CN110206743A - 一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法 - Google Patents
一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法 Download PDFInfo
- Publication number
- CN110206743A CN110206743A CN201910450974.2A CN201910450974A CN110206743A CN 110206743 A CN110206743 A CN 110206743A CN 201910450974 A CN201910450974 A CN 201910450974A CN 110206743 A CN110206743 A CN 110206743A
- Authority
- CN
- China
- Prior art keywords
- axial
- bubble
- flow pump
- image
- noise
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012512 characterization method Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 210000003934 vacuole Anatomy 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000011946 reduction process Methods 0.000 claims abstract description 5
- 241001269238 Data Species 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000013525 hypothesis research Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0088—Testing machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,包括:(1)采集有空化气泡的轴流泵视频数据作为实验组,采集相同工况下的无空化发生的轴流泵视频数据作为对照组,将两组视频数据中轴流泵工作状态的每一帧图像进行对应并消去背景图像;(2)将两组视频数据的图像帧转化为灰度图,提取出图像的边缘后进行降噪处理;(3)根据两组图像的特征信息,得到实验组中气泡的图像信号特征;(4)对实验组的声信号数据进行滤波降噪后进行频域分析,提取噪声纹理特征;(5)将噪声纹理特征与气泡的图像信号特征进行比对并建立两者之间的联系。本发明通过声信号特征与图像特征相互印证,实现提取轴流泵空泡特征的目的。
Description
技术领域
本发明属于轴流泵信号处理领域,尤其是涉及一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法。
背景技术
流体机械包括泵、水翼、轴流泵等,在现实流场工况下运行,往往会产生气蚀、空化现象,因流场中气压、水压的变化不断发生空化初生、生长发展、溃灭等过程,尤其是溃灭过程中气泡破裂产生的冲击能量,在长期积累作用下,会对流体机械产生腐蚀,机械性能下降就难以避免。同时,同一流体机械(如轴流泵)在不同工况下会产生不同的空化发展状况,例如空化初生、梢涡空化、片空化、云空化等等。当空化发展到一定程度就将对机械性能造成重大破坏,并带来噪声。因此对于工程应用来说,及时发现空化现象的产生,阻止其进一步发展具有重要的现实意义,这就需要学者深入研究空化机理,总结空化特性。
如公开号为CN102252748A的中国专利文献公开了一种基于经验模态的空化噪声调制特征提取方法,该方法利用经验模态分解的自适应性和Hilbert-Huang变换的高分辨率,克服了传统调制特征提取方法难以对短时、非平稳调制的空化噪声数据进行调制特征提取的缺点。
目前,纯粹利用声信号对空化的特性分析取得了一定的成果与理论基础,但是对于空化的机理学术界还缺乏统一的认识。同时,由于空化的研究深入水平与目前此研究方向的广阔应用前景不相匹配,迫切需要一种手段帮助学者建立一种可靠的空化特征研究方法。
发明内容
本发明提供了一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,通过声信号特征与图像特征相互印证,实现声信号检测轴流泵空泡的目的。
本发明的技术方案如下:
一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,包括以下步骤:
