何子軒，周新聰，況福明，黃 健

(1.武漢理工大學(xué) 能源與動(dòng)力工程學(xué)院，湖北 武漢 430063；2.國(guó)家水運(yùn)安全工程技術(shù)研究中心 可靠性與新能源研究所，湖北 武漢 430063)

船舶水潤(rùn)滑橡膠艉軸承摩擦振動(dòng)是其在低速重載及啟、停機(jī)等工況下，艉軸與橡膠軸承之間無(wú)法形成完整的潤(rùn)滑水膜，摩擦副處于干摩擦、邊界潤(rùn)滑或混合潤(rùn)滑狀態(tài)時(shí)[1-2]，出現(xiàn)的一種常見(jiàn)的、但未被完全理解的摩擦學(xué)現(xiàn)象，影響船舶自身可靠性和隱蔽性能。研究學(xué)者普遍認(rèn)為在不同的摩擦激勵(lì)下，橡膠艉軸承摩擦振動(dòng)會(huì)呈現(xiàn)出2種不同的動(dòng)態(tài)響應(yīng)，分別稱(chēng)作低頻顫振和高頻尖叫。此前，針對(duì)水潤(rùn)滑橡膠艉軸承摩擦振動(dòng)的研究多以相對(duì)簡(jiǎn)單的集中質(zhì)量模型為分析對(duì)象，從系統(tǒng)自激振動(dòng)的角度探討成因及影響因素，為了簡(jiǎn)化分析模型，普遍采用理想化或單一化的假設(shè)條件，會(huì)影響分析結(jié)果的可靠性，因此需要搭建相關(guān)試驗(yàn)臺(tái)架輔助研究。

試驗(yàn)研究方面，Ari J. Tuononen[3]通過(guò)數(shù)字圖像相關(guān)方法，計(jì)算玻璃平板和橡膠試塊接觸面的相對(duì)滑動(dòng)速度，并聯(lián)合摩擦力對(duì)橡膠“黏-滑”現(xiàn)象進(jìn)行機(jī)理分析。閆志敏[4]利用高速相機(jī)對(duì)水潤(rùn)滑橡膠艉軸承試塊的前側(cè)面進(jìn)行測(cè)量跟蹤，試驗(yàn)結(jié)果表明軸承試塊的頻率均不超過(guò)2 000 Hz。董從林[5]選用非接觸式激光多普勒振動(dòng)計(jì)，測(cè)量陶瓷小球和金屬圓盤(pán)間摩擦振動(dòng)位移信號(hào)，結(jié)合摩擦力對(duì)水潤(rùn)滑軸承的摩擦振動(dòng)機(jī)理進(jìn)行解釋。

為了便于可視化地探究水潤(rùn)滑橡膠艉軸承在不同摩擦激勵(lì)下的振動(dòng)現(xiàn)象，并且進(jìn)一步掌握其振動(dòng)特征，搭建了基于計(jì)算機(jī)視覺(jué)的原位測(cè)量系統(tǒng)，借由高速相機(jī)以一定頻率采集不同工況下的圖像序列。以測(cè)量系統(tǒng)采集的摩擦振動(dòng)圖像序列為研究對(duì)象，利用圖像增強(qiáng)、圖像分割和輪廓特征提取等圖像處理技術(shù)從序列中獲取橡膠試塊的振動(dòng)信息，為艉軸承摩擦振動(dòng)的機(jī)理研究和推進(jìn)軸系的減振降噪提供支持。

1 摩擦誘導(dǎo)振動(dòng)原位測(cè)量系統(tǒng)

圖1為水潤(rùn)滑橡膠艉軸承摩擦誘導(dǎo)振動(dòng)原位測(cè)量系統(tǒng)，摩擦振動(dòng)圖像序列的采集由圖1所示的測(cè)量系統(tǒng)完成，以高透明有機(jī)玻璃管代替金屬軸與橡膠試塊構(gòu)成摩擦副[6]，借由高速相機(jī)搭建可視化的原位測(cè)量系統(tǒng)。

