CN117710375B - 一种电机转子与定子的对中性检测方法及系统 - Google Patents
一种电机转子与定子的对中性检测方法及系统 Download PDFInfo
- Publication number
- CN117710375B CN117710375B CN202410163987.2A CN202410163987A CN117710375B CN 117710375 B CN117710375 B CN 117710375B CN 202410163987 A CN202410163987 A CN 202410163987A CN 117710375 B CN117710375 B CN 117710375B
- Authority
- CN
- China
- Prior art keywords
- image
- rotor
- stator
- template
- circle center
- 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
- 238000001514 detection method Methods 0.000 title abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012804 iterative process Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 14
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000010606 normalization Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
Landscapes
- Manufacture Of Motors, Generators (AREA)
Abstract
本发明属于电机技术领域,尤其涉及一种电机转子与定子的对中性检测方法及系统,方法包括:相对于安装完成的转子及定子获得轴向图像;在转子部分的图像中识别需围绕电机轴线的第一圆周图案,在定子部分的图像中识别需围绕电机轴线的第二圆周图案,在转子转轴部分的图像中识别需围绕电机轴线的第三圆周图案;获取第一圆心、第二圆心和第三圆心;通过三个圆心的相对距离判断转子与定子的对中性。与激光对中系统、振动分析设备和磁场传感器相比,本发明所需的硬件相对简单,基于图像处理的算法,可以降低设备的复杂性和成本;使用图像处理算法对轴向图像进行处理,这减少了对复杂传感器的依赖,有助于在电机生产过程中更广泛地应用。
Description
技术领域
本发明属于电机技术领域,尤其涉及一种电机转子与定子的对中性检测方法及系统。
背景技术
转子和定子是电机的两个主要部分,它们构成了电机的核心结构,不同类型的电机在设计和工作原理上可能有所不同,但大多数电机都包括转子和定子,确保电机的转子与定子之间的对中是关键的,不正确的对中可能导致振动、噪音和额外的摩擦,最终影响电机的性能和寿命。
转子和定子的对中性检测在电机制造和维护中非常关键,确保它们之间的精确对中有助于提高电机的性能、降低能耗,并延长电机的寿命,目前常见的转子和定子对中性检测的方法包括:
激光对中:使用激光测量设备来检测转子和定子之间的相对位置,激光对中系统能够实时测量旋转部件的位置,并提供反馈以进行微小调整,以确保最佳对中。
振动分析:通过监测电机运行时的振动特性,来评估转子和定子之间的对中情况,不正确的对中通常会导致振动的增加,通过分析振动频谱,可以识别出对中问题并采取适当的纠正措施。
磁场测量:使用磁场传感器测量电机内的磁场分布,以检测转子和定子之间的偏移,任何不对中都会引起磁场的不均匀分布,这可以通过测量磁场来检测。
在上述方式中通常需要专业设备和技术,使得系统的购买、安装和维护成本相对较高,激光对中和振动分析可能对环境条件敏感,例如振动分析可能受到外部振动的干扰,而激光对中可能受到光照条件的影响,磁场测量也可能受到周围磁性材料的影响。
如何改变上述方法的局限性,而获得一种更为灵活且成本可控的检测方式,是目前电机生产过程中所需要的,是生产降本增效的有效做法。
发明内容
本发明中提供了一种电机转子与定子的对中性检测方法及系统,可有效解决背景技术中的问题。
为了达到上述目的,本发明所采用的技术方案是:
一种电机转子与定子的对中性检测方法,包括:
相对于安装完成的转子及定子,沿轴线方向采集而获得轴向图像;
对所述轴向图像进行处理,处理方法包括:
在转子部分的图像中识别需围绕电机轴线的第一圆周图案,在定子部分的图像中识别需围绕电机轴线的第二圆周图案,在转子转轴部分的图像中识别需围绕电机轴线的第三圆周图案;
获取所述第一圆周图案的第一圆心,所述第二圆周图案的第二圆心,以及所述第三圆周图案的第三圆心;
通过三个圆心的相对距离判断所述转子与定子的对中性。
进一步地,对所述轴向图像进行处理时,对于圆周图案的识别包括:
对所述轴向图像进行预处理;
对处理完成的所述轴向图像进行分割,将转子部分的图像、定子部分的图像和转子转轴部分的图像从背景中分离出来;
利用形状识别算法,分别识别各部分图像中的圆形形状或圆弧形状,其中,
对于圆形形状,直接作为圆周图案;
对于圆弧形状,通过曲线拟合而获得圆周图案。
