油液在线监测传感器技术

油液在线监测是设备润滑磨损状态监测与实时诊断技术的重要发展方向,而监测仪器的开发与选择是这一故障诊断技术实现准确监测应用的关键。在对当前国内外油液磨损颗粒在线监测传感器、油质在线监测传感器、油液多信息集成在线监测仪器及应用技术介绍基础上,给予了当前油液在线监测传感器技术的相关评述,为油液在线监测技术的研究、应用及推广提供一定帮助。     

油液在线监测系统中磨粒识别技术研究

针对磨损状态监测要求,构建了基于显微图像分析的油液在线监测系统。根据系统光路特点,对磨粒图像进行了基于彩色特征的转换,并通过与背景图像的差值处理来快速提取磨粒目标。基于最小二乘支持向量机设计了磨粒两类分类器,并利用粒子群优化算法对最小二乘支持向量机模型中的参数进行了优化选取;根据磨粒识别体系,设计了基于最小二乘支持向量机的磨粒综合分类器。最后,利用铁谱分析技术对系统性能和识别效果进行了检验,结果表明本系统具有较高的检测精度和识别效果。     

新型油液在线监测集成装置

油液在线监测是目前装备润滑磨损状态监测技术发展的重要方向,而监测仪器的开发是这一监测诊断技术研究热点。针对现代远洋船舶流动性工作特点及机械润滑磨损状态监测实时性要求,开发一套集油液磨粒监测和黏度检测的在线监测装置。装置具有结构紧凑、尺寸小、安装方便等特点。调试试验分析表明,该集成装置具有良好的稳定性,能快速实现油液磨粒含量、黏度趋势分析及超限报警。该油液在线监测装置的集成实现,为后续集成如水分、颗粒计数指标以及温度、压力等状态参数提供了研发基础。     

基于光纤传感的发动机零部件磨损状态监测与评价

发动机润滑油滤清器上含有丰富的机械零件磨损信息,其磨粒直接反映了零部件的磨损与运行状态,但目前相关的研究报道还不多见。因此,提出了在润滑油滤清器上安装光纤图像传感器并将采集到的图像传输到计算机中,然后在Matlab环境下编写程序对图像进行平滑滤波、Otsu阈值分割、圆周面积计算、磨粒数目计算等。结果表明,实时监测零件磨损量和机器磨损状态的磨粒图像自动识别分析技术是一种简单、有效的监测方法。     

设备磨损智能评价技术在石化大机组的应用

为提高石化转动设备磨损故障诊断自动化及智能化程度,探讨基于石化转动设备磨损监测信息挖掘技术的磨损智能分析与评价技术在乙烯压缩机运维中的应用。通过磨损智能分析与评价技术对机组运行状态的全面监测与评价,结果表明,磨损智能分析与评价技术能够准确反映设备磨损及润滑状态的劣化趋势,对机组的油品在线置换升级、机组运行工况调整、油品净化等主动性维护提供了及时准确的技术支持,保障了设备的长周期稳定运行。     

基于图像处理的实时环境监测系统设计

随着信息技术的发展,传统的分离的、智能程度不高的环境监测手段已不能满足人们的工作需要。设计了基于图像处理的实时环境监测系统,能够对车间、实验室、机场、大型船甲板等对环境要求较高的场所进行颗粒物的监测和识别,具有集成度高、智能性强、通用性好等特点,有较好的应用前景。     

刀具磨损检测中的图像处理技术研究现状及展望

针对刀具磨损检测在图像处理技术中的发展现状总结,并对刀具磨损检测在图像处理技术应用趋势下做出展望。首先,对刀具的磨损检测系统简单的介绍和总结;其次,对检测后的图像预处理、磨损区域提取及边缘检测、磨损状态识别技术的相关内容进行详细讨论。最后,结合目前计算机视觉、人工智能等新形势下对刀具磨损检测在图像处理技术中做出展望。     

油液监测分析应用系统数据库的研究

针对油液测试和分析的过程中，所产生的大量原始数据及一系列中间结果数据，为油燃监测技术的实施带来困难这一问题。本文建立了完整的油液监测数据库构架，并在数据库维护实践中，着重介绍了铁谱磨粒图像的采集、存储及提取磨粒图谱特征的方法。     

基于粗糙集的油液不完备多值系统知识发现

由于数据量小,油液有效知识的发现,特别是从油液不完备信息系统挖掘决策规则,一直是其有效应用和发展的瓶颈。考虑到分析铁谱对磨损模式的识别贡献最大,结合属性的磨损识别权重和摩擦学系统特点,提出了基于粗糙集的分析铁谱不完备多值系统知识发现模型。通过对部分信息缺省或难以确定的某汽车公司冲压机分析铁谱决策系统进行处理,推导出了关于磨损状态的最优决策规则,说明了粗糙集对不完备油液信息处理有效。     

K-均值聚类法在机械设备铁谱监测技术中的应用

铁谱分析技术是润滑油液分析技术的主导技术,是机械设备工况监测和故障诊断的主要技术手段之一。铁谱片上磨损颗粒间的区分是磨损颗粒识别和诊断的基础。针对铁谱图像中磨损颗粒形状和颜色分布的复杂性,利用数字图像处理技术,采用K-均值聚类法,对铁谱彩色图像进行了分割处理研究。试验结果表明,K-均值聚类法可以有效地分割彩色铁谱图像,将磨损颗粒提取出来,为铁谱图像的后续处理工作奠定了基础。     

机电设备润滑工程集成信息系统及其开发前景

本文以工程信息技术的发展和摩擦学系统论为依据,提出了开发以机电产品生命周期为主线,集设备润滑设计、润滑知识库、润滑材料及技术数据库、试验设计、润滑磨损状态监测与故障诊断和设备维护咨询等功能为一体的润滑工程信息系统的基本思想,讨论了该系统基本结构要素、功能目标和实现途径,分析了这类系统的工程应用前景.作者认为,发展这种以知识和技术资源为核心的信息服务系统,具有广泛的应用市场前景和重要的摩擦学实践意义.     

