本發(fā)明涉及圖像處理和振動(dòng)測(cè)量，特別是指一種基于視覺傳感技術(shù)的離心泵運(yùn)行視頻穩(wěn)定化與振動(dòng)測(cè)量系統(tǒng)及方法。

背景技術(shù)：

1、離心泵在工業(yè)和民用領(lǐng)域中廣泛應(yīng)用，例如石油、化工、電力、供水和污水處理等行業(yè)中，離心泵作為重要的輸送設(shè)備發(fā)揮著關(guān)鍵作用。然而，離心泵在運(yùn)行過程中常常受到各種振動(dòng)問題的影響，導(dǎo)致設(shè)備運(yùn)行不穩(wěn)定，降低使用壽命，甚至引發(fā)設(shè)備故障和停機(jī)。傳統(tǒng)的振動(dòng)測(cè)量方法主要依賴于接觸式傳感器，如加速度計(jì)和位移傳感器，這些傳感器需要直接安裝在設(shè)備上，存在安裝復(fù)雜、維護(hù)困難、測(cè)量范圍有限等問題。

2、隨著視覺傳感技術(shù)的發(fā)展，非接觸式的視覺傳感振動(dòng)測(cè)量方法逐漸成為一種新興的替代方案。視覺傳感器可以遠(yuǎn)程獲取設(shè)備運(yùn)行狀態(tài)，通過分析視頻圖像中的振動(dòng)信息，實(shí)現(xiàn)對(duì)設(shè)備的實(shí)時(shí)監(jiān)測(cè)和故障診斷。然而，在實(shí)際應(yīng)用中，由于攝像機(jī)安裝環(huán)境的復(fù)雜性和工作過程中不可避免的抖動(dòng)，導(dǎo)致視頻源不穩(wěn)定，嚴(yán)重影響了振動(dòng)測(cè)量和故障診斷的準(zhǔn)確性。

3、現(xiàn)有技術(shù)中，基于相位的振動(dòng)測(cè)量(pbvm)算法因其能夠通過視頻處理技術(shù)實(shí)現(xiàn)對(duì)微小振動(dòng)的放大和可視化，受到了廣泛關(guān)注。pbvm算法通過提取視頻幀中的相位信息，對(duì)結(jié)構(gòu)的振動(dòng)進(jìn)行精確的放大和可視化處理。然而，傳統(tǒng)的pbvm算法在實(shí)際應(yīng)用中存在計(jì)算復(fù)雜度高、處理效率低的問題。特別是在高分辨率視頻處理過程中，算法的運(yùn)算負(fù)荷較大，難以實(shí)現(xiàn)實(shí)時(shí)處理。此外，傳統(tǒng)pbvm算法在面對(duì)復(fù)雜的環(huán)境噪聲時(shí)，抗干擾能力較弱，容易受到噪聲的影響，導(dǎo)致振動(dòng)測(cè)量結(jié)果不準(zhǔn)確。

4、針對(duì)上述問題，提出了一種基于視覺傳感技術(shù)的離心泵運(yùn)行視頻穩(wěn)定化與振動(dòng)測(cè)量系統(tǒng)，通過采用尺度不變特征變換(sift)算法和隨機(jī)抽樣一致性(ransac)算法對(duì)視頻數(shù)據(jù)進(jìn)行穩(wěn)定化處理，消除因攝像機(jī)抖動(dòng)引起的視頻不穩(wěn)定。同時(shí)，采用優(yōu)化的pbvm算法進(jìn)行振動(dòng)放大，實(shí)現(xiàn)離心泵運(yùn)行狀態(tài)的精確監(jiān)測(cè)和振動(dòng)分析，為工業(yè)設(shè)備的故障診斷和維護(hù)提供了一種高效、可靠的技術(shù)手段。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在解決現(xiàn)有技術(shù)中離心泵振動(dòng)位移幅度微小、難以直觀觀察和分析的問題，以及傳統(tǒng)pbvm算法計(jì)算復(fù)雜度高、處理效率低、抗干擾能力弱的缺點(diǎn)。提出了一種優(yōu)化的pbvm算法及其在離心泵振動(dòng)可視化處理中的應(yīng)用。通過一系列創(chuàng)新的優(yōu)化策略，顯著提升了算法的運(yùn)算效率，同時(shí)確保振動(dòng)測(cè)量結(jié)果的準(zhǔn)確性和可靠性。

