CN114723753A - 一种基于叶尖图像的转子叶片叶尖轴向位移计算方法 - Google Patents
一种基于叶尖图像的转子叶片叶尖轴向位移计算方法 Download PDFInfo
- Publication number
- CN114723753A CN114723753A CN202210637827.8A CN202210637827A CN114723753A CN 114723753 A CN114723753 A CN 114723753A CN 202210637827 A CN202210637827 A CN 202210637827A CN 114723753 A CN114723753 A CN 114723753A
- Authority
- CN
- China
- Prior art keywords
- blade tip
- image
- blade
- axial displacement
- tip
- 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
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 61
- 238000004364 calculation method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 18
- 238000013519 translation Methods 0.000 claims description 17
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 6
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明属于转子叶片高速摄影测量技术领域,公开了一种基于叶尖图像的转子叶片叶尖轴向位移计算方法,方法包括获取盘车状态下转子叶片的叶尖图像、对叶尖图像进行分组和叠加处理、计算每组叶尖图像的基准线、获取计算叶尖轴向位移的最优基准线、待测转子叶片的叶尖图像中叶尖边沿轮廓提取、最优基准线平移获取平移距离、根据平移距离计算叶尖轴向位移等步骤。本发明设计的方法适用于对高速相机拍摄到的叶尖图像进行轴向位移提取;由于高速相机拍摄时不能完全保证视场与叶尖轴向平行,因此在计算轴向位移前必须找准基准线,能实现基准线的准确计算、实现有油污影响下叶尖轴向位移的准确提取。
Description
技术领域
本发明涉及转子叶片高速摄影测量技术领域,具体为一种基于叶尖图像的转子叶片叶尖轴向位移计算方法。
背景技术
发动机风扇及压气机进行性能测试时,在逼近喘振边界和喘振时,不同的叶尖形貌对于气动负荷的响应不同,气动负荷快速变化会使得叶片轴向位移和叶尖变形较大,出现前一级转子碰磨后一级静子的情况,进而直接影响叶片强度和发动机运行安全,给发动机研制带来不可预估的风险。例如,某航空发动机的高压压气机完成进气畸变试验后进行分解检查时,发现转子叶尖对机匣内壁造成较明显的碰磨,分析碰磨的原因是喘振状态下转子叶片叶尖的轴向移动和变形引起的。
为了研究航空发动机风扇及压气机不同工况及气动负荷下转子叶尖的变形规律,获得转子叶片叶尖轴向位移变化情况,一方面可以对发动机在近喘和喘振状态下风扇及压气机部件安全性进行准确的评估,另一方法校核完善风扇、压气机部件叶尖设计方法及径向、轴向间隙计算等,都需采用转子叶尖轴向移动或变形结果。
目前,转子叶片叶尖轴向位移是通过光学成像高速摄影技术拍摄图像后直接获取的,但是由于我国航空发动机转子叶尖高速摄影测试技术研究较晚,且在发动机高转速运行时叶尖线速度较大(音速或超音速),很难拍摄到清晰的叶尖图像,或者要求高速相机的曝光时间极短(<1us),现有一般的相机难以满足要求,再加上油污、机匣/叶尖热态变形的影响,采用光学成像高速摄影技术拍摄图像有一定程度的模糊,转子叶片叶尖轴向位移的准确度交底,影响风扇及压气机部件安全性准确的评估,影响校核完善风扇及压气机部件叶尖设计方法和径向/轴向间隙计算结果。
经初步研究发现,从拍摄的叶尖图像中也是能够计算叶尖轴向位移的,发明的目的是设计一种采用叶尖图像计算转子叶片叶尖轴向位移的方法。
发明内容
为了解决叶尖图像模糊、位移基准不明确、叶尖轴向位移计算困难等难题,本发明公开了一种基于叶尖图像的转子叶片叶尖轴向位移计算方法,本发明设计的方法通过对叶尖图像进行处理从而快速、准确的计算出转子叶片叶尖轴向位移。
