本发明专利技术涉及一种基于机器视觉的继电器触头电寿命快速评估方法和装置，方法包括：分别获取继电器两触头侧面图像序列和继电器触头表面图像；根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征参数；以纹理特征参数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型；采用B样条联想记忆网络将BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型，并对继电器触头电寿命进行评估。装置包括处理器、第一成像模组、第二成像模组。本发明专利技术可以在不破坏继电器的情况下对继电器触点寿命进行准确预测。
【技术实现步骤摘要】
本专利技术涉及电气及检测
，特别是涉及一种基于机器视觉的继电器触头电寿命快速评估方法及装置。
技术介绍
继电器触点寿命预测是继电器机械故障诊断中的重要环节，它是根据对继电器连续监测所获得特征参数的历史数据来确定继电器目前的运行状态，预测其未来运行趋势并预报和确定设备的残余寿命，它对继电器进行设备维修、替换决策方面具有重大意义。现行的继电器电寿命试验方法一般是采用定时截尾试验法，即从成品库中按标准，规定在同一批次的成品中随机抽取若干样本进行试验，通过获取触头两端电压，定时动作接近寿命的试验次数后停止试验，评估各触头失效次数。试验过程中，通过测试电器成品的吸合电压、释放电压、接触电阻等参数是否符合技术条件规定范围，采用概率统计的方法来估计寿命特征参数，如平均寿命、寿命标准离差，寿命的可靠度等。上述方法评估继电器电寿命，由于采用抽样试验概率统计方法，其可靠度较低，且不可能对成品库中的所有成品都作为样本进行试验，试验周期长，耗费大量的人力、物力及其电能。更甚者，该方法的试验是破坏性的，试验后的产品不能作为成品使用，这对于价格较昂贵的某些继电器产品来说是一种浪费。后来人们又提出了许多继电器加速寿命试验的方法，如提高试验操作频率，通过试验一定次数后，按触头磨损率推算寿命或按收缩电阻推算寿命等。前者适用于灭弧条件较好的电器产品，但仍是破坏性试验；后者虽然可缩短试验周期，节省人力物力，但该方法一般只适应单变量寿命预测，而实际继电器性能的失效，是多种因素共同作用的结果，并反映在多个参量中。单变量寿命预测，其预测精度难于瞒足实际需要。随着科学技术的高速发展，继电器技术的不断发展和其应用范围的不断扩大，继电器的可靠性制约影响整个电系统的可靠性。因此，迫切需要高效、准确的方法对继电器进行质量评估和电寿命预测。由于继电器的电触头是影响其性能的关键部件，其性能直接关系到继电器的整体电性能，故研究触头的电寿命对故障诊断和系统维修等具有重要作用。本专利技术针对上述问题，基于嵌入式机器视觉系统和图像检测技术，提出一种使用方便、预测准确的继电器触点电寿命评估系统。通过机器视觉系统，采集继电器触点两触头在连续实验条件下点的图像序列S1, S2, , St,和T时刻继电器静触点表面图像It，通过图像处理技术，获取触点两触头的间距及触头接触面纹理图像特征参数，采用设计的预测模型，实现继电器触头电寿命的评估与预测。本专利技术所提出的方法，采用嵌入式微处理器控制，具有智能化程度高、易实现等特点，有助于促进继电器性能的实时、准确的评估与预测。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于机器视觉的继电器触头电寿命快速评估方法及装置，可以在不破坏继电器的情况下对继电器触点寿命进行准确预测。本专利技术解决其技术问题所采用的技术方案是提供一种基于机器视觉的继电器触、头电寿命快速评估方法，包括以下步骤(I)分别获取继电器两触头侧面图像和继电器触头表面图像；(2)根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征參数；(3)以纹理特征參数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型；(4)再采用B样条联想记忆网络将所述BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多參量的继电器触点电寿命的预测模型；(5)根据建立的多參量的继电器触点电寿命的预测模型对继电器触头电寿命进行 评估。所述步骤(I)中获取继电器两触头侧面图像时采用红色LED光源；获取继电器触头表面图像时采用白色LED光源。所述步骤(I)和步骤(2)中还包括对获取的图像采用中值滤波和均值滤波的方式进行去噪处理；在进行中值滤波操作时，先设定ー个阈值，像素点的灰度值与邻域中值的差大于预先设定的阈值时，才取邻域的中值，否则就保留该像素点的灰度值；在进行均值滤波操作时，先设定ー个阈值，当被处理像素点的灰度值与邻域均值的差大于设定的阈值时，才取邻域均值为该点的值，否则保留该像素点的灰度值。所述步骤(2)中利用亚像素检测定位的方法，确定触点的边缘，计算出触头两触点接触的有效距离序列。所述步骤(2)中提取经过处理的继电器触头表面图像的纹理特征參数包括以下步骤从四个方向建立图像的共生矩阵，并计算这四个方向上特征參数的平均值，以实现抑制采样过程的方向效应，得到具有旋转不变性的纹理特征參数；所述纹理特征參数为六个，分别是对比度、ニ阶矩、平方和、熵、差方差和逆差距。所述步骤(5)中对继电器触头电寿命进行评估是根据BP神经网络评估模型和时序评估模型分别输出当前时刻的继电器触点的剰余寿命，再利用权向量进行加权计算，输出当前条件下继电器的触点的剩余电寿命。本专利技术解决其技术问题所采用的技术方案是提供一种基于机器视觉的继电器触头电寿命快速评估装置，包括处理器、第一成像模组、第二成像模组，所述第一成像模组用于获取继电器两触头侧面图像；所述第二成像模组用于获取继电器触头表面图像；所述处理器根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征參数，并以纹理特征參数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型，再采用B样条联想记忆网络将所述BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多參量的继电器触点电寿命的预测模型。所述处理器还用于去除所述第一成像模组和第二成像模组获取图像的噪声。所述第一成像模组为红光成像模组。所述第二成像模组为白光成像模组。有益效果由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果本专利技术提出利用嵌入式Cortex-AS处理器及机器视觉系统构成继电器触点电寿命预测装置，通过机器视觉和图像处理技术，提取继电器触点两触头的有效接触距离和触头表面图像的纹理特征，运用B样条联想记忆网络建立以触点两触头有效接触距离和表面纹理特征參数为主变量的两级混合继电器触点寿命预测模型，实现继电器触点电寿命的预测。继电器电触头是影响其性能的关键部件，其性能直接关系到继电器及其应用电路的整体性能。同时，继电器触点寿命预测也是继电器机械故障诊断中的重要环节，它能根据对继电器触点连续监测所获得的特征參数的历史数据来确定继电器目前的运行状态，并预测其未来运行趋势，预报和确定设备的残余寿命等，所以本专利技术所提出的方法对继电器进行故障诊断、设备维修、替换决策等方面具有重大意义。附图说明图I是本专利技术的系统功能结构示意图；图2是本专利技术的共生矩阵參数与采样点间距的关系图； 图3是本专利技术的共生矩阵參数与图像灰度级的关系图；图4是本专利技术的预测模型结构示意图。具体实施例方式下面结合具体实施例，进ー步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本专利技术的实施方式涉及ー种基于机器视觉的继电器触头电寿命快速评估装置，如图I所示，包括处理器、第一成像模组、第二成像模组，所述第一成像模组用于获取继电器两触头侧面图像；所述第二成像模组用于获取继电器触头表面图像；所述处理器根据获取的图像得到继电器触点两触头的有效接触距离本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，包括以下步骤 (1)分别获取继电器两触头侧面图像和继电器触头表面图像； (2)根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征参数； (3)以纹理特征参数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型； (4)再采用B样条联想记忆网络将所述BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型； (5)根据建立的多参量的继电器触点电寿命的预测模型对继电器触头电寿命进行评估。2.根据权利要求I所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤(I)中获取继电器两触头侧面图像时采用红色LED光源；获取继电器触头表面图像时采用白色LED光源。3.根据权利要求I所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤(I)和步骤(2)中还包括对获取的图像采用中值滤波和均值滤波的方式进行去噪处理；在进行中值滤波操作时，先设定一个阈值，像素点的灰度值与邻域中值的差大于预先设定的阈值时，才取邻域的中值，否则就保留该像素点的灰度值；在进行均值滤波操作时，先设定一个阈值，当被处理像素点的灰度值比邻域像素均值的差大于设定的阈值时，才取邻域均值为该点的值，否则保留该像素点的灰度值。4.根据权利要求I所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤(2)中利用亚像素检测定位的方法，确定触点的边缘，计算出触头两触点接触的有效距离序列。5.根据权利要求I所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征...
【专利技术属性】
技术研发人员：钟平，石云龙，高梦茹，张常鹏，叶韬，
申请(专利权)人：东华大学，
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。