CN116758078B - 变速齿轮箱观测方法、系统、终端设备以及存储介质 - Google Patents
变速齿轮箱观测方法、系统、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN116758078B CN116758078B CN202311042340.6A CN202311042340A CN116758078B CN 116758078 B CN116758078 B CN 116758078B CN 202311042340 A CN202311042340 A CN 202311042340A CN 116758078 B CN116758078 B CN 116758078B
- Authority
- CN
- China
- Prior art keywords
- speed change
- gear
- gear box
- index
- image
- 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
- 230000008859 change Effects 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 230000000007 visual effect Effects 0.000 claims abstract description 32
- 238000013210 evaluation model Methods 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 239000010687 lubricating oil Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000005299 abrasion Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003754 machining Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000006247 magnetic powder Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请公开了一种变速齿轮箱观测方法、系统、终端设备以及存储介质，涉及齿轮监测技术领域，方法应用于变速齿轮箱观测系统中，系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，观测模块嵌入于变速齿轮箱的外壳中，方法包括：通过观测模块采集变速齿轮箱的齿轮图像；通过视觉算法模块对齿轮图像进行算法分析，以得到齿轮图像中的齿轮的指标数据，其中，指标数据包括温度指标、磨损度指标和碎屑指标；通过状态评估模块对指标数据进行分析，以得到指标数据的分析结果用于判断变速齿轮箱的工作状态。采用本方案能够实时监测变速齿轮箱中齿轮的工作状态并进行自动化评估，提高了针对齿轮工作状态的判断效率和准确性。
Description
技术领域
本申请涉及齿轮监测技术领域，尤其涉及一种变速齿轮箱观测方法、系统、终端设备以及存储介质。
背景技术
数控机床中的变速齿轮箱长时间使用，会出现齿轮正常损耗、异常故障、碎屑粘连等情况，严重时会影响数控机床的正常使用。
传统的变速齿轮箱的工作状态观测都需要停机检查，通过多种传感器采集变速齿轮箱中齿轮的多项传感器数据，再由专业人员根据采集到的传感器数据进行人工判断，不仅对专业人员的技术经验以及知识储备的要求较高，而且整个观测过程耗时耗力，还存在人工判断出错的风险。
综上，如何提高针对变速齿轮箱中齿轮工作状态的判断效率和准确性，俨然已经成为本领域亟需解决的问题。
发明内容
本申请的主要目的在于提供一种变速齿轮箱观测方法、系统、终端设备以及存储介质，旨在提高针对变速齿轮箱中齿轮工作状态的判断效率和准确性。
为实现上述目的，本申请提供一种变速齿轮箱观测方法，应用于变速齿轮箱观测系统，所述系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，所述观测模块嵌入于所述变速齿轮箱的外壳中，所述变速齿轮箱观测方法包括：
通过所述观测模块采集所述变速齿轮箱的齿轮图像；
通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；
通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态。
可选地，所述通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据的步骤，包括：
通过所述视觉算法模块对所述齿轮图像进行预处理操作以得到目标齿轮图像；
通过预设的特征提取算法提取所述目标齿轮图像中的图像特征；
对所述图像特征进行相关性筛选和降维处理，以确定所述图像特征中与变速齿轮箱的工作状态相关的目标图像特征；
针对所述目标图像特征进行算法分析以得到所述齿轮图像中的齿轮的指标数据。
可选地，所述目标图像特征至少包括齿轮轮廓，所述针对所述目标图像特征进行算法分析以得到所述齿轮图像中的齿轮的指标数据的步骤，包括：
将所述齿轮轮廓与预设的标准齿轮轮廓进行对比分析得到轮廓参数差值；
根据所述轮廓参数差值确定所述齿轮图像中的齿轮的磨损度指标。