实现发明目的的技术方案如下:
第一方面,本发明提供了一种基于叶尖图像的转子叶片叶尖轴向位移计算方法,包括以下步骤:
盘车状态下,采集转子叶片多张叶尖图像,并对叶尖图像分组;
对每组叶尖图像叠加处理获取叠加图像;
依据转子叶片的叶尖边缘,提取各组叠加图像的基准线;
基于各组叠加图像的基准线,获取计算叶尖轴向位移的最优基准线;
获取待测转子叶片的叶尖图像的待测叶尖边沿轮廓;
将最优基准线向待测转子叶片的叶尖边缘方向平移,直至最优基准线与待测叶尖边沿轮廓刚好接触,记录最优基准线平移距离;
计算最优基准线平移距离在最优基准线垂直方向的投影距离,即为叶尖轴向位移。
本发明设计的转子叶片叶尖轴向位移计算方法,通过采用盘车状态下采集的较为清晰的叶尖图像获得计算叶尖轴向位移的最优基准线,可以从不同转速下高速相机采集的待测转子叶片的叶尖图像中获得叶尖轴向位移的情况。本发明设计的方法适用于对高速相机拍摄到的叶尖图像进行轴向位移提取;由于高速相机拍摄时不能完全保证视场与叶尖轴向平行,因此在计算轴向位移前必须找准基准线,本方法能实现基准线的准确计算、实现有油污影响下叶尖轴向位移的准确提取。
进一步的,最优基准线的平移方法为:沿X轴或Y轴将最优基准线向叶尖边缘方向平移。
进一步的,叠加图像的基准线的提取方法,包括:
对叠加图像进行边沿检测,获取该叠加图像的叶尖边沿轮廓;
依据转子叶片的叶尖边缘,初步判断叶尖边沿轮廓中基准线所在边缘线位置;
在边缘线的两侧分别指定一个点,以这两点作为矩形的一组对角顶点,以边缘线的前端或末端作为第三个顶点绘制矩形框,矩形框内包括边缘线中部分离散点;
提取矩形框内离散点并进行线性拟合,获得拟合直线即为该叠加图像的基准线。
进一步的,计算叶尖轴向位移的最优基准线的获取方法,包括:
将各组叠加图像的基准线绘制在同一张图像上;
选取图像上基准线集中度最高的两个点,以这两个点绘制的直线即为最优基准线。
进一步的,每组叶尖图像叠加处理前,还对每张叶尖图像采用非线性对比度拉伸、空间滤波、二值化、开运算、最大区域寻找中至少一种方法进行处理。
进一步的,叶尖图像分组前,还对各张叶尖图像中是否有叶尖进行判断,将不含有叶尖的叶尖图像剔除。
更进一步的,叶尖图像中是否有叶尖的判断方法为:
定义叶尖图像中叶尖图像区域,并定义叶尖图像区域内叶尖判断阈值;
对叶尖图像二值化处理;
在二值化处理后叶尖图像的叶尖图像区域中,判断是数值为1的数量否超过叶尖判断阈值,若有则判断该叶尖图像中含有叶尖,若无则判断该叶尖图像中不含有叶尖并将该叶尖图像剔除。
优选的,对叶尖图像进行二值化处理前,还对叶尖图像进行对比度拉伸和/或去背景处理。
第二方面,本发明提供了一种电子设备,包括存储器及处理器,存储器用于存储在处理器上运行的计算机程序;处理器用于执行计算机程序时实现上述第一方面中基于叶尖图像的转子叶片叶尖轴向位移计算方法的步骤。
第三方面,本发明提供了一种计算机存储介质,存储有计算机可执行指令,计算机可执行指令用于执行上述第一方面中基于叶尖图像的转子叶片叶尖轴向位移计算方法。
与现有技术相比,本发明的有益效果是:本发明设计的转子叶片叶尖轴向位移计算方法,通过采用盘车状态下采集的较为清晰的叶尖图像获得计算叶尖轴向位移的最优基准线,可以从不同转速下高速相机采集的待测转子叶片的叶尖图像中获得叶尖轴向位移的情况。本发明设计的方法适用于对高速相机拍摄到的叶尖图像进行轴向位移提取;由于高速相机拍摄时不能完全保证视场与叶尖轴向平行,因此在计算轴向位移前必须找准基准线,本方法能实现基准线的准确计算、实现有油污影响下叶尖轴向位移的准确提取。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为本发明基于叶尖图像的转子叶片叶尖轴向位移计算方法的流程图;
图2为具体实施方式中叶尖图像的示意图;
图3为具体实施方式中判断叶尖图像中是否有叶尖的流程图;
图4为具体实施方式中叠加图像的示意图;
图5为具体实施方式中提取叠加图像的基准线的流程图;
图6为具体实施方式中叠加图像中叶尖边沿轮廓及基准线的示意图;
图7为具体实施方式中提取的最优基准线的示意图;
图8为具体实施方式中最优基准线相对于叶尖边沿轮廓平移的一种示意图;
图9为具体实施方式中最优基准线相对于叶尖边沿轮廓平移的另一种示意图;
