0 引言

    磨損是導(dǎo)致各類機(jī)械設(shè)備工作異常和失效最常見的故障形式和緣由^[1]。根據(jù)大量統(tǒng)計(jì)結(jié)果表明,，近80%的機(jī)械故障是因設(shè)備運(yùn)行磨損及潤(rùn)滑失效導(dǎo)致的,。潤(rùn)滑系統(tǒng)和液壓系統(tǒng)中的油液如同人的血液一樣，蘊(yùn)含有豐富的設(shè)備工況信息,，懸浮于其中的磨粒能最大限度反映機(jī)械系統(tǒng)內(nèi)部磨損程度,，能夠?yàn)樵O(shè)備故障和視情維修提供寶貴依據(jù)、消除安全隱患,，避免現(xiàn)場(chǎng)發(fā)生重大生產(chǎn)安全事故,。因此對(duì)油液中磨粒的檢測(cè)至關(guān)重要^[2]。

    磨粒檢測(cè)依據(jù)光學(xué),、電學(xué)和磁場(chǎng)理論等不同工作原理可實(shí)現(xiàn)不同檢測(cè)方法,，但傳統(tǒng)檢測(cè)方法都有諸多不足，如光譜法只能測(cè)量小于10 μm的磨粒,，且設(shè)備一般較昂貴；顆粒計(jì)數(shù)法在使用一段時(shí)間后需校準(zhǔn),，校準(zhǔn)成本較高,；磁塞法對(duì)非磁性材料無(wú)效；工程上使用較多的鐵譜法又因太依靠測(cè)試人員肉眼判斷,，容易因主觀判斷和視覺(jué)疲勞造成判斷錯(cuò)誤,；電感法雖然可用于在線式,，但一般只能檢測(cè)尺寸大于100 μm的較大磨粒^[3]。然而能表征機(jī)械摩擦副嚴(yán)重磨損失效的磨粒尺寸一般較小,，只有10 μm左右^[4],。近年來(lái)如文獻(xiàn)[5]等雖然多有提出基于其他工作原理的磨粒檢測(cè)方法，但因其都是使用計(jì)算機(jī)或者工控機(jī)和其他多種傳感器,，不僅成本較高,，而且體積龐大，只能獲得磨粒數(shù)量和尺寸,，無(wú)法得到磨粒形貌從而無(wú)法確定其類型,且產(chǎn)品多用于實(shí)驗(yàn)室檢測(cè),，在諸如風(fēng)機(jī)檢測(cè)等偏遠(yuǎn)、人少,、惡劣工業(yè)現(xiàn)場(chǎng)中,，無(wú)法做到實(shí)時(shí)在線監(jiān)測(cè)，進(jìn)而無(wú)法及時(shí)獲取到磨粒產(chǎn)生的數(shù)量和大小變化趨勢(shì),，難以及時(shí)準(zhǔn)確對(duì)工況做出評(píng)判,。

    為解決以上檢測(cè)方法的不足，本文提出一種基于光學(xué)法的油液磨粒在線監(jiān)測(cè)方法,。本方法使用嵌入式,、圖像處理和數(shù)據(jù)無(wú)線傳輸?shù)燃夹g(shù)，以Contex-A9為內(nèi)核的 IMX6Q 作為硬件平臺(tái),，依托視覺(jué)庫(kù)OpenCV,，用SIM800C無(wú)線模塊遠(yuǎn)程上傳數(shù)據(jù)，完成油液磨粒的在線監(jiān)測(cè),，從而彌補(bǔ)傳統(tǒng)油液磨粒檢測(cè)方法在復(fù)雜工業(yè)現(xiàn)場(chǎng)環(huán)境中因檢測(cè)尺寸范圍不足和檢測(cè)時(shí)間滯后帶來(lái)的不便,，使得能根據(jù)磨粒驟升趨勢(shì)及時(shí)做出預(yù)警。

1 系統(tǒng)整體結(jié)構(gòu)