可选地，所述观测模块包括热像仪，所述方法还包括：
获取所述齿轮的润滑油粘稠度和齿轮运行参数；
通过所述热像仪采集所述变速齿轮箱的齿轮红外图像；
根据所述齿轮红外图像、所述润滑油粘稠度和所述齿轮运行参数确定所述齿轮的温度指标。
可选地，所述状态评估模块包括齿轮评估模型，在所述通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤之前，所述方法还包括：
建立初始齿轮评估模型，所述初始齿轮评估模型包括所述温度指标、所述磨损度指标和所述碎屑指标的评估规则；
采集已标注指标数据的样本齿轮图像作为数据集；
根据所述数据集对所述初始齿轮评估模型进行训练，以得到训练好的齿轮评估模型。
可选地，所述通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤，包括：
通过所述状态评估模型将所述指标数据与预设的指标阈值数据进行比较；
若所述指标数据未超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为正常状态；
若所述指标数据超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为非正常状态。
可选地，在所述通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤之后，所述方法还包括：
若所述变速齿轮箱的工作状态为非正常状态，则根据所述状态评估模块的输出结果输出相应报警信息。
此外，为实现上述目的，本申请还提供一种变速齿轮箱观测系统，所述变速齿轮箱观测系统包括：变速齿轮箱、观测模块、视觉算法模块和状态评估模块，所述观测模块嵌入于所述变速齿轮箱的外壳中；
所述观测模块，用于采集所述变速齿轮箱的齿轮图像；
所述视觉算法模块，用于对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；
状态评估模块，用于对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态。
此外，为实现上述目的，本申请还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的变速齿轮箱观测程序，所述变速齿轮箱观测程序被所述处理器执行时实现如上所述的变速齿轮箱观测方法的步骤。
此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质上存储有变速齿轮箱观测程序，所述变速齿轮箱观测程序被处理器执行时实现如上所述的变速齿轮箱观测方法的步骤。
本申请提供的一种变速齿轮箱观测方法、系统、终端设备以及存储介质，其中，变速齿轮箱观测方法应用于变速齿轮箱观测系统中，系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，观测模块嵌入于变速齿轮箱的外壳中，该变速齿轮箱观测方法包括：通过所述观测模块采集所述变速齿轮箱的齿轮图像；通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态。
相较于传统的变速齿轮箱观测方法，本申请提供一种变速齿轮箱观测系统，包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，在变速齿轮箱的外壳中嵌入观测模块，通过观测模块采集变速齿轮箱中的齿轮图像，然后，通过视觉算法模块对采集到的齿轮图像进行算法分析，得到齿轮图像中的齿轮实际的指标数据，其中，指标数据包括齿轮的温度指标、磨损度指标和碎屑指标数据，最后，将指标数据输入状态评估模型中，通过状态评估模型对指标数据进行分析，以输出针对指标数据的分析结果，根据分析结果来判断变速齿轮箱的工作状态。
如此，本申请通过变速齿轮箱观测系统实时监测变速齿轮箱中齿轮的工作状态并进行自动化评估，避免了传统的停机检查，提高了效率，同时提供客观的评估结果减少了人工检查的主观性，提高了齿轮工作状态判断的准确性。
附图说明
图1为本申请实施例方案涉及的终端设备硬件运行环境的设备结构示意图；
图2为本申请变速齿轮箱观测方法一实施例的实施流程示意图；
图3为本申请变速齿轮箱观测系统一实施例的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
在本申请中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
另外，在本申请中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
本申请实施例提供一种终端设备。
如图1所示，图1是本申请实施例方案涉及的终端设备硬件运行环境的设备结构示意图。
如图1所示，在终端设备的硬件运行环境中，该终端设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的终端设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及变速齿轮箱观测程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端（用户端），与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的变速齿轮箱观测程序，并执行以下操作：
