金属切割机械轴承磨损程度检测方法研究
2022-05-08苑攀攀
苑攀攀
(驻马店职业技术学院,河南 驻马店 463000)
引言
在实际应用中,金属切割机械设备是通过机械操作,在金属物体汇聚并形成一个具有高功率与高密度的光束,光束可以在一个相对较短的时间内迅速提升金属物体表面局部温度,当温度达到金属熔点后,金属表面发生气化反应或熔化反应。此时,由金属切割机发出的高压气体进行金属切缝中熔化物质的清除,即可实现金属的有效切割[1]。相比人工切割金属,此种切割方法具有污染小、操作便捷、成本低等优点。现如今,此种切割方式已在金属构件生产制造、化工加工等领域中得到广泛应用。在金属切割设备中,轴承是设备的主要组成部分,轴承的运行状态可直接决定机械设备的切割性能。轴承也是此设备中最容易受到磨损的部位,一旦轴承由于磨损出现异常,不仅会导致切割机械无法正常运行,也会对机械加工与工业零构件生产造成一定的影响[2]。
为了避免轴承对机械设备的稳定运行造成干扰,相关研究者提出了针对轴承构件磨损程度的检测方法,但大部分检测方法为接触式检测,此种检测方法具有检测效率低、速度慢、操作复杂等劣势。因此,设计一种高效的金属切割机械轴承磨损程度检测方法十分关键。为此,本文在现有方法基础上,设计了一种新的磨损检测方法。
1 金属切割机械轴承磨损程度检测方法设计
1.1 金属切割机械轴承磨损区域图像获取
为了实现对金属切割机械轴承磨损程度的精准检测,需要在设计前使用短波红外扫描仪器,获取金属切割机械轴承磨损区域的相关图像。在此过程中,辅助使用摄像物镜、A/D 图像采集卡进行采集[3]。将金属切割机械轴承通过投影映射的方式,进行其细部结构在传感器光敏区域的成像。完成金属切割机械轴承磨损图像的成像后,将信息以光敏单元信息表达的方式,进行光敏阵列信息矩阵的构建,构建后完整的信息将在A/D 存储卡中存储,通过存储卡对光敏信号的转换,实现获取图像与图像分析行为的同步进行。为了确保获取的图像具有高精度特性,需要使用控制器,进行前端脉冲的发送,将发送的脉冲信息通过传感器进行传输,使图像在存储卡上呈现成为一个完整的图像[4]。具体操作步骤如下。
将金属切割机械轴承放置在光源区域→配准扫描仪器与轴承→将获取的图像与信息通过传感器处理传输→由终端二极化电路进行图像传输的支撑→将拍摄或扫描得到的轴承磨损区域图像存储在图像采集卡中→将图像传输到上机位计算机显示端。以此种方式,实现对金属切割机械轴承磨损区域图像的获取。
1.2 轴承磨损特征提取
完成对金属切割机械轴承磨损区域图像的获取后,定位轴承中一个磨损点,或圈定轴承磨损区域,计算该点或该区域在图像中占据的像素当量,对应的计算公式如下:
式中:p 表示为圈定轴承磨损区域在图像中占据的像素当量;S 表示为磨损区域面积,mm2;G 表示为区域占比,%。
将计算得到的结果,作为已知磨损特征参数,提取像素值并计算磨损量,将磨损量作为轴承磨损特征参数。为了避免特征提取对检测结果造成影响,可采用重构图像边缘的方式,进行圈定区域的无限缩小,直到圈出机械轴承磨损的精准区域。按照上述方式,计算磨损区域像素当量,输出计算结果,完成对轴承磨损特征的提取。
1.3 轴承细部磨损检测程序与磨损程度划分
在上述提出内容的基础上,在检测终端,根据轴承磨损检测需求,进行检测程序的设计。启动检测程序,设计轴承磨损区域图像采集卡参数的初始化设计,将采集后的图像根据显示设计需求,保存在指定区域。对所选的检测区域图像进行增强化处理,根据检测图像进行图像的预分割[5]。提取分割中最小单元信息,将最小单元信息作为轴承细部磨损检测结果。完成检测后,根据检测区域的耐磨性,参照轴承磨损深度,进行磨损等级的划分。例如,当轴承磨损深度小于0.1 mm 时,说明轴承处于轻度磨损状态;当轴承磨损深度在0.1~0.5 mm 范围内时,说明轴承处于中度磨损状态;当轴承磨损深度在大于0.5 mm范围内时,说明轴承处于重度磨损状态。
2 实验分析
上文从三个方面完成了对轴承磨损程度检测方法的设计,为了证明本文设计的方法在实际应用中,可以达到既定的检测效果,下述将以通过对比实验的方式,对设计成果的可行性与使用性能进行检验。
实验中,选择某工业零构件生产单位作为实验场所,随机选择该工厂内某金属切割机械设备作为实验设备。将实验对象安装在实验操作台上,使用短波红外扫描仪器作为机械轴承磨损的探测装置。将本文设计的方法与实验操作台进行通信对接,确保此操作台中检测终端与显示终端保持良好交互后,启动操作台对本文所选的金属切割机械设备进行扫描。根据终端的显示结果,进行金属切割机械的磨损检测,完成扫描后,观察本文方法对机械轴承磨损的扫描结果,如下图1 所示。
图1 轴承磨损检测结果
从上述图1 中可以看出,此次实验扫描的金属切割机械轴承存在磨损,对应的磨损点已在轴承示意图中圈出。由此可以证明,本文设计的检测方法可以实现对机械轴承磨损的有效检测。在此基础上,选择五个编号为zc-01~zc-05 的磨损轴承作为被测对象。先使用本文设计的检测方法,在操作台上对已磨损的轴承进行扫描,扫描后得到一个针对轴承磨损区域的图像,分析扫描图像,进行轴承磨损特征的提取,调用细部检测程序,进行轴承细部结构磨损信息的获取,以此种方式,得到一个精准度较高的磨损深度数据。将检测得到的磨损深度数据与轴承实际磨损深度数据进行对比,两者误差越小,证明本文设计的检测方法可行性越高。同时,选择基于红外热成像技术的轴承磨损程度检测方法作为传统方法,按照相同的步骤获取磨损区域图像,对区域内关键信息进行红外热成像,辅助人工计算的方式,进行轴承细部磨损深度的分析。
将两种检测方法检测的结果作为实验结果,将实验结果整理成表格,如表1 所示。
表1 两种检测方法对轴承磨损深度的检测结果对比 mm
从上述表1 所示的实验结果中可以看出,本文检测的磨损深度与金属切割机械轴承磨损实际深度较为接近,其中本文方法对zc-02 轴承、zc-03 轴承、zc-05 轴承的磨损检测与其实际磨损深度相同。而传统方法检测的磨损深度与金属切割机械轴承磨损实际深度存在差值,尽管差值在允许范围内,但仍无法达到本文设计方法的检测精度。因此,在完成实验后,得出此次实验的最终结论:相比基于红外热成像技术的轴承磨损程度检测方法,本文设计的金属切割机械轴承磨损程度检测方法,可以实现对轴承磨损的精准检测,并且可以实现对传统检测方法检测结果的优化,即提升检测结果的精准度,降低磨损深度检测结果误差。
3 结语
为了提升金属切割机械轴承磨损的检测,优化检测结果,提升工业加工、制造与零构件生产的连续性,本文提出一种针对金属切割机械轴承磨损程度的全新检测方法,确保对轴承磨损程度掌握的及时性。通过提取磨损图像,并根据提取的图像确定磨损点,完成磨损检测,并通过实验证明了本文方法的有效性。