文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.180358
中文引用格式: 胡澤民,,施洪生,亢凱,,等. 基于光學(xué)法的油液磨粒在線監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用,,2018,44(8):52-55.
英文引用格式: Hu Zemin,,Shi Hongsheng,,Kang Kai,et al. Design of oil wear debris online monitoring system based on optical method[J]. Application of Electronic Technique,,2018,,44(8):52-55.
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)