(1)采集有空化气泡的轴流泵视频数据以及声信号数据作为实验组,采集相同工况下没有空化气泡产生的轴流泵视频数据及声信号数据作为对照组,将两组视频数据中轴流泵工作状态的每一帧视频图像进行对应;
(2)将两组视频数据的视频图像帧转化为灰度图,提取出图像的边缘后进行降噪处理;
(3)根据两组图像的特征信息,得到实验组中气泡的图像信号特征;
(4)对实验组的声信号数据进行背景对消、滤波后,进行频域分析,提取噪声纹理特征(气泡面积、数量、变化率、直径等);
(5)将噪声纹理特征与气泡的图像信号特征进行比对,根据时域上的匹配性、图像气泡面积随时间变化的主频率与声信号的主频率之间的联系、气泡移动加速度与声信号强度之间的关系等建立两者之间的联系。
本发明实现了对轴流泵在实际流场工作中的空化气泡的特征提取与表征,从时域上提取出能够反映空泡周期性行为发展的参数特征,从频谱上提取出能够反映空泡形态演化的参数特征。利用轴流泵的周期性,可以获取空化随时间变化的周期性特征包括空化初生、发展、溃灭等,与声信号特征进行比对,从而印证空化的声纹理信息。
步骤(2)中,提取图像的边缘具体过程为:利用边缘提取方法提取图像的边缘,并将轴流泵背景噪声转换为线型噪声,消除轴流泵背景对气泡的影响,实现目标空化气泡信息与轴流泵背景的分离。
所述的降噪处理包括:对图像进行滤波,去除图像中的点状噪声;对图像进行二值化,并进行图像孔洞填充。
步骤(3)中,得到实验组中气泡的图像信号特征的方法为:统计出两组图像的特征信息,并将两份特征信息进行相减,得到实验组中气泡的图像信号特征。
另外,步骤(3)中,得到实验组中气泡的图像信号特征的方法还可以采用剪影算法,将对照组图像作为背景噪声信号,将两组灰度图的矩阵进行相减,去除轴流泵边缘背景,提取出气泡的图像信号特征。使用该方法,可以得到更可靠的结果。
步骤(4)中,对实验组的声信号数据进行背景对消、滤波的具体步骤为:
将采集的对照组的声信号数据作为背景噪声信息,根据背景噪声信息以及实验组的实际声信号数据,利用递推最小二乘算法(RLS)或者最小均方算法(LMS)进行背景对消;并根据需要分析的轴流泵主要空泡频带范围确定滤波手段。
利用背景数据进行信号降噪处理将能够消除一些固有的背景信号,凸显出实际需要的空化噪声以便做进一步的分析,减少噪声干扰。
步骤(4)中,所述的频域分析的方法包括但不限于小波变换、快速傅里叶变换、短时傅里叶变换、Hilbert-Huang变换中的一种。
步骤(5)中,由于声数据与图像数据采集具有同时性,因此两者数据处理后得到的结果将具有时域上的联系,可以将声信号上的时域特征通过时域对应到具体图像信号上,并进行分析验证;通过图像数据来寻找、验证、分析声数据时域上的能够反映空泡周期性行为发展的参数特征,然后根据这一特征从声数据上提取出能够反映空泡形态演化的参数特征。最后又回归图像进行结果的检验验证,也就是图像特征—信号时域参数特征—信号频域参数特征—信号时域参数特征—图像特征。建立起这样不断地比对、分析、验证的过程。
本发明的方法采用两组轴流泵空化视频或者图像,针对轴流泵图像背景噪声强、动态性瞬态性强的特点,利用图像学滤波及一些变换方法,消除噪声并且得到气泡的二值化轮廓图像,从而统计出气泡的图像特征;利用声背景对消技术实现降噪处理,以提取高参数值、高分辨率的声信号特征。对于梢涡空化、片空化和超空化等较为稳定空化类型,分析噪声频段分布特点和区别;对于云空化等周期性出现的不稳定空化类型,则分析在单个周期内噪声频段的演变,以及周期性的空化现象带来的周期性纹理特征。最后结合声信号与图像信号在时间上的匹配性进行印证分析,达到检验理论分析成果,帮助研究空化形成机理与空化特性分析。
附图说明
图1为本发明一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法的流程示意图;
图2为本发明实施例中对实验组的图像进行灰度图转换和框选目标空化区域的示意图;
图3为本发明实施例中对图像进行边缘提取的示意图;
图4为本发明实施例中对图像进行滤波的示意图;
图5为本发明实施例中对图像进行二值化和孔洞填充的示意图;
图6为本发明实施例中对图像特征参数统计后得到的空泡平均面积-时间图;
图7为声信号数据经过背景对消前通过短时傅里叶变换手段得到的时频图;
图8为声信号数据经过背景对消后通过短时傅里叶变换手段得到的时频图;
图9为本发明实施例中声信号数据经过背景对消以及降噪后通过小波变换手段得到的时频图;
图10为本方法实施例中声信号数据经过背景对消以及降噪后通过短时傅里叶变换手段得到的时频图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细描述,需要指出的是,以下所述实施例旨在便于对本发明的理解,而对其不起任何限定作用。