进一步地,所述形状识别算法为模板匹配,使用预定义的圆形形状模板或圆弧形状模板,通过在分离出来的图像中滑动进行匹配。
进一步地,采用模板匹配包括:
设计与待匹配的目标形状相似的模板;
设定相似度阈值,用于判断匹配目标;
在分离出来的图像上滑动所述模板,在每个滑动位置计算所述模板与图像的相似度;
将所述相似度与相似度阈值进行比较,根据比较结果确定匹配目标。
进一步地,设定分离出来的所述图像为I,所述模板为T,图像上的位置为(i,j);
所述相似度的计算公式为:
;
其中,
I(i,j)表示所述图像中位置(i,j)处的像素值;
T(i-x,j-y)表示所述模板中位置(x,y)处的像素值;
为所述图像的像素均值,计算公式为/>;
为所述模板的像素均值,计算公式为/>。
进一步地,设定分离出来的所述图像为I,所述模板为T,图像上的位置为(i,j);
所述相似度的计算公式为:
;
其中,
I(i,j)表示所述图像中位置(i,j)处的像素值;
T(i-x,j-y)表示所述模板中位置(x,y)处的像素值。
进一步地,对于圆弧形状,通过曲线拟合而获得圆形形状,所述曲线拟合包括:
采用圆的标准方程(x−h)2+(y−k)2=r2作为拟合的数学模型,其中,(h,k)是圆形形状的圆心坐标,r是圆形形状的半径;
采用实际数据点到拟合圆的距离的平方公式和作为目标函数E:
;
其中,(xi,yi)是数据点的坐标,n是数据点的数量;
对所述目标函数E进行求解,确定使目标函数E最小化的圆心坐标ℎ,k和半径r。
进一步地,确定使目标函数E最小化的圆心坐标ℎ,k和半径r时,最小化过程包括:
设置初始参数值(h0,k0,r0),选择学习率α;
采用迭代过程,在每次迭代中,计算目标函数E对参数的偏导数,并按照以下公式更新参数:
;
其中,new代表每次更新后的参数,old代表每次更新前的参数;
判断迭代是否收敛,如果满足收敛条件,则停止迭代,输出最终得到的参数(h,k,r)。
进一步地,通过三个圆心的相对位置判断所述转子与定子的对中性,包括:
将所述第三圆心作为基准圆心;
计算所述第一圆心和第二圆心到第三圆心的距离和S,以及距离差D,并通过以下公式计算综合评价值F:
F=K1*S+K2*D;
其中,K1为第一权重,K2为第二权重;
根据所述综合评价值F判断所述转子与定子的对中性是否满足要求。
一种电机转子与定子的对中性检测系统,包括:
图像采集模块,相对于安装完成的转子及定子,沿轴线方向采集轴向图像;
图像处理模块,包括图像识别单元和圆心获取单元;
所述图像识别单元在转子部分的图像中识别围绕电机轴线的第一圆周图案,在定子部分的图像中识别围绕电机轴线的第二圆周图案,在转子转轴部分的图像中识别围绕电机轴线的第三圆周图案;
所述圆心获取单元获取所述第一圆周图案的第一圆心,所述第二圆周图案的第二圆心,以及所述第三圆周图案的第三圆心;
对中性判定模块,通过三个圆心的相对距离判断所述转子与定子的对中性。
通过本发明的技术方案,可实现以下技术效果:
与激光对中系统、振动分析设备和磁场传感器相比,本发明所需的硬件相对简单,通过轴向图像采集和基于图像处理的算法,可以降低设备的复杂性和成本;使用图像处理算法对轴向图像进行处理,这减少了对复杂传感器的依赖;相对于激光对中和振动分析等高成本方法,这种基于图像处理的方式可更为经济实惠,成本的降低有助于在电机生产过程中更广泛地应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为电机转子与定子的对中性检测方法的流程图;
图2为对轴向图像进行处理时,对于圆周图案的识别流程图;
图3为采用模板匹配的流程图;
图4为电机转子与定子的对中性检测系统的框架图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示,一种电机转子与定子的对中性检测方法,包括:
相对于安装完成的转子及定子,沿轴线方向采集而获得轴向图像;
对轴向图像进行处理,处理方法包括:
在转子部分的图像中识别需围绕电机轴线的第一圆周图案,在定子部分的图像中识别需围绕电机轴线的第二圆周图案,在转子转轴部分的图像中识别需围绕电机轴线的第三圆周图案;此处的需围绕表示的是圆周图案的圆心需在电机轴线上;
获取第一圆周图案的第一圆心,第二圆周图案的第二圆心,以及第三圆周图案的第三圆心;
通过三个圆心的相对距离判断转子与定子的对中性。
与激光对中系统、振动分析设备和磁场传感器相比,本发明所需的硬件相对简单,通过轴向图像采集和基于图像处理的算法,可以降低设备的复杂性和成本;使用图像处理算法对轴向图像进行处理,这减少了对复杂传感器的依赖;相对于激光对中和振动分析等高成本方法,这种基于图像处理的方式可更为经济实惠,成本的降低有助于在电机生产过程中更广泛地应用。
当然,在实施过程中,需要保证的是上述图案的采集过程不会受到其他结构的影响,例如电机中的风扇、壳体或支架结构等。
为了获得更为清晰的图像,作为上述实施例的优选,如图2所示,对轴向图像进行处理时,对于圆周图案的识别包括:
对轴向图像进行预处理;例如通过去噪、增强对比度和灰度化等的预处理步骤提高图像质量,使得后续的分割和形状识别更为准确;其中,去噪有助于消除图像中的不必要细节,增强对比度有助于突显图像中的目标,而灰度化简化了后续处理的复杂性;还可能包括的预处理方式有图像平滑、边缘增强、形态学操作操作等等,可根据具体的需要进行选择;
