APP下载

大电机滑动轴承磨损的光学监测新方法

2014-07-24董鉴锋

上海大中型电机 2014年4期
关键词:双色特征值显微镜

董鉴锋

(哈尔滨电机厂有限责任公司, 黑龙江哈尔滨 150040)

大电机滑动轴承磨损的光学监测新方法

董鉴锋

(哈尔滨电机厂有限责任公司, 黑龙江哈尔滨 150040)

指出了滑动轴承劣化虽然可以采用不同的诊断方法,但是实践表明,铁粉粒子分析技术才是能够发现以往不能检测出来的磨损、烧结、疲劳剥离等故障的新方法。为了预防轴承劣化,防患于未然,应当采用采用双色显微镜的图像处理技术和三层神经网络分析方法,并通过轴承磨损粒子来实现自动监测诊断的新技术。这种新方法的应用效果很好,正在推广应用中。

轴承磨损;光学监测;磨损粒子

0 引言

大型电机的运行故障主要是绝缘破坏、轴承劣化、电刷和集电环磨损等。轴承劣化的诊断方法有:低频振动法、光谱分析法、振动加速法、铁粉(磨损粒子)分析法等。 铁粉分析法是利用双色光学显微镜目测来确定磨损粒子的种类、数量和大小。 由于采用了图像处理技术和神经网络判断方法,从而实现了磨损粒子的自动检测,提高了诊断的准确性。

1 铁粉测定原理

铁粉分析法,是应用铁粉测定器将润滑油中的磨损粒子分离出来,并通过双色显微镜进行分析的方法。采用油泵将采集的润滑油输送到长度约为 55 mm 的呈现倾斜状态的玻璃滑板上。玻璃板下置有磁场,其强度由滑板的高处向低处逐步增强。 润滑油中材质和尺寸各异的磨损粒子,在磁力、重力和润滑油挤压力的综合作用下,分别沉淀在玻璃板上各自的位置。 而在玻璃板的高处,即润滑油试样的入口处,则沉淀着比较大的磁性粒子。双色显微镜工作原理示意图如图1所示。

图1 双色显微镜工作原理示意图

双色光学显微镜由两个部分组成 :(1) 目镜部分——由目镜、滤光器和反射光源组成,能够透射白色反射光;(2) 物镜部分——由物镜、铬铁滑板、滤光器和透射光源组成,能够透射绿色偏振光,清晰地观察到粒子的形状、材质、种类及其成因,从而可以判断轴承损伤的性质。除了双色光学显微镜而外,它还包括摄像机、图像转换机、计算机、监视器等。 摄像机的显微镜放大能力为500倍。 由于非金属晶粒比其它粒子大,所以只要200倍即可。根据磨损粒子的大小和数量,便可以判断损伤程度、磨损粒子的种类及其成因见表 1。

表1 轴承磨损粒子的种类及其成因

2 磨损粒子特征

为了识别磨损粒子的种类,采用输入图像与标准图像进行对比的方法。根据粒子的大小、形状和颜色等,便可以判断粒子的面积、周长、圆度以及颜色亮度等特征值。这种将图像数据输入计算机进行图像处理来判断粒子特征值的技术,称为前处理。此外,还要进行第二个处理过程,即:采用三层神经网络进行识别。 此时采用的输入数据是经过前处理程序取得的各种粒子特征值,而不能直接采用图像数据。

经过前处理以后获得的磨损粒子特征值数据如表2所示。

表2 磨损粒子特征值 p.u.

3 前处理程序

在前处理阶段获得的磨损粒子标准特征值,包括亮度在内的2个双值化极限值(即上限值和下限值)及与形状有关的面积、周长、圆度等共 5 个参数,应当采用五维空间表达方式。 但是有一定困难。 所以将它分为两个部分,即亮度的二维变换和形状的三维变换。 此外,还采用神经网络来对应空间分布,实现粒子类别的划分。

3.1 亮度特征值

进行前处理时,首先应当计算输入计算机的图像像素的亮度,即根据色泽模型的定义计算出色度和亮度。 根据这个亮度值,并通过直方图,便能确定各种磨损粒子的固有亮度特征值。