如图1所示,一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,包括以下步骤:
S01,首先将利用高速摄影机获得的有空化气泡的视频作为实验组,将相同转速下但是没有空化气泡的视频作为对照组,在ImageJ软件中打开两个视频图像,将对应工况下图像帧数进行对应。
因为实验在用高速摄像机拍摄视频时,有相同的曝光频率,所以保持相同的帧频、播放速度,可以保证得到两个视频中每帧对应的工况相同。实施例中的AVI视频文件,轴流泵的频率是21Hz,视频播放速度降低到1/500,视频每秒播放30帧。轴流泵处于流动水场中,可以近似模拟轴流泵的实际工作情况,且可忽略气泡在重力场中受到的影响。视频图像所处平面与轴流泵轴线平行,故可以在轴流泵工作时,得到看到气泡在轴流泵旋转时周向上的流动,而无法获得径向的信息。
由于轴流泵是一个回转体,所以虽然我们只能得到某一时刻单个叶片上的空化图像,但是可以延伸拓展出其他叶片上的空化状况。片状空化往往附着于轴流泵叶片上,在二维图像上依旧可以观察到片状空化的形态。
S02,将两组视频数据的视频图像帧转化为灰度图,提取出图像的边缘后进行降噪处理。
对于气泡图像的采集而言,三通道的RGB图对气泡特征统计没有太多的统计意义,而灰度图却可以将每个像素中的三通道转换为单一通道,减少计算量提高效率,所以使用unit-8操作将RGB三色图转换为灰度图,使其图像矩阵的每个像素只具有一个用来表示深浅的采样颜色,为后续边缘和填充作铺垫。
由于轴流泵在视频中转动的周期性,且我们获得的视频图像仅仅只从轴流泵的一个侧面拍摄,这就使得我们在每个时刻只能获取轴流泵一个叶片上的全部空化图像,而其他叶片上的片状空化因为与拍摄面有角度,可见的面积与实际的面积并不相等,所以我们只框选出视频中与水平面垂直的叶片片状空化的气泡图像。
当原叶片随着转动远离镜头时,下一个叶片正好转入主镜头,镜头捕捉到下一次叶片上可能出现的空化现象并进行分析统计,同时对应了轴流泵的周期性,如图1所示,为图像进行灰度图转换和框选目标空化区域的示意图。
之后,对这一框图内的图像利用Find Edges提取出气泡的边缘图像,如图3所示。使用Plugins-Filters中的Fast Filters或者其他低通滤波器,对图像进行滤波,消除视频中的点噪声,如图4所示。在此,也可利用PureDenoise插件,它对点噪声的针对性更强。
在Image-Adjust中选取Brightness/Contrast,选取合适的值将视频图像进行二值化,这里会跳出一个弹框,调节里面的max滑条和min滑条来确定二值化的阈值,一般来说max值与min值相等(max=min=a),即阈值的区间范围缩小到一个数值,就可以提取出一个只有黑白色的图像,白色的为气泡轮廓,黑色的为背景。利用Fill Holes进行孔洞填充,得到气泡的实际图像,而在实际操作中,由于气泡中心本身具有一定的灰度值,使得二值化时中心成为白色,这时就可以省去Fill Holes的步骤。注意尽量保证二值化的阈值a相同,使对照组中背景图像与实验组中背景图像一致。最终得到的效果如图5所示。
S03,统计出两组图像的特征信息,并将两份特征信息进行相减,得到实验组中气泡的图像信号特征。
统计时,使用Image-Adjust-Threshold对视频图像进行通道筛选,再使用Analyze-Analyze Particles进行统计。这里根据需要选取想要的统计量即可。
本实施例中,直接将得到的Total Area和Count数据进行MATLAB分析,将实验组中的数据减去对照组的数据,首先将实验组Total Area和Count减去对照组的对应值,得到Total Area*与Count*,再由average area=Total Area*/Count*得到气泡的平均面积,从而得到实际的气泡数据,并绘出图像,如图6所示,用于与声学图像进行比较。
上述步骤S03也可利用剪影算法,将对照组作为背景信号输入,实验组作为主信号输入,得到只有空化信号的图像,再使用之后的步骤进行操作。
S04,对实验组的声信号数据进行背景对消、滤波后,进行频域分析,提取噪声纹理特征。
首先进行背景对消操作,导入声数据,将对照组的背景噪声数据记为d(n),实验组的原始数据记为X(n),根据:
e(n)=d(n)-y(n)
wi(n+1)=wi(n)+2μe(n)x(n-i)
解矩阵方程:
y(n)=WT(n)X(n)
e(n)=d(n)-y(n)
W(n+1)=W(n)+2μe(n)X(n)
其中,W(n)=[w0(n),w1(n),w2(n),w3(n)......wN-1(n)]T,N为滤波器阶数,e(n)即为迭代误差,也就是最后求得的背景对消后的输出值;原始数据的时频图如图7所示,该算法的的计算结果如图8。可以发现信号在经过背景对消手段后,固有的频率(主轴频率等背景噪声)得到了较好的改善,并且凸显出了空化信号在时域上的周期性行为发展的参数特征,但是此时并不能看出频域上空化信号的能够用来反映空泡形态演化的参数特征。这将通过下一步手段滤波解决。