对处理完成的轴向图像进行分割,将转子部分的图像、定子部分的图像和转子转轴部分的图像从背景中分离出来;从而为后续形状识别奠定基础;
利用形状识别算法,分别识别各部分图像中的圆形形状或圆弧形状,其中,
对于圆形形状,直接作为圆周图案;
对于圆弧形状,通过曲线拟合而获得圆周图案。
在上述优化方案中,通过预处理、分割和形状识别等步骤,实现了对轴向图像中转子、定子和转轴部分的识别和分割,形状识别阶段使用不同的方法对圆形和圆弧进行处理,从而提高了对中性检测的准确性。
作为上述实施例的优选,形状识别算法为模板匹配,使用预定义的圆形形状模板或圆弧形状模板,通过在分离出来的图像中滑动进行匹配。通过此种方式,直接使用预定义的模板与图像进行比对,可以实现非常精准的匹配。如果模板与目标形状高度相似,匹配结果通常会非常准确;模板匹配不仅可以检测出目标的存在,还可以准确地定位目标在图像中的位置,这对于后续的对中性检测,提供了准确的位置信息;模板匹配算法可以在一定程度上抵抗图像中的噪声,因为匹配过程主要关注模板与图像的相似度,而不容易受到噪声的干扰;在实施过程中,方法相对简单,易于理解和实现,通过调整模板的设计或匹配算法的参数,可以灵活地适应不同场景和要求。
在实施过程中,针对模板的选择,需要保证的是为围绕电机转轴,且与电机转轴同心的图案。
具体地,如图3所示,采用模板匹配包括:
设计与待匹配的目标形状相似的模板;此处的模板可以是二值图像,如包含目标形状的部分为白色,其他部分为黑色;
设定相似度阈值,用于判断匹配目标;通常,阈值的选择取决于具体的应用需求和匹配精度要求;
在分离出来的图像上滑动模板,在每个滑动位置计算模板与图像的相似度;
将相似度与相似度阈值进行比较,根据比较结果确定匹配目标。
模板匹配能够准确地定位图像中与模板相似的目标,这解决了在图像中精确定位目标的问题,有助于后续的分析和处理。
作为相似度计算的一种实施方式,设定分离出来的图像为I,模板为T,图像上的位置为(i,j);
相似度的计算公式为:
;
其中,
I(i,j)表示图像中位置(i,j)处的像素值;
T(i-x,j-y)表示模板中位置(x,y)处的像素值;
为图像的像素均值,计算公式为/>;
为模板的像素均值,计算公式为/>。
上述计算公式描述了在给定位置(x,y)处图像和模板之间的相似度,通过除以分母部分的归一化因子,使得相似度范围在-1到1之间,其中1表示完全相似。
归一化因子两个平方根分别代表了图像I和模板T的标准差,标准差是对数据分布的一种度量,用于描述数据的离散程度,因此,这两个平方根的乘积反映了图像和模板的离散程度。整个归一化因子的作用是将相似度的数值范围标准化,使其不受图像和模板自身标准差的影响,这样,计算出的相似度值就更具有普适性,可以更好地用于比较不同图像和模板之间的相似度。
在实际应用中,通过归一化因子,相似度值的范围被约束在-1到1之间,其中1表示完全相似,-1表示完全不相似,这种归一化处理使得相似度的度量更为鲁棒,不会受到图像或模板整体亮度和对比度的影响。
作为相似度计算的另一种实施方式,设定分离出来的图像为I,模板为T,图像上的位置为(i,j);
相似度的计算公式为:
;
其中,
I(i,j)表示图像中位置(i,j)处的像素值;
T(i-x,j-y)表示模板中位置(x,y)处的像素值。
在给定的滑动位置(x,y),对应位置上的图像和模板像素值之差是I(i,j)−T(i−x,j−y),将这个差值平方,遍历整个图像或感兴趣区域,将所有差值的平方求和。在实施过程中,SSD的数值越小,表示图像或区域之间越相似,在模板匹配中,选择SSD最小的位置即为最佳匹配位置,通过找到两个图像中相似区域的最小SSD位置,可以实现图像的准确对齐。
在上述两种相似度不同的计算方式中,通过不同的原理实现了相同的技术目的。其中,NCC度量的是两个图像之间的相似度,考虑的是归一化的互相关,它对亮度和对比度的变化具有一定的鲁棒性,适用于需要考虑亮度和对比度变化的情况,例如,当转子和定子表面具有不同的反射率,导致图像中亮度差异较大时,NCC可能更适合;SSD度量的是两个图像之间像素值的差异,通过计算差值的平方和来评估相似度,对亮度和对比度的变化较为敏感,因为它直接比较像素值,适用于场景中光照和对比度相对稳定,像素值的差异主要来自于目标结构的变化,例如,当转子和定子表面具有相似的反射率,但存在一些微小的几何变化时,SSD可能更能捕捉到这些细微的差异。
作为上述实施例的优选,对于圆弧形状,通过曲线拟合而获得圆形形状,曲线拟合包括:
采用圆的标准方程(x−h)2+(y−k)2=r2作为拟合的数学模型,其中,(h,k)是圆形形状的圆心坐标,r是圆形形状的半径;
采用实际数据点到拟合圆的距离的平方公式和作为目标函数E:
;
其中,(xi,yi)是数据点的坐标,n是数据点的数量;
对目标函数E进行求解,确定使目标函数E最小化的圆心坐标ℎ,k和半径r。
在实施过程中,采用圆形模型进行拟合更符合实际情况,该模型能够更好地捕捉到电机结构的圆弧特征,从而更准确地描述转子和定子之间的对中性;通过采用最小化实际数据点到拟合圆的距离的平方作为目标函数,该方法能够有效地减小数据点与拟合圆之间的距离误差,这有助于提高对中性检测的准确性,确保拟合圆形模型与实际数据点的拟合程度更高。拟合得到的圆心坐标和半径可以用于后续的对中性判断,通过比较转子和定子的圆心相对位置以及半径是否一致,可以得出对中性的结论,如果圆心偏离或半径不一致,可能表明转子和定子没有良好对中。
