风力机叶片裂纹在线监测系统

将声发射技术应用于风力机叶片裂纹损伤在线监测,以有效解决叶片的在线监测难题,实现叶片的故障监测和故障预警,可节省投资,减少运维费用。实践证明,该方案可为风力发电机叶片故障在线监测提供参考。     

汽轮发电机组转子裂纹在线监测的研究

本文主要介绍了用声发射技术实现转子裂纹及裂纹扩展在线监测的方法，声发射技术具有灵敏度高和早期发现等优点，所以被称为预知技术，经过实验和现场的一系列试验，证明该方法是非常适用的，具有广阔的应用和发展前景。     

发电厂辅机振动在线监测系统应用研究

本文阐述了实施电厂辅机振动在线监测系统,可以有效地对辅机状态做出评估、进行缺陷和故障的诊断,有助于机组稳定安全运行的重要意义。并从整体系统功能设计入手,介绍电厂辅机振动在线监测系统的开发及应用研究。     

汽轮机振动在线监测

阐述汽轮机振动在线监测。介绍ＤＭＪＰ－Ⅱ型振动－转速在线监测仪的原理及实际应用。     

水力机组在线振动监测分析系统研究

结合岩滩水电站振动监测项目提出一种新型的水轮发电机组振动在线监测分析系统，它是以工业PC机为主体，与摆度，振动传感器及有关功能模块和信号预处理器共同组成的机组振动在线监测分析系统。利用该系统，能连续地在线监测机组故障的缓慢变化发展过程，以便为状态检修提供良好的依据。     

基于深度学习的学生课堂学习状态监测系统设计

现阶段,学生课堂学习状态的研究大多集中在单人的在线监测,对于多人且环境复杂的线下课堂的监测还处于探索阶段。该研究针对线下教育设计了学生课堂学习状态监测系统,对学生课堂出勤情况及学生面部出现的疲劳状态进行实时监测。首先,使用DSFD人脸检测算法结合ResNet深度残差网络对学生进行人脸识别,记录学生出勤情况;然后,使用ERT回归树集合算法结合头部姿态估计对打哈欠和低头瞌睡的疲劳行为进行检测;再使用加入CBAM模块改进的YOLOv5目标检测算法对学生闭眼行为进行检测;最后,形成一套完整的集合出勤、疲劳检测的学生课堂学习状态监测系统。该系统在实际课堂的测试环境下,可以准确的对学生的出勤进行统计,并且可以实时的监测学生面部出现的打哈欠、低头瞌睡、闭眼的疲劳状态,检测的准确率均超过90%,检测速度约为14.1 fps,证明该系统具有重要的使用价值。     

基于Web的变压器振动噪声在线监测系统的研究与实现．

作为电力系统中最主要的设备之一,变压器的健康水平和运行状况直接影响到整个电力系统的安全运行。在分析直流偏磁影响下变压器振动噪声信号对我国电网影响的基础上,运用计算机技术和网络技术,开发了一套基于Web的变压器振动嗓声在线监测系统。系统在对变压器运行时振动噪声等信号实时采集的基础上,采用TCP下的Socket通信机制传输数据。并利用ASP．NET技术实现基于Web的数据发布,实现了对变压器运行时振动嗓声等信号的实时监测。     

电厂计算机在线监测系统中的组态问题

对电厂计算机在线监测系统中的组态问题进行了分析与研究,并提出了解决方案。     

GIS超高频局部放电在线监测系统研究

传统局部放电检测方法由于其检测频率低,易受外界干扰需停电,难以应用于现场带电检测。特高频(UHF)局部放电检测技术是目前国际上对气体绝缘全封闭组合电器(GIS)设备普遍采用的状态监测技术,具有灵敏度高、抗干扰性好等特点。重点介绍了GIS特高频局部放电在线监测技术研究的意义和目的,分析了该技术在全封闭组合电器(GIS)设备上的应用以及国内外研究水平的对比,为掌握电网带电设备运行状况提供了一种准确有效的检测手段。     

