉积过程结束时刻的单帧谱片图像的IPCA来表征磨粒浓度。该方法解决了以往以每一沉积过程结束时刻的单帧谱片图像的IPCA来表征磨粒浓度时,由于磨粒沉积发生过饱和而导致IPCA 量化磨粒浓度时所带来的饱和非线性误差;同时也克服了通过调整在线图像可视铁谱装置每一检测周期中沉积时间长短来避免磨粒堆叠,而导致不同检测周期所获得的IPCA时间序列不具有对比性的问题。此外,该方法所需的在沉积时间短,即使其小于30s仍可以有效的工作,进而大大提高其磨粒监测是实时性。
附图说明
图1是本发明实施例提供的一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法流程图;
图2是本发明实施例提供的另一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法流程图;
图3是本发明实施例提供的一种在线图像可视铁谱磨粒浓度抗饱和量化表征装置结构图;
图4是本发明实施例提供的方法得到的线性回归方程的斜率KIPCA指数与不同磨粒浓度等级油样IPCA指数的量化对比图;
图5是本发明实施例提供的装置在恒定载荷下齿轮全寿命周期磨损加速试验中的在线图像可视铁谱监测结果图;
图6是本发明实施例提供的装置在不同磨损阶段在线图像可视铁谱获取的典型谱片图像。
具体实施方式
下面本发明具体的实施方式进行阐述,来进一步说明本发明的出发点以及相应的技术方案。
图1是本发明实施例提供的一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法流程图。所述方法包括三个步骤:
步骤1,预先设置一组沉积参数,获取磨粒沉积过程视频,提取沉积过程视频各帧的磨粒覆盖面积指数IPCA序列。
优选的,步骤1包括:预先设置一组在线图像可视铁谱装置(on-line visualferrograph,OLVF)磨粒的沉积参数,在线实时采集被监测装备润滑油,获取该沉积参数下的磨粒沉积谱片的形成视频;
计算磨粒谱片的形成视频各帧图像的磨粒覆盖面积指数IPCA,获得沉积过程的磨粒覆盖面积指数序列{IPCA(n),n=1,2,…,N-1,N},其中,n是沉积过程磨粒覆盖面积指数序列中元素的序号,N是沉积过程磨粒覆盖面积指数序列元素总数,其大小等于磨粒谱片的形成视频的总帧数。
优选的,步骤1所述的沉积参数包括在线图像可视铁谱装置OLVF的沉积磁势、沉积流量和沉积时间;所述沉积参数在整个在线监测实施过程的每次取样分析中均保持不变;其中沉积时间预先设置为小于等于30秒。
步骤2,利用滑动时间窗截取所述IPCA序列,根据最小二乘法原理,获得截取序列的线性回归方程,计算相邻截取序列的线性回归方程之间的夹角变化情况;
优选的,步骤2包括:
步骤2-1,对所获得的IPCA序列进行差分运算,获得IPCA差分序列 {ΔIPCA(n),n=1,2,…,N-1},计算差分序列的均值μΔIPCA和标准差σΔIPCA,根据3σ准则,对差分序列进行处理,当ΔIPCA(n)≥μΔIPCA+3σΔIPCA或ΔIPCA(n)≤μΔIPCA-3σΔIPCA时,令获得差分序列的预处理序列;
步骤2-2,对预处理后的差分序列进行差分逆运算,获得沉积过程的IPCA 修正序列{RIPCA(n),n=1,2,…,N-1,N},采用滑动时间窗,对所获得的修正序列进行截取处理,以截取的序列为元素组成新的序列,其中T是新序列的元素序号 M时间窗的宽度,L为滑动步长;
步骤2-3,对序列的每个元素进行线性回归,获得其IPCA与沉积时间t的线性回归方程IPCAT=kTt+bT;计算该序列中相邻两元素的线性回归方程之间的夹角αT,T+1,满足其中,kT是新序列第T个元素的线性回归方程的斜率,bT是新序列第T个元素的线性回归方程的截距。
步骤3,根据夹角变化情况,判定IPCA是否出现饱和,计算未发生饱和前的线性回归方程的斜率来表征磨粒浓度。
优选的,步骤3包括:
根据夹角αT,T+1的变化情况,判定在线图像可视铁谱装置沉积过程中IPCA是否出现饱和;