其中,确定使目标函数E最小化的圆心坐标ℎ,k和半径r时,最小化过程包括:
设置初始参数值(h0,k0,r0),选择学习率α;
采用迭代过程,在每次迭代中,计算目标函数E对参数的偏导数,并按照以下公式更新参数:
;
其中,new代表每次更新后的参数,old代表每次更新前的参数;
判断迭代是否收敛,可以通过设定迭代次数或设定一个小的梯度阈值来判断,如果满足收敛条件,则停止迭代,输出最终得到的参数(h,k,r)。
在电机转子和定子对中性检测中,由于具有不同形状和尺寸的转子和定子,这种基于梯度下降法的参数优化方法具有较高的灵活性,对于处理多样性的电机结构是有益的。梯度下降法在理论上保证了在目标函数是凸函数的情况下能够找到全局最小值,虽然电机转子和定子对中性检测的问题可能并非凸优化问题,但通常情况下,梯度下降法能够在合理的参数设置下找到局部最小值,从而实现对中性的准确检测。
在实施过程中,学习率α的选择对于算法的性能至关重要,过大的学习率可能导致迭代过程中震荡或发散,而过小的学习率可能导致收敛速度过慢,作为上述实施例的优选,设定一个动态调整策略,基于目标函数值的变化动态调整学习率,在具体实施时,包括:
定义一个窗口大小,例如,过去设定次数迭代的目标函数值;计算设定次数的目标函数值的标准差;设定比较阈值,若计算所得的标准差小于比较阈值,说明目标函数值变化较缓慢,则按照设定比例增大学习率以加速收敛;若计算所得的标准差大于等于比较阈值,说明目标函数值变化较剧烈,则按照设定比例减小学习率以稳定迭代过程;其中的设定比例可为定值;或者,如果目标函数值变化较缓慢,可以略微增大设定比例以提高学习率的调整幅度;如果目标函数值变化较剧烈,可以略微减小设定比例以缓和学习率的调整幅度,这种方法使得设定比例能够自适应地反映当前问题的特性,提高算法的适应性。
通过上述方案中的动态性,可以更好地适应目标函数值变化的不确定性,既能在目标函数值变化较缓慢时加速学习,又能在变化较剧烈时稳定学习过程。通过综合考虑过去设定次数迭代的目标函数值的标准差、比较阈值和设定比例的自适应性,提供了一种具有动态调整学习率和灵活性的策略,这使得算法在电机转子和定子对中性检测问题中更能够适应不同的工作情况,提高了算法的稳定性和性能。
作为上述实施例的优选,通过三个圆心的相对位置判断转子与定子的对中性,包括:
将第三圆心作为基准圆心;
计算第一圆心和第二圆心到第三圆心的距离和S,以及距离差D,并通过以下公式计算综合评价值F:
F=K1*S+K2*D;
其中,K1为第一权重,K2为第二权重;
根据综合评价值F判断转子与定子的对中性是否满足要求。
在上述优化方案中,不仅通过距离和考虑了圆心间的整体距离情况,还通过距离差考虑了它们之间的相对位置关系,这样的多因素综合考虑有助于更全面地判断对中性。
调整权重K1和K2的值可以在不改变算法基本框架的前提下,对算法的灵敏性和判断标准进行简单调整,这种易于调整的特性使得该方法适用于不同精度要求和对中性要求不同的场景。
在电机高精度运动控制的应用中,例如精密仪器、机器人关节等,电机需要实现极为精准的位置控制,对转子与定子的对中性要求非常高,任何微小的偏差都可能导致系统性能下降或者损坏,因此,在这种场景下,强调整体距离的准确性可以确保高精度的对中性。在这种情况下,更关注整体距离情况,即距离和的值,此时,可以通过设置较大的权重K1来强调距离和的影响,使其在综合判断值中占据更大的比重;例如,设置K1=0.8,K2=0.2,这样在综合判断值中,距离和将占据80%的权重,而距离差仅占据20%的权重,使算法更加注重整体距离的准确性,适应了高精度要求的场景。
在电机更适用于一些工业应用或者一般的机械设备,对精度要求相对较低,但对相对位置关系要求较高时。在这些应用中,整体距离的误差可能由于生产制造过程中的一些不可避免的因素而存在,但关键在于保持良好的相对位置关系,这可能涉及到一些大型设备或者传动系统,对中性的要求主要在于相对位置的一致性,而不是绝对距离的准确性。在这种情况下,可以通过设置较大的权重K2来强调距离差的影响;例如,设置K1=0.2,K2=0.8,这样在综合判断值中,距离差将占据80%的权重,而距离和仅占据20%的权重,使算法更加注重相对位置的准确性,适应了容忍相对位置偏差的场景。
根据综合评价值F判断对中性是否满足要求的方法可以设定一个阈值,通常是根据具体应用场景和精度要求来确定。一般地,可以进行如下判断:
如果F小于设定的阈值,说明距离和S和距离差D同时较小,这可能表示转子与定子的相对位置较为理想,对中性较好;
如果F大于或等于设定的阈值,可能表示距离和S或距离差D中至少有一个较大,此时可能存在对中性不满足的情况;
具体的阈值设定需要根据实际情况和对中性的精度要求进行调整,在实际应用中,可能需要通过试验或仿真来确定合适的阈值。
实施例二
一种电机转子与定子的对中性检测系统,如图4所示,包括:
图像采集模块,相对于安装完成的转子及定子,沿轴线方向采集轴向图像;
图像处理模块,包括图像识别单元和圆心获取单元;
图像识别单元在转子部分的图像中识别围绕电机轴线的第一圆周图案,在定子部分的图像中识别围绕电机轴线的第二圆周图案,在转子转轴部分的图像中识别围绕电机轴线的第三圆周图案;
圆心获取单元获取第一圆周图案的第一圆心,第二圆周图案的第二圆心,以及第三圆周图案的第三圆心;
