Голям лагерен нагревател
При изпитване при тежки условия на околната среда като висока температура, висок шум, прах, вибрации и т.н., то не само ще навреди на физическите и психологическите на инспектора, но и ще направи инспектора често неспособен да работи нормално. Ето защо, изследването за откриване на повърхностни дефекти на лагерни пръстени на големи лагерни нагреватели се превърна в гореща точка през последните години. Въз основа на дигитална технология за обработка на изображения, нашият отдел е извършил проучвания за откриване на повърхностни дефекти на лагерни пръстени на големи лагерни нагреватели. Основното съдържание е следното:
1. Тип на ефективността и анализ на повърхността на повърхностните дефекти на лагерните пръстени на големи носещи нагреватели.
2. Анализ на алгоритъма за откриване на ръбовете на изображението. За сравняване и откриване на изображенията на дефектите на лагерните пръстени на големи носещи нагреватели се използват различни класически оператори на откриване на ръбове и се предлага подобрен оператор за откриване на sobel edge.
3. Екстракция и избор на дефектни функции. Невариантните характеристики на hu, морфологичните характеристики и текстурата са извлечени от изображението на дефекта и бяха извършени систематичен анализ и демонстрация, за да се определят инвариантните характеристики на hu, необходими за разпознаване на класификацията.
4. Изследване на класификация и признаване алгоритъм на базата на BP невронни мрежа.
Проучване на метода на аудио диагностика на лагернагревател повреда
(1) Аудио сигналът на лагерния нагревател съдържа важна информация за състоянието му на движение. Чрез анализиране на тази информация диагнозата на повреда на лагерния лагер може да се извърши ефективно, а аудио сигналът може да се събере по безконтактен начин, който е удобен за използване и ниско разходно предимство.
(2) Според предимството, че всички параметри в дискретни Скрит марков модел (DHMM) са дискретни стойности, ние предлагаме нов метод за аудио диагностика на неизправности на лагерите въз основа на DHMM, който има просто моделиране, бърза скорост на изчисление и диагностична точност Разширени функции.
(3) Тъй като непрекъснатата функция на гъстотата на сместа на Гаус може да се използва за описание на изходната вероятност по-разумно, хартията предлага нов метод за носене на аудио диагностика на повреда въз основа на непрекъснатата гаусова смес плътност (Contlnuous Gaussian смес Скрит модел Марков, CMMGH). В същото време алгоритъмът за обучение и диагностика се подобрява с помощта на параметър абсцес метод за инициализация на параметри темпото на параметри теории и калибриращия коефициент напред-назад.
(4) е провел сравнителен анализ на резултатите от диагностичните тестове на DHMM и CGHMM методи. DHMM алгоритъм е по-добре от общия Алгоритъм за CGHMM в скоростта, но точността на диагностика та е по-ниска от алгоритъма cGHMM.