铁路车辆轴承滚子表面缺陷微机检测系统探讨
- 格式:pdf
- 大小:165.79 KB
- 文档页数:3
面向智能化制造的高速铁路列车轴承故障诊断技术研究随着社会的不断发展和技术的日益进步,智能化制造已经成为当前的热点话题。
在高速铁路列车的运营中,轴承是一项非常重要的零部件,如果轴承出现故障,不仅会影响列车的安全性能,而且会严重影响列车的正常运行。
因此,研究面向智能化制造的高速铁路列车轴承故障诊断技术具有非常重要的现实意义和科学价值。
一、高速铁路列车轴承基础知识高速铁路列车是现代快速交通运输工具,具有运行速度快、运输能力大、行驶平稳等特点。
而轴承则是列车重要的零部件之一,其主要作用是支持车轮和车体之间的连接处,并传递车轮的重量以及列车的载荷。
轴承工作环境复杂,容易受到磨损、腐蚀等因素的影响,进而导致轴承的故障。
二、面向智能化制造的高速铁路列车轴承故障诊断技术发展现状目前,针对高速铁路列车轴承故障诊断技术的研究已经取得了一定的进展。
其中,基于振动信号的故障诊断技术是一种主要的方法。
其原理是通过检测轴承振动信号的特征参数来判断轴承是否存在故障。
同时,还有基于声音信号和温度信号的故障诊断技术。
为了实现高速铁路列车轴承故障的实时检测和诊断,一些研究将机器学习和人工智能技术应用于轴承故障诊断中。
通过建立轴承故障的特征采集系统,采集轴承的振动、声音、温度等原始信号,然后利用机器学习技术来提取故障特征,最后通过人工智能技术进行轴承故障的判断与诊断。
三、面向智能化制造的高速铁路列车轴承故障诊断技术研究的发展方向目前,虽然高速铁路列车轴承故障诊断技术已经获得了一定的成果,但是仍然存在一些问题和挑战。
例如,目前轴承故障诊断技术的特征提取方法和分类算法仍然需要继续研究和完善。
同时,良好的传感器选择和布局方案是保证数据质量和有效诊断的必要条件。
未来的研究应该注重开发具有高可靠性、低功耗和高灵敏度的轴承故障传感器,以及可视化数据处理系统。
同时,应该对诊断方法进行实时性和准确性的验证,以确保技术的有效性和可靠性。
此外,还应该研究制造过程中的质量管理,维护和管理故障数据,构建完善的故障库和专家诊断系统。
城轨列车轴承故障诊断试验系统设计与实现轴承作为列车走行部的关键部件,在列车正常行驶中发挥着十分重要的作用。
列车轴承发生故障不仅会影响列车运行的平稳性,造成乘客不舒适的体验,更会对列车运行安全造成威胁,甚至导致事故发生。
因此,对列车轴承故障进行有效的检测和诊断具有十分重要的意义。
本文首先对轴承故障检测方法进行了研究。
1)在对列车轴承结构、故障形式、振动机理和振动特征进行分析的基础上,阐述了典型的时域、频域、时频域轴承故障特征检测方法。
2)研究了基于经验模态分解(Empirical Mode Decomposition,EMD)的自适应轴承故障检测方法,使用本征模态函数(Intrinsic Mode Function,IMF)表征信号的本质特征。
3)针对EMD方法分解结果存在虚假模态的问题,设计了基于相关系数和能量矩共同选择有效IMF的改进型自适应轴承故障检测方法。
4)设计了仿真实验对自适应检测方法的实现效果进行验证。
为了便于进行轴承故障诊断,本文搭建了城轨列车轴承故障诊断试验系统。
系统主体分为硬件和软件两个部分,在硬件部分搭建了轴承振动信号采集仿真实验平台,用于模拟真实列车运行状况给待测轴承提供转速,并使用加速度传感器采集轴承振动数据。
软件部分设计了轴承故障诊断软件,一方面用于对硬件平台进行控制,另一方面还集成了时域、频域、时频域、EMD自适应和基于有效IMF的自适应轴承故障诊断方法对采集到的轴承振动信号进行分析。
使用该城轨列车轴承故障诊断试验系统,能够将难以进行的实车实验搬移到实验室环境下,极大地方便轴承故障诊断研究。