对于大部分轴流泵声信号数据,空泡的频带主要范围存在于0-500Hz左右(该范围具有明显特征性,并不代表不在其他频带范围存在),而背景信号的分布范围的数量级往往达到以104以上,因此需要进行低通滤波;本实施例采用逆短时傅里叶变换(ISTFT)手段,该算法运行速度快,效率高,且经过检验应用于轴流泵滤波可靠性高。经过滤波后,得到的视频图如图9和图10所示,其中,图9为通过小波变换手段得到的时频图,图10为通过短时傅里叶变换手段得到的时频图。此时我们得到了参数特征更多的信号分析图,依此可以进行更多的分析操作。
本发明可以利用小波、快速傅里叶变换(FFT)、短时傅里叶变换(STFT)、希尔伯特-黄(Hilbert-Huang)变换等进行声特征提取;声信号分析手段很多,但是本方法通过实验以及实际检验分析发现以上这几种手段对于轴流泵(21HZ转速)的空化声信号分析结果较为理想,因此应用于本方法。
S05,将噪声纹理特征与气泡的图像信号特征进行比对,根据时域上的匹配性、图像气泡面积随时间变化的主频率与声信号的主频率之间的联系、气泡移动加速度与声信号强度之间的关系建立两者之间的联系。
由于图像数据与声数据在时域上具有匹配性,将上述步骤S03与S04分析数据进行将相同时刻的空化状态图像与声数据进行比较验证。通过图像数据来寻找、验证、分析声数据时域上的能够反映空泡周期性行为发展的参数特征,然后根据这一特征从声数据上提取出能够反映空泡形态演化的参数特征。最后又回归图像进行结果的检验验证,也就是图像特征—信号时域参数特征—信号频域参数特征—信号时域参数特征—图像特征。建立起这样不断地比对、分析、验证的过程。
本方法最终的目的是通过步骤S05所建立的工作流程达到高效的、可靠的精确的轴流泵空化表征方法,能够建立起一个完善的轴流泵空化分析体系,之后为发展轴流泵空化状态监测的理论基础研究提供方法参考,为深入理解轴流泵空化机理提供过程手段,为验证轴流泵空化特性研究假设提供技术手段。
以上所述的实施例对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的具体实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,其特征在于,包括:
(1)采集有空化气泡的轴流泵视频数据以及声信号数据作为实验组,采集相同工况下没有空化气泡产生的轴流泵视频数据及声信号数据作为对照组,将两组视频数据中轴流泵工作状态的每一帧视频图像进行对应;
(2)将两组视频数据的视频图像帧转化为灰度图,提取出图像的边缘后进行降噪处理;
(3)根据两组图像的特征信息,得到实验组中气泡的图像信号特征;
(4)对实验组的声信号数据进行背景对消、滤波后,进行频域分析,提取噪声纹理特征;
(5)将噪声纹理特征与气泡的图像信号特征进行比对,根据时域上的匹配性、图像气泡面积随时间变化的主频率与声信号的主频率之间的联系、气泡移动加速度与声信号强度之间的关系建立两者之间的联系。
2.根据权利要求1所述的基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,其特征在于,步骤(2)中,提取图像的边缘具体过程为:
利用边缘提取方法提取图像的边缘,并将轴流泵背景噪声转换为线型噪声,消除轴流泵背景对气泡的影响,实现目标空化气泡信息与轴流泵背景的分离。
3.根据权利要求1所述的基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,其特征在于,步骤(2)中,所述的降噪处理包括:
对图像进行滤波,去除图像中的点状噪声;对图像进行二值化,并进行图像孔洞填充。
4.根据权利要求1所述的基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,其特征在于,步骤(3)中,得到实验组中气泡的图像信号特征的方法为:
统计出两组图像的特征信息,并将两份特征信息进行相减,得到实验组中气泡的图像信号特征。
5.根据权利要求1所述的基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,其特征在于,步骤(3)中,得到实验组中气泡的图像信号特征的方法为:
通过剪影算法,将对照组图像作为背景噪声信号,将两组灰度图的矩阵进行相减,去除轴流泵边缘背景,提取出气泡的图像信号特征。
6.根据权利要求1所述的基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法,其特征在于,步骤(4)中,对实验组的声信号数据进行背景对消、滤波的具体步骤为:
将采集的对照组的声信号数据作为背景噪声信息,根据背景噪声信息以及实验组的实际声信号数据,利用递推最小二乘算法或者最小均方算法进行背景对消;并根据需要分析的轴流泵主要空泡频带范围确定滤波手段,进行滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910450974.2A CN110206743B (zh) | 2019-05-28 | 2019-05-28 | 一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910450974.2A CN110206743B (zh) | 2019-05-28 | 2019-05-28 | 一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110206743A true CN110206743A (zh) | 2019-09-06 |
CN110206743B CN110206743B (zh) | 2020-05-08 |
Family
ID=67789027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910450974.2A Active CN110206743B (zh) | 2019-05-28 | 2019-05-28 | 一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110206743B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114813037A (zh) * | 2022-04-21 | 2022-07-29 | 中国船舶科学研究中心 | 一种空化流动结构频率分布特征分析方法 |
CN117409001A (zh) * | 2023-12-14 | 2024-01-16 | 合肥晶合集成电路股份有限公司 | 一种晶圆键合的气泡分析方法及分析装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847824A (zh) * | 2006-02-27 | 2006-10-18 | 西安交通大学 | 基于超高速摄影技术的超声场中微泡行为分析系统和方法 |
JP2007303889A (ja) * | 2006-05-09 | 2007-11-22 | Ho Jinyama | キャビテーション検知方法、評価方法、コンピュータプログラム、及び、キャビテーション検知装置 |
CN104535645A (zh) * | 2014-12-27 | 2015-04-22 | 西安交通大学 | 微秒分辨空化时空分布的三维空化定量成像方法 |
CN107273570A (zh) * | 2017-05-10 | 2017-10-20 | 江苏大学 | 一种叶片泵空化诱导噪声数值预报方法 |
US20180087499A1 (en) * | 2016-09-23 | 2018-03-29 | Caterpillar Inc. | System for detecting faults in a pump |
CN107956708A (zh) * | 2017-11-17 | 2018-04-24 | 浙江大学 | 一种基于快速谱峭度分析的泵潜在空化故障检测方法 |
-
2019
- 2019-05-28 CN CN201910450974.2A patent/CN110206743B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847824A (zh) * | 2006-02-27 | 2006-10-18 | 西安交通大学 | 基于超高速摄影技术的超声场中微泡行为分析系统和方法 |
JP2007303889A (ja) * | 2006-05-09 | 2007-11-22 | Ho Jinyama | キャビテーション検知方法、評価方法、コンピュータプログラム、及び、キャビテーション検知装置 |
CN104535645A (zh) * | 2014-12-27 | 2015-04-22 | 西安交通大学 | 微秒分辨空化时空分布的三维空化定量成像方法 |
US20180087499A1 (en) * | 2016-09-23 | 2018-03-29 | Caterpillar Inc. | System for detecting faults in a pump |
CN107273570A (zh) * | 2017-05-10 | 2017-10-20 | 江苏大学 | 一种叶片泵空化诱导噪声数值预报方法 |