如果整个沉积过程中所有的夹角αT,T+1≤3°,判定当前的IPCA序列未发生过饱和现象,则计算序列中的所有元素,所对应的IPCA与沉积时间t的线性回归方程的斜率的平均值使用KIPCA作为在线图像可视铁谱装置的磨粒浓度指数;
如果整个沉积过程中首次出现αT,T+1>3°时,判定当前的IPCA序列发生过饱和现象,则计算首次出现αT,T+1>3°的相邻两元素所对应的线性回归方程的交点 (tT,IPCAT),然后计算该交点对应的时间tT时刻前的所有新序列中元素回归方程的斜率的平均值KIPCA,以此作为该次检测的磨粒浓度指数;其中IPCAT为交点时间tT的对应IPCA值。
图2是本发明另一个实施例提供的一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法流程图。整个在线监测实施过程多次取样分析周期,对每一浓度等级油样取样分析开始后,首先初始化在线图像可视铁谱装置的沉积参数,可以设置沉积磁势为800NA,沉积流量为4ml/min,沉积时间为30s。当在线图像可视铁谱装置处于沉积磨粒过程时,录制磨粒沉积过程中谱片的形成过程视频(帧频可以设置为25帧)并计算视频每一帧的谱片图像的IPCA,获得整个沉积过程的IPCA序列并单独保存为一个文本文件,沉积过程结束后保存录制的视频并以监测周期的先后顺序编号命名;
然后,对整个沉积过程的IPCA序列进行差分运算,获得IPCA差分序列 {ΔIPCA(n),n=1,2,…,N-1},其中n是沉积过程磨粒覆盖面积指数序列中元素的序号,N为沉积视频的总帧数,总帧数N可以设置为750,计算差分序列的均值μΔIPCA和标准差σΔIPCA,根据3σ准则,对差分序列进行处理,当ΔIPCA(n)≥μΔIPCA+3σΔIPCA或ΔIPCA(n)≤μΔIPCA-3σΔIPCA时,令剔除沉积过程IPCA序列中的奇异点,获得差分序列的预处理序列;
对预处理序列差分逆运算,获得沉积过程的磨粒覆盖面积指数修正序列 {RIPCA(n),n=1,2,…,N-1,N},采用滑动时间窗,对所获得的修正序列进行截取处理,以截取的序列为元素组成新的序列其中T是新序列的元素序号, M时间窗的宽度,可以设置M=51,L为滑动步长,可以设置L=1;
对该序列的每个元素(即截取的子序列)进行线性回归,获得其IPCA与沉积时间t的线性回归方程IPCAT=kTt+bT,计算该序列中相邻两元素的线性回归方程之间的夹角αT,T+1;其中,kT是新序列第T个元素的线性回归方程的斜率,bT是新序列第T个元素的线性回归方程的截距;
最后,如果出现夹角αT,T+1>3度的情况,判定OLVF沉积过程IPCA出现饱和,计算这两个的线性回归方程的交点(tT,IPCAT),其中IPCAT为交点时间tT对应的IPCA值,计算该交点对应的时间tT时刻前的所有新序列中元素回归方程的斜率的平均值KIPCA,以此作为该次检测的磨粒浓度指数,并保存KIPCA到一个指定文本文件中;否则,计算序列{WIPCA(n),n=1,2,…,M-1,M}T中的所有元素(即截取的子序列)所对应的IPCA与沉积时间t的线性回归方程的斜率的平均值 KIPCA,以此作为该次检测的磨粒浓度指数,并保存KIPCA到一个指定文本文件中。
图3是本发明实施例提供的一种在线图像可视铁谱磨粒浓度抗饱和量化表征装置结构图。所述装置包括三个单元:
IPCA序列提取单元1,用于预先设置一组沉积参数,获取磨粒沉积过程视频,提取沉积过程视频各帧的磨粒覆盖面积指数IPCA序列。
优选的,IPCA序列提取单元1用于:
预先设置一组在线图像可视铁谱装置磨粒的沉积参数,在线实时采集被监测装备润滑油,获取该沉积参数下的磨粒沉积谱片的形成视频;
计算磨粒谱片的形成视频各帧图像的磨粒覆盖面积指数IPCA,获得沉积过程的磨粒覆盖面积指数序列{IPCA(n),n=1,2,…,N-1,N},其中,n是沉积过程磨粒覆盖面积指数序列中元素的序号,N是沉积过程磨粒覆盖面积指数序列元素总数,其大小等于磨粒谱片的形成视频的总帧数。
