矿用钢丝绳损伤检测系统设计

矿用钢丝绳在运行过程中会发生表面断丝翘起现象,可能导致运行中的钢丝绳把探伤仪孔壁划伤或带走的情况,甚至会对钢丝绳造成二次伤害,影响检测结果。针对该问题,基于超声波测距及强磁检测原理,设计了一种矿用钢丝绳损伤检测系统。该系统采用超声测距装置检测钢丝绳表面断丝翘起幅度,若检测值超过限定距离则发出报警,若检测值未超过限定距离,则由强磁检测装置进一步探测钢丝绳损伤情况。测试结果表明,针对设置的20,30,35 mm钢丝绳表面断丝翘起幅度,该系统的检测误差基本上不超过±2mm,从而验证了该系统可有效、准确地检测钢丝绳表面断丝情况及断丝翘起幅度,避免了表面断丝翘起幅度过大对强磁检测装置等造成损伤。     

矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。     

基于深度学习的矿用输送带损伤检测方法

针对目前输送带损伤检测方法缺乏对输送带撕裂以外其他损伤类型研究的问题,提出一种基于深度学习的矿用输送带损伤检测方法,通过Yolov4-tiny目标检测网络对输送带损伤类型进行分类。Yolov4-tiny目标检测网络以CSPDarknet53-tiny作为主干特征提取网络,借鉴Resnet残差思想,使用残差块防止深层网络中高层语义特征丢失,同时采用特征金字塔网络实现高低层语义信息融合,达到提高检测精度的目的;将CSPDarknet53-tiny中的2个有效特征层输入预测网络Yolo Head,通过得分排序和非极大值抑制算法对预测框进行筛选,从而预测输送带损伤类型。实验结果表明,Yolov4-tiny目标检测网络在输送带损伤数据集上对表面划伤、撕裂、表面破损和击穿4种损伤类型检测的平均精度分别为99.36%,94.85%,89.30%,86.76%,平均精度均值达92.57%;与Faster-RCNN,RFBnet,M2det,SSD,Yolov3,EfficientDet和Yolov4目标检测网络相比,Yolov4-tiny目标检测网络在数据集上取得了最快的检测速度,帧速率达101帧/s,实现了较好的速度与精度的平衡,且占用计算资源相对较少;通过对数据集外新鲜样本的检测,验证了本文方法具有较好的泛化能力。     

人体表面损伤面积的交互式检测系统

通过对人体表面损务而检测问题的分析，提出了一个能比较客观和科学地进行损伤面积检测的方法。首先将人体表面损伤的轮廓描绘下来，再将其经扫描仪输入计算机，然后采用图像处理的有关方法对扫描输入的图像进行处理，最后计算其有效包络内的面积。     

基于图像处理与神经网络的钢丝绳表面缺陷检测

提出了一种基于纹理特征提取的图像处理技术和神经网络结合进行钢丝绳检测的新方法.首先利用图像处理的方法对在役钢丝绳图像进行预处理,以减小或消除噪声的影响,然后提取图像的纹理特征值--熵和平滑度,通过神经网络来判断钢丝绳表面是否有断丝或锈蚀等缺陷.实验结果证明,该检测方法在实际应用中能代替人工目测,使用方便,能够满足实时要求,具有一定的理论和实践意义.     

基于ARM-Linux的钢丝绳损伤检测系统设计

针对现有钢丝绳检测系统实时性与适应性差、自动化程度低的问题,提出了一种基于ARM-Linux的高性能钢丝绳损伤检测系统的设计方案,详细介绍了该系统的硬件组成、工作原理、软件实现方法及实时采样曲线绘制的设计与实现。该系统结合嵌入式Linux技术和漏磁无损检测技术,可独立完成检测任务,实时显示检测波形,提高了检测效率。     