其中,1.叶尖图像;2.叶尖图像区域;3.叶尖;4.叠加图像;5.叶尖边沿轮廓;6.第一指定点;7.第二指定点;8.矩形框;9.基准线;10.第三指定点;11.第四指定点;12.最优基准线;13.待测叶尖边沿轮廓;14.平移后最优基准线;15.最优基准线平移距离;16.投影距离。
具体实施方式
下面结合具体实施例来进一步描述本发明,本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的,并不对本发明的范围构成任何限制。本领域技术人员应该理解的是,在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换,但这些修改和替换均落入本发明的保护范围内。
本具体实施方式的一个实施例提供了一种基于叶尖图像的转子叶片叶尖轴向位移计算方法,如图1所示,基于叶尖图像的转子叶片叶尖轴向位移计算方法,包括以下步骤:
S1、盘车状态下,采集转子叶片多张叶尖图像,并对叶尖图像分组。
盘车是指在启动电机前,通过人力将电机转动几圈,用以判断由电机带动的负荷(即机械或传动部分)是否有卡死而阻力增大的情况,从而不会使电机的启动负荷变大而损坏电机(即烧坏),本步骤在盘车状态对转子叶片的运动进行采集,采集叶尖图像1较为清晰,便于从下述基准线的提取,提高转子叶片高速旋转过程中叶尖轴向位移的提取及计算。
由于盘车状态下拍摄的多张叶尖图像1(如图2所示)中,可能包括不含有叶尖3、叶尖模糊等情况,为了避免上述不合格叶尖图像1影响下述基准线的提取的准确度,在本步骤的一个改进实施例中,对叶尖图像分组前,还对各张叶尖图像1中是否有叶尖3进行判断,并将不含有叶尖3的叶尖图像1剔除。
具体的,如图3所示,叶尖图像中是否有叶尖的判断方法为:
S101、定义叶尖图像中叶尖图像区域,并定义叶尖图像区域内叶尖判断阈值。叶尖图像区域2为叶尖图像1中含有叶尖3的区域,本步骤中叶尖图像区域2位于叶尖图像1中部,范围为叶尖图像1的0.3~0.7,优选为0.4~0.6。
S102、对叶尖图像二值化处理。
S103、在二值化处理后叶尖图像的叶尖图像区域中,判断是数值为1的数量否超过叶尖判断阈值。
二值化处理后图像中的所有像素点的灰度值为0或1,含有叶尖3的像素点的灰度值为1,不含有叶尖3的像素点的灰度值为0。本步骤中,定义叶尖判断阈值,当叶尖图像区域2中灰度值为1的像素点数量大于叶尖判断阈值时,这说明叶尖图像1中含有叶尖3,例如可以设定叶尖判断阈值为10,当叶尖图像区域2中灰度值为1的数量大于10,则说明有叶尖3;当叶尖图像区域2中灰度值为1的数量小于10,则说明没有叶尖3。
S104、若有则判断该叶尖图像中含有叶尖,进入并执行下述步骤S2。
S105、若无则判断该叶尖图像中不含有叶尖并将该叶尖图像剔除。
优选的,对叶尖图像1进行二值化处理前,还对叶尖图像1进行对比度拉伸和/或去背景处理。其中,对比度拉伸的方法为线性或非线性扩展盘车状态下拍摄的叶尖图像1的动态范围提高图像的对比度,例如动态范围可以有现有的0~0.5扩展到0~1;去背景处理的方法为将原始叶尖图像或者将经对比度拉伸后的叶尖图像1减去其经过顶帽变换后获得。
需要说明的是:本步骤中对叶尖图像1的处理只是为了对叶尖图像1进行分组,下述其他步骤对每组叶尖图像叠加处理,则使用的是采集的原始的叶尖图像1。
S2、对每组叶尖图像叠加处理获取叠加图像。
具体的,将每一组的叶尖图像1进行“或运算”形成一幅图像,即为该组的叠加图像4(如图4所示)。
在本步骤的一个改进实施例中,每组叶尖图像叠加处理前,还对每张叶尖图像1采用非线性对比度拉伸、空间滤波、二值化、开运算、最大区域寻找中至少一种方法进行处理,上述处理方法均为现有方法,在此不对其详细说明。
S3、依据转子叶片的叶尖边缘,提取各组叠加图像的基准线。
本步骤中,如图5~图6所示,叠加图像4的基准线的提取方法,包括:
S301、对叠加图像进行边沿检测,获取该叠加图像的叶尖边沿轮廓。
本步骤中,多张叶尖图像1叠加后,经边沿检测得到的叶尖边沿轮廓5是由多个离散点形成,如图6所示,由于叶尖边沿轮廓5是由多个离散点形成的,所以形成叶尖边沿轮廓5的上边缘、下边缘、左侧边,右侧边可能都不是直线,而是有多个离散点连接形成的虚拟曲线。
S302、依据转子叶片的叶尖边缘,初步判断叶尖边沿轮廓中基准线所在边缘线位置。
在此需要说明的是:不同的发动机风扇及压气机,转子叶片的叶尖边缘是根据发动机风扇及压气机的结构可以提前获知的。本具体实施方式中均以叶尖边沿轮廓5的上边缘(参见图6所示)作为叶尖边缘,对本具体实施方式中叶尖轴向位移计算方法进行说明,当然根据发动机风扇及压气机的结构的不同,叶尖边沿轮廓5的下边缘、左侧边,右侧边也都可以作为叶尖边缘。