CN107956708A (zh) * | 2017-11-17 | 2018-04-24 | 浙江大学 | 一种基于快速谱峭度分析的泵潜在空化故障检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114813037A (zh) * | 2022-04-21 | 2022-07-29 | 中国船舶科学研究中心 | 一种空化流动结构频率分布特征分析方法 |
CN117409001A (zh) * | 2023-12-14 | 2024-01-16 | 合肥晶合集成电路股份有限公司 | 一种晶圆键合的气泡分析方法及分析装置 |
CN117409001B (zh) * | 2023-12-14 | 2024-04-05 | 合肥晶合集成电路股份有限公司 | 一种晶圆键合的气泡分析方法及分析装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110206743B (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110206743A (zh) | 一种基于噪声纹理和气泡形态对照的轴流泵空化特征提取方法 | |
CN106950047A (zh) | 振动加速度信号频谱的可视化分析方法 | |
CN107563155B (zh) | 一种基于生成对抗网络的安全隐写方法和装置 | |
Luo et al. | Edge adaptive image steganography based on LSB matching revisited | |
CN108760327B (zh) | 一种航空发动机转子故障的诊断方法 | |
CN104459398B (zh) | 一种采用二维形态学降噪的电能质量复合扰动识别方法 | |
US8295607B1 (en) | Adaptive edge map threshold | |
CN106485708B (zh) | 一种基于图像识别的圆木计数方法 | |
CN107085836B (zh) | 一种在运动物体检测中通用的鬼影消除方法 | |
CN102063704B (zh) | 一种机载视景增强方法及其装置 | |
Barannik et al. | Evaluation of effectiveness of masking methods of aerial photographs | |
CN104504662A (zh) | 一种基于同态滤波的图像处理方法及系统 | |
Mo et al. | Enhancing JPEG steganography using iterative adversarial examples | |
CN102609704A (zh) | 雾天条件下视频监控图像运动目标的检测装置和方法 | |
Chen et al. | Defining cost functions for adaptive steganography at the microscale | |
CN109028223B (zh) | 具手势控制视觉检测功能的油烟机及油烟浓度检测方法 | |
Song et al. | Enhancing image steganography via stego generation and selection | |
Hosseini et al. | Image sharpness metric based on maxpol convolution kernels | |
CN115423850A (zh) | 一种自动过滤晃动目标区域的抗干扰捕获高空抛物方法 | |
CN104794475B (zh) | 一种光子晶体光纤的端面结构特征提取方法 | |
CN1761285A (zh) | 一种去除视频孤立噪声点的方法 | |
Wei et al. | Multilevel thresholding algorithm based on particle swarm optimization for image segmentation | |
Hudhud et al. | Digital removal of power frequency artifacts using a Fourier space median filter | |
JP2013246460A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN110427817B (zh) | 一种基于空泡图像定位与声纹理分析的水翼空化特征提取方法 |
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 |