对中性判定模块,通过三个圆心的相对距离判断转子与定子的对中性。
本实施例中所实现的技术效果与上述实施例相同,此处不再赘述。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种电机转子与定子的对中性检测方法,其特征在于,包括:
相对于安装完成的转子及定子,沿轴线方向采集而获得轴向图像;
对所述轴向图像进行处理,处理方法包括:
在转子部分的图像中识别需围绕电机轴线的第一圆周图案,在定子部分的图像中识别需围绕电机轴线的第二圆周图案,在转子转轴部分的图像中识别需围绕电机轴线的第三圆周图案;
获取所述第一圆周图案的第一圆心,所述第二圆周图案的第二圆心,以及所述第三圆周图案的第三圆心;
通过三个圆心的相对距离判断所述转子与定子的对中性,具体包括:
将所述第三圆心作为基准圆心;
计算所述第一圆心和第二圆心到第三圆心的距离和S,以及距离差D,并通过以下公式计算综合评价值F:
;
其中,K1为第一权重,K2为第二权重;
根据所述综合评价值F判断所述转子与定子的对中性是否满足要求。
2.根据权利要求1所述的电机转子与定子的对中性检测方法,其特征在于,对所述轴向图像进行处理时,对于圆周图案的识别包括:
对所述轴向图像进行预处理;
对处理完成的所述轴向图像进行分割,将转子部分的图像、定子部分的图像和转子转轴部分的图像从背景中分离出来;
利用形状识别算法,分别识别各部分图像中的圆形形状或圆弧形状,其中,
对于圆形形状,直接作为圆周图案;
对于圆弧形状,通过曲线拟合而获得圆周图案。
3.根据权利要求2所述的电机转子与定子的对中性检测方法,其特征在于,所述形状识别算法为模板匹配,使用预定义的圆形形状模板或圆弧形状模板,通过在分离出来的图像中滑动进行匹配。
4.根据权利要求3所述的电机转子与定子的对中性检测方法,其特征在于,采用模板匹配包括:
设计与待匹配的目标形状相似的模板;
设定相似度阈值,用于判断匹配目标;
在分离出来的图像上滑动所述模板,在每个滑动位置计算所述模板与图像的相似度;
将所述相似度与相似度阈值进行比较,根据比较结果确定匹配目标。
5.根据权利要求4所述的电机转子与定子的对中性检测方法,其特征在于,设定分离出来的所述图像为I,所述模板为T,图像上的位置为(i,j);
所述相似度的计算公式为:
;
其中,
I(i,j)表示所述图像中位置(i,j)处的像素值;
T(i-x,j-y)表示所述模板中位置(x,y)处的像素值;
为所述图像的像素均值,计算公式为/>;
为所述模板的像素均值,计算公式为/>。
6.根据权利要求4所述的电机转子与定子的对中性检测方法,其特征在于,设定分离出来的所述图像为I,所述模板为T,图像上的位置为(i,j);
所述相似度的计算公式为:
;
其中,
I(i,j)表示所述图像中位置(i,j)处的像素值;
T(i-x,j-y)表示所述模板中位置(x,y)处的像素值。
7.根据权利要求2所述的电机转子与定子的对中性检测方法,其特征在于,对于圆弧形状,通过曲线拟合而获得圆形形状,所述曲线拟合包括:
采用圆的标准方程(x-h)2+(y-k)2=r2作为拟合的数学模型,其中,(h,k)是圆形形状的圆心坐标,r是圆形形状的半径;
采用实际数据点到拟合圆的距离的平方公式和作为目标函数E:
;
其中,(xi,yi)是数据点的坐标,n是数据点的数量;
对所述目标函数E进行求解,确定使目标函数E最小化的圆心坐标h,k和半径r。
8.根据权利要求7所述的电机转子与定子的对中性检测方法,其特征在于,确定使目标函数E最小化的圆心坐标h,k和半径r时,最小化过程包括:
设置初始参数值(h0,k0,r0),选择学习率α;
采用迭代过程,在每次迭代中,计算目标函数E对参数的偏导数,并按照以下公式更新参数:
;
其中,new代表每次更新后的参数,old代表每次更新前的参数;
判断迭代是否收敛,如果满足收敛条件,则停止迭代,输出最终得到的参数(h,k,r)。
9.一种电机转子与定子的对中性检测系统,其特征在于,包括:
图像采集模块,相对于安装完成的转子及定子,沿轴线方向采集轴向图像;
图像处理模块,包括图像识别单元和圆心获取单元;
所述图像识别单元在转子部分的图像中识别围绕电机轴线的第一圆周图案,在定子部分的图像中识别围绕电机轴线的第二圆周图案,在转子转轴部分的图像中识别围绕电机轴线的第三圆周图案;
所述圆心获取单元获取所述第一圆周图案的第一圆心,所述第二圆周图案的第二圆心,以及所述第三圆周图案的第三圆心;
对中性判定模块,通过三个圆心的相对距离判断所述转子与定子的对中性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410163987.2A CN117710375B (zh) | 2024-02-05 | 2024-02-05 | 一种电机转子与定子的对中性检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410163987.2A CN117710375B (zh) | 2024-02-05 | 2024-02-05 | 一种电机转子与定子的对中性检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117710375A CN117710375A (zh) | 2024-03-15 |