通过所述观测模块采集所述变速齿轮箱的齿轮图像；
通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；
通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态。
可选地，处理器1001还可以用于调用存储器1005中存储的变速齿轮箱观测程序，并执行以下操作：
通过所述视觉算法模块对所述齿轮图像进行预处理操作以得到目标齿轮图像；
通过预设的特征提取算法提取所述目标齿轮图像中的图像特征；
对所述图像特征进行相关性筛选和降维处理，以确定所述图像特征中与变速齿轮箱的工作状态相关的目标图像特征；
针对所述目标图像特征进行算法分析以得到所述齿轮图像中的齿轮的指标数据。
可选地，所述目标图像特征至少包括齿轮轮廓，处理器1001还可以用于调用存储器1005中存储的变速齿轮箱观测程序，并执行以下操作：
将所述齿轮轮廓与预设的标准齿轮轮廓进行对比分析得到轮廓参数差值；
根据所述轮廓参数差值确定所述齿轮图像中的齿轮的磨损度指标。
可选地，所述观测模块包括热像仪，处理器1001还可以用于调用存储器1005中存储的变速齿轮箱观测程序，并执行以下操作：
获取所述齿轮的润滑油粘稠度和齿轮运行参数；
通过所述热像仪采集所述变速齿轮箱的齿轮红外图像；
根据所述齿轮红外图像、所述润滑油粘稠度和所述齿轮运行参数确定所述齿轮的温度指标。
可选地，所述状态评估模块包括齿轮评估模型，处理器1001还可以用于调用存储器1005中存储的变速齿轮箱观测程序，在执行通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤之前，还执行以下操作：
建立初始齿轮评估模型，所述初始齿轮评估模型包括所述温度指标、所述磨损度指标和所述碎屑指标的评估规则；
采集已标注指标数据的样本齿轮图像作为数据集；
根据所述数据集对所述初始齿轮评估模型进行训练，以得到训练好的齿轮评估模型。
可选地，处理器1001还可以用于调用存储器1005中存储的变速齿轮箱观测程序，并执行以下操作：
通过所述状态评估模型将所述指标数据与预设的指标阈值数据进行比较；
若所述指标数据未超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为正常状态；
若所述指标数据超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为非正常状态。
可选地，处理器1001还可以用于调用存储器1005中存储的变速齿轮箱观测程序，在执行通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤之后，还执行以下操作：
若所述变速齿轮箱的工作状态为非正常状态，则根据所述状态评估模块的输出结果输出相应报警信息。
基于上述的硬件结构，提出本申请变速齿轮箱观测方法的各个实施例的整体构思。
在本申请实施例中，数控机床中的变速齿轮箱长时间使用，会出现齿轮正常损耗、异常故障、碎屑粘连等情况，严重时会影响数控机床的正常使用。
传统的变速齿轮箱的工作状态观测都需要停机检查，通过多种传感器采集变速齿轮箱中齿轮的多项传感器数据，再由专业人员根据采集到的传感器数据进行人工判断，不仅对专业人员的技术经验以及知识储备的要求较高，而且整个观测过程耗时耗力，还存在人工判断出错的风险。
具体地，传统针对数控机床中变速齿轮箱的检测方法主要有四种，一种是接触式检测，通过使用传感器或测量工具接触齿轮表面，测量齿轮的尺寸、齿距、齿厚等参数，并与设计要求进行比较，以判断齿轮的质量和工作状态。常见的接触式检测方法包括齿轮测微仪、齿轮测量机等；第二种是声波检测，通过对齿轮工作时产生的声波信号进行采集和分析，判断齿轮的工作状态和存在的缺陷，可以用于检测齿轮的故障、异常振动和噪音等问题；第三种是磁粉检测，通过在齿轮表面涂覆磁粉或施加磁场，通过观察和检测磁粉在表面的分布和变化，来发现齿轮表面的裂纹、裂纹扩展和其他缺陷，第四种是红外热像检测，利用红外热像仪对齿轮进行热成像，检测齿轮的温度分布，以判断齿轮的工作状态和可能存在的问题，如摩擦、过热等。
综上，如何提高针对变速齿轮箱中齿轮工作状态的判断效率和准确性，俨然已经成为本领域亟需解决的问题。
针对上述问题，本申请实施例提出一种变速齿轮箱观测方法，该方法应用于变速齿轮箱观测系统中，系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，观测模块嵌入于变速齿轮箱的外壳中，该变速齿轮箱观测方法包括：通过所述观测模块采集所述变速齿轮箱的齿轮图像；通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态。
相较于传统的变速齿轮箱观测方法，本申请提供一种变速齿轮箱观测系统，包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，在变速齿轮箱的外壳中嵌入观测模块，通过观测模块采集变速齿轮箱中的齿轮图像，然后，通过视觉算法模块对采集到的齿轮图像进行算法分析，得到齿轮图像中的齿轮实际的指标数据，其中，指标数据包括齿轮的温度指标、磨损度指标和碎屑指标数据，最后，将指标数据输入状态评估模型中，通过状态评估模型对指标数据进行分析，以输出针对指标数据的分析结果，根据分析结果来判断变速齿轮箱的工作状态。