S303、在边缘线的两侧分别指定一个点,以这两点作为矩形的一组对角顶点,以边缘线的前端或末端作为第三个顶点绘制矩形框,矩形框内包括边缘线中部分离散点。
本步骤中,绘制的矩形框8内含有的边缘线中离散点为边缘线上离散点总数的0.5~1.0倍。
本具体实施方式中,如图6所示,以边缘线的前端作离散点为第三个顶点,与边缘线两侧的第一指定点6和第二指定点7绘制矩形框8的。绘制矩形框8的目的是对边缘线上多个离散点进行线性拟合,获得基准线9。
S304、提取矩形框内离散点并进行线性拟合,获得拟合直线即为该叠加图像的基准线。
本步骤中,基准线9是从叶尖边沿轮廓5中筛选出的位于矩形框8范围内的离散点进行拟合后获得的直线。
S4、基于各组叠加图像的基准线,获取计算叶尖轴向位移的最优基准线。
本步骤中,计算叶尖轴向位移的最优基准线12的获取方法,包括:将各组叠加图像4的基准线9绘制在同一张图像上;选取图像上基准线集中度最高的两个点(参见图7中第三指定点10和第四指定点11),以这两个点绘制的直线即为最优基准线12(参见图7所示)。
S5、获取待测转子叶片的叶尖图像的待测叶尖边沿轮廓。
本步骤中,为准确的提取待测叶尖边沿轮廓13,以及准确的计算该待测转子叶片的叶尖轴向位移,在获取待测转子叶片的叶尖图像1的待测叶尖边沿轮廓13前,首先对叶尖图像1进行线性对比度拉伸、维纳滤波去模糊、二值化处理。
S6、将最优基准线向待测转子叶片的叶尖边缘方向平移,直至最优基准线与待测叶尖边沿轮廓刚好接触,记录最优基准线平移距离。
本步骤中,最优基准线12平移前,需要对最优基准线12与待测叶尖边沿轮廓13之间的相对位置进行判断,最优基准线12与待测叶尖边沿轮廓13的可以分为相交或者不相交两种情况。
具体的,最优基准线12平移方法为:
判断最优基准线12是否与待测叶尖边沿轮廓13相交。
若最优基准线12与待测叶尖边沿轮廓13不相交,则将最优基准线12向叶尖边缘方向平移,直至最优基准线12与待测叶尖边沿轮廓13刚好接触(参见图8中平移后最优基准线14),记录最优基准线平移距离15(参见图8所示);
若最优基准线12与待测叶尖边沿轮廓13相交,则将最优基准线12向叶尖边缘方向靠近,直至最优基准线12与待测叶尖边沿轮廓13刚好接触(参见图9中平移后最优基准线14),记录最优基准线平移距离15(参见图9所示)。
本步骤中,最优基准线12的平移方法为:沿X轴或Y轴将最优基准线12向叶尖边缘方向平移。
S7、计算最优基准线平移距离在最优基准线垂直方向的投影距离(参见图8和图9中所示的投影距离16),即为叶尖轴向位移。
本发明设计的转子叶片叶尖轴向位移计算方法,通过采用盘车状态下采集的较为清晰的叶尖图像1获得计算叶尖轴向位移的最优基准线12,可以从不同转速下高速相机采集的待测转子叶片的叶尖图像1中获得叶尖轴向位移的情况。本发明设计的方法适用于对高速相机拍摄到的叶尖图像1进行轴向位移提取;由于高速相机拍摄时不能完全保证视场与叶尖轴向平行,因此在计算轴向位移前必须找准最优基准线,本方法能实现最优基准线的准确计算、实现有油污影响下叶尖轴向位移的准确提取。
本具体实施方式的第二个实施例中提供了一种电子设备,包括存储器及处理器,存储器用于存储在处理器上运行的计算机程序;处理器用于执行计算机程序时实现上述第一方面中基于叶尖图像的转子叶片叶尖轴向位移计算方法的步骤。
本具体实施方式的第三个实施例中提供一种计算机存储介质,存储有计算机可执行指令,计算机可执行指令用于执行上述第一方面中基于叶尖图像的转子叶片叶尖轴向位移计算方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种基于叶尖图像的转子叶片叶尖轴向位移计算方法,其特征在于,包括以下步骤:
盘车状态下,采集转子叶片多张叶尖图像,并对叶尖图像分组;
对每组叶尖图像叠加处理获取叠加图像;
依据转子叶片的叶尖边缘,提取各组叠加图像的基准线;
基于各组叠加图像的基准线,获取计算叶尖轴向位移的最优基准线;
获取待测转子叶片的叶尖图像的待测叶尖边沿轮廓;
将最优基准线向待测转子叶片的叶尖边缘方向平移,直至最优基准线与待测叶尖边沿轮廓刚好接触,记录最优基准线平移距离;
计算最优基准线平移距离在最优基准线垂直方向的投影距离,即为叶尖轴向位移。