最后,本文还设计了实验对城轨列车轴承故障诊断试验系统的实现效果进行验证。
实验结果表明,本轴承故障试验系统不仅能够完成轴承故障数据采集,而且能够对轴承运行状况进行有效分析,可应用于对列车轴承故障诊断的研究。
关于铁路货车353130B型滚动轴承常见故障及检测方法的探讨摘要:铁路货车的滚动轴承是影响行车安全的重要部件,其故障会造成列车失控、脱轨,造成重大人身伤亡和财产损失。
因此,对铁路货车滚动轴承的故障进行检测,对保障行车安全具有重要意义。
本文结合多年在铁路货车运用维修的实践经验,对铁路货车353130B型滚动轴承常见故障进行了归纳总结,并结合检修车间的实际情况,提出了铁路货车353130B型滚动轴承故障检测的方法和措施。
关键词:铁路货车;滚动轴承;常见故障;检测方法引言随着铁路货车在定检周期内运行里程的不断增加,铁路货车轴承运行故障也随之增加。
因此,对滚动轴承进行定期检修是保证车辆安全运行的重要手段。
通过对铁路货车滚动轴承常见故障及其检测方法的探讨,为有效减少车辆故障发生、降低事故发生率、提高车辆运用质量提供参考。
一、滚动轴承故障分类滚动轴承是铁路货车最重要的部件之一,其运行状态直接关系到列车的行车安全。
因此,铁路货车运行过程中应加强对滚动轴承的检修工作。
滚动轴承的故障主要分为三类:(1)轴承滚子表面擦伤,主要是由于异物进入轴承滚子和滚道之间造成的,可以通过目视检查来判断;(2)塑钢保持架裂纹,主要是由于轴承在组装过程中零件的装配不当造成的,可以通过观察轴承是否有明显裂纹进行判断;(3)塑钢保持架剥落或松动,主要是由于润滑不良造成的,可以通过目测和摸查来判断。
铁路货车运行过程中,由于受到振动、冲击、温度等因素的影响,滚动轴承不可避免地会出现损伤或故障。
按照损伤部位的不同可以将滚动轴承故障分为:内圈故障、轴承滚子故障和塑钢保持架故障。
其中内圈故障主要是指由于异物进入轴承滚子和造成的,主要表现为轴承振动剧烈、温升高;外圈故障主要是指由于轴向游隙过大导致的轴承振动剧烈、温升高;轴承滚子故障主要是指由于塑钢保持架失效导致的轴承滚子滚动异常,表现为轴承振动剧烈、温升高;塑钢保持架松动主要是指轴承滚子和塑钢保持架松动导致的轴承振动剧烈、温升高。
铁路车辆轴承滚柱表面缺陷分析
一、情况说明
铁道车辆用197726型滚动轴承在抽检中发现一只滚柱表面距小端端面约6mm左右处有一约1mm ×4mm的小凹坑。
二、理化检验
在滚柱圆柱表面小凹坑取横向截面进行检验,该凹坑缺陷截面形貌呈盆型凹坑,凹坑表面及两侧均存在微细裂纹。
凹坑缺陷处组织:表面为白亮层组织,其厚度约0.03mm,凹坑便产生在白亮层中;白亮层之下为黑色过渡层,厚度约0.12mm;黑色过渡层之下为滚柱基体组织,为隐晶马氏体+细小颗粒碳化物+残余奥氏体,属于GCr15钢淬回火后的正常组织,见图1~图3。
图1 100× 凹坑缺陷截面形貌。
图2 500× 前图放大。
凹坑缺陷处显微硬度测试结果见表1,由表中可见白亮层硬度非常高,相当于HRC63~HRC66,说明凹坑处白亮层为硬化层。
表1 凹坑缺陷处显微硬度测试结果
测试部位 白亮层 过渡层 基体组织
硬度值HV0.1
846、806
569、547
696、732
三、分析判断
根据上述分析结果推断,该滚柱表面某种因素的影响,使其局部受到了瞬时高温加热,而后快速冷却,形成了局部表面淬火硬化层(白亮层)和硬化层之下的高温回火层(过渡层)。
由于硬化层硬度高、脆性非常大,稍受力便产生剥离而形成凹坑。
基于LabVIEW的轴承表面缺陷检测系统研究随着工业技术的不断发展,机械设备在各个领域得到广泛应用。
然而,由于长时间的使用和不可避免的摩擦磨损,机械设备中的轴承表面往往会出现缺陷。
