-
题名基于涡流热成像图像的边缘检测方法研究
被引量：3
- 1
-
-
作者
杨明莉
范玉刚
毕野
-
机构
昆明理工大学矿物管道输送工程技术研究中心
-
出处
《电子测量技术》
2019年第24期131-137,共7页
-
文摘
针对磁铁性材料缺陷检测的问题,设计了一种基于涡流加热的无损检测探伤硬件平台及热成像数据采集系统,实验使用涡流加热设备对待测金属试件进行涡流加热,同时使用红外热像采集设备对金属试件进行实时的数据采集,并将数据转换成图像。针对采集的热图像含有大量的噪声、边缘信息模糊等问题,提出了一种基于Lab颜色空间和多尺度数学形态学相结合的边缘检测方法,应用于金属材料缺陷边缘检测。该方法首先利用XYZ变换把涡流热像图从RGB颜色空间转换到Lab颜色空间;然后在Lab颜色空间下提取出a分量颜色特征;最后采用多尺度多结构元素的数学形态学算法进行边缘检测,识别出缺陷边缘。实验结果表明,该方法能够有效地消除噪声干扰,识别出图像的缺陷边缘,在检测准确性和抗噪声性能方面都优于传统的形态学算法。
-
关键词
无损检测
涡流热像图
Lab颜色空间
多尺度数学形态学
边缘检测
-
Keywords
nondestructive testing
eddy current thermal image
lab color space
multi-scale mathematical morphological
edge detection
-
分类号
TP23
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于SVD和SVDD的轴承故障诊断
被引量：4
- 2
-
-
作者
刘英杰
范玉刚
吴建德
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学矿物管道输送工程技术研究中心
-
出处
《控制工程》
CSCD
北大核心
2018年第3期423-427,共5页
-
基金
国家自然科学基金资助项目(51169007)
云南省科技计划项目(2013CA022&2012DA005&2011DH034)
-
文摘
将振动信号进行有效的特征提取与描述，是轴承故障诊断的关键。针对轴承实际运行当中，因故障数据的缺乏而严重影响故障诊断准确性的问题，采用了基于奇异值分解和支持向量数据域描述相结合的轴承故障智能诊断方法。首先，对正常运行的振动信号进行奇异值分解，提取分量信号的能量，构建振动信号的特征向量。然后建立轴承支持向量数据域描述正常运行状态模型，以振动信号特征值偏离支持向量数据域描述模型的程度为标准，判断轴承运行状态。试验结果表明，将该方法应用于滚动轴承的故障诊断中可以有效提取振动信号的故障特征，提高轴承故障诊断的准确性。
-
关键词
奇异值分解
单值分类
支持向量数据域描述
故障诊断
-
Keywords
Singular value decomposition
single valued classification
support vector data description
fault diagnosis
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
