[發明專利]一種基于視覺的軸承缺陷檢測系統裝置

在審

• 申請號: 201711108147.2
• 申請日: 2017-11-10
• 公開（公告）號: CN107876425A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 郝勇;商慶園
• 申請（專利權）人: 華東交通大學
• 主分類號: B07C5/34
• 分類號: B07C5/34;B07C5/02;B07C5/36;G01M13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及軸承檢測技術領域，尤其涉及一種基于視覺的軸承缺陷檢測系統裝置。

背景技術

滾動軸承是一種精密的機械元件，其加工精度要求相對較高，是機械設備組成的重要部件之一，滾動軸承的運行狀態直接影響設備的精度、穩定性和壽命。因此，軸承檢測技術在軸承加工過程中占有非常重要的地位。

目前國內軸承的檢測技術及檢測儀器相對落后，絕大多數的儀器為機械式，并通過標準件進行對比測量。傳統的檢測手段，檢測精度差，效率低，主觀性強，而且不具備信息化條件，不能實現在線實時檢測。

發明內容

本發明的目的是為了克服傳統軸承檢測效率低，精度差的缺點，提出一種將視覺檢測與振動信號檢測相結合的方法可以快速全面有效的實現軸承的缺陷檢測，不僅精度高而且成本低。

根據本發明提出的技術方案，實現軸承缺陷識別步驟如下：

1.軸承由上料口到達指定位置，機械手臂12將軸承放置于視覺檢測旋轉軸臺22上，PLC控制器9控制軸旋轉數周帶動軸承旋轉，此時水平CCD相機15和垂直CCD相機3進行采集軸承圖像，機械手臂12將軸承翻轉180°，垂直相機繼續采集圖像。采集完畢后，機械手臂將軸承送入振動信號采集環節進行檢測；

2.進入振動信號采集環節，當軸承被機械手臂置于軸臺上，PLC控制旋轉圓盤8以帶動軸承旋轉，此時接近開關17觸發PC端控制數據采集卡21利用加速度傳感器19進行數據采集。采集完畢后，軸承進入分揀環節；

3.根據步驟1和步驟2的處理計算結果，對軸承進行分揀，合格軸承進入合格通道，等待出廠；不合格軸承進入不合格通道，進行剔除。

所述步驟1采集的圖像處理方法如下：

軸承的圖像處理首先對圖片進行灰度處理和中值濾波和二值化預處理；針對滾動體缺失問題如圖3(a)，采用Hough圓提取方法對軸承進行定位，完成軸承定位后，采用極坐標展開方法來提取到滾動體缺失的特征信息如圖4；針對軸承端面缺陷如圖3(b)，對經過二值化處理的軸承圖像，進行邊緣檢測處理，對圖像進行快速定位與分割，最后采用8連通域標記法進行缺陷特征提取。針對防塵蓋面缺陷如圖3(c)，對預處理后的圖像先分割出防塵蓋和軸承表面區域，利用Otsu閾值分割和Roberts邊緣提取處理圖像，每2°統計值為1的數目點，與正常軸承進行對比，求出相差角度，由此將防塵蓋的字符和非字符區域分離，提取防塵蓋特征；針對鉚釘未鉚合完全問題如圖3(d)，首先對經過預處理的軸承圖像進行定位，找出鉚釘，除去背景，計算鉚釘的面積從而提取鉚釘特征。將提取的所有圖像特征組成特征矩陣，利用最小二乘支持向量機建立定性模型。將經過特征提取的樣本信號經過KS分割算法分為校正集和測試集，校正集用于定性模型的建立，測試集用于模型的驗證。確定模型后，運用模型對采集到的待測軸承信號進行識別是否存在滾動體缺失、防塵蓋缺陷、端面缺陷和鉚釘缺陷等。

所述步驟2采集的振動信號處理方法如下：

軸承振動信號的處理方法是利用EMD分解包絡譜分析結合最小二乘支持向量機來實現滾動軸承的故障診斷。EMD將原始軸承信號如圖5分解為由高頻到低頻的固有模態函數(IMF)，由于其主要信息包含在高頻部分，于是選取前4個包含軸承故障頻率的固有模態函數進行包絡分析，采用每個分量的特征頻率和軸承的時域特征作為軸承的故障識別特征，結合最小二乘支持向量機建立軸承的故障識別的定性模型。

所述的EMD分解，其分解的IMF函數隨著被分解信號變化而變化，自適應選擇頻帶。其固有模態函數可以是線性的，也可以是非線性的。IMF函數的獲取是通過EMD進行分解篩選出來的。其分解過程如下：

(1)將獲取的所有局部極大值用三次樣條插值函數插值形成上包絡，同樣用局部極小值通過插值形成下包絡。原數據減去上包絡和下包絡的平均值m1得到h1：h₁＝X(t)-m₁；

(2)由于通常情況下h1不是分量函數，需要把第一次的h1看做數據，m11為h1的包絡平均，再次分解篩選：h₁₁＝h₁-m₁₁，若h11還存在局部極大值在零點以下，重復分解計算，h_1k＝h_1k-1-m_1k，直到符合IMF條件為止，把分離出來的第一個IMF函數記為c1；