【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体涉及一种风电轴承圈磨损检测方法。
技术介绍
1、风力发电作为一种重要的可再生能源，近年来在全球范围内快速发展。风力发电机的核心部件之一是轴承圈，其通常配备多个轴承圈，如变桨轴承圈、主轴轴承圈、偏航轴承圈、齿轮箱轴承圈及发电机轴承圈等。其中，齿轮箱轴承圈由于承受较大的摩擦力和应力，其工作环境复杂，长期运行中容易受到摩擦、应力及环境因素的影响，导致轴承圈产生磨损、裂纹等损伤现象。这些损伤不仅影响风电设备的运行效率，还可能引发更严重的机械故障，甚至导致设备停机，严重时还会对环境和人员安全构成威胁。因此，对风电轴承圈进行磨损检测具有重要的现实意义，通过对达到报废年限或已发生故障的风力发电机进行拆解后的轴承圈磨损检测，可以准确评估其磨损状况，判断是否具备回收价值，同时还能为风电设备故障成因分析提供有力的数据支持，从而优化设备维护策略，延长设备使用寿命，降低运维成本。
2、然而，现有技术在进行风电轴承圈磨损检测时存在诸多不足。传统的磨损检测方法多依赖于人工检查或基于固定阈值的图像处理算法，这些方法不仅效率低下，且受限于操作人员的经验水平，容易出现漏检或误检的情况。此外，固定阈值的图像处理算法在面对风电轴承圈复杂的光照变化时，检测效果不稳定，难以实现高精度和高可靠性的磨损评估。
技术实现思路
1、针对上述固定阈值检测效果不稳定的问题，本专利技术提出了一种风电轴承圈磨损检测方法，包括：获取风电齿轮箱轴承包含磨损区域的外圈图像；对所述外圈图像进行canny
2、本专利技术通过在canny边缘检测算法中引入基于主要梯度方向和主要磨损方向的自适应双阈值设定，有效解决了传统固定阈值方法在复杂光照和磨损方向变化下的边缘检测不稳定和准确性低的问题。通过构建梯度-灰度空间的二进制坐标，并采用聚类算法动态生成自适应阈值，显著提升了边缘检测在风电齿轮箱轴承圈磨损检测中的精确性和鲁棒性。相比现有技术，本方法能够更准确地识别和分割磨损区域，减少漏检和误检，提高磨损评估的可靠性，为风电设备的维护提供了更为科学和高效的技术支持。
3、进一步地，获取风电齿轮箱轴承包含磨损区域的外圈图像，还包括：在风电齿轮箱轴承的圆心处放置一个可旋转的平台以及工业相机；每旋转设定角度使用工业相机拍摄一张风电齿轮箱轴承外圈的rgb图像。
4、进一步地，获取所述外圈图像后还需要进行预处理操作：使用加权灰度化算法将获取到的rgb图像进行灰度化处理；对灰度化图像使用双边滤波对灰度图像进行降噪处理；对降噪后的图像使用自适应直方图均衡化提高局部对比度。
5、进一步地，基于所述边缘图像进行图像分割获取磨损区域，还包括：将所述边缘图像输入graph cut算法得到磨损区域；所述graph cut算法还包括手动标注前景区域的标记点以及背景区域的标记点；所述前景区域为磨损区域；所述背景区域为未磨损区域。
6、通过将边缘图像输入图割算法并结合手动标注的磨损区域与未磨损区域标记点，本专利技术能够实现更加精确的图像分割，准确区分磨损区域与未磨损区域。
7、进一步地，所述决策树分类模型还包括使用80%的样本数据用于训练，使用20%的样本数据用于验证；所有外圈图像对应的特征向量以及磨损程度标签构成样本数据。
8、进一步地，提取所述磨损区域的纹理特征以及几何特征得到特征向量，还包括：使用灰度共生矩阵提取轴承外圈磨损区域的纹理特征；使用hu矩获取磨损区域的几何特征；使用z-score算法将所述纹理特征以及几何特征进行标准化处理；所述纹理特征以及几何特征共同组成特征向量。
9、通过使用灰度共生矩阵提取纹理特征和使用hu矩提取几何特征，本专利技术能够全面捕捉磨损区域的细节信息和形状特征。随后，应用z-score算法对提取的特征进行标准化处理，消除不同特征量级的影响，确保特征向量的一致性和可比性。纹理特征与几何特征的结合，使得特征向量更加全面和具代表性，提高了后续决策树分类模型对磨损程度的识别和分类能力。相比现有仅依赖单一特征提取方法的技术，本方法通过多维度特征融合，显著提升了磨损检测的准确性和可靠性。
