Большой нагреватель подшипников
При проведении испытаний в суровых условиях окружающей среды, таких как высокая температура, высокий уровень шума, пыль, вибрация и т. Д., Это не только нанесет большой вред физическому и психологическому состоянию инспектора, но и сделает его часто неспособным нормально работать. Поэтому исследования по выявлению поверхностных дефектов подшипниковых колец крупных нагревателей подшипников стали горячей точкой в последние годы. Основываясь на технологии цифровой обработки изображений, наш отдел провел исследования по выявлению поверхностных дефектов подшипниковых колец крупных нагревателей подшипников. Основное содержание выглядит следующим образом:
1. Typical performance type and defect area analysis of surface defects of bearing rings of large bearing heaters.
2. Analysis of image edge detection algorithm. A variety of classic edge detection operators are used to compare and detect the surface defect images of bearing rings of large bearing heaters, and an improved Sobel edge detection operator is proposed.
3. Extraction and selection of defect features. Hu defect invariant features, morphological features, and texture features were extracted from the defect image, and systematic analysis and demonstration were carried out to determine the Hu moment invariant features required for classification recognition.
4. Research on classification and recognition algorithm based on BP neural network.
Исследование метода аудиодиагностики неисправности подшипника нагревателя подшипника
(1) Звуковой сигнал подшипника нагревателя подшипника содержит важную информацию о его рабочем состоянии. Анализируя эту информацию, диагностика неисправности подшипника нагревателя подшипника может быть эффективно выполнена, и аудиосигнал может быть собран не - контактным способом, который удобен в использовании и имеет низкую стоимость.
(2) According to the advantage that all parameters in the Discrete Hidden Markov Model (DHMM) are discrete values, we propose a new method for audio diagnosis of bearing faults based on DHMM, which has simple modeling, fast calculation speed and diagnostic accuracy Advanced features.
(3) Так как функция плотности непрерывной гауссовой смеси может использоваться для более разумного описания выходной вероятности, в статье предлагается новый метод диагностики неисправностей подшипников, основанный на плотности непрерывной гауссовой смеси HMM (непрерывная гауссовская смесь, скрытая марковская модель, CGHMM) , В то же время алгоритм обучения и диагностики улучшается за счет использования метода инициализации параметров модели на основе параметра кластера - и обратного алгоритма калибровки коэффициента -.
(4) conducted a comparative analysis of the diagnostic test results of DHMM and CGHMM methods. The DHMM algorithm is better than the general CGHMM algorithm in speed, but the diagnostic accuracy is lower than the CGHMM algorithm.