这些表面缺陷会导致轴承寿命的降低,从而影响设备的性能以及工作效率。
因此,开发一种高效可靠的轴承表面缺陷检测系统具有重要意义。
近年来,基于计算机视觉技术的缺陷检测系统得到了广泛关注和应用。
特别是国家仪器仪表工程技术研究中心(NICE)开发的LabVIEW 平台,为我们提供了一种强大的工具来构建轴承表面缺陷检测系统。
首先,在轴承表面缺陷检测系统的设计中,我们需要选择合适的图像采集设备。
常见的图像采集设备有CCD相机和CMOS相机。
我们可以根据具体的需求选择合适的相机参数,如分辨率、曝光时间等。
通过与LabVIEW的集成,我们可以实时获取图像数据,并对其进行处理和分析。
其次,在LabVIEW平台中,我们可以利用图像处理和分析的相关工具来实现轴承表面缺陷的检测。
例如,我们可以使用边缘检测算法来提取轴承图像中的缺陷轮廓,然后采用形态学处理方法来去除噪声和填充缺陷区域。
此外,我们还可以利用LabVIEW的图像测量功能来计算缺陷的面积、长度等特征参数。
为了提高检测的准确性和鲁棒性,我们还可以采用机器学习的方法。
LabVIEW提供了强大的模式识别工具,如支持向量机(SVM)和人工神经网络(ANN)。
我们可以利用这些工具来建立模型,并通过训练样本来进行模型的优化和验证。
这样,我们就可以实现对不同种类缺陷的自动识别和分类。
最后,在系统的可视化界面设计方面,LabVIEW也提供了丰富的工具和组件。
我们可以根据需求,设计出直观、友好的用户界面,方便操作人员进行参数设置、图像显示和结果输出等。
此外,LabVIEW还支持与其他软硬件设备的连接和通信,可以实现系统与外部设备的数据交互和控制。
总之,基于LabVIEW的轴承表面缺陷检测系统是一种高效、可靠的技术手段。
铁路货车滚动轴承故障诊断方法研究1. 引言1.1 研究背景铁路货车是运输重要货物和物资的重要交通工具,其运行安全和效率对经济和社会发展至关重要。
在铁路货车的各个部件中,滚动轴承是承载货车重量和减少摩擦的关键部件之一。
由于长时间运行和大负荷工况的影响,滚动轴承容易出现故障,如磨损、疲劳、错位等,导致铁路货车运行中断,甚至发生事故。
对铁路货车滚动轴承的故障诊断方法进行研究具有极其重要的意义。
通过有效的故障诊断方法,可以及时发现和修复轴承故障,提高铁路货车的运行安全性和可靠性,减少事故发生的可能性。
目前,传统的故障诊断方法在一定程度上已经满足了实际需求,但受限于技术和方法的局限性,依然存在着一些不足之处。
本文旨在探讨基于机器学习、振动信号以及声音信号等先进技术的故障诊断方法,以提高铁路货车滚动轴承故障诊断的准确性和效率,为铁路货车运行安全提供更有力的保障。
1.2 研究目的铁路货车滚动轴承是铁路货运系统中非常重要的零部件,其运行状态直接影响到列车的安全性和运行效率。
由于铁路货车运行环境的复杂性和轴承自身的特点,滚动轴承故障的诊断一直是一个具有挑战性的问题。
本研究的目的在于通过对铁路货车滚动轴承故障诊断方法的研究,提高轴承故障的准确率和效率,从而保证铁路货车的安全运行。
具体来说,研究目的包括:1. 分析铁路货车滚动轴承故障的特点,探讨不同类型故障的表现形式和影响程度,为后续的诊断方法提供依据;2. 分析传统的滚动轴承故障诊断方法的优缺点,总结经验并指出存在的问题;3. 探讨基于机器学习的故障诊断方法在铁路货车滚动轴承故障诊断中的应用前景;4. 研究基于振动信号和声音信号的故障诊断方法,探讨其在铁路货车滚动轴承故障诊断中的可行性和有效性。
1.3 研究意义铁路货车滚动轴承是保障铁路列车正常运行的重要部件,其运行状态直接关系到列车的安全和稳定性。
对铁路货车滚动轴承的故障诊断方法进行研究具有重要的意义。
研究铁路货车滚动轴承故障诊断方法可以提高铁路货车的运行效率和安全性。