如此，本申请通过变速齿轮箱观测系统实时监测变速齿轮箱中齿轮的工作状态并进行自动化评估，避免了传统的停机检查，提高了效率，同时提供客观的评估结果减少了人工检查的主观性，提高了齿轮工作状态判断的准确性。
基于上述本申请变速齿轮箱观测方法的总体构思，提出本申请变速齿轮箱观测方法的各个实施例。
请参照图2，图2为本申请变速齿轮箱观测方法第一实施例的流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中，本申请变速齿轮箱观测方法应用于上述的终端设备。应当理解的是，基于实际应用的不同设计需要，在不同可行的实施方式当中，本申请变速齿轮箱观测方法当然还可以具体应用于其它终端设备，为便于理解和阐述，在本实施例中均以变速齿轮箱观测系统作为直接的执行主体，以下简称观测系统，以针对本申请变速齿轮箱观测方法进行阐述。
如图2所示，在本实施例中，本申请变速齿轮箱观测方法应用于变速齿轮箱观测系统，所述系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，所述观测模块嵌入于所述变速齿轮箱的外壳中，本申请变速齿轮箱观测方法可以包括：
步骤S10:通过所述观测模块采集所述变速齿轮箱的齿轮图像；
在本实施例中，观测系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，其中，观测模块浅入于变速齿轮箱的外壳中，观测系统通过观测模块对变速齿轮箱中的齿轮进行图像采集，以对齿轮进行实时监测和高速图像捕捉。
需要说明的是，在本实施例中，变速齿轮箱是数控机床必不可少的一部分，其主要功能是通过改变齿轮的组合方式和传动比例来调整机床主轴的转速，使得数控机床能够适应不同的加工需求，例如低速高扭矩加工和高速低扭矩加工。通过变速齿轮箱，操作者可以在不更换主轴电机的情况下改变主轴转速，提高加工效率和灵活性。一般来说，变速齿轮箱会有两个或更多的齿轮，其数量取决于设计和所需的速度范围，变速齿轮箱的外壳是一个封闭的金属壳体，用于保护内部的齿轮和其他机械部件，同时防止灰尘、液体等外部物质进入齿轮箱内部。
还需要说明的是，在本实施例中，观测模块包括摄像头和高速工业相机，通过在变速齿轮箱外壳中嵌入摄像头，并使用高速工业相机进行拍摄，可以实现针对齿轮的实时监测和高速图像捕获，从而避免了停机检查的局限性，同时，观测模块无需拍摄齿轮全貌，仅拍摄到部分齿轮用于视觉算法分析即可。
步骤S20:通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；
在本实施例中，观测系统通过视觉算法模块对采集到的齿轮图像进行算法分析，以得到齿轮图像中的齿轮的指标数据，指标数据具体可以包括齿轮的温度指标、磨损度指标和碎屑指标，基于实际的观测需求，专业人员也可以设置其他更多的指标数据用于对变速齿轮箱的观测。
示例性地，在本实施例中，观测系统通过视觉算法模块对采集到的齿轮图像进行算法分析，可以从齿轮图像中得到齿轮的轮廓、颜色分布、齿面平整度等多张图像特征，再基于得到的图像特征获取齿轮的指标数据。
步骤S30:通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态。
在本实施例中，观测系统通过状态评估模块对经过视觉算法模块处理得到的指标数据进行分析，分析操作具体可以为将各类指标数据分别与预设标准指标数据进行比对，判断齿轮工作状态的正常与否，并生成评估报告，指示齿轮是否需要维护、更换或采取其他操作。
需要说明的是，在本实施例中，观测模块通过线缆连接至配置有视觉算法模块和状态评估模块的主控计算机设备，观测模块根据预先设定的实时监测的时间间隔，周期性地采集齿轮图像，以使主控计算机设备周期性地处理图像数据。
本申请实施例提供的一种变速齿轮箱观测方法，该方法包括：通过所述观测模块采集所述变速齿轮箱的齿轮图像；通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态。
相比于传统的变速齿轮箱观测方法，本申请实施例中变速齿轮箱观测方法应用于变速齿轮箱观测系统，系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，观测模块嵌入于所述变速齿轮箱的外壳中，观测系统通过观测模块对变速齿轮箱中的齿轮进行图像采集，以对齿轮进行实时监测和高速图像捕捉；然后，观测系统通过视觉算法模块对采集到的齿轮图像进行算法分析，以得到齿轮图像中的齿轮的指标数据，指标数据具体可以包括齿轮的温度指标、磨损度指标和碎屑指标；最后，观测系统通过状态评估模块对经过视觉算法模块处理得到的指标数据进行分析，分析操作具体可以为将各类指标数据分别与预设标准指标数据进行比对，判断齿轮工作状态的正常与否，并生成评估报告，指示齿轮是否需要维护、更换或采取其他操作。
如此，本申请实施例通过变速齿轮箱观测系统实时监测变速齿轮箱中齿轮的工作状态并进行自动化评估，避免了传统的停机检查，提高了效率，同时提供客观的评估结果减少了人工检查的主观性，提高了齿轮工作状态判断的准确性。
进一步地，基于上述本申请变速齿轮箱观测方法的第一实施例，提出本申请变速齿轮箱观测方法的第二实施例。
在本实施例中，上述步骤S20：通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，包括：
步骤S201：通过所述视觉算法模块对所述齿轮图像进行预处理操作以得到目标齿轮图像；