优选的,所述IPCA序列提取单元1预先设置的一组沉积参数包括:在线图像可视铁谱装置的沉积磁势、沉积流量和沉积时间;所述沉积参数在整个在线监测实施过程的每次取样分析中均保持不变;其中沉积时间预先设置为小于等于30秒。
IPCA序列处理单元2,用于利用滑动时间窗截取所述IPCA序列,根据最小二乘法原理,获得截取序列的线性回归方程,计算相邻截取序列的线性回归方程之间的夹角变化情况。
优选的,所述IPCA序列处理单元2用于:
对所获得的IPCA序列进行差分运算,获得IPCA差分序列 {ΔIPC(A)n,=n 1…,2,-,N,计算差分序列的均值μΔIPCA和标准差σΔIPCA,根据3σ准则,对差分序列进行处理,当ΔIPCA(n)≥μΔIPCA+3σΔIPCA或ΔIPCA(n)≤μΔIPCA-3σΔIPCA时,令获得差分序列的预处理序列;
对预处理后的差分序列进行差分逆运算,获得沉积过程的IPCA修正序列 {RIPCA(n),n=1,2,…,N-1,N},采用滑动时间窗,对所获得的修正序列进行截取处理,以截取的序列为元素组成新的序列其中T是新序列的元素序号, M时间窗的宽度,L为滑动步长;
对序列的每个元素进行线性回归,获得其IPCA与沉积时间t的线性回归方程IPCAT=kTt+bT;计算该序列中相邻两元素的线性回归方程之间的夹角αT,T+1,满足其中, kT是新序列第T个元素的线性回归方程的斜率,bT是新序列第T个元素的线性回归方程的截距。
磨粒浓度量化单元3,用于根据夹角变化情况,判定IPCA是否出现饱和,并计算未发生饱和前的线性回归方程的斜率来表征磨粒浓度。
优选的,所述磨粒浓度量化单元3用于:
根据夹角αT,T+1的变化情况,判定在线图像可视铁谱装置沉积过程中IPCA是否出现饱和;
如果整个沉积过程中所有的夹角αT,T+1≤3°,判定当前的IPCA序列未发生过饱和现象,则计算序列中的所有元素,所对应的IPCA与沉积时间t的线性回归方程的斜率的平均值使用KIPCA作为在线图像可视铁谱装置的磨粒浓度指数;
如果整个沉积过程中首次出现αT,T+1>3°时,判定当前的IPCA序列发生过饱和现象,则计算首次出现αT,T+1>3°的相邻两元素所对应的线性回归方程的交点 (tT,IPCAT),然后计算该交点对应的时间tT时刻前的所有新序列中元素回归方程的斜率的平均值KIPCA,以此作为该次检测的磨粒浓度指数;其中IPCAT为交点时间tT对应的IPCA值。
图4是本发明实施例提供的方法得到的线性回归方程的斜率KIPCA指数与不同磨粒浓度等级油样IPCA指数的量化对比图。在不同磨粒浓度等级油样IPCA 指数与KIPCA指数的量化对比试验时,试验使用L-AN68 40#机械油和600目的还原铁粉(磨粒粒径≤23微米),配置颗粒的质量浓度为50ppm,100ppm,150ppm, 200ppm,250ppm,300ppm,350ppm和400ppm油样。试验前使用超声震荡器对配置油样震荡20min,试验过程中通过水浴加热控制油温在40±3℃,并使用搅拌器实时搅拌,使得油样中的磨粒均匀分布,使用在线图像可视铁谱装置检测上述油样,每一浓度等级油样重复检测20次。
从两种磨粒浓度指数可以看出,在200ppm以下的油样,由于沉积磨粒未出现堆叠和成链现象,IPCA指数和KIPCA指数与磨粒浓度保持良好线性关系;随着油样磨粒浓度等级逐渐升高,当油样磨粒浓度大于200ppm时,沉积结束后获取的磨粒谱片发生聚集、堆叠和成链现象明显,利用沉积结束后的谱片提取IPCA 量化磨粒浓度存在明显的饱和非线性问题;但是对于KIPCA指数而言,即使磨粒沉积过程发生磨粒沉积过饱和现象,利用本发明专利所提出的方法提取的磨粒浓度指标仍与磨粒浓度仍保持良好的线性关系。