CN117710375B true CN117710375B (zh) | 2024-04-12 |
Family
ID=90152010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410163987.2A Active CN117710375B (zh) | 2024-02-05 | 2024-02-05 | 一种电机转子与定子的对中性检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117710375B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007066776A1 (ja) * | 2005-12-09 | 2007-06-14 | Aisin Aw Co., Ltd. | ステータ位置の測定方法及び測定装置 |
JP2008125144A (ja) * | 2006-11-08 | 2008-05-29 | Aisin Aw Co Ltd | ステータ位置の調整作業システム及びステータ位置の調整方法 |
CN101233671A (zh) * | 2005-12-09 | 2008-07-30 | 爱信艾达株式会社 | 电机驱动装置的制造方法以及电机驱动装置 |
JP2011229226A (ja) * | 2010-04-16 | 2011-11-10 | Mitsubishi Electric Corp | 回転電機の偏心推定方法および回転機の偏心推定システム |
WO2016041456A1 (zh) * | 2014-09-18 | 2016-03-24 | 浙江大学 | 球面光学元件表面缺陷评价系统及其方法 |
CN106204610A (zh) * | 2016-07-20 | 2016-12-07 | 张家港长安大学汽车工程研究院 | 基于图像处理的轴孔装配自动对中系统 |
WO2018146330A1 (en) * | 2017-02-13 | 2018-08-16 | Holcomb Scientific Research Limited | Low reverse torque, high efficiency electric power generators with uni-pole rotors |
WO2018198111A1 (en) * | 2017-04-26 | 2018-11-01 | Augury Systems Ltd. | Systems and methods for monitoring of mechanical and electrical machines |
BR102017015688A2 (pt) * | 2017-07-21 | 2019-03-26 | Marcos Guilherme Schwarz | Motor do tipo sem escovas e rotor para um motor |
CN109787441A (zh) * | 2019-01-31 | 2019-05-21 | 浙江零跑科技有限公司 | 电机端盖对中装配装置及装配方法 |
JP2019148499A (ja) * | 2018-02-27 | 2019-09-05 | 株式会社Screenホールディングス | 芯ズレ検出装置および芯ズレ検出方法 |
WO2020157507A1 (en) * | 2019-01-30 | 2020-08-06 | Digipulse Ltd | Signal sampling and filtering for motor position estimation |
DE102019108231A1 (de) * | 2019-03-29 | 2020-10-01 | Mtu Friedrichshafen Gmbh | Resolver-Erfassungsystem für eine Welle, vorzugsweise zur Erfassung einer mehrdimensionalen, insbesondere dreidimensionalen, Erfassung der Bewegung der Welle, Wellenanordnung, Brennkraftmaschine und Verfahren zum Betrieb der Brennkraftmaschine mit einer Motorwellenanordnung und dem Resolver-Erfassungssystem |
WO2021038495A1 (en) * | 2019-08-30 | 2021-03-04 | Auris Health, Inc. | Instrument image reliability systems and methods |
DE102021127747A1 (de) * | 2020-10-26 | 2022-04-28 | Schaeffler Technologies AG & Co. KG | Elektrische Maschinenanordnung |
WO2022196821A1 (ja) * | 2021-03-18 | 2022-09-22 | 株式会社アイシン | 回転電機用ステータ製造方法 |