铁路货车滚动轴承故障诊断方法研究铁路货车作为重要的铁路运输工具,其安全运行对于货运行业的发展至关重要。
而滚动轴承作为货车的重要部件之一,其状态对货车运行的安全性和经济性有着重要的影响。
对铁路货车滚动轴承的故障诊断方法进行研究,对于提高货车的安全性和可靠性具有重要的意义。
本文将介绍铁路货车滚动轴承故障诊断方法的研究。
2. 滚动轴承的故障诊断方法滚动轴承的故障诊断方法主要包括振动诊断、声音诊断、温度诊断、润滑油诊断等多种方法。
这些方法可以单独使用,也可以相互综合使用,以提高故障诊断的准确性和可靠性。
2.1 振动诊断振动诊断是一种常用的滚动轴承故障诊断方法,通过对轴承振动信号的分析,可以判断轴承的运行状态。
振动诊断主要包括轴承振动加速度、速度和位移的测量和分析。
通过对振动信号的频谱分析、波形分析等手段,可以判断轴承的故障类型和严重程度。
2.2 声音诊断声音诊断是一种通过对轴承工作时产生的声音进行分析,来判断轴承状态的方法。
轴承在工作时会产生一定的声音,当轴承出现故障时,其工作时产生的声音会发生变化。
通过对轴承工作时的声音进行分析,可以判断轴承的故障类型和严重程度。
2.4 润滑油诊断润滑油诊断是一种通过对轴承润滑油的监测和分析,来判断轴承状态的方法。
轴承故障时会产生金属颗粒和磨损粉末,这些颗粒和粉末会污染润滑油。
通过对轴承润滑油中的金属颗粒和磨损粉末进行分析,可以判断轴承的故障类型和严重程度。
3.1 综合诊断方法的优势综合诊断方法可以克服单一故障诊断方法的局限性,对轴承的故障进行全面、准确的诊断。
通过多个参数的综合分析,可以提高故障诊断的准确性和可靠性,为轴承的维护和保养提供科学依据。
3.2 综合诊断方法的实现综合诊断方法的实现需要通过先进的监测设备和分析技术。
目前,市场上已经有多种先进的轴承故障监测设备,可以对振动、声音、温度和润滑油等多个参数进行监测和分析,实现轴承的综合诊断。
4. 结论铁路货车滚动轴承的故障诊断对于提高货车的运行安全性和经济性具有重要的意义。
铁路货车滚动轴承常见故障分析及外检判定方法的探讨摘要:铁路货车滚动轴承作为铁路货车走行部的关键部件,防止车辆轴承故障引发的燃轴、切轴事故,是保证铁路运行安全面临的重大安全课题。
本文简要分析了轴承常见故障发生的原因及外检识别判定方法。
关键词:滚动轴承故障分析识别判定1概述滚动轴承是铁路货车上重要的并且是可互换的部件,其技术状态的好坏直接影响车辆运行安全。
滚动轴承故障具有较强的隐蔽性,铁路货车段修时,轴承内部质量故障未能及时发现将带有安全隐患的轮对(轴)装车使用,是导致燃轴、切轴事故的直接原因。
而滚动轴承外观质量检查是确认轴承及其零部件的外观及内部质量是整个检修过程中最重要的工序之一,它是轴承检修中最关键的环节,也是轴承检修中故障最难判定的工序。
外检是检查轴承的内部故障,不能直观所见,只能凭感觉,凭经验,是只可意会不可言传的,所以要求外检的工作者必须经验丰富、责任心强,要具有内科大夫看病的本领。
2货车滚动轴承常见故障及原因货车滚动轴承在运转(行)过程中可能会由于各种原因引起损坏,如装配不当、润滑不良、水分和异物侵入、腐蚀和过载等都可能会导致轴承过早损坏。
即使在安装、润滑和使用维护都正常的情况下,经过一段时间运转,轴承也会出现疲劳剥落和磨损现象。
另外轮对踏面擦伤、剥离、缺损、局部凹陷等超过限度时,对轴承的危害是非常大的。
总之,滚动轴承的故障原因是十分复杂的。
车辆段修时滚动轴承常见故障形式如下:2.1外观故障2.1.1前盖、后档(挡)、外圈有裂纹、碰伤、松动、变形或其他异状。
轴承在运用中受到非正常的外力作用造成的,如由于车辆脱线造成轴承外圈裂损、前盖、后档(挡)碰伤、车辆行走(走行)时带起的飞石或其它外力造成轴承外圈裂损。
