胡代弟，李銳君

（鄭州西亞斯學(xué)院 電子信息工程學(xué)院，新鄭 451150）

0 引言

隨著現(xiàn)代科學(xué)技術(shù)以及工業(yè)技術(shù)的飛速發(fā)展，對(duì)機(jī)械設(shè)備零件疲勞壽命檢測(cè)精度提出了更高的要求，同時(shí)也進(jìn)一步完善了智能化檢測(cè)發(fā)展的理論基礎(chǔ)和基礎(chǔ)，擴(kuò)展了檢測(cè)技術(shù)的應(yīng)用領(lǐng)域和方式?，F(xiàn)階段，機(jī)械系統(tǒng)的零件越來(lái)越復(fù)雜，安全性明顯跟不上時(shí)代發(fā)展的步伐，由于機(jī)械零件失效而引發(fā)的安全事故日益增加。通常情況下，當(dāng)機(jī)械設(shè)備零件的使用壽命達(dá)到極限需要及時(shí)更新零件，同時(shí)在使用過程中需要定期檢查和維修。但是由于實(shí)際情況和使用條件存在偏差，會(huì)導(dǎo)致使用壽命明顯低于預(yù)計(jì)使用壽命，假設(shè)繼續(xù)按照設(shè)定的條件使用或者更換，會(huì)導(dǎo)致事故的發(fā)生。為了有效解決上述問題，國(guó)內(nèi)相關(guān)專家給出了一些較好的研究成果，例如王成等人[1]根據(jù)實(shí)車測(cè)試獲取主軸動(dòng)態(tài)扭矩，同時(shí)組建有限元模型，對(duì)主軸疲勞壽命檢測(cè)。萬(wàn)夫等人[2]組建油管壽命檢測(cè)模型，通過模型完成檢測(cè)。何景強(qiáng)等人[3]采用虛擬機(jī)技術(shù)在動(dòng)力學(xué)軟件中構(gòu)建剛?cè)狁詈夏Ｐ?，?duì)模型加載和求解，獲取應(yīng)力載荷譜，對(duì)其統(tǒng)計(jì)和分析，同時(shí)實(shí)施正態(tài)分布擬合處理，獲取幅值和均值變化規(guī)律，得到工作機(jī)構(gòu)疲勞壽命變化規(guī)律，最終實(shí)現(xiàn)壽命檢測(cè)。但是以上方法在監(jiān)測(cè)過程中，由于未對(duì)待檢測(cè)物體的圖像進(jìn)行濾波處理，導(dǎo)致其圖像效果不佳，影響檢測(cè)結(jié)果的準(zhǔn)確性。

因此，本文提出一種基于機(jī)器視覺的機(jī)械設(shè)備零件疲勞壽命檢測(cè)方法。經(jīng)實(shí)驗(yàn)測(cè)試證明，所提方法可以獲取高精度的檢測(cè)結(jié)果。

1 方法的設(shè)計(jì)

1.1 機(jī)械設(shè)備零件圖像的采集與預(yù)處理

由CCD攝像機(jī)、激光器以及采集卡等共同組成機(jī)器視覺系統(tǒng)，通過機(jī)器視覺系統(tǒng)采集機(jī)械設(shè)備零件圖像，在采集過程中，需要對(duì)設(shè)置函數(shù)實(shí)時(shí)調(diào)整，同時(shí)選擇合適的參數(shù)編程，將采集到的圖像展示在屏幕上，使采集結(jié)果具有可視性。

通過機(jī)器視覺系統(tǒng)采集到的零件圖像為彩色圖像，由于受到激光以及帶通濾光片等因素的影響，零件圖像中的疲勞損傷區(qū)域不同像素的紅色分量，明顯高于其他分量。提取機(jī)械設(shè)備零件圖像中的紅色分量作為疲勞特征，當(dāng)圖像經(jīng)過黑白化處理后，需要將彩色圖像的各個(gè)顏色分量轉(zhuǎn)換為一個(gè)數(shù)值，具體的轉(zhuǎn)換過程如式(1)所示：

式(1)中，F(xiàn)(x，y)代表經(jīng)過轉(zhuǎn)換后得到的顏色分量；s、t和r分別代表不同顏色分量的權(quán)值。

機(jī)械設(shè)備零件圖像在采集或者傳輸過程中會(huì)受到一定程度噪聲干擾，所以濾波處理是不可缺少的重要環(huán)節(jié)。以下主要通過改進(jìn)的中值濾波方法降噪，具體的操作過程如下所示：

