导读:本文包含了图像故障诊断论文开题报告文献综述及选题提纲参考文献，主要关键词:电主轴,不平衡,灰度图像,纹理分析
图像故障诊断论文文献综述
樊红卫,邵偲洁[1]（2019）在《基于灰度图像纹理分析的电主轴不平衡故障诊断方法》一文中研究指出针对转子不平衡,首次提出了基于灰度图像纹理分析的故障诊断方法。首先将转子振动信号转化为二维灰度图像,并利用局部二值模式提取灰度图像的纹理特征;通过二维傅里叶变换提取灰度图像的特征频率,并采用灰度图像二维矩阵的平方和来表征图像的明暗程度,由此来区分不同程度的不平衡故障。在某电主轴系统平台上,完成了转子正常和3种不同程度转子不平衡的故障诊断试验,结果表明所提出的方法能够有效区分不同程度的转子不平衡,为旋转机械的故障诊断提供了一种新方法。(本文来源于《制造技术与机床》期刊2019年11期）
潘震,黄国勇,吴建德[2]（2019）在《基于SPWVD时频图像纹理特征识别的单向阀故障诊断》一文中研究指出为了对单向阀不同故障类型进行准确识别,提出了一种基于平滑伪维格纳-威利分布(smoothed pseudo Wigner-Ville Distribution, SPWVD)时频图像纹理特征识别的单向阀故障诊断方法。首先,利用SPWVD时频分析方法处理单向阀振动信号,得到无交叉干扰性和聚集性良好的时频图像;然后,构建时频图像的灰度共生矩阵提取体现单项阀不同工作状态差异的纹理特征参量作为特征向量输入到SVM分类器中进行故障分类和识别;最后,比较SPWVD、PWVD和WVD时频图像纹理特征对单向阀不同故障类型识别的能力及准确率。实验结果表明,基于SPWVD时频图像纹理故障特征分类的效果最佳,具有较高的故障识别正确率。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
史润泽,李兵[3]（2019）在《基于2维非负矩阵分解的时频图像压缩在柴油机故障诊断中的应用》一文中研究指出针对1维非负矩阵分解技术对2维矩阵特征降维时,会产生数据量巨大、计算效率低下和丢失原始数据结构信息的问题,引入2维非负矩阵分解技术。通过S变换得到振动信号的时频图像,用1DNMF和2DNMF分别压缩时频图像,对压缩后的图像信息进行分类,对柴油机在8种状态下的振动信号进行采集,并采用最近邻分类器、朴素贝叶斯分类器和支持向量机分类器进行实验对比。结果表明,2维非负矩阵分解技术比原始的1维技术计算效率更高,故障诊断更精准。(本文来源于《兵工自动化》期刊2019年07期）
张恒源[4]（2019）在《基于红外图像处理的变电站设备故障诊断方法研究》一文中研究指出随着我国综合国力的不断增强,各行各业迅猛发展,不断扩大规模与实力,随之而来的是对我们电网可靠性和安全性提出的更高要求,这就要求我们采取相应的措施与手段,提升电网的可靠性以及对电网运行状态的把控能力,当出现异常时工作人员可及时得到告警,判断设备缺陷或设备的异常运行工况并采取相应的措施消除缺陷,带电检测专业在电网中扮演着电网“体检师”的角色,逐渐成为电网中重要的检测项目。红外检测技术作为其中一项重要的检测手段,在电力系统中得到了广泛的应用。该技术的应用大大的提高了电力系统故障与缺陷的预警能力,避免相应事故的发生并在很大程度上减少了不必要的停电。但目前的红外诊断技术,多数情况下仍旧需要依靠检测人员的经验与技术水平对红外图像进行分析,特殊情况下难以保障故障分析、判断的实时性与准确性。本文对此现状,利用图像处理技术实现变电站电气设备的故障检测,提升红外诊断技术的检测水平。本文主要内容:首先,简要介绍红外检测技术的发展历史,并对红外成像的原理进行介绍,并以此为科学依据对红外图像成像特征进行剖析;对常用的均值滤波法、自适应滤波法、小波变换等图像去噪方法进行了介绍并对各自的去噪效果进行分析对比,确定出本文选用小波变换与均值滤波相结合的去噪方法。其次,针对红外图像对比度不强的特点介绍了图像增强的方法,并选用直方图均衡化的方法进行实验检测;再次,在图像分割的技术手段部分,详细介绍基于边缘的分割手段、基于阈值的分割方法、分水岭算法与聚类算法等分割方法,对其各自算法进行介绍与实验效果分析,提出本文的分割方法:在原有聚类算法的基础上进行改进,使得最终的分割效果达到帮助检测人员提升故障判断准确率的目的;最后提出基于图像灰度值的检测手段,实现电气设备故障诊断的目标,并使用叁组实例对该方法的准确度进行验证,证明其可行性与可推广性,帮助电力企业检测人员更好的掌握设备运行状态,全面实现电网向状态检修进行转变。(本文来源于《长春工业大学》期刊2019-06-01）