在本实施例中，观测系统通过观测模块采集齿轮图像，然后将齿轮图像传输到配置有视觉算法模块的主控计算机设备中，观测系统将齿轮图像输入至视觉算法模块中进行预处理操作，例如图像去噪、增强对比度、边缘检测等，得到目标齿轮图像，以提高后续图像特征提取和分析的准确性。
步骤S202：通过预设的特征提取算法提取所述目标齿轮图像中的图像特征；
在本实施例中，观测系统使用预设的特征提取算法从目标齿轮图像中提取齿轮齿面的特征。这些特征可以包括图像中齿轮的轮廓、纹理、颜色分布等。
需要说明的是，特征提取算法可以为边缘检测算法（如Canny算法）、局部二值模式（LBP）、方向梯度直方图（HOG）等。
步骤S203：对所述图像特征进行相关性筛选和降维处理，以确定所述图像特征中与变速齿轮箱的工作状态相关的目标图像特征；
在本实施例中，观测系统根据实际需求，选择最具代表性和区分性的目标图像特征，目标图像特征至少包括齿轮轮廓和齿轮颜色分布，并进行降维处理，以减少计算复杂性并提高算法效率。常用的降维方法包括主成分分析（PCA）、线性判别分析（LDA）等。
步骤S204：针对所述目标图像特征进行算法分析以得到所述齿轮图像中的齿轮的指标数据。
在本实施例中，观测系统应用视觉算法模块中的机器学习或模式识别算法，对目标图像特征进行分析和评估，以获得齿轮的温度、磨损度、碎屑等指标数据。同时，观测系统将获得到的指标数据实时更新给工作人员，以使工作人员可以及时发现潜在问题并采取相应的措施。
进一步地，在一种可行的实施例中，目标图像特征至少包括齿轮轮廓，步骤S204，包括：
步骤S2041：将所述齿轮轮廓与预设的标准齿轮轮廓进行对比分析得到轮廓参数差值；
在本实施例中，观测系统在视觉算法模块中预存有标准齿轮轮廓，观测系统基于齿轮图像获取到图像中齿轮的轮廓特征后，将其余标准齿轮轮廓进行对比分析，具体可以为将两者的轮廓坐标参数进行比对，得到两者的轮廓参数差值。
步骤S2042：根据所述轮廓参数差值确定所述齿轮图像中的齿轮的磨损度指标。
在本实施例中，观测系统根据齿轮轮廓和标准齿轮轮廓之间的轮廓参数差值确定齿轮图像中齿轮的磨损度指标。
示例性地，观测系统通过视觉算法模块将齿轮轮廓与标准齿轮轮廓各自的图像中心点重合，然后计算齿轮边缘与图像中心点的距离d，与标准齿轮边缘与图像中心点的距离d1之间的差值数据，然后借助建立的距离差值与磨损度的对应模型得到齿轮的磨损度指标。
进一步地，在一种可行的实施例中，观测模块包括热像仪，本申请变速齿轮箱观测方法还包括：
步骤A10：获取所述齿轮的润滑油粘稠度和齿轮运行参数；
步骤A20：通过所述热像仪采集所述变速齿轮箱的齿轮红外图像；
步骤A30：根据所述齿轮红外图像、所述润滑油粘稠度和所述齿轮运行参数确定所述齿轮的温度指标。
在本实施例中，观测系统中的观测模块包括热像仪，通过热像仪可直接采集拍摄到的齿轮的温度。同时。观测系统还同步实时获取齿轮上的润滑油粘稠度和齿轮在不同转速下的工作时间等齿轮运行参数，然后通过机器学习算法建立适用于变速齿轮箱的温度-图像特征模型，进而确定齿轮的温度指标。
从而，本申请实施例通过观测系统基于机器视觉算法对齿轮图像进行分析处理，避免了人工检验的主观性，和停机检验的耗时性，通过评估齿轮的温度、磨损度、碎屑等多个指标数据，全面了解齿轮的工作状态，并及时发现潜在问题，提高设备的可靠性和安全性。
进一步地，基于上述本申请变速齿轮箱观测方法的第一实施例和/或者第二实施例，提出本申请变速齿轮箱观测方法的第三实施例。
在本实施例中，状态评估模块包括齿轮评估模型，在上述步骤S30：通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态之前，本申请变速齿轮箱观测方法还包括：
步骤B10：建立初始齿轮评估模型，所述初始齿轮评估模型包括所述温度指标、所述磨损度指标和所述碎屑指标的评估规则；
在本实施例中，观测系统在主控计算机设备中建立初始齿轮评估模型，并在模型中设置温度指标、磨损度指标和碎屑指标各自的评估规则，该模型可以选择回归模型、分类模型或是聚类模型，本申请对此不作具体限定。
步骤B20：采集已标注指标数据的样本齿轮图像作为数据集；
步骤B30：根据所述数据集对所述初始齿轮评估模型进行训练，以得到训练好的齿轮评估模型。
在本实施例中，观测系统采集一批包含各种齿轮工作状态且已进行标注的样本数据。例如，对于每个样本，标注齿轮的温度、磨损度、碎屑等指标数据，并确定各个指标数据在评估模型中的权重。
进一步地，在一种可行的实施例中，步骤S30，包括：
步骤S301：通过所述状态评估模型将所述指标数据与预设的指标阈值数据进行比较；
在本实施例中，观测系统的状态评估模型在建立时，根据领域专家的知识和实际需求，设定有齿轮工作状态各项指标数据的合理阈值，例如，设定齿轮温度超过某个温度阈值为异常，齿轮磨损度超过一定范围为需要维修等。观测系统将各类型的指标数据输入状态评估模型当中，以使状态评估模型将各类型的指标数据分别与设定的指标阈值数据进行比较。
需要说明的是，在本实施例中，观测系统可以将各项指标数据分别与对应的指标阈值数据进行比较，得到多项比较结果之后再根据各指标数据在模型中的权重确定齿轮的工作状态。
步骤S302：若所述指标数据未超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为正常状态；
步骤S303：若所述指标数据超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为非正常状态。