图5是本发明实施例提供的装置在恒定载荷下齿轮全寿命周期磨损加速试验中的在线图像可视铁谱监测结果图。在恒定载荷下齿轮全寿命周期磨损加速试验时,利用在线图像可视铁谱在线监测齿轮箱中润滑油磨粒浓度。整个监测过程中在线图像可视铁谱的沉积参数保持恒定(沉积磁势为800NA,沉积流量为 4ml/min,沉积时间为30s),分别采用本发明专利所述磨粒浓度量化指标KIPCA和以往的磨粒浓度量化指标IPCA(利用沉积结束时单帧图像提取)表征磨粒浓度的演变规律。在齿轮磨损加速试验初期(12小时以前),试验齿轮处于磨合磨损阶段,其磨损率大,润滑油中磨粒浓度高,沉积过程结束时磨粒谱片发生聚集、堆叠和成链,导致IPCA量化磨粒浓度出现饱和非线性误差,不能准确的反映齿轮箱中磨粒浓度的变化规律,但本发明专利所述的磨粒浓度指标KIPCA却可以敏感的反映磨浓度的演变规律;随后齿轮进入稳定磨损阶段(12~37小时),其磨损率较小,润滑油中磨粒浓度较低,沉积过程结束时的磨粒谱片未发生聚集、堆叠和成链现象,两种磨粒浓度指数都可以准确的反映面临浓度的演变规律;当齿轮进入乏油运行时(37小时以后),润滑油中磨粒浓度瞬间升高,沉积过程结束时的磨粒谱片发生严重的聚集、堆叠和成链现象,IPCA量化磨粒浓度出现过饱和,不能正确的反映齿轮箱中磨粒浓度的变化规律,但本发明专利所述的磨粒浓度指标KIPCA却仍可以准确地反映磨粒浓度的演变规律。
图6是本发明实施例提供的装置在不同磨损阶段在线图像可视铁谱获取的典型谱片图像。图(a)和(b)是图5所述的恒定载荷下齿轮全寿命周期磨损加速试验在磨合期(0.5小时)和异常磨损期(38.7小时)在线图像可视铁谱获取的沉积结束时刻磨粒谱片,从沉积结束时的谱片图像可以看出磨粒明显出现聚集、堆叠和成链现象;(c)是图5所述的的恒定载荷下齿轮全寿命周期磨损加速试验在稳定磨损期(25小时)在线图像可视铁谱获取的沉积结束时刻磨粒谱片,由于正常磨损阶段,磨损率小,润滑油磨粒浓度低,谱片未出现聚集、堆叠和成链现象。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他任何未背离本发明的精神实质与原理下所做的改变、修饰、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种在线图像可视铁谱磨粒浓度抗饱和量化表征方法,其特征在于,所述方法包括:
步骤1,预先设置一组沉积参数,获取磨粒沉积过程视频,提取沉积过程视频各帧的磨粒覆盖面积指数IPCA序列;
步骤2,利用滑动时间窗截取所述IPCA序列,根据最小二乘法原理,获得截取序列的线性回归方程,计算相邻截取序列的线性回归方程之间的夹角变化情况;
步骤3,根据夹角变化情况,判定IPCA是否出现饱和,计算未发生饱和前的线性回归方程的斜率来表征磨粒浓度;
其中,步骤2包括:
步骤2-1,对所获得的IPCA序列进行差分运算,获得IPCA差分序列{ΔIPCA(n),n=1,2,…,N-1},计算差分序列的均值μΔIPCA和标准差σΔIPCA,根据3σ准则,对差分序列进行处理,当ΔIPCA(n)≥μΔIPCA+3σΔIPCA或ΔIPCA(n)≤μΔIPCA-3σΔIPCA时,令获得差分序列的预处理序列,其中,n是沉积过程磨粒覆盖面积指数序列中元素的序号,N是沉积过程磨粒覆盖面积指数序列元素总数,其大小等于磨粒沉积谱片的形成视频的总帧数;
步骤2-2,对预处理后的差分序列进行差分逆运算,获得沉积过程的IPCA修正序列{RIPCA(n),n=1,2,…,N-1,N},采用滑动时间窗,对所获得的修正序列进行截取处理,以截取的序列为元素组成新的序列其中T是新序列的元素序号,M时间窗的宽度,L为滑动步长;
步骤2-3,对序列的每个元素进行线性回归,获得其IPCA与沉积时间t的线性回归方程IPCAT=kTt+bT;计算该序列中相邻两元素的线性回归方程之间的夹角αT,T+1,满足其中,kT是新序列第T个元素的线性回归方程的斜率,bT是新序列第T个元素的线性回归方程的截距;
其中,步骤3所述根据夹角变化情况,判定IPCA是否出现饱和包括:
根据所述夹角αT,T+1的变化情况,判定在线图像可视铁谱装置沉积过程中IPCA是否出现饱和;
如果整个沉积过程中所有的夹角αT,T+1≤3°,判定当前的IPCA序列未发生过饱和现象;如果整个沉积过程中首次出现αT,T+1>3°时,判定当前的IPCA序列发生过饱和现象。