另外轴承在检修过程中操作不当也会造成轴承故障缺陷,如磕碰伤、划伤、拉伤等。
2.1.2密封罩、密封组成裂纹、碰伤、松动、变形。
密封罩、密封组成裂纹、碰伤、变形主要是外力所致,而密封罩松动是密封装置最常见也是危害最大的,其主要原因是轴承一般检修或大修时,外圈牙口与密封罩配合过(过盈量)小,密封罩在车辆运行中受到离心力及转动力矩作用,导致密封罩中的密封圈与密封座摩擦加剧从而带动密封罩一起转动,使得密封罩松动脱出,过盈量过大在密封罩组装过程中容易破坏甚至切掉凸台,而且会使密封罩受力产生变形,在受到振动或冲击力时容易瞬间脱出。
铁路货车滚动轴承故障诊断方法研究【摘要】本文主要研究铁路货车滚动轴承的故障诊断方法,通过分析铁路货车滚动轴承的故障特点,探讨了基于振动信号、温度信号和声音信号的故障诊断方法。
研究发现,振动信号在故障诊断中起到了重要作用,能够有效检测轴承的异常状态;温度信号的变化也可以反映轴承的工作状况;而声音信号则有助于识别轴承故障类型。
通过对比这三种信号的特点,可以提高对铁路货车滚动轴承故障的诊断准确性。
进一步讨论了铁路货车滚动轴承故障诊断方法的意义,并展望了未来研究的方向。
研究结果对提高铁路货车安全性和运行效率具有一定的参考价值。
【关键词】铁路货车、滚动轴承、故障诊断、振动信号、温度信号、声音信号、意义、未来研究、研究背景、研究目的、铁路货车滚动轴承故障特点、探讨、基于振动信号的故障诊断方法、基于温度信号的故障诊断方法、基于声音信号的故障诊断方法、结论、展望。
1. 引言1.1 研究背景铁路货车是铁路运输系统中的重要组成部分,其安全运行对于保障运输工作的顺利进行至关重要。
而铁路货车上的滚动轴承是实现货车运行的关键部件之一,其运行状态直接影响着货车的安全性和稳定性。
随着铁路货车运行速度的不断提高和运输量的增加,滚动轴承的运行环境也愈发复杂和恶劣。
在实际运行中,货车滚动轴承存在着各种各样的故障现象,如磨损、裂纹、变形等,严重影响着轴承的正常运行和寿命。
开展铁路货车滚动轴承故障诊断方法的研究具有重要的意义。
通过对铁路货车滚动轴承的故障特点进行分析,探讨不同的诊断方法,并结合振动信号、温度信号、声音信号等多种信息源进行综合分析,可以有效实现对轴承故障的快速准确诊断,保障铁路货车运行的安全和稳定性。
本文将围绕铁路货车滚动轴承故障诊断方法展开研究,通过深入分析和探讨,为提高货车运行的可靠性和安全性提供理论支持和技术指导。
1.2 研究目的研究目的: 本文旨在探究铁路货车滚动轴承的故障诊断方法,旨在提高铁路货车滚动轴承的运行安全性和可靠性。
基于机器视觉的轴承表面缺陷检测系统研究摘要:轴承是大型机械设备的重要组成部分,其性能的优劣直接关系到设备的工作稳定。
近几年,随着我国工业的迅速发展,各种工业对轴承的需求与日俱增,对轴承的外观品质提出了更高的要求,特别是在进出口贸易中,更是如此。
虽然国内的机械制造技术已有相当程度的提高,但是在大批量生产中不可避免地残次品的出现。
目前,我国的企业对轴承的分拣仍然是以人眼检测、手工分拣为主;这种方式工作量大、效率极低,受作业人员分拣标准的差异、视觉疲劳等原因影响,造成分拣过程中出现的漏检率和错检率高。
关键词:轴承;机器视觉;图像处理;缺陷检测引言:制造业是国家经济的主体,是国家的国防、军队的核心,是国家发展的根本。
《中国制造2025》为我国从制造大国向制造强国转变指明了发展方向和路径,大力推动自主研发关键技术、打破对外国科技的依赖性、增强国内制造业的竞争能力,逐步建立和健全现代产业制造系统。
但是,目前国内的基本生产技术和基本材料工业都落后于世界先进水平,很多产品的可靠性不能完全适应大功率的要求。