基于漏磁检测的矿用钢丝绳励磁装置

针对目前研究未考虑工程应用背景下钢丝绳摆动对励磁装置的影响,导致钢丝绳漏磁检测效果不理想的问题,设计了一套矿用钢丝绳励磁装置。通过建立钢丝绳仿真模型,仿真研究了不同气隙、提离值对钢丝绳漏磁场的影响,发现增大气隙或提离值均会降低钢丝绳漏磁场磁感应强度,影响钢丝绳漏磁检测结果。但实际应用中矿用钢丝绳摆动幅度大且易污染,因此钢丝绳励磁装置的气隙和提离值不宜过小。在考虑工程适用的条件下,设置气隙为6 mm、提离值为5 mm,进一步仿真分析永磁体厚度与长度、磁极间距、衔铁厚度对钢丝绳漏磁场的影响,发现永磁体厚度与长度对钢丝绳漏磁场影响最大,磁极间距对钢丝绳漏磁场影响较小,衔铁厚度对钢丝绳漏磁场的影响可忽略不计。基于仿真结果并考虑经济性和便携性,设置钢丝绳励磁装置参数：永磁体厚度为10 mm、永磁体长度为30 mm、磁极间距为180 mm、衔铁厚度为10 mm。动态仿真结果表明,钢丝绳漏磁场磁感应强度峰峰值达0.9 mT,说明该励磁装置能够保证损伤处产生较高的漏磁。实验结果表明,漏磁信号在钢丝绳不同断丝处均出现了明显波动,说明该励磁装置具有良好的励磁效果,可准确检测出钢丝绳断丝损伤。     

基于数字图像处理的表面裂纹检测算法

本文提出了一种基于数字图像处理技术的表面裂纹检测算法。运用这种算法能精确的检测裂纹的位置、长度等特征，将这种裂纹检测算法运用到裂纹自动检测系统以及裂纹扩展行为监测中不仅大大降低了劳动时间和劳动强度，而且提高了测量的准确性。     

基于LabVIEW的钢丝绳LMA型损伤检测虚拟仪器开发

基于LabVIEW平台,开发了钢丝绳LMA型损伤检测虚拟仪器,设计了数据采集、储存、波形回放、信号处理分析、数据库管理等子系统。以软件函数编程的方式实现了钢丝绳L M A型损伤的智能化和软件化的检测,极大地方便了工程中对钢丝绳L M A型损伤的故障诊断。     

对基于facet模型的表面检测的加速技术研究

针对基于facet模型的亚体素表面检测算法计算量大的问题,提出将3维facet模型的可分滤波器递归算法与感兴趣区域加速策略相结合的加速方案。可分滤波器递归算法通过在离散正交基下将3维卷积转换为3个1维卷积并使1维卷积递归执行,使计算量与卷积核大小无关,大大节省了计算时间。采用增量算法解决了可分滤波器递归算法内存耗费量大的问题。感兴趣区域加速策略采用图像分割后提取目标的分段包围盒作为有效区域,从而大幅缩减待处理数据量。实验结果表明本文加速方案在保持原始算法精度的同时,能取得很好的加速效果。     

大尺寸钢球表面缺陷的检测

介绍了钢球表面缺陷的常见类型,设计了基于电容传感器的大尺寸钢球表面缺陷检测系统,并对钢球沿子午线展开时的测量结果进行了分析,通过数据分布的概率密度函数直观地展示了合格钢球与缺陷钢球的测量值分布特征。根据钢球的标准参数变化提出一种动态阈值缺陷检测算法,该算法采用整体结合局部的特征值,利用缺陷表面与正常表面的测值差异对表面缺陷进行检测,并以直径18.2562 mm的不锈钢钢球为例,对表面磨损情况进行了分析验证,有效分离了缺陷数据与正常数据。     

基于图像处理的铁轨表面缺陷检测算法

对铁路轨道表面缺陷进行检测是保证铁路运输安全的重要手段之一，该文采用计算机图像处理技术对铁路轨道表面的缺陷进行自动化检测，提出了轨道表面缺陷检测的系统设计方案，给出了一种利用图像灰度信息的快速、实时检测算法。实验验证了算法的有效性和高效性。     