2.根据权利要求1所述的在线图像可视铁谱磨粒浓度抗饱和量化表征方法,其特征在于,所述步骤1包括:
预先设置一组在线图像可视铁谱装置磨粒的沉积参数,在线实时采集被监测装备润滑油,获取该沉积参数下的磨粒沉积谱片的形成视频;
计算磨粒沉积谱片的形成视频各帧图像的磨粒覆盖面积指数IPCA,获得沉积过程的磨粒覆盖面积指数序列{IPCA(n),n=1,2,…,N-1,N},其中,n是沉积过程磨粒覆盖面积指数序列中元素的序号,N是沉积过程磨粒覆盖面积指数序列元素总数,其大小等于磨粒沉积谱片的形成视频的总帧数。
3.根据权利要求1或2所述的在线图像可视铁谱磨粒浓度抗饱和量化表征方法,其特征在于,步骤1所述的沉积参数包括在线图像可视铁谱装置的沉积磁势、沉积流量和沉积时间;所述沉积参数在整个在线监测实施过程的每次取样分析中均保持不变;其中沉积时间预先设置为小于等于30秒。
4.根据权利要求1所述的在线图像可视铁谱磨粒浓度抗饱和量化表征方法,其特征在于,所述步骤3包括:
根据所述夹角aT,T+1的变化情况,判定在线图像可视铁谱装置沉积过程中IPCA是否出现饱和;
如果整个沉积过程中所有的夹角aT,T+1≤3°,判定当前的IPCA序列未发生过饱和现象,则计算序列中的所有元素,所对应的IPCA与沉积时间t的线性回归方程的斜率的平均值使用KIPCA作为在线图像可视铁谱装置的磨粒浓度指数;
如果整个沉积过程中首次出现αT,T+1>3°时,判定当前的IPCA序列发生过饱和现象,则计算首次出现αT,T+1>3°的相邻两元素所对应的线性回归方程的交点(tT,IPCAT),然后计算该交点对应的时间tT时刻前的所有新序列中元素回归方程的斜率的平均值KIPCA,以此作为该次检测的磨粒浓度指数;其中IPCAT为交点时间tT对应的IPCA值。
5.一种在线图像可视铁谱磨粒浓度抗饱和量化表征装置,其特征在于,所述装置包括:
磨粒覆盖面积指数IPCA序列提取单元,用于预先设置一组沉积参数,获取磨粒沉积过程视频,提取沉积过程视频各帧的磨粒覆盖面积指数IPCA序列;
IPCA序列处理单元,用于利用滑动时间窗截取所述IPCA序列,根据最小二乘法原理,获得截取序列的线性回归方程,计算相邻截取序列的线性回归方程之间的夹角变化情况;
磨粒浓度量化单元,用于根据夹角变化情况,判定IPCA是否出现饱和,计算未发生饱和前的线性回归方程的斜率来表征磨粒浓度;
其中,所述IPCA序列处理单元具体用于:
对所获得的IPCA序列进行差分运算,获得IPCA差分序列{ΔIPCA(n),n=1,2,…,N-1},计算差分序列的均值μΔIPCA和标准差σΔIPCA,根据3σ准则,对差分序列进行处理,当ΔIPCA(n)≥μΔIPCA+3σΔIPCA或ΔIPCA(n)≤μΔIPCA-3σΔIPCA时,令获得差分序列的预处理序列,其中,n是沉积过程磨粒覆盖面积指数序列中元素的序号,N是沉积过程磨粒覆盖面积指数序列元素总数,其大小等于磨粒沉积谱片的形成视频的总帧数;
对预处理后的差分序列进行差分逆运算,获得沉积过程的IPCA修正序列{RIPCA(n),n=1,2,…,N-1,N},采用滑动时间窗,对所获得的修正序列进行截取处理,以截取的序列为元素组成新的序列其中T是新序列的元素序号,M时间窗的宽度,L为滑动步长;
对序列的每个元素进行线性回归,获得其IPCA与沉积时间t的线性回归方程IPCAT=kTt+bT;计算该序列中相邻两元素的线性回归方程之间的夹角αT,T+1,满足其中,kT是新序列第T个元素的线性回归方程的斜率,bT是新序列第T个元素的线性回归方程的截距;
其中,所述磨粒浓度量化单元,用于根据夹角变化情况,判定IPCA是否出现饱和,包括:
用于根据夹角aT,T+1的变化情况,判定在线图像可视铁谱装置沉积过程中IPCA是否出现饱和;如果整个沉积过程中所有的夹角aT,T+1≤3°,判定当前的IPCA序列未发生过饱和现象;如果整个沉积过程中首次出现aT,T+1>3°时,判定当前的IPCA序列发生过饱和现象。