1）設(shè)定濾波窗口大小為a×b，在窗口中，灰度級(jí)的最大、最小以及平均值分別為Hmax、Hmin、Hp，g(i，j)代表窗口中心值。通過自適應(yīng)濾波器需求，調(diào)整窗口大小，同時(shí)將全部參數(shù)初始化處理，假設(shè)接收到擴(kuò)大窗口的指令，則繼續(xù)步驟(2)；反之，重復(fù)步驟(1)。

2）中值濾波處理：

為了更好將機(jī)械設(shè)備零件中的圖像濾除[4]，需要將中值濾波器和均值濾波器兩者結(jié)合，組建一個(gè)全新的濾波窗口，確保零件圖像的疲勞區(qū)域細(xì)節(jié)信息得到有效保存。

在機(jī)械設(shè)備零件圖像濾波處理過程中，需要根據(jù)圖像大小對(duì)各個(gè)像素檢測(cè)。另外，在濾波過程中，全部像素的原始值均被中值替換，在后續(xù)計(jì)算中值的過程中可能會(huì)采用全新的像素值，形成一個(gè)完整的迭代過程。經(jīng)過改進(jìn)后，算法的詳細(xì)操作步驟如下：

(1）機(jī)械設(shè)備零件圖像在設(shè)定窗口內(nèi)滑動(dòng)，獲取窗口的中心像素；

(2）讀取窗口中的像素值；

(3）判斷像素中心的平均像素值；

(4）假設(shè)窗口內(nèi)的像素值大于平均像素值，則搜索中值，同時(shí)使像素平均值等于像素灰度級(jí)的中值；反之，則保持機(jī)械設(shè)備零件圖像不變。

(5）輸出經(jīng)過改進(jìn)中值濾波處理的機(jī)械設(shè)備零件圖像，有效保留圖像細(xì)節(jié)信息，同時(shí)有效增加信息處理速度。

當(dāng)圖像完成濾波處理后，無(wú)法在直接在圖像提取有利用價(jià)值的信息，需要進(jìn)一步分析和處理。在實(shí)際操作過程中，通過邊緣檢測(cè)獲取機(jī)械設(shè)備零件圖像的疲勞特征。優(yōu)先需要確定激光條紋區(qū)域，然后尋找其他邊緣，有效降低信息提取工作量。當(dāng)識(shí)別到目標(biāo)的邊緣后，需要在邊緣中提取重要的特征，獲取零件疲勞的主要特征信息。

通過機(jī)械設(shè)備零件灰度圖的直方圖，可以得到圖像k(i，j)的灰度值變化情況。設(shè)定閾值的取值為S，將直方圖劃分為兩部分，具體如式(2)所示：

邊緣提取是一種比較常用的多尺度邊緣檢測(cè)方法，根據(jù)下采樣變換的平移不變特性，在不同尺度下分別實(shí)施梯度計(jì)算和邊緣特征提取，進(jìn)而獲取零件圖像邊緣的頻率變化情況，最終提取到機(jī)械設(shè)備零件圖像的疲勞特征。

為了簡(jiǎn)化計(jì)算過程，需要將含有符號(hào)的子帶系數(shù)取值全部設(shè)定為0，通過NCST將原始機(jī)械設(shè)備零件圖像劃分為4個(gè)不同的子帶，設(shè)定4個(gè)方向的矢量分別表示為G1(a，b)、G2(a，b)、G3(a，b)和G4(a，b)，則對(duì)應(yīng)子帶圖像的位置可以表示為式(3)～式(6)的形式：

式(5)，式(6)中，G23(a，b)和G11(a，b)代表對(duì)應(yīng)方向組成的合成矢量；α24和α14分別代表位于不同方位的矢量角。

合成全部梯度向量，最終提取機(jī)械設(shè)備零件圖像的特征m(x，y)，如式(7)所示：

1.2 機(jī)械設(shè)備零件疲勞特征融合處理

通過NSST逆變換將提取到的機(jī)械設(shè)備零件疲勞特征融合處理，詳細(xì)的操作步驟如圖1所示。

圖1 基于NSST逆變換的機(jī)械設(shè)備疲勞特征融合流程圖

對(duì)機(jī)械設(shè)備零件圖像中各個(gè)像素點(diǎn)和相鄰像素點(diǎn)之間的灰度值差異實(shí)施分析，全部刻畫圖像的梯度特征。同時(shí)引入一種全新的空間頻率指標(biāo)Te，如式(8)所示：