3.2 图像双值化

根据颜色模型确定粒子亮度的上、下限值,并应用极限值将图像中的磨损粒子实现双值化。

3.3 粒子贴标签

通过贴标签,可以查明在具有 512×480 像素的图像中的粒子数量。

3.4 消除噪声

由于图像中含有背景噪声,所以必须进行清除噪声的处理程序。

3.5 轮廓线跟踪

3.6 图形计算

对于已经贴过标签的各种粒子,进行计算与粒子形状特征有关的参数值。其中包括 面积周长和圆度等。 最后以面积和周长为基础,测出形状复杂度,作为特征值。而 圆度= 4π×(面积 ) / (周长)2。

4 特征值正规化

在进行双值化处理过程中,共有下述5个参数,构成特征空间分布:即亮度的上限值和下限值,以及与图形有关的面积周长和圆度。由于特征轴的处理方法不同,必须进行特征轴的正规化。实施正规化的方法很多,比较适用的还是采取使各轴的平均值相等的方法。

在采用三层分级式神经网络,对实施正规化的特征数据进行磨损粒子种类识别时,输入层单元数为5(即5个特征值参数),输出层单元数为8(磨损粒子种类共有8种),中间层单元数为10~60。各种磨损粒子的数量是不同的,这与它们发生的频度有关,数量多的粒子发生的频度比较高;数量少粒子发生的频度比较低。详见表3。

当粒子总数为330时,应用神经网络的识别率平均值约为90%。磨损粒子的识别率,因粒子的种类而异。对于异常磨损的粒子,比如破碎滑动、切削、磨损、球形黑色氧化等,应当采用82%~97%的高识别率来检测。至于有些粒子的识别率比较低,比如:正常磨损、非铁金属等粒子,是因为它们的特征轴分布的离散型太大而造成的。

表3 各种粒子的识别率 %

5 应用实例

在一台200 MW汽轮发电机组的滑动轴承上,采用了这种光学监测装置。在运行时间达到大修间隔期的8 000 h以前,润滑油光学监测系统的屏幕上显示的粒子特征值如下:圆度为0.95,面积为0.77,周长为1.1,亮度上限为1.7,亮度下限为0。很明显,根据这种粒子特征值可以判断它属于典型的“切削磨损”。

在后来的大修期间,检验滑动轴承钨金瓦的内表面,已经呈现椭圆形,证明滑动轴承副由于磨损而导致不稳定的相对滑动。采取的修复措施是刮瓦,并更换润滑油,效果良好。

通过对润滑油中杂质成分的检测和定性来判断轴承副磨损情况这种方法,多年来就已经普遍应用。现在采用的这种双色显微镜方法,可以取代人工取样化验的方法,从而实现了在线自动监测,并提高了诊断的准确性。这种方法正在大型汽轮发电机组上推广应用。

5 结语

采用双色显微镜的图像处理技术和三层神经网络分析方法,并通过轴承磨损粒子来自动监测诊断滑动轴承劣化,是避免轴承致命损伤、防患于未然的最先进的新技术。它能检测出来以往不能发现的轴承损伤状态,如磨损、烧结、疲劳剥离等。它不仅能够广泛用于各种大型和中型电机,也可以应用于汽轮机、航空发动机、铁路机车、汽车等领域的油压机械、精密机械的轴承诊断。

·信息点滴·

英国首座漂浮太阳能发电场建成

近日,英国第一座漂浮的太阳能发电场在伯克郡建成。该漂浮发电阵列位于沃格雷夫附近的Sheeplands农场,由800块太阳能板组成,总装机容量为200 kW,共耗资25万英镑。

农场主Bennett的太阳能发电场采用了CieletTerre公司的组件化Hydrelio系统,太阳能板用100%可回收材料制成,预期使用寿命高达30年。饮用水水库上也可以安全安装发电场。这座发电场投资将在6年内获得收益,在未来的20年中,Bennett将每年可获得20 500英镑的补贴,农场每年将节省2.4万英镑电费。Bennett还专门成立一个名叫FloatingSolarUK的公司来推广这项技术。

法国和印度也建造了这种水上漂浮的太阳能发电专案,而日本也计划在大坂附近建造世界上最大的漂浮太阳能发电项目(电能产量高达1.7 MW),CieletTerre公司也参与了日本漂浮发电站的建设。

20140406

猜你喜欢

双色特征值显微镜
《用显微镜看大象》
一类带强制位势的p-Laplace特征值问题
单圈图关联矩阵的特征值
你会使用显微镜吗
简析《双色丰收南瓜》的壶艺韵味
显微镜
汽车大灯灯罩双色注射模设计
H型群上一类散度形算子的特征值估计
显微镜下看沙
基于商奇异值分解的一类二次特征值反问题