6.根据权利要求5所述的在线图像可视铁谱磨粒浓度抗饱和量化表征装置,其特征在于,所述磨粒覆盖面积指数IPCA序列提取单元用于:
预先设置一组在线图像可视铁谱装置磨粒的沉积参数,在线实时采集被监测装备润滑油,获取该沉积参数下的磨粒沉积谱片的形成视频;
计算磨粒沉积谱片的形成视频各帧图像的磨粒覆盖面积指数IPCA,获得沉积过程的磨粒覆盖面积指数序列{IPCA(n),n=1,2,…,N-1,N},其中,n是沉积过程磨粒覆盖面积指数序列中元素的序号,N是沉积过程磨粒覆盖面积指数序列元素总数,其大小等于磨粒沉积谱片的形成视频的总帧数。
7.根据权利要求5或6所述的在线图像可视铁谱磨粒浓度抗饱和量化表征装置,其特征在于,所述磨粒覆盖面积指数IPCA序列提取单元预先设置的一组沉积参数包括在线图像可视铁谱装置的沉积磁势、沉积流量和沉积时间;所述沉积参数在整个在线监测实施过程的每次取样分析中均保持不变;其中沉积时间预先设置为小于等于30秒。
8.根据权利要求5所述的在线图像可视铁谱磨粒浓度抗饱和量化表征装置,其特征在于,所述磨粒浓度量化单元用于:
根据夹角aT,T+1的变化情况,判定在线图像可视铁谱装置沉积过程中IPCA是否出现饱和;
如果整个沉积过程中所有的夹角aT,T+1≤3°,判定当前的IPCA序列未发生过饱和现象,则计算序列中的所有元素,所对应的IPCA与沉积时间t的线性回归方程的斜率的平均值使用KIPCA作为在线图像可视铁谱装置的磨粒浓度指数;
如果整个沉积过程中首次出现aT,T+1>3°时,判定当前的IPCA序列发生过饱和现象,则计算首次出现αT,T+1>3°的相邻两元素所对应的线性回归方程的交点(tT,IPCAT),然后计算该交点对应的时间tT时刻前的所有新序列中元素回归方程的斜率的平均值KIPCA,以此作为该次检测的磨粒浓度指数;其中IPCAT为交点时间tT对应的IPCA值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573281.4A CN109612892B (zh) | 2018-12-21 | 2018-12-21 | 在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573281.4A CN109612892B (zh) | 2018-12-21 | 2018-12-21 | 在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109612892A CN109612892A (zh) | 2019-04-12 |
CN109612892B true CN109612892B (zh) | 2021-07-06 |
Family
ID=66011161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811573281.4A Active CN109612892B (zh) | 2018-12-21 | 2018-12-21 | 在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109612892B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017109B (zh) * | 2020-08-24 | 2023-03-21 | 内蒙古农业大学 | 一种在线铁谱视频图像气泡的消除方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178356A (zh) * | 2007-12-03 | 2008-05-14 | 中国农业大学 | 肉制品嫩度无损检测的超光谱成像系统及检测方法 |
CN102288524A (zh) * | 2011-07-21 | 2011-12-21 | 西安交通大学 | 在线图像可视铁谱无堆叠沉积磨粒浓度指数监测方法 |
CN102323195A (zh) * | 2011-08-01 | 2012-01-18 | 西安交通大学 | 在线图像可视铁谱装置沉积参数实验设置方法 |