圖1 水潤(rùn)滑橡膠艉軸承摩擦誘導(dǎo)振動(dòng)原位測(cè)量系統(tǒng)

測(cè)量系統(tǒng)中所使用的高速相機(jī)，型號(hào)為FASTCAM Mini AX200，拍攝參數(shù)分別設(shè)置為：分辨率1 024×512，快門(mén)速度1/4 000 s，拍攝速度4 000 fps。在此設(shè)置下單次試驗(yàn)拍攝時(shí)長(zhǎng)為5.459 25 s，單次拍攝21 837幀。

玻璃管外徑170 mm，厚度為10 mm，長(zhǎng)度為150 mm，試驗(yàn)中所選取的水潤(rùn)滑橡膠艉軸承板條材料的物理性能滿(mǎn)足CB/T 769-2008《船用整體式橡膠軸承》和MIL-DTL-17901C(SH)《Bearing Components,Bonded Synthetic Rubber,Water Lubricated》的要求，試塊的尺寸為70×30，顏色為黑色。試驗(yàn)前，利用光纖激光打標(biāo)機(jī)在試塊摩擦接觸面上打印30個(gè)標(biāo)記點(diǎn)，標(biāo)記點(diǎn)呈2排均勻分布，目標(biāo)點(diǎn)、備用點(diǎn)各1排15個(gè)。橡膠表面標(biāo)記點(diǎn)示意圖如圖2所示，圖2中虛線(xiàn)框部分為實(shí)際拍攝區(qū)域。單個(gè)標(biāo)記點(diǎn)(凹坑)深度為150 μm、直徑為300 μm，采用白色染色劑填充以加強(qiáng)反射。夾具上所貼標(biāo)準(zhǔn)標(biāo)定圓的實(shí)際尺寸為3.82 mm，可進(jìn)行簡(jiǎn)單的相機(jī)標(biāo)定[7]。

圖2 橡膠表面標(biāo)記點(diǎn)示意圖

2 圖像分析及處理

利用Windows系統(tǒng)下的Anaconda搭建環(huán)境，基于Python語(yǔ)言和OpenCV框架實(shí)現(xiàn)對(duì)摩擦振動(dòng)圖像序列的處理。因高速相機(jī)采樣頻率高且照明不足，所得圖片整體偏暗且目標(biāo)點(diǎn)弱小，灰度圖像中大部分像素點(diǎn)灰度值為0(黑色)，各目標(biāo)區(qū)域像素點(diǎn)灰度值不大且占比不多，需借助相關(guān)圖像處理技術(shù)提高目標(biāo)點(diǎn)振動(dòng)信息提取的準(zhǔn)確性。

2.1 圖像平滑

實(shí)際環(huán)境中每幅圖像都包含不同程度的噪點(diǎn)，這種噪點(diǎn)可以視作多種因素造成的灰度值的隨機(jī)變化，圖像平滑處理就是在保留原有圖像信息的條件下，濾除圖像內(nèi)部噪點(diǎn)，本文選用OpenCV提供的標(biāo)準(zhǔn)3×3卷積核的高斯濾波進(jìn)行所得圖像序列的平滑處理。

2.2 圖像閾值

為提高標(biāo)記點(diǎn)輪廓檢測(cè)精度，需要對(duì)灰度圖進(jìn)行閾值分割。閾值處理是一種簡(jiǎn)單的圖像分割方法，即根據(jù)灰度值信息提取目標(biāo)點(diǎn)，處理后的輸出圖像一般只有2種灰度值。