2.根据权利要求1所述的转子叶片叶尖轴向位移计算方法,其特征在于,最优基准线的平移方法为:沿X轴或Y轴将最优基准线向叶尖边缘方向平移。
3.根据权利要求1所述的转子叶片叶尖轴向位移计算方法,其特征在于,叠加图像的基准线的提取方法,包括:
对叠加图像进行边沿检测,获取该叠加图像的叶尖边沿轮廓;
依据转子叶片的叶尖边缘,初步判断叶尖边沿轮廓中基准线所在边缘线位置;
在边缘线的两侧分别指定一个点,以这两点作为矩形的一组对角顶点,以边缘线的前端或末端作为第三个顶点绘制矩形框,矩形框内包括边缘线中部分离散点;
提取矩形框内离散点并进行线性拟合,获得拟合直线即为该叠加图像的基准线。
4.根据权利要求1所述的转子叶片叶尖轴向位移计算方法,其特征在于, 计算叶尖轴向位移的最优基准线的获取方法,包括:
将各组叠加图像的基准线绘制在同一张图像上;
选取图像上基准线集中度最高的两个点,以这两个点绘制的直线即为最优基准线。
5.根据权利要求1~4任一项所述的转子叶片叶尖轴向位移计算方法,其特征在于,每组叶尖图像叠加处理前,还对每张叶尖图像采用非线性对比度拉伸、空间滤波、二值化、开运算、最大区域寻找中至少一种方法进行处理。
6.根据权利要求1~4任一项所述的转子叶片叶尖轴向位移计算方法,其特征在于,叶尖图像分组前,还对各张叶尖图像中是否有叶尖进行判断,将不含有叶尖的叶尖图像剔除。
7.根据权利要求6所述的转子叶片叶尖轴向位移计算方法,其特征在于, 叶尖图像中是否有叶尖的判断方法为:
定义叶尖图像中叶尖图像区域,并定义叶尖图像区域内叶尖判断阈值;
对叶尖图像二值化处理;
在二值化处理后叶尖图像的叶尖图像区域中,判断是数值为1的数量否超过叶尖判断阈值,若有则判断该叶尖图像中含有叶尖,若无则判断该叶尖图像中不含有叶尖并将该叶尖图像剔除。
8.根据权利要求7所述的转子叶片叶尖轴向位移计算方法,其特征在于, 对叶尖图像进行二值化处理前,还对叶尖图像进行对比度拉伸和/或去背景处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210637827.8A CN114723753B (zh) | 2022-06-08 | 2022-06-08 | 一种基于叶尖图像的转子叶片叶尖轴向位移计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210637827.8A CN114723753B (zh) | 2022-06-08 | 2022-06-08 | 一种基于叶尖图像的转子叶片叶尖轴向位移计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114723753A true CN114723753A (zh) | 2022-07-08 |
CN114723753B CN114723753B (zh) | 2022-08-23 |
Family
ID=82232509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210637827.8A Active CN114723753B (zh) | 2022-06-08 | 2022-06-08 | 一种基于叶尖图像的转子叶片叶尖轴向位移计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723753B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442532A (zh) * | 2022-09-29 | 2022-12-06 | 上海扩博智能技术有限公司 | 风机不停机巡检的方法、系统、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150252686A1 (en) * | 2013-10-03 | 2015-09-10 | United Technologies Corporation | Rotor blade tip clearance |
US20180053317A1 (en) * | 2016-08-18 | 2018-02-22 | O-M Ltd. | Method for measuring blade width of grooving tool |