变压器在线监测诊断系统

目前,一些国家正在研制和试验变压器在线监测诊断系统,其目的是为提高变压器的可靠和效率。介绍一种不影响变压器在满载状态下运行性能、寿命的在线监测、诊断系统 。     

基于计算机视觉的墙地砖表面缺陷检测

提出了一种基于计算机视觉的墙地砖表面缺陷识别方法,利用改进的分块图像相减匹配和相关算法,对目标图像和模板图像进行分块处理,将对应子区域图像与数据库中相应模块图像进行相减匹配检测,利用相关系数来判断目标图像质量是否满足要求.实验结果表明使用本文方法能够准确地实现墙地砖表面缺陷检测,检测出墙地砖表面平均缺陷数目为4.5个,平均识别率达95.74％,优于直方图统计特征法和灰度共生矩阵法,具有实时、可靠、高效的特点,对墙地砖表面检测具有较大的实用价值.     

基于机器视觉的圆柱形蜂窝陶瓷侧面裂隙检测

针对圆柱形蜂窝陶瓷侧面裂隙检测困难问题,提出一种基于机器视觉的检测方法。通过对侧面裂隙检测需求分析,选用COMS相机和LED白色平行光源。对采集的图像进行滤波处理,选择中值滤波去除椒盐噪声。根据图像的特点选择ROI区域,使用全局阈值分割算子threshold进行图像分割,采用膨胀方法连接断裂区域。在提取表面缺陷时,先用connection算子对图像区域分割,再选择面积、长度和宽度3个特征对表面缺陷进行提取。将本检测方法与人工检测方法比较分析,试验结果表明在检测样品均为50个时,本方法检测合格、不合格和混合样品所需时间分别为12.50、6.64和10.58 min,具有更高检测速度,实时性更好;准确率分别为96%、84%和90%,准确率还有待提升,需要进一步的研究。     

基于计算机视觉的汽车四轮定位技术研究

基于计算机视觉技术的四轮定位仪可实现汽车车轮定位参数的简单、快速、精确检测,具有良好的应用前景.该产品目前主要依赖进口,对其原理国外厂商严格保密,国内文献尚未见详细述及.本文对基于计算机视觉的车轮定位参数测量原理进行了探讨,分别对国外基于透视学的方式和本文基于空间向量的方式进行了详细分析,给出了基于空间向量方式的数学模型,并进行了现场实车检测实验,结果表明了本文所提出的模型是正确有效的.为国内汽车电子检测行业的发展提供了新技术.     

An improved algorithm for image crack detection based on percolation model

In a complex background, because of uneven illumination, concrete bubbles, shadows of various shapes, and other noise, traditional crack detection methods based on image processing cannot accurately detect cracks, especially unclear cracks. A crack detection method based on the percolation model fully considers the features of cracks including the characteristics of brightness and length, and therefore can accurately detect cracks in the image. But this method is time consuming, and some noisy areas are detected as crack regions. In order to solve the problems above, we propose an improved algorithm for image crack detection, which includes an accelerated algorithm and a new denoising method based on the percolation model. The accelerated algorithm decreases the number of iterations of percolation processing to reduce the computing time, and the denoising method is based on the characteristic of brightness and the length feature of cracks to remove the noisy regions. Experimental results show that the proposed algorithm can accurately and efficiently detect cracks in the image. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

通过振动监测诊断发电机转子裂纹

直接确定裂纹的方法仅能够在停机条件下检测。振动监测在运行状态下进行,对诊断裂纹尤为重要。介绍通过振动监测对一台发电机转子裂纹进行诊断的事例。该发电机主要振动特征为：转子的振动和晃度经常增大,需要经常进行平衡,而且平衡的方向接近；并网后振动随负荷增大,增大表现有时为渐变的,有时为突变的；到一定阶段后,振动失去再现性,即便进行平衡调整也不起作用。依据裂纹转子振动的机理,判断转子可能存在裂纹,经检查发现表面裂纹的长度已经超过圆周的80%。由于判断准确检查及时,避免了一场重大事故的发生。     