王扬[5]（2019）在《基于视频图像的电力线故障诊断与在线监测》一文中研究指出电力线路在长期运行的过程中经常会出现例如断股、异物附着、覆冰、舞动等故障,如果不及时的发现故障并采取相应的措施对故障进行维护,将有可能造成大面积停电、森林火灾等严重的事故。传统的电力线路巡检方法采用的是人工巡检,但是人工巡检不能及时的发现故障,对于一些比较细小的故障可能会疏漏,在一些不易观察的电力线路上通常会采用无人遥控飞机的方式去拍摄,这种方法既耗时又耗力,所以本文设计了一种在线监测系统,可以实时监测电力线路运行的情况,并对电力线路进行故障诊断,诊断的结果传输给监测中心的专家和工作人员以供他们采取相应的措施去处理故障。本文采用太阳能和蓄电池供电的在线监测系统,采用4G移动无线网进行数据传输。本文使用Python语言编写程序,可以诊断出电力线路断股、异物附着、覆冰和舞动4种故障。考虑到视频的背景对电力线检出的影响,程序利用了均值漂移、膨胀、颜色空间转换、轮廓提取、背景填充等函数将电力线从背景中检测出来进行故障诊断。程序中电力线断股故障采用解析几何的方法检测电力线的宽度是否突变,如突变则判断为电力线路发生了断股故障,异物附着和覆冰故障采用计算电力线路的外接轮廓和实际轮廓的比值是否超过一定的数值的检测方法,针对舞动故障采用对比电力线路的偏移距离和偏移角度的方法,当超过一定阈值时则会进行报警。在线监测系统采用低功耗的CPU,安装在杆塔上的保护盒内,可以抵挡恶劣的天气,具有寿命长、功耗低、运行稳定等特点。随着未来在线监测系统硬件的增强,在线监测系统可以设置更高的分辨率来进行更精确的诊断故障,处理更复杂的程序。在线监测系统与传统的人工巡检相比,可以更精确、更经济、更快的对电力线路进行故障诊断。(本文来源于《辽宁石油化工大学》期刊2019-04-01）
杨照光,张忠元,温定筠,朱曦,李想[6]（2019）在《变电站设备红外检测图像分割及故障诊断技术研究》一文中研究指出针对变压器红外检测中存在图像清晰度不足、故障位置指示不明显的问题。本文提出将改进稳健模糊核聚类算法(IRKFCM)应用到散热器红外检测图像分割中,以提高散热器的故障诊断正确率。通过将红外设备采集到的散热器实时图像信息融入到改进的稳健模糊核聚类算法,根据图像所包含的灰度信息和空间信息对其进行进行区域分割,并引入聚类中心的初始化方法有效减少迭代次数,增强算法的稳健性。实验表明该算法相对于FCM分割算法能准确有效地分割出有故障的散热器片和位置,精度满足系统要求。(本文来源于《科技通报》期刊2019年03期）
严静荷,高仕斌[7]（2019）在《基于数字图像处理的自耦变压器绕组故障诊断仿真研究》一文中研究指出为进一步从绕组频率响应曲线中提取更多丰富和准确的诊断信息,对一台高铁自耦变压器进行故障模拟和频率响应仿真,并通过数字图像处理技术对其极坐标图进行故障特征提取,通过对故障特征的不相似性度量提出了综合考虑绕组幅频和相频特性的故障分析方法,为高铁自耦变压器的绕组故障诊断提供了更多可供借鉴和参考的方法。(本文来源于《电工技术》期刊2019年05期）
吕欣欣[8]（2019）在《红外图像分割算法研究及其在电气设备故障诊断中的应用》一文中研究指出依据图像特征,将其划分为一定数量的非重迭区域,且各区域的特征不同,并将各部分图像中重要信息提取出来的技术即为图像分割技术。在数字图像处理中,图像分割技术是非常重要的,有助于特征提取、图像测量和图像显示,是分析图像的基础,也是计算机视觉实现最为困难的问题之一。1970年开始人们开始重视图像分割算法的研究,经过不断的发展、完善后,取得了一定的研究成就,且图像分割算法的应用扩展到了不同领域中,如模式识别、生物学领域、文档图像的处理,生产过程的控制,遥感和生物医学图像解析以及农业等方面。对于图像分析而言,图像分割的结果是非常重要的。经过不断的研究后,已经出现了很多不同类型的分割算法,但依然存在着提取边缘方向信息的缺失,及边缘断裂,不连续和不光滑等问题。同时当目标边缘模糊,图像背景信息复杂的情况下,提取目标较为困难且提取效果不理想。所以对图像分割的研究一向是研究计算机图像技术的热门与重点。当电气设备无法正常运行时,需要检修人员利用相关监测仪器对该设备的运行参数监测,依据运行参数的分析来判断该设备无法正常运行的原因,但该检测方式速度慢、效率低,很难实现设备故障的实时检测,电气设备故障常伴随热效应发生,故可利用红外热图像对电气设备故障图像进行分析,从而快速排查电气故障。针对红外热图像分析的基础分割算法,本文主要工作如下:(1)针对传统边缘检测算子对于拍摄距离远背景较复杂的红外电力设备图像,常不能检测边缘的多梯度信息,会出现边缘断裂、不光滑和不连续的现象,提出了一种基于边缘检测的缩放多梯度图像分割方法。其依据Sobel算子的研究提出了该算子,它设定了八个方向模板,保留了图像多方向梯度信息。