    如圖1所示,，本系統(tǒng)由油樣及光路,、圖像采集及處理和數(shù)據(jù)傳輸三個(gè)子系統(tǒng)組成。

    油液磨粒圖像監(jiān)測(cè)系統(tǒng)的油樣及光路子系統(tǒng)負(fù)責(zé)從主油路上分流出供圖像采集設(shè)備采集的油樣樣本,。在主控芯片的控制下,，從油液主過(guò)濾系統(tǒng)前的主油路上經(jīng)分流元件和蠕動(dòng)泵流入精密油池。使用背光源照射,，將磨粒形貌投影到下一子系統(tǒng)的CMOS面陣上,。

    圖像采集及處理子系統(tǒng)中，使用以ARM為核心的處理器,，通過(guò)程序控制繼電器進(jìn)一步控制蠕動(dòng)泵啟動(dòng),，從而控制油樣的采集；背光源照射的磨粒經(jīng)微距成像透鏡放大后成像到CMOS上，通過(guò)USB2.0數(shù)據(jù)線將采集到的圖像輸送到圖像采集處理子系統(tǒng)中,；通過(guò)程序處理采集到的圖像,，得到油液中磨粒的諸多特征量。

    數(shù)據(jù)傳輸子系統(tǒng)中,，無(wú)線模塊通過(guò)串口與ARM通信,，將ARM采集到的磨粒特征量以無(wú)線的方式發(fā)送至上位機(jī)，在上位機(jī)端接收,、制表及顯示油液反映的設(shè)備工作狀態(tài),，必要時(shí)發(fā)出提醒換油、停機(jī)和檢修等警報(bào),。

2 系統(tǒng)硬件組成

    系統(tǒng)硬件電路框圖如圖2所示,，主要由主控制芯片、工業(yè)鏡頭及相機(jī),、繼電器和無(wú)線通信模塊等組成,。

2.1 圖像處理硬件電路框圖

    圖像采集處理器由主處理器、通信接口電路,、內(nèi)存電路和調(diào)試電路組成,，其框圖如圖3所示。其中DDR3電路用于數(shù)據(jù)運(yùn)算,，eMMC電路用于數(shù)據(jù)存儲(chǔ),；通信接口電路通過(guò)USB和串口使主處理器與外部相機(jī)和無(wú)線模塊建立連接，實(shí)現(xiàn)主處理器與外部設(shè)備的通信,；調(diào)試電路用于軟件的燒錄和調(diào)試階段的顯示,。選用Freescale公司的I.MX6Q芯片作為圖像采集處理器的主處理器芯片，其片上資源豐富,，主頻高,，滿足嵌入式圖像處理要求。

2.2 數(shù)據(jù)通信硬件電路框圖

    數(shù)據(jù)的無(wú)線傳輸框圖如圖4所示,。其中GPRS無(wú)線通信模塊選擇SIMCOM公司的工業(yè)級(jí)四頻段的SIM800C進(jìn)行遠(yuǎn)程數(shù)據(jù)傳輸,，該芯片尺寸小、功耗低,，可以準(zhǔn)確實(shí)現(xiàn)數(shù)據(jù)無(wú)線傳輸,。芯片電流峰值瞬間可達(dá)2 A，為保證無(wú)線通信模塊穩(wěn)定運(yùn)行,，輸入電壓要穩(wěn)定在4.0 V,。其LDO供電電路如圖5所示。

3 系統(tǒng)軟件設(shè)計(jì)

    系統(tǒng)軟件主要由圖像處理程序,、GPRS通信程序和上位機(jī)顯示組成,。

    嵌入式油液磨粒檢測(cè)程序是基于視覺(jué)庫(kù)OpenCV,，運(yùn)行環(huán)境為ARM-Linux的嵌入式操作系統(tǒng)，最終實(shí)現(xiàn)油液磨粒圖像自動(dòng)采集,、處理和特征量無(wú)線上傳等操作。在系統(tǒng)初始化后判斷是否即刻開啟蠕動(dòng)泵和背光光源,，當(dāng)判斷為N時(shí)繼續(xù)等待,，當(dāng)判斷為Y時(shí)開啟繼電器從而開啟蠕動(dòng)泵和背光光源，使得從主油路上以on-line的形式采集油樣,，延時(shí)一段時(shí)間后當(dāng)油液充滿油池時(shí)關(guān)閉繼電器,，工業(yè)相機(jī)采集油液圖像并傳輸至ARM端，完成這一幀磨粒圖像的處理,，最后將數(shù)據(jù)以無(wú)線形式發(fā)送至上位機(jī),。其程序流程圖如圖6所示。