在本实施例中，观测系统若确定任一项指标数据未超过其对应的指标阈值数据，则观测系统确定该项指标数据正常，若任一项指标数据超过其对应的指标阈值数据，则观测系统确定该项指标数据为异常，观测系统根据各项指标数据在评估模型当中的权重，确定在多项指标数据的评估下变速齿轮箱的工作状态是否为正常状态。
进一步地，在一种可行的实施例中，在步骤S30之后，本申请变速齿轮箱观测方法还包括：
步骤S40：若所述变速齿轮箱的工作状态为非正常状态，则根据所述状态评估模块的输出结果输出相应报警信息。
在本实施例中，观测系统基于状态评估模块确定变速齿轮箱的工作状态为非正常状态，则观测系统根据状态评估模型的输出结果输出相应的报警信息，示例性地，模型输出变速齿轮箱的温度过高，则观测系统触发警报，如声音、闪光灯或警报器，并通过界面或通知方式向操作员发送警报信息，以提醒操作员采取措施。
进一步地，在一定时间内观测系统检测到变速齿轮箱的工作状态仍在超负荷运行和/或者已经超过安全操作的指标阈值，则观测系统可控制变速齿轮箱中止运行，以避免故障发生，提高设备的可靠性和安全性。
此外，在一种可行的实施例中，观测系统可以记录变速齿轮箱工作状态的历史数据，并进行数据分析，为变速齿轮箱的维护和优化提供参考依据。
如此，在本申请实施例中，观测系统通过建立齿轮评估模型和算法，将指标数据与预设的标准进行比对，判断变速齿轮箱工作情况是否正常，指示齿轮是否需要维护、更换或采取其他操作，并且，观测系统还具备实时监测和预警功能，能够及时发现异常情况并提醒操作员采取措施，避免故障的发生，提高设备的可靠性和安全性。
此外，本申请实施例还提出一种变速齿轮箱观测系统。
请参照图3，本申请变速齿轮箱观测系统包括：变速齿轮箱10、观测模块20、视觉算法模块30和状态评估模块40，所述观测模块20嵌入于所述变速齿轮箱10的外壳中；
所述观测模块20，用于采集所述变速齿轮箱10的齿轮图像；
所述视觉算法模块30，用于对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；
状态评估模块40，用于对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱10的工作状态。
其中，上述变速齿轮箱观测系统中各个模块的功能实现与上述变速齿轮箱观测方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
此外，本申请还提出一种计算机可读存储介质，该存储介质上存储有变速齿轮箱观测程序，该变速齿轮箱观测程序被处理器执行时实现如上所述本申请变速齿轮箱观测方法的步骤。
本申请存储介质的具体实施例与上述变速齿轮箱观测方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种变速齿轮箱观测方法，其特征在于，应用于变速齿轮箱观测系统，所述系统包括变速齿轮箱、观测模块、视觉算法模块和状态评估模块，所述观测模块嵌入于所述变速齿轮箱的外壳中，所述变速齿轮箱观测方法包括：
通过所述观测模块采集所述变速齿轮箱的齿轮图像，其中，所述齿轮图像中仅包含部分齿轮；
通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；
通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态；
所述观测模块包括热像仪，所述方法还包括：
获取所述齿轮的润滑油粘稠度和齿轮运行参数；
通过所述热像仪采集所述变速齿轮箱的齿轮红外图像；
根据所述齿轮红外图像、所述润滑油粘稠度和所述齿轮运行参数建立适用于所述变速齿轮箱的温度-图像特征模型，确定所述齿轮的温度指标。
2.根据权利要求1所述的变速齿轮箱观测方法，其特征在于，所述通过所述视觉算法模块对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据的步骤，包括：
通过所述视觉算法模块对所述齿轮图像进行预处理操作以得到目标齿轮图像；
通过预设的特征提取算法提取所述目标齿轮图像中的图像特征；
对所述图像特征进行相关性筛选和降维处理，以确定所述图像特征中与变速齿轮箱的工作状态相关的目标图像特征；
针对所述目标图像特征进行算法分析以得到所述齿轮图像中的齿轮的指标数据。
3.根据权利要求2所述的变速齿轮箱观测方法，其特征在于，所述目标图像特征至少包括齿轮轮廓，所述针对所述目标图像特征进行算法分析以得到所述齿轮图像中的齿轮的指标数据的步骤，包括：
将所述齿轮轮廓与预设的标准齿轮轮廓进行对比分析得到轮廓参数差值；
根据所述轮廓参数差值确定所述齿轮图像中的齿轮的磨损度指标。
4.根据权利要求1所述的变速齿轮箱观测方法，其特征在于，所述状态评估模块包括齿轮评估模型，在所述通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤之前，所述方法还包括：
建立初始齿轮评估模型，所述初始齿轮评估模型包括所述温度指标、所述磨损度指标和所述碎屑指标的评估规则；
采集已标注指标数据的样本齿轮图像作为数据集；
根据所述数据集对所述初始齿轮评估模型进行训练，以得到训练好的齿轮评估模型。
5.根据权利要求4所述的变速齿轮箱观测方法，其特征在于，所述通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤，包括：
通过所述状态评估模块将所述指标数据与预设的指标阈值数据进行比较；