同时采用缩放因子对梯度信息进行缩放,从而使得提取目标边缘更加平滑、连续,且提高了边缘检测的精度。对边缘提取效果进行了实验与分析。由于拍摄距离比较远(2)针对边缘模糊的红外电气设备故障区域提取,往往存在提取精度不高的问题,提出了以区域生长为基础的最大熵检测器图像分割,该方法首先通过区域生长方法,结合图像特征,对目标进行定位,从而排除了背景干扰。再利用最大熵原理生成目标与背景区域的图像,用来对检测器进行训练。最后利用目标与背景的检测器对最大熵分割后的图像进行像素筛选,最终提取出目标,并进行实验与分析。(3)针对红外图像具有对比度低及信噪比低的特点,以及与对多目标红外电气设备故障的提取往往提取效果不佳的问题,提出了基于K均值聚类与区域生长相结合的图像分割方法,且利用它对电气设备故障图像进行处理。该方法首先对红外设备故障图像进行灰度化。由于采用K均值算法,它对噪声很敏感,故采用滤波器对其进行去噪。后采用K均值聚类算法得到区域生长的种子点,进行区域生长,最终得到目标提取图像。且对算法进行仿真实验与结果分析。(本文来源于《天津理工大学》期刊2019-02-01）
廖婷婷,李宗平,李曦,曾辉,孙英[9]（2018）在《基于图像测速的烧结皮带机故障诊断方法》一文中研究指出烧结皮带机是烧结生产系统中重要的输送设备,皮带机一旦出现问题,烧结生产将无法正常进行。因此,本文对烧结皮带机常见的故障进行分析,并提出了一种基于图像测速的烧结皮带机诊断方法。该方法是在皮带边缘做标记,然后利用皮带机上方的摄像机获取运行中皮带边缘的图像,通过视频中前后两帧图像边缘特征的变化可以计算出该位置的运行速度。最后,利用皮带机多个位置的运行速度关系,分析皮带机运行的状态,从而可有效地诊断皮带机的多种故障,并实现故障的即时预警。(本文来源于《烧结球团》期刊2018年06期）
朱桂英[10]（2018）在《基于图像处理的汽车点火波形故障诊断》一文中研究指出汽车上电子产品的快速发展,对传统机械式维修是个新的挑战。点火波形的分析对汽车点火系统故障的诊断提供了有效方法,但是由于经验、理论知识缺乏等原因,点火波形在实际故障诊断中应用并不理想,本文提出基于图像处理的汽车点火波形故障分析方法,根据标准波形和大量的故障波进行图像分析和比照,对实测波形直接给出专家维修建议,使得分析更加直观,为维修人员提供了一种更加便捷简单的诊断方法。(本文来源于《汽车实用技术》期刊2018年23期）
图像故障诊断论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了对单向阀不同故障类型进行准确识别,提出了一种基于平滑伪维格纳-威利分布(smoothed pseudo Wigner-Ville Distribution, SPWVD)时频图像纹理特征识别的单向阀故障诊断方法。首先,利用SPWVD时频分析方法处理单向阀振动信号,得到无交叉干扰性和聚集性良好的时频图像;然后,构建时频图像的灰度共生矩阵提取体现单项阀不同工作状态差异的纹理特征参量作为特征向量输入到SVM分类器中进行故障分类和识别;最后,比较SPWVD、PWVD和WVD时频图像纹理特征对单向阀不同故障类型识别的能力及准确率。实验结果表明,基于SPWVD时频图像纹理故障特征分类的效果最佳,具有较高的故障识别正确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像故障诊断论文参考文献
[1].樊红卫,邵偲洁.基于灰度图像纹理分析的电主轴不平衡故障诊断方法[J].制造技术与机床.2019
[2].潘震,黄国勇,吴建德.基于SPWVD时频图像纹理特征识别的单向阀故障诊断[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].史润泽,李兵.基于2维非负矩阵分解的时频图像压缩在柴油机故障诊断中的应用[J].兵工自动化.2019
[4].张恒源.基于红外图像处理的变电站设备故障诊断方法研究[D].长春工业大学.2019
[5].王扬.基于视频图像的电力线故障诊断与在线监测[D].辽宁石油化工大学.2019
[6].杨照光,张忠元,温定筠,朱曦,李想.变电站设备红外检测图像分割及故障诊断技术研究[J].科技通报.2019
[7].严静荷,高仕斌.基于数字图像处理的自耦变压器绕组故障诊断仿真研究[J].电工技术.2019
[8].吕欣欣.红外图像分割算法研究及其在电气设备故障诊断中的应用[D].天津理工大学.2019
[9].廖婷婷,李宗平,李曦,曾辉,孙英.基于图像测速的烧结皮带机故障诊断方法[J].烧结球团.2018
[10].朱桂英.基于图像处理的汽车点火波形故障诊断[J].汽车实用技术.2018