CN103278431A (zh) * | 2013-04-22 | 2013-09-04 | 西安交通大学 | 一种基于视频获取的润滑油磨粒在线监测与分析方法 |
JP2014137367A (ja) * | 2013-01-15 | 2014-07-28 | Ryokeiso Kk | 砥粒の検査装置 |
CN104931397A (zh) * | 2015-06-29 | 2015-09-23 | 广州机械科学研究院有限公司 | 基于励磁吸附的三维数字颗粒图像生成装置及方法 |
CN107451352A (zh) * | 2017-07-27 | 2017-12-08 | 南京财经大学 | 基于有限元分析的筒仓中稻谷重量的测量方法 |
-
2018
- 2018-12-21 CN CN201811573281.4A patent/CN109612892B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178356A (zh) * | 2007-12-03 | 2008-05-14 | 中国农业大学 | 肉制品嫩度无损检测的超光谱成像系统及检测方法 |
CN102288524A (zh) * | 2011-07-21 | 2011-12-21 | 西安交通大学 | 在线图像可视铁谱无堆叠沉积磨粒浓度指数监测方法 |
CN102323195A (zh) * | 2011-08-01 | 2012-01-18 | 西安交通大学 | 在线图像可视铁谱装置沉积参数实验设置方法 |
JP2014137367A (ja) * | 2013-01-15 | 2014-07-28 | Ryokeiso Kk | 砥粒の検査装置 |
CN103278431A (zh) * | 2013-04-22 | 2013-09-04 | 西安交通大学 | 一种基于视频获取的润滑油磨粒在线监测与分析方法 |
CN104931397A (zh) * | 2015-06-29 | 2015-09-23 | 广州机械科学研究院有限公司 | 基于励磁吸附的三维数字颗粒图像生成装置及方法 |
CN107451352A (zh) * | 2017-07-27 | 2017-12-08 | 南京财经大学 | 基于有限元分析的筒仓中稻谷重量的测量方法 |
Non-Patent Citations (3)
Title |
---|
Modeling and experimental investigations on the relationship between wear debris concentration and wear rate in lubrication systems;Bin Fan et.al;《Tribology International》;20171231;第114-123页 * |
Perspective approach in using anti-oxidation and anti-wear particles from oil to estimate residual technical life of a system;David Valis et.al;《Tribology International》;20170920;第46-59页 * |
基于显微图像的油液实时分析系统中颗粒识别技术研究;张艳彬 等;《机械科学与技术》;20061031;第25卷(第10期);第1187-1190,1228页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109612892A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Drury et al. | An industrial study of the effects of feedback and fault density on inspection performance | |