采用全局閾值處理，并套用了Otsu閾值處理方法，以O(shè)tsu閾值處理方法返回的閾值數(shù)據(jù)為參考，設(shè)定更為合適的全局閾值，遍歷圖像中的所有像素點(diǎn)，當(dāng)該像素點(diǎn)灰度值高于設(shè)定的閾值時(shí)，賦予該點(diǎn)一個(gè)新值255(白色)，小于閾值時(shí)則置為0(黑色)，此方法更適用于當(dāng)前應(yīng)用場(chǎng)合，能準(zhǔn)確快速地確定最佳閾值。利用返回的灰度值信息，經(jīng)反復(fù)試驗(yàn)比較，最終設(shè)定閾值為20，能較全保留標(biāo)記點(diǎn)信息，得到較好效果。

2.3 創(chuàng)建蒙版

創(chuàng)建蒙版(mask)是為了在圖像中框選出感興趣的區(qū)域，蒙住其他無(wú)關(guān)區(qū)域，從而使處理方法更具針對(duì)性，也能一定程度上提高后續(xù)計(jì)算的準(zhǔn)確性。當(dāng)前應(yīng)用場(chǎng)合創(chuàng)建的蒙版為mask[200:260,100:760]=255，mask的創(chuàng)建示意圖如圖3所示，mask與原圖大小一致(分辨率同為1 024×512)，白色部分為框選目標(biāo)點(diǎn)區(qū)域，黑色部分為遮蓋無(wú)關(guān)區(qū)域，在前述閾值分割的基礎(chǔ)上，導(dǎo)入mask進(jìn)行“與”操作就能只保留感興趣的區(qū)域。

圖3 mask的創(chuàng)建示意圖

2.4 輪廓檢測(cè)、篩選及形心計(jì)算

圖像的輪廓由一系列的點(diǎn)組成，用以定義對(duì)象的形狀或邊線(xiàn)，通過(guò)對(duì)圖像輪廓進(jìn)行操作可以獲取目標(biāo)圖像的大小位置等信息。使用創(chuàng)建的mask縮小目標(biāo)檢測(cè)區(qū)域，檢索所有輪廓并重建嵌套輪廓的完整層次結(jié)構(gòu)。計(jì)算檢測(cè)所得各輪廓的長(zhǎng)度，保留長(zhǎng)度在[5，20]區(qū)間內(nèi)的輪廓，經(jīng)自定義函數(shù)遍歷所有輪廓，刪除不滿(mǎn)足條件的。

輪廓矩代表一條輪廓、一幅圖像、一組點(diǎn)集的某些高級(jí)特征，一幅M×N的數(shù)字圖像f(x,y)，其p+q階幾何矩mpq的數(shù)值定義公式如下：

(1)

式中，f(x,y)為圖像在像素坐標(biāo)(x,y)處的灰度值。

(2)

依據(jù)長(zhǎng)度篩選輪廓是針對(duì)當(dāng)前應(yīng)用場(chǎng)合的一種簡(jiǎn)單有效的目標(biāo)檢測(cè)方法，試驗(yàn)發(fā)現(xiàn)單一篩選條件并不能完全規(guī)避形心計(jì)算時(shí)出現(xiàn)的報(bào)錯(cuò)，故添加被除數(shù)(即零階矩m00)不為零的條件共同約束。

3 試驗(yàn)結(jié)果分析

本文應(yīng)用前述處理方法對(duì)若干數(shù)據(jù)進(jìn)行了處理，以其中3組典型圖像序列為例進(jìn)行分析，3組試驗(yàn)的試驗(yàn)工況如表1所示。

表1 試驗(yàn)工況

需要說(shuō)明的是，每組試驗(yàn)待現(xiàn)象穩(wěn)定后開(kāi)始采集，進(jìn)行時(shí)域分析時(shí)選擇以每組試驗(yàn)第一幀為參考，分別提取試塊和夾具位移信息(以圖像畫(huà)面中央即第一排右數(shù)第7個(gè)目標(biāo)點(diǎn)為例)，參考的選取并不影響位移變化的趨勢(shì)，位移正值表示相對(duì)第一幀所在位置右移(即趨近標(biāo)定圓方向)，負(fù)值則表示相對(duì)第一幀所在位置左移，以此來(lái)表述目標(biāo)點(diǎn)真實(shí)運(yùn)動(dòng)狀況。