若所述指标数据未超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为正常状态；
若所述指标数据超过所述指标阈值数据，则确定所述变速齿轮箱的工作状态为非正常状态。
6.如权利要求5所述的变速齿轮箱观测方法，其特征在于，在所述通过所述状态评估模块对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态的步骤之后，所述方法还包括：
若所述变速齿轮箱的工作状态为非正常状态，则根据所述状态评估模块的输出结果输出相应报警信息。
7.一种变速齿轮箱观测系统，其特征在于，所述变速齿轮箱观测系统包括：变速齿轮箱、观测模块、视觉算法模块和状态评估模块，所述观测模块嵌入于所述变速齿轮箱的外壳中；
所述观测模块，用于采集所述变速齿轮箱的齿轮图像，其中，所述齿轮图形中仅包含部分齿轮；
所述视觉算法模块，用于对所述齿轮图像进行算法分析，以得到所述齿轮图像中的齿轮的指标数据，其中，所述指标数据包括温度指标、磨损度指标和碎屑指标；
状态评估模块，用于对所述指标数据进行分析，以得到所述指标数据的分析结果用于判断所述变速齿轮箱的工作状态；
所述观测模块包括热像仪，所述变速齿轮箱观察系统，还用于获取所述齿轮的润滑油粘稠度和齿轮运行参数；通过所述热像仪采集所述变速齿轮箱的齿轮红外图像；根据所述齿轮红外图像、所述润滑油粘稠度和所述齿轮运行参数建立适用于所述变速齿轮箱的温度-图像特征模型，确定所述齿轮的温度指标。
8.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的变速齿轮箱观测程序，所述变速齿轮箱观测程序被所述处理器执行时实现如权利要求1至6中任一项所述的变速齿轮箱观测方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述存储介质上存储有变速齿轮箱观测程序，所述变速齿轮箱观测程序被处理器执行时实现如权利要求1至6中任一项所述的变速齿轮箱观测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311042340.6A CN116758078B (zh) | 2023-08-18 | 2023-08-18 | 变速齿轮箱观测方法、系统、终端设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311042340.6A CN116758078B (zh) | 2023-08-18 | 2023-08-18 | 变速齿轮箱观测方法、系统、终端设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116758078A CN116758078A (zh) | 2023-09-15 |
| CN116758078B true CN116758078B (zh) | 2023-11-17 |
Family
ID=87950035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311042340.6A Active CN116758078B (zh) | 2023-08-18 | 2023-08-18 | 变速齿轮箱观测方法、系统、终端设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116758078B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117495866B (zh) * | 2024-01-03 | 2024-03-15 | 东莞市星火齿轮有限公司 | 基于机器视觉的齿轮缺陷检测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108507787A (zh) * | 2018-06-28 | 2018-09-07 | 山东大学 | 基于多特征融合的风电齿轮增速箱故障诊断试验平台及方法 |
| CN114155486A (zh) * | 2021-11-29 | 2022-03-08 | 中铁工程装备集团有限公司 | 盾构机主驱动系统的齿轮监测方法、装置及系统 |
| CN114742786A (zh) * | 2022-03-31 | 2022-07-12 | 南通申东冶金机械有限公司 | 基于人工智能的齿面磨粒磨损程度评估方法 |
| CN115170541A (zh) * | 2022-07-26 | 2022-10-11 | 北京理工大学 | 一种齿轮啮合状态的检测方法、装置及系统 |
| CN115393276A (zh) * | 2022-07-20 | 2022-11-25 | 华能国际电力股份有限公司河北清洁能源分公司 | 一种齿轮表面形态智能检测分析系统 |
| CN115661091A (zh) * | 2022-11-01 | 2023-01-31 | 如皋市蓝鹰齿轮制造有限公司 | 一种基于机器视觉检测技术的齿轮箱加工高精度智能控制系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11227078B2 (en) * | 2019-02-21 | 2022-01-18 | Dodge Acquisition Co. | Method and system for automated gear reducer design |