CN107806961A (zh) * | 2017-10-11 | 2018-03-16 | 西安交通大学 | 基于超声相控阵技术的透平叶片内部缺陷重心坐标检测法 |
CN108827186A (zh) * | 2018-09-12 | 2018-11-16 | 北京理工大学 | 一种狭长腔体的内膛轮廓测量方法 |
CN110189315A (zh) * | 2019-05-28 | 2019-08-30 | 李峥嵘 | 一种风电机组叶片无人机自动定位方法 |
CN111006873A (zh) * | 2019-12-05 | 2020-04-14 | 中国航发四川燃气涡轮研究院 | 叶尖间隙信号处理过程中的峰峰值获取方法和装置 |
CN112669280A (zh) * | 2020-12-28 | 2021-04-16 | 莆田市山海测绘技术有限公司 | 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法 |
CN112712534A (zh) * | 2021-01-15 | 2021-04-27 | 山东理工大学 | 基于导航趋势线的玉米根茎导航基准线提取方法 |
CN112857838A (zh) * | 2021-02-18 | 2021-05-28 | 吉林大学 | 一种拖拉机转向圆原地检测装置及方法 |
CN113309674A (zh) * | 2021-03-31 | 2021-08-27 | 新疆金风科技股份有限公司 | 风力发电机组的净空距离确定方法及装置 |
-
2022
- 2022-06-08 CN CN202210637827.8A patent/CN114723753B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150252686A1 (en) * | 2013-10-03 | 2015-09-10 | United Technologies Corporation | Rotor blade tip clearance |
US20180053317A1 (en) * | 2016-08-18 | 2018-02-22 | O-M Ltd. | Method for measuring blade width of grooving tool |
CN107806961A (zh) * | 2017-10-11 | 2018-03-16 | 西安交通大学 | 基于超声相控阵技术的透平叶片内部缺陷重心坐标检测法 |
CN108827186A (zh) * | 2018-09-12 | 2018-11-16 | 北京理工大学 | 一种狭长腔体的内膛轮廓测量方法 |
CN110189315A (zh) * | 2019-05-28 | 2019-08-30 | 李峥嵘 | 一种风电机组叶片无人机自动定位方法 |
CN111006873A (zh) * | 2019-12-05 | 2020-04-14 | 中国航发四川燃气涡轮研究院 | 叶尖间隙信号处理过程中的峰峰值获取方法和装置 |
CN112669280A (zh) * | 2020-12-28 | 2021-04-16 | 莆田市山海测绘技术有限公司 | 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法 |
CN112712534A (zh) * | 2021-01-15 | 2021-04-27 | 山东理工大学 | 基于导航趋势线的玉米根茎导航基准线提取方法 |
CN112857838A (zh) * | 2021-02-18 | 2021-05-28 | 吉林大学 | 一种拖拉机转向圆原地检测装置及方法 |
CN113309674A (zh) * | 2021-03-31 | 2021-08-27 | 新疆金风科技股份有限公司 | 风力发电机组的净空距离确定方法及装置 |
Non-Patent Citations (5)
Title |
---|
A AMINI等: "Suppressing tip vortex cavitation by winglets", 《EXPERIMENTS IN FLUIDS》 * |
GAP ESCAMILLA等: "Three-dimensional surface measurement based on the projected defocused pattern technique using imaging fiber optics", 《OPTICS COMMUNICATIONS》 * |