試驗(yàn)I全幀數(shù)分析結(jié)果顯示拍攝4.353 75 s后停機(jī)，截取的前200幀圖像處理結(jié)果如圖4所示。圖4(a)為試驗(yàn)I橡膠板條的運(yùn)動(dòng)狀況，其位移變化范圍為-0.116～0.530 mm，圖4(b)為試驗(yàn)I夾具的運(yùn)動(dòng)狀況，其位移變化范圍為-0.079～0.444 mm。由圖4可知，該工況下約61幀(即0.015 s)為一個(gè)振動(dòng)周期，周期前半段(約27幀)為橡膠試塊與玻璃管轉(zhuǎn)動(dòng)方向一致的滑動(dòng)過(guò)程，后半段(約34幀)為目標(biāo)點(diǎn)位移反復(fù)變向的黏著過(guò)程。

圖4 試驗(yàn)I前200幀數(shù)據(jù)分析結(jié)果

試驗(yàn)II全幀數(shù)分析結(jié)果顯示拍攝4.323 75 s后停機(jī)，圖5為試驗(yàn)Ⅱ前200幀圖像處理結(jié)果。圖5(a)為試驗(yàn)II橡膠板條的運(yùn)動(dòng)狀況，其位移變化范圍為-0.103～0.041 mm，圖5(b)為試驗(yàn)II夾具的運(yùn)動(dòng)狀況，其位移變化范圍為-0.276～0.068 mm，尖叫現(xiàn)象發(fā)生時(shí)夾具振幅明顯大于橡膠板條，時(shí)域分析結(jié)果已明顯區(qū)別于試驗(yàn)I工況下采集的數(shù)據(jù)。

圖5 試驗(yàn)II前200幀數(shù)據(jù)分析結(jié)果

試驗(yàn)III的全幀數(shù)分析結(jié)果顯示當(dāng)前試驗(yàn)并未完整捕捉到停機(jī)數(shù)據(jù)，為便于展現(xiàn)當(dāng)前工況下的運(yùn)動(dòng)規(guī)律，截取前2 024幀圖像以分析橡膠板條和夾具的運(yùn)動(dòng)狀況如圖6所示。圖6(a)為試驗(yàn)III橡膠板條的運(yùn)動(dòng)狀況，其位移變化范圍為-0.007～0.107 mm，圖6(b)為試驗(yàn)III夾具的運(yùn)動(dòng)狀況，其位移變化范圍為-0.108～0.232 mm，水潤(rùn)滑效果明顯好于前2種工況。

圖6 試驗(yàn)III前2 024幀數(shù)據(jù)分析結(jié)果

4 結(jié)束語(yǔ)

1)搭建水潤(rùn)滑橡膠艉軸承摩擦振動(dòng)可視化試驗(yàn)臺(tái)架，借由高速相機(jī)采集橡膠試塊沿軸切線(xiàn)方向的振動(dòng)圖像序列，運(yùn)用圖像處理技術(shù)實(shí)現(xiàn)高彈性體的非接觸振動(dòng)測(cè)量。

2)利用Python和OpenCV，通過(guò)靈活設(shè)置蒙版大小縮小檢測(cè)區(qū)域、準(zhǔn)確的輪廓篩選等方法，可有效提升對(duì)水潤(rùn)滑橡膠艉軸承摩擦振動(dòng)圖像序列中弱小、位移不大的運(yùn)動(dòng)目標(biāo)的處理速度和準(zhǔn)確性，為振動(dòng)信息的提取提供支撐。

3)提出圖像序列處理方法，能快速準(zhǔn)確地提取水潤(rùn)滑橡膠艉軸承在不同工況下的運(yùn)動(dòng)特征。