基于改进亚像素算法的陶瓷天线PIN 针在线精密检测

陶瓷天线PIN针作为天线中重要的零部件之一,其尺寸偏差将直接关系到天线的产品质量。为了实现PIN针的在线精密检测,设计研发了一种PIN针在线检测装置,并提出了一种基于改进亚像素算法的PIN针尺寸检测方法。首先开始采集图像并进行像素当量标定,对图像进行畸变校正、获取ROI区域、图像预处理,然后利用基于改进Sobel算子及高斯峰值位置估算的亚像素边缘检测算法提取边缘点,利用最小二乘法将边缘点拟合成一对平行直线,并计算出线间像素宽度,根据像素当量换算得到被测PIN针在ROI区域处的直径尺寸。实验结果表明,该方法的测量平均相对误差小于0.25%,在保证±0.005 mm检测精度的同时,其平均耗时相对于传统基于高斯拟合的亚像素检测算法缩短了64.32%。     

基于机器视觉的芯片偏移检测系统

针对矩阵式测试盘上芯片偏移检测问题,搭建一套基于机器视觉的芯片偏移检测系统,主要包括上下料流道、三维移动 平台和视觉检测模块。 检测系统以一标准样板为基准,构建模板匹配与仿射变换相结合的图像矫正算法,实现不同待测样本间 检测的通用性;以灰度梯度及梯度方向为依据,设计针对芯片区域的矩形测量算法;系统以芯片左上角和右下角点连线的中心 为基准点计算芯片偏移量。 实验结果表明,本系统针对芯片偏移检测的误差范围-2. 145~ 4. 257 μm,单片芯片偏移计算算法执 行的平均时间为 72. 56 ms,检测轴运行速度为 20 mm/ s,对行列数为 5×12 的矩阵式测试盘上芯片的平均检测时间为 64. 5 s/ 盘,可满足实际加工过程的需求;使用测量系统分析(MSA)中的偏倚与线性度分析方法对本系统的准确性进行评估,结果表明 系统的偏倚和线性均满足生产需求。     

基于计算机视觉的室内定位系统设计与实现

现在传统的室内定位技术大多需要在被定位物体上安装标签或者终端设备,在一些特定场合存在很大的局限性。为此提出了一种基于计算机视觉的室内定位系统。该系统通过目标检测算法检测出特定物体并获取其图像坐标,经过目标点判定算法判断该物体是否在待定位区域内,最后通过投影变换算法获取到该物体对应的地图坐标。在被定位物体无感知的情况下,完成对其定位且定位误差在1米以内。为了方便用户直观的观察,采用网页的形式,将实际地图与物体位置显示在终端设备上。     

面向混凝土裂缝检测的级联神经网络算法研究

针对传统深度学习的裂缝检测方法在复杂环境下鲁棒性低、边缘区域识别精度差、损伤量化结果误差大的问题,本文提出一种复杂环境下基于级联神经网络的混凝土裂缝检测方法。该方法分为三步：第一步利用改进的语义分割模型对复杂环度参数获取算法计算裂缝宽度。试验结果表明,相较于传统裂缝识别方法,本文方法在精确率、召回率、准确率、F1分数和交并比五项评价指标上均有提升,且总体检测准确率在95%以上,能实现复杂环境下境下的裂缝进行初步识别,判断图像中裂缝的大致感兴趣区域;第二步采用本文所提基于金字塔池化的掩膜优化方法对粗分割图像进行优化,精确捕获裂缝边缘上下文信息;第三步采用二维码靶标的图像像素解析度和裂缝宽混凝土裂缝的检测与定量分析。