CA2931571C (en) | Evaluation of component condition through analysis of material interaction | |
CN107436983B (zh) | 一种基于多元样本差异的o型橡胶密封圈寿命预测方法 | |
CN108351288B (zh) | 精密浆料中大杂质颗粒的全息检测和表征 | |
WO2015033044A1 (fr) | Procede de caracterisation d'une piece en materiau composite tisse | |
CN112906911B (zh) | 联邦学习的模型训练方法 | |
CN109612892B (zh) | 在线图像可视铁谱磨粒浓度抗饱和量化表征方法及装置 | |
CN109033037A (zh) | 浮标自动监测系统数据质量控制方法 | |
CN115409131B (zh) | 基于spc过程管控系统的生产线异常检测方法 | |
CN115528810B (zh) | 一种基于电力设备的测温数据运检分析管理系统 | |
CN109615126A (zh) | 一种轴承剩余寿命预测方法 | |
CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
EP3721022A1 (fr) | Procédé d'évaluation de l'état d'un système de distribution d'eau | |
Li et al. | Quantitative nondestructive testing of broken wires for wire rope based on magnetic and infrared information | |
US20230154158A1 (en) | Method and system for enhancing online reflected light ferrograph image | |
RU2474685C2 (ru) | Способ оперативного контроля выноса воды и песка с добываемым продуктом из скважины в асу тп газопромысловых объектов нефтегазоконденсатных месторождений крайнего севера | |
CN116228695A (zh) | 一种基于视频图像提取技术的磨损状态感知系统与方法 | |
JP2010127790A (ja) | 微粒子の粒径分布測定方法 | |
CN114993671A (zh) | 一种基于q因子小波变换的振动故障诊断方法及其系统 | |
CN113343464A (zh) | 一种基于果径无损观测的番茄果实糖分高效预测改进方法 | |
Ni et al. | An adaptive state-space model for predicting remaining useful life of planetary gearbox | |
CN108593298B (zh) | 基于多元素浓度线性加权的故障预测方法 | |
CN103983649B (zh) | 一种基于光谱成像的异物检测方法 | |
CN108182306B (zh) | 车辆动力传动装置磨粒特征参数退化失效阈值的确定方法 | |
Tajiani et al. | RUL prediction of bearings using empirical wavelet transform and Bayesian approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |