基于事件相机的非接触式机械振动监测与故障诊断方法技术

一种基于事件相机的非接触式机械振动监测与故障诊断方法，利用事件相机进行非接触式采集旋转机械振动的事件信号，并利用事件数据表征方法将事件流转换为连续的事件帧序列；通过Gabor滤波器从事件帧序列中提取振动时域信号；并采用三层小波包分解和包络谱分析的方法，提取特征频率并提高特征频率的分辨率，从而实现利用事件相机对旋转机械进行有效的振动监测和故障诊断；本发明专利技术通过从事件信号中提取振动时域信号进行分析，使得诊断结果更加合理并且具有较强的说服力；同时是对分辨率区域内单像素进行振动时域信号提取，因此通过分析区域内不同位置的振动时域信号，可以更好地反映旋转机械整体的振动状态。映旋转机械整体的振动状态。映旋转机械整体的振动状态。

【技术实现步骤摘要】
基于事件相机的非接触式机械振动监测与故障诊断方法


[0001]本专利技术属于机械故障诊断
，具体涉及一种基于事件相机的非接触式机械振动监测与故障诊断方法。

技术介绍

[0002]如今，随着制造业不断朝着现代化的方向发展，不同种类的机器也变得越来越复杂。工业中的许多关键机器都是旋转机械，例如，汽轮机、电动机和压缩机，它们在许多工业场景中发挥着不可替代的作用。然而，许多旋转机械在极端环境中运行，例如，高速、高负荷和高温，易出现磨损、点蚀和变形等故障。这将导致生产质量和效率发生显著下降，甚至会对设备和人员的安全产生较大的威胁。因此，对旋转机械进行及时、有效的故障诊断，以确保其安全运行，防止发生灾难性事故，是十分必要的。
[0003]故障诊断可以看作是关于旋转机械状态的模式识别问题。在传统故障诊断方法中应用广泛的是利用加速度计采集设备的时域振动信号，通过提取故障特征频率进行故障诊断。加速度计虽然具有测量准确、性能稳定等优点，但其接触式安装的特性使其无法在很多工业环境中得到应用，例如安装空间有限、对设备结构性能有较高要求，同时，其单点采集方式也无法准确反映设备的整体振动状态。
[0004]近年来，非接触式传感器逐渐得到发展。研究人员开始使用标准摄像机采集设备的运行视频，通过视频帧提取故障特征，完成故障诊断。然而标准相机获取的图像数据冗余度高，还存在图像帧欠采样、数据处理延迟等问题，使得设备状态信息采集缺乏完整性和准确性，进而导致诊断结果不尽人意。
[0005]事件相机是一种新型的传感技术，输出数据是一系列与场景光照变化相对应的异步事件，这与标准相机输出包含所有像素亮度的图像帧有本质区别；同时，事件相机还具有标准相机所不具备的性能优势，例如，高时间分辨率、低延迟、高动态范围、无运动模糊和低功耗。因此，事件相机能够很好地捕捉动态视觉信号。尽管事件相机具有巨大的优势，但事件信号的独特性使其在数据处理、数据挖掘方面具有较高的挑战性，并且在目前的研究中缺乏将事件相机应用于振动传感和故障诊断的较为完善的方案。
[0006]综上所述，现有的应用于故障诊断的传感器具有较多的缺陷，并且缺乏将事件相机应用于振动监测和故障诊断的较为完善的研究方案。

技术实现思路

[0007]为了克服上述现有技术的缺陷，本专利技术旨在提出一种基于事件相机的非接触式机械振动监测与故障诊断方法，利用事件相机采集旋转机械振动的事件数据并转换成振动时域信号，通过提取故障特征频率实现旋转机械的故障诊断，提高非接触式传感器在旋转机械的振动监测和故障诊断领域的可适用性。
[0008]为达到上述目的，本专利技术采取的技术方案为：
[0009]一种基于事件相机的非接触式机械振动监测与故障诊断方法，利用事件相机进行
非接触式采集旋转机械振动的事件信号，并利用事件数据表征方法将事件流转换为连续的事件帧序列；通过Gabor滤波器从事件帧序列中提取振动时域信号；并采用三层小波包分解和包络谱分析的方法，提取特征频率并提高特征频率的分辨率，从而实现利用事件相机对旋转机械进行有效的振动监测和故障诊断。
[0010]一种基于事件相机的非接触式机械振动监测与故障诊断方法，包括以下步骤：
[0011]步骤1：数据采集：利用事件相机采集旋转机械振动的异步事件流；对于单个像素，事件相机以微秒级的分辨率记录每个时刻像素的亮度，并与前一时刻的亮度进行比较：
[0012]±
C＝logI(x,y,t)
‑
logI(x,y,t
‑
Δt)
[0013]式中，C表示对比敏感度，即阈值；I(x,y,t)表示t时刻在分辨率二维区域中坐标(x,y)的像素点的亮度；Δt表示时间间隔；当亮度对数变化超过阈值时，事件相机将标记并输出与该像素相关的事件；其中，变化超过正阈值，输出正事件；超过负阈值，输出负事件；事件数据的格式为四元素向量e＝[t,x,y,p]，其中t表示时间戳；x和y分别表示像素在分辨率区域中的横坐标和纵坐标；p表示事件的极性：p＝+1表示亮度对数变化超过正阈值，p＝
‑
1表示亮度对数变化超过负阈值；对于事件流，其代表了一段时间内事件相机捕捉到的所有事件的集合，表示为其中，e
i
表示第i个事件，n
e
为时间段t
e
内所记录事件的总数；
[0014]步骤2：数据表征：采用基于事件帧的事件数据的二维表示方法，对步骤1中采集的事件数据进行重构；通过将时间段分割成等长的子时间段，并对子时间段内的事件数据进行对应像素点的事件极性叠加，将事件流整合成在时间上具有连续性的事件帧序列；具体表示为：
[0015][0016]式中，Ω表示分辨率二维区域；(x,y)表示区域内像素位置；p
i
表示事件极性；n
t
表示规定时间间隔t
t
内单个像素产生的事件总数；n
d
表示重构的事件帧总数；
[0017]步骤3：振动时域信号提取：Gabor滤波器是由正弦平面调制的高斯核函数，表示为：
[0018][0019][0020]式中，g(x,y,λ,θ,ψ,σ,γ)表示Gabor滤波器；(x,y)是所选择像素的二维坐标；(x
′
,y
′
)是旋转后的二维坐标；λ是正弦平面波的波长，θ是滤波器的平行条纹方向；ψ是相位偏移，σ是高斯核的标准差，γ是空间纵横比；
[0021]假设时刻图像帧的强度为E(x,y,t)，将图像帧与Gabor滤波器进行卷积得到图像帧的频域信息：
[0022][0023]式中，e(x,y,t)表示图像帧的频域信息；
[0024]在时间段Δt内，如果图像在某处(x,y)存在局部运动，则运动前后图像帧的强度分别为E(x,y,t)和E(x+Δx,y+Δy,t+Δt)，假设Gabor滤波器的平行条纹方向为0
°
，则运动前后的频域信息分别用二重积分形式表示为：
[0025][0026][0027]通过分析上述两式，得到相位差与水平位移Δx之间的关系为：
[0028][0029]从事件帧序列中选择第一个事件帧作为基准事件帧，用上述方法依次计算所有事件帧和基准事件帧之间的水平位移，从而得到振动时域信号；
[0030]步骤4：小波包分解：对步骤3中得到的振动时域信号利用多西贝小波(db1)进行三层小波包分解；
[0031]步骤5：包络谱变换：将步骤4分解得到的信号进行包络谱变换，在频谱中提取和转频及故障特征频率有关的信息；
[0032]步骤6：故障匹配：将步骤5得到的特征频率与实际转频和根据旋转机械参数计算得到的故障特征频率进行比较，完成对旋转机械的故障诊断。
[0033]本专利技术的有益效果为：
[0034]本专利技术通过从事件信号中提取振动时域信号进行分析，使得诊断结果更加合理并且具有较强的说服力；同时本专利技术是对分辨率区域内单像素进行振动时域信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于事件相机的非接触式机械振动监测与故障诊断方法，其特征在于：利用事件相机进行非接触式采集设备振动的事件信号，并利用事件数据表征方法将事件流转换为连续的事件帧序列；通过Gabor滤波器从事件帧序列中提取振动时域信号；并采用三层小波包分解和包络谱分析的方法，提取特征频率并提高特征频率的分辨率，从而实现利用事件相机对旋转机械进行有效的振动监测和故障诊断。2.一种基于事件相机的非接触式机械振动监测与故障诊断方法，其特征在于，包括以下步骤：步骤1：数据采集：利用事件相机采集旋转机械振动的异步事件流；对于单个像素，事件相机以微秒级的分辨率记录每个时刻像素的亮度，并与前一时刻的亮度进行比较：
±
C＝logI(x,y,t)
‑
logI(x,y,t
‑
Δt)式中，C表示对比敏感度，即阈值；I(x,y,t)表示t时刻在分辨率二维区域中坐标(x,y)的像素点的亮度；Δt表示时间间隔；当亮度对数变化超过阈值时，事件相机将标记并输出与该像素相关的事件；其中，变化超过正阈值，输出正事件；超过负阈值，输出负事件；事件数据的格式为四元素向量e＝[t,x,y,p]，其中t表示时间戳；x和
y
分别表示像素在分辨率区域中的横坐标和纵坐标；p表示事件的极性：p＝+1表示亮度对数变化超过正阈值，p＝
‑
1表示亮度对数变化超过负阈值；对于事件流，表示为其中，e
i
表示第i个事件，n
e
为时间段t
e
内所记录事件的总数；步骤2：数据表征：采用基于事件帧的事件数据的二维表示方法，对步骤1中采集的事件数据进行重构；通过将时间段分割成等长的子时间段，并对子时间段内的事件数据进行对应像素点的事件极性叠加，将事件流整合成在时间上具有连续性的事件帧序列；具体表示为：式中，...

【专利技术属性】
技术研发人员：李响，广睿祎，雷亚国，李乃鹏，杨彬，曹军义，武通海，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：