3.1 計(jì)算機(jī)視覺(jué)庫(kù)OpenCV

    OpenCV是由Intel公司提倡和參與開發(fā)的一款算法成熟可靠,、可在Windows/Linux/Mac端的操作系統(tǒng)上運(yùn)行的跨平臺(tái)的計(jì)算機(jī)視覺(jué)庫(kù)[6],。通過(guò)安裝對(duì)應(yīng)交叉編譯器，對(duì)源碼包,、依賴庫(kù)進(jìn)行配置和編譯,，實(shí)現(xiàn)該視覺(jué)庫(kù)的移植?？紤]系統(tǒng)的運(yùn)行穩(wěn)定性,，本文選擇的版本為OpenCV2.4.8。

3.2 磨粒圖像采集及處理

    帶有磨粒信息的油液樣本在背光源的作用下投影到CMOS上,，利用在Linux上的V4L2視頻內(nèi)核驅(qū)動(dòng),，實(shí)現(xiàn)對(duì)油液磨粒圖像的采集。

    在圖像采集完成后,，以ARM為核心的嵌入式硬件平臺(tái)實(shí)現(xiàn)對(duì)磨粒圖像的預(yù)處理,、背景分割和特征量計(jì)算。其程序功能方案如圖7所示,。

3.2.1 圖像濾波

    均值濾波算法簡(jiǎn)單運(yùn)算快,，但是會(huì)導(dǎo)致圖像模糊，只能減弱噪聲而無(wú)法有效濾除噪聲,。高斯濾波用于消除高斯噪聲,，但是仍會(huì)使圖像模糊，在拍攝時(shí)盡量使視場(chǎng)內(nèi)明亮且亮度均勻,，可有效降低高斯噪聲的產(chǎn)生,。根據(jù)油液磨粒圖像實(shí)際情況選擇中值濾波，其基本思想是利用某一像素點(diǎn)的一定鄰域范圍內(nèi)的中值來(lái)代替原值,，不僅能消除孤立噪聲點(diǎn),，還可以最大限度保留邊緣細(xì)節(jié)。

3.2.2 二值化

    為準(zhǔn)確從油液背景中分離出磨粒，需在輪廓提取前對(duì)預(yù)處理過(guò)的圖像進(jìn)行二值化以分離目標(biāo)和背景,。通常的做法是選定一個(gè)固定的閾值T,，因油液磨粒中目標(biāo)物體較油液背景的灰度值小，故可將大于T的像素灰度值設(shè)為255,，將小于T的像素灰度值設(shè)為0,。但該閾值需要人為主觀確定，易將目標(biāo)物體錯(cuò)劃分成背景,。

    OTSU(大津法)閾值分割算法能夠自動(dòng)確定閾值,。其基本思想是根據(jù)圖像的灰度特性，將圖像按類間距離極大準(zhǔn)則分成目標(biāo)和背景兩個(gè)部分^[7],。本文即使用OTSU算法,。

3.2.3 形態(tài)學(xué)運(yùn)算去噪

    對(duì)圖像進(jìn)行二值化后，磨粒邊緣會(huì)有輕微的缺損,，磨粒內(nèi)部甚至?xí)形⑿〉目障?，通過(guò)對(duì)二值圖進(jìn)行形態(tài)學(xué)開運(yùn)算，不僅能夠?qū)崿F(xiàn)對(duì)單像素級(jí)別噪聲的消除,，還能在纖細(xì)點(diǎn)處分離目標(biāo)磨粒,；對(duì)二值圖進(jìn)行形態(tài)學(xué)閉運(yùn)算，能夠消除因二值化導(dǎo)致的磨粒內(nèi)部小型孔洞,。兩種形態(tài)學(xué)操作能夠在不改變磨粒形狀和面積的情況下,，實(shí)現(xiàn)對(duì)二值化圖像的平滑處理。運(yùn)算效果如圖8和圖9所示,。