余星奇: "高速旋转叶片叶尖定时测振技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
高志鹰等: "水平轴风力机叶尖涡流动的PIV测试", 《工程热物理学报》 * |
黄维娜等: "航空发动机核心机全三维数值仿真方法研究", 《燃气涡轮试验与研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442532A (zh) * | 2022-09-29 | 2022-12-06 | 上海扩博智能技术有限公司 | 风机不停机巡检的方法、系统、设备及存储介质 |
CN115442532B (zh) * | 2022-09-29 | 2023-12-29 | 上海扩博智能技术有限公司 | 风机不停机巡检的方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114723753B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087274B (zh) | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 | |
CN115082464B (zh) | 除尘机焊接过程中焊缝数据的识别方法及系统 | |
TWI491848B (zh) | 點雲提取系統及方法 | |
US8413493B1 (en) | Method for detecting a defect on an operating turbine rotor blade | |
CN114723753B (zh) | 一种基于叶尖图像的转子叶片叶尖轴向位移计算方法 | |
CN109986172B (zh) | 一种焊缝定位方法、设备及系统 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
CN115526885A (zh) | 一种产品图像缺陷检测方法、系统、装置及介质 | |
CN115861351A (zh) | 边缘检测方法、缺陷检测方法及检测装置 | |
CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
CN113129260B (zh) | 一种锂电池电芯内部缺陷的自动检测方法及装置 | |
CN117218105A (zh) | 一种基于视觉识别的燃油喷嘴喷雾角度测量方法及系统 | |
CN114663882B (zh) | 基于深度学习的电动汽车底盘划痕三维检测方法 | |
CN113780263A (zh) | 一种压力报警器仪表定位和识别读数方法及装置 | |
CN112508945A (zh) | 一种基于计算机视觉的固体火箭发动机无损检测方法 | |
CN113008895A (zh) | 一种基于三维数据的分块拟合缺陷检测方法 | |
CN112258477B (zh) | 一种高精度红外热像仪开机时间测试系统及测试方法 | |
Zhang et al. | Accurate Edge Localization of Complex Workpiece Based on Coarse-to-Fine Principle | |
CN111950493B (zh) | 图像识别方法、装置、终端设备和可读存储介质 | |
CN114972338B (zh) | 一种高铁动车组走行部故障机器视觉测量方法 | |
CN116664613B (zh) | 一种基于fpga的像素边缘位置检测方法、系统及存储介质 | |
CN116011150B (zh) | 基于视觉识别的航空压气机罩机械加工方法 | |
CN117329977B (zh) | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 | |
CN117232395B (zh) | 一种压敏漆图像激波位置自动识别方法 | |
CN117094988B (zh) | 一种基于ResNet50网络模型的压敏电阻表面微观缺陷检测方法 |
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 |