| CA3068179A1 (en) * | 2020-01-13 | 2021-07-13 | Thomas SHUMKA | Predictive modeling of wear and health of a driven gear in an open gear set |
-
2023
- 2023-08-18 CN CN202311042340.6A patent/CN116758078B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108507787A (zh) * | 2018-06-28 | 2018-09-07 | 山东大学 | 基于多特征融合的风电齿轮增速箱故障诊断试验平台及方法 |
| CN114155486A (zh) * | 2021-11-29 | 2022-03-08 | 中铁工程装备集团有限公司 | 盾构机主驱动系统的齿轮监测方法、装置及系统 |
| CN114742786A (zh) * | 2022-03-31 | 2022-07-12 | 南通申东冶金机械有限公司 | 基于人工智能的齿面磨粒磨损程度评估方法 |
| CN115393276A (zh) * | 2022-07-20 | 2022-11-25 | 华能国际电力股份有限公司河北清洁能源分公司 | 一种齿轮表面形态智能检测分析系统 |
| CN115170541A (zh) * | 2022-07-26 | 2022-10-11 | 北京理工大学 | 一种齿轮啮合状态的检测方法、装置及系统 |
| CN115661091A (zh) * | 2022-11-01 | 2023-01-31 | 如皋市蓝鹰齿轮制造有限公司 | 一种基于机器视觉检测技术的齿轮箱加工高精度智能控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116758078A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116758078B (zh) | 变速齿轮箱观测方法、系统、终端设备以及存储介质 | |
| CN116839682B (zh) | 一种基于物联网的电缆加工制造实时监控系统 | |
| CN109859170B (zh) | 一种基于lbp特征的钢丝绳表面损伤智能监测方法及系统 | |
| CN104535356A (zh) | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 | |
| EP1991946A1 (en) | Approaches and apparatus for eye detection in a digital image | |
| CN115880284B (zh) | 一种用于润滑油磨粒均匀度的检测方法及系统 | |
| CN110458157A (zh) | 一种电力电缆生产过程智能监控系统 | |
| US20230008435A1 (en) | Tool Wear Monitoring Device, Tool Wear Monitoring System, and Program | |
| CN115144399B (zh) | 一种基于机器视觉的装配质量检测方法及装置 | |
| CN116704733B (zh) | 铝合金电缆的老化预警方法及系统 | |
| CN114220189B (zh) | 一种监测方法、预测系统、电子设备及存储介质 | |
| CN117436704A (zh) | 基于安全动作预测的电力施工行为安全检测方法 | |
| CN116703924B (zh) | 一种高速电梯零部件磨损状态实时检测预警方法 | |
| KR102303406B1 (ko) | 산업설비의 이상유무 진단장치 및 방법 | |
| CN113516091B (zh) | 一种识别变电站电火花图像的方法 | |
| Heleno et al. | A machine vision quality control system for industrial acrylic fibre production | |
| CN114757905A (zh) | 一种基于视觉的卷绳缠绕异常检测装置及方法 | |
| WO2020202332A1 (ja) | 検査装置及び検査方法 | |
| Zhu | Machine vision based smart machining system monitoring | |
| CN118521580B (zh) | 基于大数据的工业机器缺陷视觉检测方法、系统及设备 | |
| CN111017728A (zh) | 一种基于机器视觉的起重机制动器健康状态评估方法 | |
| CN118254191B (zh) | 基于工业互联网平台的云服务系统及方法 | |
| CN114937028B (zh) | 一种智能标识识别的直线滑台模组质量检测方法及系统 | |
| CN117934464B (zh) | 一种基于机器视觉的缺陷识别方法 | |
| CN118552527B (zh) | 一种斗齿磨损检测方法、装置、设备及存储介质 |
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 |