3.3 無(wú)線通信

    ARM處理完成后的磨粒圖像數(shù)據(jù)利用無(wú)線模塊發(fā)送至上位機(jī)完成繪圖制表和故障預(yù)警,。利用TCP/IP協(xié)議和AT指令，實(shí)現(xiàn)數(shù)據(jù)的可靠傳輸,。

3.4 上位機(jī)軟件

    上位機(jī)端采用QT編制界面,，實(shí)現(xiàn)對(duì)嵌入式平臺(tái)上傳數(shù)據(jù)的統(tǒng)計(jì)處理工作。

4 實(shí)驗(yàn)驗(yàn)證

    在完成嵌入式硬件調(diào)試和Windows系統(tǒng)端程序調(diào)試后,，將程序代碼進(jìn)行交叉編譯,，生成可在ARM-Linux上運(yùn)行的可執(zhí)行文件，再將該可執(zhí)行文件燒錄到ARM上,，進(jìn)行嵌入式平臺(tái)的磨粒圖像檢測(cè),。

    實(shí)驗(yàn)采用500萬(wàn)像素的相機(jī)拍攝一幀圖像為2 592×1 944、彩色.bmp格式的油液銅顆粒圖像,，經(jīng)對(duì)處理后的圖像和特征量比較發(fā)現(xiàn),，ARM端與PC端處理效果一致。其中處理效果如圖10,、圖11所示,。在軟件優(yōu)化前程序運(yùn)行時(shí)間如表1所示,。其部分特征量如表2所示。

    根據(jù)對(duì)小磨粒圖像多次測(cè)試,，發(fā)現(xiàn)對(duì)尺寸大于5 μm的磨粒能實(shí)現(xiàn)記數(shù)功能,，對(duì)尺寸大于20 μm的磨粒能實(shí)現(xiàn)統(tǒng)計(jì)其輪廓和特征量功能，該范圍滿足工業(yè)現(xiàn)場(chǎng)要求,。

5 結(jié)論

    按照以上硬件系統(tǒng)搭建電路并且燒寫軟件程序,，通過(guò)實(shí)驗(yàn)驗(yàn)證得出，該系統(tǒng)能夠?qū)崿F(xiàn)基于光學(xué)法的油液磨粒檢測(cè),，能夠穩(wěn)定快速準(zhǔn)確得出油液中磨粒基本特征量,，為將來(lái)依據(jù)此類特征量實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)的磨粒分類提供了基礎(chǔ)準(zhǔn)備,。

參考文獻(xiàn)

[1] 李忠，曾昭翔,，杜永平,，等.機(jī)車發(fā)動(dòng)機(jī)鐵譜磨削微粒的智能識(shí)別與分析[J].鐵道學(xué)報(bào)，1997(1)：22-27.

[2] 李紹成,，左洪福,，張艷彬.油液在線監(jiān)測(cè)系統(tǒng)中的磨粒識(shí)別[J].光學(xué)精密工程，2009,，17(3)：589-595.

[3] 張賢明,，熊少軍，陳彬,，等.油液顆粒污染在線監(jiān)測(cè)技術(shù)現(xiàn)狀[J].化工自動(dòng)化及儀表,，2014，41(11)：1223-1225,，1334.

[4] HUDNIKA V,，VIINTINB J.Key parameters for reliable prediction of machine failure using wear particle analysis[J].Tribology International，1991,，24(2)：95-98.

[5] 呂純,，張培林，吳定海,，等.基于超聲傳感器的油液磨粒在線監(jiān)測(cè)系統(tǒng)的研究[J].機(jī)床與液壓,，2016，44(7)：73-75.

[6] 王曉龍,，穆春陽(yáng),，張盼盼，等.基于ARM的農(nóng)藥噴霧飛行器越界控制系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用,，2015,，41(4)：36-39.

[7] 齊麗娜,，張博，王戰(zhàn)凱.最大類間方差法在圖像處理中的應(yīng)用[J].無(wú)線電工程,，2006(7)：25-26,，44.

作者信息:

胡澤民，施洪生,，亢  凱,，閻淵海

（北京交通大學(xué) 國(guó)家能源主動(dòng)配電網(wǎng)技術(shù)研發(fā)中心，北京100044）