机器视觉识别发电机集电环碳刷接触状态的系统及方法技术方案

本发明专利技术公开了一种机器视觉识别发电机集电环碳刷接触状态的系统。它包括光学系统、图像采集模块、图像处理系统和输出交互界面；图像采集模块用于识别集电环和碳刷，获取集电环和碳刷的图片；光学系统、图像采集模块、图像处理系统和输出交互界面依次连接；图像处理系统包括图像采集卡、微小电火花机器识别及AI算法处理单元和深度学习单元；图像采集卡用于对图像采集模块获取的图像进行采集和预处理。本发明专利技术具有可在线识别和监测集电环和碳刷的接触状态，捕捉并定位任何微小的打火，识别测量碳刷的厚度分布，提供状态趋势预报和超阙值预警的优点。本发明专利技术还公开了机器视觉识别发电机集电环碳刷接触状态的系统的监测方法。电环碳刷接触状态的系统的监测方法。电环碳刷接触状态的系统的监测方法。

【技术实现步骤摘要】
机器视觉识别发电机集电环碳刷接触状态的系统及方法


[0001]本专利技术涉及水利水电及人工智能领域，具体地说它是一种机器视觉识别发电机集电环碳刷接触状态的系统，更具体地说它是一种利用机器视觉在线实时识别发电机集电环碳刷接触状态的系统。更具体地说它是一种通过机器视觉和算法精准识别发电机集电环和碳刷接触状态的自动监测系统。本专利技术还涉及机器视觉识别发电机集电环碳刷接触状态的系统的监测方法。

技术介绍

[0002]在水电站一般采用转子直流励磁的同步发电机组；正、负直流励磁电流通过励磁电缆分别连接到上、下两层碳刷组，再通过上、下两层碳刷和旋转部件
‑
大轴顶部的正、负集电环接触联通；集电环通过导电铜排和转子绕组联通；集电环和大轴一起为发电机的旋转部件，碳刷为固定部件，两者依靠摩擦接触导电；由于集电环随大轴旋转存在一定的摆度和偏心，而碳刷组上下两层（对应正、负两极）多组分布，每组碳刷由刷握提供的紧固力和集电环压紧接触，因此该发电机高速旋转时，易由于偏心、振摆和刷握紧固力的不同而导致碳刷和集电环之间接触的不均衡，导致局部过热、打火等现象，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.机器视觉识别发电机集电环碳刷接触状态的系统，其特征在于：包括光学系统、图像采集模块、图像处理系统和输出交互界面；图像采集模块用于识别集电环和碳刷，获取集电环和碳刷的图片；光学系统、图像采集模块、图像处理系统和输出交互界面依次连接；图像处理系统包括图像采集卡、微小电火花机器识别及AI算法处理单元和深度学习单元；图像采集卡用于对图像采集模块获取的图像进行采集和预处理；微小电火花机器识别及AI算法处理单元通过高速、高动态的机器视觉成像，高精度识别集电环和碳刷接触状态，全方位捕捉集电环和碳刷之间微小电火花；通过位于大轴顶部集电环上方的俯视相机识别大轴的轴心轨迹，通过算法得到碳刷刷握的紧固力矩分布，从而为保证碳刷和集电环之间的均衡良好接触提供精准的数值参考依据；同时，通过侧位相机和俯视相机的组合，识别集电环周边所有各个碳刷的厚度变化趋势，结合微小电火花的识别，提供碳刷刷握力矩和更换的运行维护指提示，通过设置阙值预警，在碳刷的厚度不均匀度超过一定范围时，发出预警；深度学习单元用于对实时获得的集电环和碳刷接触状态进行对比分析和深度学习，当发生突然变化趋势时，可对打火、碳刷失效这些现象进行智能识别和预报、预警；输出交互界面用于对深度学习单元的状态输出和显示。2.根据权利要求1所述的机器视觉识别发电机集电环碳刷接触状态的系统，其特征在于：光学系统包括补充照明用的专用光源。3.根据权利要求2所述的机器视觉识别发电机集电环碳刷接触状态的系统，其特征在于：图像采集模块选用高分辨率、高帧率的多目工业级相机。4.根据权利要求3所述的机器视觉识别发电机集电环碳刷接触状态的系统，其特征在于：输出交互界面选用趋势状态输出显示装置。5.根据权利要求1
‑
4中任一权利要求所述的机器视觉识别发电机集电环碳刷接触状态的系统的监测方法，其特征在于：包括如下步骤，步骤一：通过机器视觉识别发电机集电环碳刷接触状态的系统的图像采集模块获取待测发电机集电环及碳刷图像；步骤二：在图像采集卡上，基于Kalman滤波对采集的发电机集电环及碳刷图像进行图像去噪处理；步骤三：在微小电火花机器识别及AI算法处理单元，基于迭代阙值选择方法分别识别集电环轴心、碳刷厚度和微小电火花的数目；步骤四：在深度学习单元，采用BP神经网络分析集电环轴心信息和碳刷刷握力矩的关系，提供碳刷刷握力矩的运行维护提示；步骤五：在深度学习单元，采用W
‑
LSTM预测模型实现对于集电环
‑
碳刷状态的趋势分析。6.根据权利要求5所述的机器视觉识别发电机集电环碳刷接触状态的系统的监测方法，其特征在于：在步骤二中，采用Kalman滤波对采集的发电机集电环及碳刷图像进行去噪处理，具体方法为：首先负责及时向前推算当前视频帧状态变量和误差协方差估计的值，以便为当前时间
状态构造先验估计，进而将视频帧的先验估计和新的实际测量值结合以构造改进的后验估计，此过程亦成为预估和校正过程，由数学表达式表示如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）其中，公式（1）表示Kalman滤波的状态预测方程；公式（2）表示Kalman滤波在预测状态下的协方差方程；公式（3）表示Kalman滤波的滤波增益方程；公式（4）表示Kalman滤波的状态最优化估计方程；公式（5）表示Kalman滤波状态最优化估计的协方差方程；利用Kalman滤波对所摄发电机集电环及碳刷图像进行平滑时，具体方法为：首先根据公式（3）计算测量更新的Kalman增益，然后假定初值和，然后结合在k时刻的实际测量值和公式（4），对于k时刻估计状态的后验估计进行递推计算，最后根据公式（5）对估计状态的后验协方差进行计算。7.根据权利要求6所述的机器视觉识别发电机集电环碳刷接触状态的系统的监测方法，其特征在于：在步骤三中，迭代阙值选择方法，具体为：S31：选择近似阈值作为初值，其计算方式为对所摄发电机集电环及碳刷图像上所有位置的灰度值取加权平均；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）其中，表示图像上的所有像素点，表示第n个像素点上的灰度值，表示像素点在图像上的位置；S32：基于阈值初值将前述图像分割为两部分，图像中像素灰度值大于阈值初值的部分记为，小于阈值初值的部分记为，然后分别对两个区域和的灰度值取加权平均，得到其灰度均值和后，对灰度均值取平均作为新的分割阈值；
ꢀꢀꢀꢀꢀꢀꢀ
（7）S33：基于分割阈值将前述图像再次分割为两部分，图像中像素灰度值大于阈值初值的部分记为，小于阈值初值的部分记为，根据上述公式（7）重新计算两个区域和的灰度均值和，并与步骤32中的和进行比较，若值分别相同，则阈值为，若...

【专利技术属性】
技术研发人员：梁波，乐零陵，刘亚青，崔磊，朱钊，谌睿，
申请(专利权)人：长江勘测规划设计研究有限责任公司，
类型：发明
国别省市：