为了改变目前的发展状况,国家建议重点发展高速、精密、重载轴承等机械基本零件,并逐渐增加对轴承的研究与开发,以改善轴承的可靠性和寿命。
本文根据轴承工业的实际需要,从轴承的概念、检测系统分析规划、硬件设计等方面进行了深入的探讨。
本系统对推动计算机图象处理技术的发展和发展具有重要的理论意义;同时也能很好地解决当前许多轴承厂家手工目视分类所带来的速度、精度等问题,从而达到提高生产效率、减少人工成本、促进轴承工业自动化改造的目的。
一、轴承简介轴承是一种在机械驱动中具有稳定和减少负载摩擦力的零件,它主要用于导向轴系零件的转动和承载轴向车体上的负载。
在此基础上,从图1可以看出,目前的轴承按其构造和运动的摩阻性能可划分为两种类型:滚动和滑动两种。
滚动支座按承载的方向可分成两类:向心型和止推型,而按其润滑形式可划分成动压型和静态压型两类。
高速列车轴承故障诊断系统设计与实践随着社会的进步和人们生活水平的提高,高速列车成为人们日常生活中不可缺少的交通工具。
然而随着使用时间的增长和列车运行条件的恶劣,高速列车轴承的故障成为了一个严重的问题。
故障轴承会给列车运行带来很大的安全隐患和经济损失。
轴承故障的及时诊断和检测显得尤为重要。
本文就介绍了高速列车轴承故障诊断系统的设计与实践。
一、概述高速列车轴承的故障会给车辆运行带来很大安全隐患,因此,对于轴承的检测和诊断变得非常重要。
轴承的故障程度越严重所产生的故障振动信号的频率越高。
通过对这些振动信号的采集和分析,可以诊断出轴承的故障类型和故障程度。
因此,设计一套可靠有效的诊断系统能够及时发现轴承故障,减小因故障带来的危险和经济损失,对于高速列车的运行安全和稳定性是至关重要的。
二、诊断系统设计1.系统组成高速列车轴承故障诊断系统主要由传感器、数据采集卡、信号处理单元、显示终端四部分组成。
(1)传感器:采集轴承所产生的振动信号,通常采用加速度传感器和速度传感器。
(2)数据采集卡:将传感器采集到的振动信号转换成数字信号。
(3)信号处理单元:对采集到的振动信号进行预处理和分析处理。
通常采用数字信号处理器(DSP)或便携式计算机。
(4)显示终端:将最终的处理结果输出显示到计算机屏幕上或其他显示设备上。
2.系统工作原理高速列车轴承故障诊断系统的工作流程如下:(1)传感器采集轴承的振动信号。
(2)数据采集卡将传感器采集的信号转换成数字信号。
(3)信号处理单元对数字信号进行预处理和分析处理,得到轴承的振动频率谱和时间波形图。
(4)分析处理的结果在显示终端上显示,用以判断轴承是否出现故障。
三、实践应用高速列车轴承故障诊断系统实际应用中,需要考虑以下几个问题。
1.传感器的选择传感器的选择直接决定了系统对轴承故障的诊断精度和灵敏度。
一般采用的是加速度传感器和速度传感器。
加速度传感器响应的频率宽泛,可实现较高的振动测量精度;速度传感器响应频率窄,但具有较高的信噪比和较小的交叉干扰。
铁路货车滚动轴承表面缺陷检测与识别技术研究的开题报告一、研究背景铁路货车是重要的物流运输工具之一,其安全性和可靠性对于运输业具有重要的意义。
在铁路货车的运输过程中,滚动轴承作为核心件起到了重要的作用。
滚动轴承表面的缺陷,如疲劳裂纹、磨损、腐蚀等,将严重影响铁路货车的安全性和可靠性。
因此,对铁路货车滚动轴承表面缺陷的检测与识别具有重要的研究价值。
传统的铁路货车滚动轴承表面缺陷检测方法主要依靠人工目测和手动测量,这种方法不仅效率低,而且在面对一些微小缺陷时会出现漏检或误检的情况。
随着计算机视觉、图像处理等技术的不断发展,基于图像处理技术的铁路货车滚动轴承表面缺陷检测方法逐渐成为研究的热点。
二、研究目的与内容本研究的目的是提出一种基于图像处理技术的铁路货车滚动轴承表面缺陷检测与识别方法,有效地解决传统检测方法的缺陷。