式(8)中，h(i)、c(i)、mdf(i)和sdf(i)分別代表圖像在不同方向的梯度水平。

將尺寸為m×n的機(jī)械設(shè)備零件圖像作為研究對(duì)象，分別給出不同方向的梯度水平計(jì)算公式：

式(9)中，ωad代表距離權(quán)值；H(i,j)代表原始機(jī)械設(shè)備零件圖像。

通過式(9)可知，當(dāng)c(i)的取值越大，代表機(jī)械設(shè)備零件圖像的梯度水平取值越大，和鄰近像素點(diǎn)之間的差距也就越顯著，并且包含的圖像細(xì)節(jié)信息也更加豐富完整。

也可以通過局部能量描述像素點(diǎn)特征，其中局部能量Damd(i,j)對(duì)應(yīng)的計(jì)算式為：

在低頻子帶圖像系數(shù)的選擇方法可以表示為式(11)的形式：

通過以上操作，完成機(jī)械設(shè)備零件圖像低頻微觀子帶圖像融合，繼續(xù)實(shí)施高頻微觀子帶圖像融合，詳細(xì)的操作步驟如下：

將機(jī)械設(shè)備零件圖像平滑處理，獲取圖像對(duì)應(yīng)的偏差陣列G(x,y)，如式(12)所示：

通過非極大值閾值圖像，同時(shí)增加雙閾值，對(duì)圖像的細(xì)節(jié)部分補(bǔ)充，最終達(dá)到圖像特征融合的目的。同時(shí)借助Canny算子有效保留機(jī)械設(shè)備零件圖像的細(xì)節(jié)信息。

1.3 機(jī)械設(shè)備零件疲勞壽命檢測(cè)

支持向量機(jī)（Support Vector Machine，SVM）[5]是統(tǒng)計(jì)模式識(shí)別領(lǐng)域中一項(xiàng)十分重要的技術(shù)，將SVM和模糊理論相結(jié)合，形成模糊SVM，基本操作思想為：

如果在“一對(duì)多”的情況第n類區(qū)域其他類，則對(duì)應(yīng)的決策函數(shù)仍舊使用SVM，對(duì)應(yīng)的判別函數(shù)Ei(n)表示為式(13)的形式：

其中，模糊隸屬度函數(shù)在整個(gè)模糊SVM中占據(jù)十分重要的地位，同時(shí)還會(huì)對(duì)算法的計(jì)算耗時(shí)以及分類結(jié)果準(zhǔn)確性產(chǎn)生一定的影響。所以，需要針對(duì)實(shí)際情況，設(shè)計(jì)滿足需求的隸屬度函數(shù)，使其可以準(zhǔn)確反映測(cè)試樣本的不確定性。

判定隸屬度取值大小的核心即為樣本所在序列的相對(duì)重要性或者貢獻(xiàn)大小。在模糊SVM中，設(shè)定k～代表類中信息，l代表半徑，則半徑可以采用式(14)計(jì)算得到：

通過上述分析，采用模糊SVM對(duì)機(jī)械設(shè)備零件疲勞壽命檢測(cè)，詳細(xì)的操作流程如圖2所示：

圖2 基于模糊SVM的機(jī)械設(shè)備零件疲勞壽命檢測(cè)流程圖

1）對(duì)SVM分類器訓(xùn)練，同時(shí)獲取初始階段的支持向量，構(gòu)建決策分類面；

2）計(jì)算樣本集合對(duì)應(yīng)的中心向量；

3）通過以上兩個(gè)步驟獲取中心向量，同時(shí)計(jì)算2個(gè)球的半徑取值；

4）計(jì)算得到模糊隸屬度函數(shù)；

5）確定模糊訓(xùn)練集；

6）訓(xùn)練模糊點(diǎn)，同時(shí)建立最優(yōu)分類函數(shù)，最終得到模糊SVM分類器；

7）將樣本輸入到模糊SVM分類器中，輸出分類結(jié)果，最終實(shí)現(xiàn)機(jī)械設(shè)備零件疲勞壽命檢測(cè)。

2 實(shí)例驗(yàn)證

為了驗(yàn)證所提基于機(jī)器視覺的機(jī)械設(shè)備零件疲勞壽命檢測(cè)方法的有效性，采用文獻(xiàn)[1]方法和文獻(xiàn)[2]方法共同進(jìn)行實(shí)驗(yàn)，對(duì)盾構(gòu)機(jī)螺旋輸送機(jī)螺旋軸滑動(dòng)軸承（非主軸承）的疲勞壽命進(jìn)行檢測(cè)，以此驗(yàn)證本文設(shè)計(jì)方法的有效性和優(yōu)越性。該軸承型號(hào)為938/932CD，為可分離軸承，軸承鋼材質(zhì)，公稱內(nèi)徑200mm，公稱外徑300mm，公稱寬度100mm，重量70kg。盾構(gòu)機(jī)輸送機(jī)螺旋軸滑動(dòng)軸承實(shí)物圖如圖3所示。