10、进一步地，对所述梯度-灰度空间内所有像素点进行聚类，还包括：获取所有像素点的梯度-灰度空间坐标后使用dbscan算法进行聚类；设置dbscan算法的邻域半径取值范围为0.4~0.6；设置dbscan算法的最小点数取值范围为3~5。
11、利用dbscan聚类算法对梯度-灰度空间内的二进制坐标进行聚类，本专利技术能够有效识别具有相似梯度和灰度特征的像素点群组，有助于在复杂图像中准确区分真实边缘点与噪声点，提升聚类的精确性和鲁棒性，确保了边缘检测结果的稳定性和高准确性，为自适应阈值的生成提供了可靠的基础。
12、进一步地，所述dbscan算法的距离计算方法具体为：
13、；
14、其中表示所述梯度-灰度空间中二进制坐标(z1,v1)以及(z2,v2)对应像素点之间的距离；ham( )表示汉明距离计算函数。
15、采用特定的距离计算方法，结合汉明距离计算函数，精确度量梯度-灰度空间内二进制坐标之间的相似性。本专利技术通过这种独特的距离计算方式，能够更准确地反映像素点在梯度和灰度特征上的相似程度，提高dbscan聚类算法在复杂图像中的分类效果。相比传统的欧氏距离或仅基于汉明距离的计算方法，本方法通过结合两者的特性，增强了聚类算法对边缘特征的识别能力，进一步提升了自适应阈值设定的精确性和整体磨损检测的可靠性。
16、进一步地，基于所述对应磨损程度标签判断所述风电齿轮箱轴承外圈的磨损情况，还包括：当所述对应磨损程度标签的值位于第一区间时，判定所述风电齿轮箱轴承外圈为轻度磨损；当所述对应磨损程度标签的本文档来自技高网...
【技术保护点】
1.一种风电轴承圈磨损检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，获取风电齿轮箱轴承包含磨损区域的外圈图像，包括：
3.根据权利要求2所述的一种风电轴承圈磨损检测方法，其特征在于，获取所述外圈图像后还需要进行预处理操作：
4.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，基于所述边缘图像进行图像分割获取磨损区域，包括：
5.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，所述决策树分类模型还包括使用80%的样本数据用于训练，使用20%的样本数据用于验证；
6.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，提取所述磨损区域的纹理特征以及几何特征得到特征向量，包括：
7.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，对所述梯度-灰度空间内所有像素点进行聚类，包括：
8.根据权利要求7所述的一种风电轴承圈磨损检测方法，其特征在于，所述DBSCAN算法的距离计算方法具体为：
9.根据
...【技术特征摘要】
1.一种风电轴承圈磨损检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，获取风电齿轮箱轴承包含磨损区域的外圈图像，包括：
3.根据权利要求2所述的一种风电轴承圈磨损检测方法，其特征在于，获取所述外圈图像后还需要进行预处理操作：
4.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，基于所述边缘图像进行图像分割获取磨损区域，包括：
5.根据权利要求1所述的一种风电轴承圈磨损检测方法，其特征在于，所述决策树分类模型还包括使用80%的样本数据用于训练，...
【专利技术属性】
技术研发人员：沈炎，谢斌，那刚，徐科，吕君豪，
申请(专利权)人：江阴燎原装备制造有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。