A New On-Line Visual Ferrograph

An on-line visual ferrograph (OLVF) characterized by direct reading and on-line analysis was developed based on magnetic deposition and image analysis. A digital sensor was integrated with a CMOS image sensor to obtain images of deposited wear debris under illumination conditions. An electromagnetic instrument was designed to deposit the wear debris flowing through an oil flow channel. The oil flow channel, fixed on the electromagnet, was arranged parallel to the magnetic flux in the air gap between two electromagnet poles. The deposition effect on wear debris was analyzed theoretically. The result shows that the wear debris in different sizes can be deposited in the same zone by controlling the oil flow rate and magnet field intensity. Corresponding application software for image sampling and processing was developed. An index of relative wear debris concentration, IPCA (Index of Particle Coverage Area), is given as an output in addition to wear debris images. Finally, two kinds of experiments were specified to assess the effect and validity of the OLVF. The results show that the OLVF has effective deposition and identification for both relatively large and small wear debris with rational control parameters. The validity examinations with the commercial particle quantifier (PQ) and direct reading ferrograph (DR) show that the OLVF has an approaching trend to the reference instruments in both heavily and lightly contaminated oil.     

图像颜色特征提取在铁谱图像分类及磨粒识别中的应用研究

铁谱图像所包含的彩色信息对磨粒识别、磨损形式分析非常重要。对图像分类技术进行研究，主要对铁谱图像的颜色特征进行研究，提出了聚类树分析、模糊聚类技术与统计分析相结合的定量研究方法，对铁谱图像进行背景、磨粒区域分割，以获得可进行定量分析的磨粒。计算的颜色特征为铁谱图像的进一步处理和识别以及磨粒的机器自动识别、磨损形式分析奠定了基础。     

铁谱磨粒图像多焦点融合算法研究

铁谱分析技术是一种常用的磨损监测技术。受限于高倍物镜下的景深限制,一张铁谱大磨粒图像往往只有局部聚焦清晰的特征。为了能够解决在高倍物镜下铁谱大磨粒图像的自动化清晰采集以及高质量图像融合问题,设计并构建一套自动化扫描显微系统,该系统可进行多焦点铁谱图像的自动扫描采集;同时,提出一种基于相位一致性的铁谱磨粒图像多焦点融合算法,对自动扫描的多焦点图像进行融合,得到清晰的磨粒图像。实验结果表明,设计的自动化扫描显微系统能快速完成多焦点铁谱图像的自动化采集流程,提出的图像融合算法相较于传统的小波图像融合算法具有更高的图像评价质量,并能获得更加清晰的图像边缘信息。     

炼化设备油液分析诊断软件开发

介绍炼化设备油液分析诊断软件,该软件由铁谱定量分析模块、自动铁谱显微图像分析模块、油液分析数据库模块、磨损状态评判模块和诊断报告输出模块组成,通过铁谱分析仪、铁谱显微镜获取油样磨损信息,监测大型炼化设备润滑油品质量,并对磨损状况智能分级,为设备维护和管理提供依据。     

串口和以太网通信技术在油液在线监测系统中的应用

油液在线监测是设备润滑磨损状态监测技术发展的重要方向,而通信技术在油液在线监测控制系统中有着举足轻重的作用.针对设备润滑磨损监控开发的油液在线监测系统由上位机和下位机组成,采用以太网技术实现上、下位机的通信.上位机实现对被监测润滑油参数的实时显示、趋势分析、数据存储、数据导出、故障报警及诊断等;下位机集磨损、黏度等多种传感器采用PC104实现被监测润滑油数据的采集与处理,并利用嵌入式处理器中的异步通信接口(串口技术)与PC104进行数据交换,从而实现该技术在设备油液在线监测系统中的应用.     

油液在线监测系统中的磨粒识别

针对机械设备磨损状态监测要求,构建了基于显微图像分析的油液在线监测系统.根据系统的光路特点,对磨粒图像进行了基于彩色特征的转换,并通过与背景图像的差值处理来快速提取磨粒目标.基于最小二乘支持向量机设计了两类磨粒分类器,并利用粒子群优化算法对最小二乘支持向量机模型中的参数进行了优化选取.在此基础上,根据磨粒识别体系,设计了磨粒综合分类器.最后,利用铁谱分析技术对系统性能和识别效果进行了检验,结果表明,系统的识别精度达到95%以上,满足磨粒在线监测要求.     

Automated classification of wear particles based on their surface texture and shape features

In this study, the automated classification system, developed previously by the authors, was used to classify wear particles. Three kinds of wear particles, fatigue, abrasive and adhesive, were classified. The fatigue wear particles were generated using an FZG back-to-back gear test rig. A pin-on-disk tribometer was used to generate the abrasive and adhesive wear particles. Scanning electron microscope (SEM) images of wear particles were acquired, forming a database for further analysis. The particle images were divided into three groups or classes, each class representing a different wear mechanism. Each particle class was first examined visually. Next, area, perimeter, convexity and elongation parameters were determined for each class using image analysis software and the parameters were statistically analysed. Each particle class was then assessed using the automated classification system, based on particle surface texture. The results of the automated particle classification were compared to both the visual assessment of particle morphology and the numerical parameter values. The results showed that the texture-based classification system was a more efficient and accurate way of distinguishing between various wear particles than classification based on size and shape of wear particles. It seems that the texture-based classification method developed has great potential to become a very useful tool in the machine condition monitoring industry.