研究内容包括:1、收集铁路货车滚动轴承表面缺陷的图像数据,建立铁路货车滚动轴承表面缺陷图像数据库;2、针对铁路货车滚动轴承表面缺陷图像数据,研究滚动轴承表面缺陷特征的提取方法;3、开发基于图像处理的铁路货车滚动轴承表面缺陷检测与识别算法;4、设计实验验证算法的有效性和准确性。
三、研究方法与技术路线本研究采用以下技术路线进行研究:1、图像数据采集技术,利用高清相机、显微镜等工具采集铁路货车滚动轴承表面缺陷图像数据;2、图像处理技术,采用数字图像处理技术对采集的铁路货车滚动轴承表面缺陷图像进行预处理、特征提取、分类等处理;3、机器学习技术,在研究特征提取方法的同时,探究利用机器学习技术进行铁路货车滚动轴承表面缺陷识别的方法。
四、预期成果本研究的主要成果包括:1、建立铁路货车滚动轴承表面缺陷图像数据库;2、提出一种基于图像处理技术的铁路货车滚动轴承表面缺陷检测与识别方法;3、开发铁路货车滚动轴承表面缺陷检测与识别算法,并对算法进行实验验证;4、发表相关论文。
轴承表面缺陷检测系统的研究与开发徐琛;温振市;毛亚文;白瑞林【摘要】A method is proposed that utilises the offline sample learning to achieve online fast detection of the defects on outside surface of the bearings.The method uses indirect irradiation surface light as the light source,through CCD camera to capture the outside surface images of the bearing.In off-line situation,we locate the detection zone on side of the bearing,and fit the horizontal and vertical gray distribution rule curves respectively;then we use the gray-scale transformed sample image as the basis of detection.In on-line situation,we extract the region to be detected according to the knowledge learned,transform the image of bearing to the image with uniform gray distribution,then conduct dynamic threshold segmentation on the image and make the decision judgment.Experiments show that the proposed method can effectively transform the image to be detected to the image with uniform gray distribution,the average time for distinguishing a bearing image is about 20 ms,and the accuracy can be 98.2% and higher,so the method has high real-time performance and accuracy.%提出一种利用离线样本学习实现轴承外侧表面缺陷在线快速检测的方法。