CN219212171U (zh) * | 2022-08-03 | 2023-06-20 | 常州市南方电机有限公司 | 电机转子压装两端轴承模块化设计模具 |
KR20230141203A (ko) * | 2022-03-31 | 2023-10-10 | 주식회사 뷰온 | 헤어핀 권선 모터의 고정자 편심 보정방법 및 헤어핀 검사장치 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7055363B2 (en) * | 2004-02-11 | 2006-06-06 | Acushnet Company | Method of calibrating a detector and calibration sphere for the same |
JP6889099B2 (ja) * | 2017-12-27 | 2021-06-18 | 株式会社東芝 | 検査装置および検査方法 |
-
2024
- 2024-02-05 CN CN202410163987.2A patent/CN117710375B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007066776A1 (ja) * | 2005-12-09 | 2007-06-14 | Aisin Aw Co., Ltd. | ステータ位置の測定方法及び測定装置 |
CN101233671A (zh) * | 2005-12-09 | 2008-07-30 | 爱信艾达株式会社 | 电机驱动装置的制造方法以及电机驱动装置 |
JP2008125144A (ja) * | 2006-11-08 | 2008-05-29 | Aisin Aw Co Ltd | ステータ位置の調整作業システム及びステータ位置の調整方法 |
JP2011229226A (ja) * | 2010-04-16 | 2011-11-10 | Mitsubishi Electric Corp | 回転電機の偏心推定方法および回転機の偏心推定システム |
WO2016041456A1 (zh) * | 2014-09-18 | 2016-03-24 | 浙江大学 | 球面光学元件表面缺陷评价系统及其方法 |
CN106204610A (zh) * | 2016-07-20 | 2016-12-07 | 张家港长安大学汽车工程研究院 | 基于图像处理的轴孔装配自动对中系统 |
WO2018146330A1 (en) * | 2017-02-13 | 2018-08-16 | Holcomb Scientific Research Limited | Low reverse torque, high efficiency electric power generators with uni-pole rotors |
WO2018198111A1 (en) * | 2017-04-26 | 2018-11-01 | Augury Systems Ltd. | Systems and methods for monitoring of mechanical and electrical machines |
BR102017015688A2 (pt) * | 2017-07-21 | 2019-03-26 | Marcos Guilherme Schwarz | Motor do tipo sem escovas e rotor para um motor |
JP2019148499A (ja) * | 2018-02-27 | 2019-09-05 | 株式会社Screenホールディングス | 芯ズレ検出装置および芯ズレ検出方法 |
WO2020157507A1 (en) * | 2019-01-30 | 2020-08-06 | Digipulse Ltd | Signal sampling and filtering for motor position estimation |
CN109787441A (zh) * | 2019-01-31 | 2019-05-21 | 浙江零跑科技有限公司 | 电机端盖对中装配装置及装配方法 |
DE102019108231A1 (de) * | 2019-03-29 | 2020-10-01 | Mtu Friedrichshafen Gmbh | Resolver-Erfassungsystem für eine Welle, vorzugsweise zur Erfassung einer mehrdimensionalen, insbesondere dreidimensionalen, Erfassung der Bewegung der Welle, Wellenanordnung, Brennkraftmaschine und Verfahren zum Betrieb der Brennkraftmaschine mit einer Motorwellenanordnung und dem Resolver-Erfassungssystem |