基于微处理器的钢丝绳损伤检测仪的设计

文章介绍了一种基于微处理机的钢丝绳损伤检测仪的设计过程,对钢丝绳绳损伤检测原理做了详细说明,给出了仪器的硬件原理图及程序检测流程图。     

基于NARMAX模型和NOFRF结构损伤检测的实验研究

非线性输出频率响应函数是由Volterra级数发展而来的频域概念,可方便在频域对非线性系统进行分析,它是频率的一维函数.本文主要介绍了利用NARMAX模型以及NOFRF对结构进行损伤检测的方法,并利用实验研究证实了该损伤检测方法的可行性.另外,由于系统非线性特性可用来做结构损伤检测,且具有对系统状态比较敏感的优点,而基于NOFRF的损伤检测方法是利用非线性方法来分析系统的状态,该方法提取出的特征属于非线性特征,所以该损伤检测方法可以用来做结构损伤检测,且具有对系统状态比较敏感的优点.     

基于Canny算法的列车轴承表面缺陷边缘检测

为了对列车轴承表面缺陷进行准确的边缘检测,提出了一种数学形态学和Canny算法相结合的边缘检测算法。通过对形态学结构元素及基本运算的选取,确定了形态学3菱形闭运算作为前处理,结合Canny算法对列车轴承表面缺陷进行边缘检测。同传统的边缘检测算法及形态学边缘检测算法进行比较,实验结果表明,所提算法不仅加强了抑制噪声的能力,还准确地保留了图像的边缘特征。     

基于轻量化模型的钢铁表面缺陷显著性检测研究

钢铁被广泛地应用于工业生产,其质量的优劣影响着钢铁制品的可靠性。现有检测技术基于深度学习等方法来检测钢铁表面缺陷区域,但仍存在检测速度慢、模型参数量大和应对复杂场景处理能力弱的问题。针对问题设计了一种基于轻量化模型的钢铁表面缺陷显著性检测方法,能够实现快速准确地检测钢铁表面缺陷区域。该方法以深度可分离卷积为基础设计模型,从而减小模型整体参数量并提升检测速度;在模型中引入多尺度特征,强化轻量化模型对于图像特征的提取能力,提升对复杂环境下的适应性。该方法在公开数据集SD-saliency-900上进行了广泛的实验,实验结果证明提出模型在检测精度不受影响的前提下,大幅减小模型参数量并显著提升模型推理速度。相较于其他基准方法,所提出模型具有更好的复杂环境应对能力以及实际应用性。     

基于DOG模型的线条检测算法

在计算机视觉领域，线条检测是图像低层次处理中一个重要的问题．文中提出一种基于双高斯差(DOG)模型的线条检测算法．分析比较了DOG检测器和高斯及高斯-拉普拉斯二阶微分检测器在线条检测方面的性能，解释了DOG函数和高斯及高斯-拉普拉斯二阶微分函数之间的关系，还给出了DOG检测器的线条检测范围并在二维空间中分析了其线条检测机理．实验中选用了指纹图像，实验结果表明DOG线条检测器能够对宽度在一定范围内的线条进行骨架提取。     

基于LIDAR数据的城市数字表面模型生成技术

激光雷达(LIDAR)数据是一种新型数据源,它产生的是高密度点云数据。为了更加方便地应用这些数据,首先要生成数字表面模型(DSM)。采用传统的方法生成城市DSM,对城市区域复杂性的考虑不足,也没有对数据存在的缺值情况进行相应处理,故无法生成高质量的城市DSM。该文阐述了一种新颖的生成高质量城市DSM的方法,兼顾城市的复杂性和LIDAR传感器本身的特点。试验证明,该方法生成的DSM与传统方法相比,具备更好的效果。     

基于改进Apriori算法的入侵检测数据挖掘模型研究

将数据挖掘技术应用到入侵检测系统中,成为入侵检测研究的重要方向。本文对Apriori算法进行改进,以此构建入侵检测数据挖掘模型,运用该模型作入侵检测。实验表明,对以知攻击,采用误用检测和异常检测混合策略,其平均检测准确率达到80%以上,不失为一种效果良好的的入侵检测技术。