圖3 輸送機(jī)螺旋軸滑動(dòng)軸承

將該軸承安裝在盾構(gòu)機(jī)螺旋輸送機(jī)螺旋軸中，使其正常運(yùn)轉(zhuǎn)。在經(jīng)過432h之后，該滑動(dòng)軸承產(chǎn)生一定磨損，通過采集得到該軸承的磨損圖像，如圖4所示。

圖4 試驗(yàn)軸承磨損圖像

以圖4的原始磨損圖像為基礎(chǔ)，采用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和本文方法，分別對(duì)圖像進(jìn)行預(yù)處理，并對(duì)處理后的待檢測(cè)區(qū)域每個(gè)像素點(diǎn)的灰度值進(jìn)行計(jì)算，并繪制不同方法處理后的灰度直方圖。如圖5所示。

圖5 不同方法處理后的灰度直方圖

通過圖5可以看出，文獻(xiàn)[1]方法在進(jìn)行圖像預(yù)處理后待檢測(cè)目標(biāo)區(qū)域最大灰度值為75；文獻(xiàn)[2]方法在進(jìn)行圖像預(yù)處理后待檢測(cè)目標(biāo)區(qū)域最大灰度值為90；而本文方法在進(jìn)行圖像濾波處理后待檢測(cè)目標(biāo)區(qū)域最大灰度值為120，相比另兩種方法的灰度值更高，說明本文方法采用的濾波處理效果更好。此時(shí)不同方法下，磨損圖像的空間頻率對(duì)比如圖6所示。

圖6 不同方法的圖像空間頻率對(duì)比

通過圖6可看出，相比另兩種文獻(xiàn)方法，本文方法的圖像空間頻率較為穩(wěn)定，能夠?yàn)榛瑒?dòng)軸承的疲勞壽命檢測(cè)提供較好的基礎(chǔ)。

為了更好的驗(yàn)證本文方法的實(shí)際應(yīng)用性能，對(duì)滑動(dòng)軸承的實(shí)際損傷值進(jìn)行測(cè)試，針對(duì)滑動(dòng)軸承運(yùn)行120h～170h之間的損傷值進(jìn)行檢測(cè)，對(duì)比不同方法檢測(cè)值與實(shí)際損傷值之間的差距。測(cè)試結(jié)果如圖7所示。

圖7 不同方法檢測(cè)到的損傷值測(cè)試結(jié)果

分析圖7中的實(shí)驗(yàn)數(shù)據(jù)可知，文獻(xiàn)[1]方法和文獻(xiàn)[2]方法的檢測(cè)損傷值均高于測(cè)試滑動(dòng)軸承的實(shí)際損傷值，這兩種方法的檢測(cè)結(jié)果與實(shí)際結(jié)果都具有一定的差距；而本文方法的檢測(cè)損傷值與測(cè)試滑動(dòng)軸承的實(shí)際損傷值較為接近，與另外兩種方法相比，本文方法獲取的損傷值的準(zhǔn)確性更高。

在完成損傷值檢測(cè)后，與兩種文獻(xiàn)方法一起對(duì)滑動(dòng)軸承進(jìn)行10次疲勞壽命檢測(cè)，實(shí)際運(yùn)轉(zhuǎn)時(shí)間為432h，檢測(cè)結(jié)果如表1所示。

表1 不同方法的滑動(dòng)軸承疲勞壽命檢測(cè)結(jié)果

分析表1中的實(shí)驗(yàn)數(shù)據(jù)可知，本文方法的檢測(cè)結(jié)果與實(shí)際運(yùn)轉(zhuǎn)432h最為接近，能夠?qū)崿F(xiàn)對(duì)機(jī)械設(shè)備零件疲勞壽命的準(zhǔn)確檢測(cè)，可以獲取和真實(shí)壽命值更加接近的檢測(cè)結(jié)果，說明所提方法在對(duì)機(jī)械設(shè)備零件疲勞壽命檢測(cè)中具有一定的優(yōu)越性能。

3 結(jié)語(yǔ)

針對(duì)傳統(tǒng)方法存在的一系列問題，設(shè)計(jì)并提出基于機(jī)器視覺的機(jī)械設(shè)備零件疲勞壽命檢測(cè)方法。經(jīng)過實(shí)驗(yàn)測(cè)試分析可知，在采用本文方法對(duì)圖像進(jìn)行濾波處理后，圖像灰度值更高，空間頻率較為穩(wěn)定，對(duì)機(jī)械設(shè)備零件疲勞壽命檢測(cè)具有較好的準(zhǔn)確性，可以被應(yīng)用于不同工程中，為其提供一定的數(shù)據(jù)支撐。