WO2021038495A1 (en) * | 2019-08-30 | 2021-03-04 | Auris Health, Inc. | Instrument image reliability systems and methods |
DE102021127747A1 (de) * | 2020-10-26 | 2022-04-28 | Schaeffler Technologies AG & Co. KG | Elektrische Maschinenanordnung |
WO2022196821A1 (ja) * | 2021-03-18 | 2022-09-22 | 株式会社アイシン | 回転電機用ステータ製造方法 |
KR20230141203A (ko) * | 2022-03-31 | 2023-10-10 | 주식회사 뷰온 | 헤어핀 권선 모터의 고정자 편심 보정방법 및 헤어핀 검사장치 |
CN219212171U (zh) * | 2022-08-03 | 2023-06-20 | 常州市南方电机有限公司 | 电机转子压装两端轴承模块化设计模具 |
Also Published As
Publication number | Publication date |
---|---|
CN117710375A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
US6714679B1 (en) | Boundary analyzer | |
Tazir et al. | CICP: Cluster Iterative Closest Point for sparse–dense point cloud registration | |
CN110906875B (zh) | 一种孔径测量的视觉处理方法 | |
Núñez et al. | Natural landmark extraction for mobile robot navigation based on an adaptive curvature estimation | |
Pernkopf et al. | Visual inspection of machined metallic high-precision surfaces | |
US6980685B2 (en) | Model-based localization and measurement of miniature surface mount components | |
WO1997024692A1 (en) | Locating shapes in two-dimensional space curves | |
CN113313701B (zh) | 基于形状先验的电动汽车充电口两阶段视觉检测定位方法 | |
CN116091504A (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN110146017A (zh) | 工业机器人重复定位精度测量方法 | |
Attia et al. | On performance evaluation of registration algorithms for 3d point clouds | |
Li | Application of machine vision technology in geometric dimension measurement of small parts | |
CN109118529A (zh) | 一种基于视觉的螺孔图像快速定位方法 | |
Živković et al. | Improving the selection of feature points for tracking | |
CN117710375B (zh) | 一种电机转子与定子的对中性检测方法及系统 | |
US20030026473A1 (en) | Structure-guided automatic alignment for image processing | |
CN113298725A (zh) | 一种轮船图标图像叠加误差的纠正方法 | |
Tsai | A machine vision approach for detecting and inspecting circular parts | |
CN113963013B (zh) | 一种基于计算机视觉的无标靶输电塔位移振动识别方法 | |
Zhang et al. | A unified framework for automobile instrument detection system | |
CN111862196A (zh) | 检测平板物体的通孔的方法、装置和计算机可读存储介质 | |
Mount et al. | Automatic coverage selection for surface-based visual localization | |
CN113487589A (zh) | 一种亚像素圆心检测方法及系统 | |
Junaid et al. | In-Process Measurement in Manufacturing Processes |
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 |