2、本發(fā)明所采用的技術(shù)方案是，一種基于視覺傳感技術(shù)的離心泵故障診斷系統(tǒng)，包括以下模塊：

3、s1:視頻穩(wěn)定化模塊，采用尺度不變特征變換(sift)算法對(duì)視頻數(shù)據(jù)進(jìn)行處理，消除因攝像機(jī)抖動(dòng)引起的視頻不穩(wěn)定，通過隨機(jī)抽樣一致性(ransac)算法去除特征點(diǎn)匹配中的誤匹配點(diǎn)；

4、s2:振動(dòng)放大模塊，采用基于改進(jìn)的復(fù)數(shù)可操縱金字塔的歐拉相位算法(n-pbvm)對(duì)視頻進(jìn)行振動(dòng)放大，實(shí)現(xiàn)振動(dòng)可視化；

5、s3:振動(dòng)測(cè)量模塊，通過圖像相位相關(guān)的光流法計(jì)算視頻中振動(dòng)測(cè)點(diǎn)的位移數(shù)據(jù)；

6、s4:故障診斷模塊，基于振動(dòng)測(cè)量模塊獲得的數(shù)據(jù)進(jìn)行頻域分析，識(shí)別離心泵的故障；

7、s5:數(shù)據(jù)處理與存儲(chǔ)模塊，用于對(duì)采集和處理的振動(dòng)數(shù)據(jù)進(jìn)行存儲(chǔ)和進(jìn)一步分析。

8、所述視頻穩(wěn)定化模塊具體包括：

9、特征點(diǎn)提取單元，采用sift算法從視頻幀中提取特征點(diǎn)，具體包括：

10、在不同尺度空間中通過高斯模糊生成一系列圖像點(diǎn)l(x,y,σ)，公式為：

11、l(x,y,σ)＝g(x,y,σ)*i(x,y)

12、其中，l(x,y,σ)為不同尺度空間中的圖像，g(x,y,σ)為高斯核函數(shù)，i(x,y)為輸入圖像，x和y為圖像的空間坐標(biāo)，σ為尺度因子。

13、通過高斯差分(dog)檢測(cè)關(guān)鍵點(diǎn)，公式為：

14、

15、計(jì)算高斯差分圖像，公式為：

16、d(x,y,σ)＝l(x,y,kσ)-l(x,y,σ)

17、其中，d(x,y,σ)為高斯差分圖像，k為尺度倍增因子，取值范圍為1.2到1.6之間。

18、計(jì)算關(guān)鍵點(diǎn)鄰域的梯度方向θ和幅值m，為每個(gè)關(guān)鍵點(diǎn)分配主方向和輔助方向，公式為：

19、

20、其中，m(x,y)為梯度幅值，θ(x,y)為梯度方向，l(x+1,y)和l(x-1,y)分別表示圖像在x方向上的梯度，l(x,y+1)和l(x,y-1)分別表示圖像在y方向上的梯度。

21、特征點(diǎn)匹配單元，通過ransac算法去除特征點(diǎn)匹配過程中的誤匹配；

22、仿射變換單元，計(jì)算每幀視頻與初始幀之間的仿射變換矩陣，實(shí)現(xiàn)特征點(diǎn)坐標(biāo)到初始幀坐標(biāo)系的映射轉(zhuǎn)換。

23、所述振動(dòng)放大模塊具體包括：

24、視頻幀分解單元，采用復(fù)數(shù)可操縱金字塔對(duì)視頻幀進(jìn)行多尺度分解；

25、相位放大單元，對(duì)分解后的視頻幀進(jìn)行相位放大處理，公式為：

26、φk(x,y,t)＝φ0(x,y,t)+α·δφ(x,y,t)

27、其中，φk(x,y,t)為放大后的相位，φ0(x,y,t)為初始相位，α為放大系數(shù)，δφ(x,y,t)為相位變化；

28、視頻幀重構(gòu)單元，將放大后的視頻幀進(jìn)行重構(gòu)，生成振動(dòng)放大后的視頻。

29、所述振動(dòng)放大模塊還包括圖像縮減和圖像拓展步驟，其特征在于，所述改進(jìn)的pbvm(n-pbvm)算法具體包括：

30、圖像縮減單元，對(duì)輸入視頻圖像進(jìn)行縮減處理，以降低計(jì)算復(fù)雜度；

31、空域分解單元，采用復(fù)數(shù)可操縱金字塔對(duì)縮減后的圖像進(jìn)行多尺度分解；

32、相位放大單元，對(duì)分解后的視頻幀進(jìn)行相位放大處理；

33、圖像拓展單元，在金字塔重構(gòu)之前對(duì)縮減后的圖像進(jìn)行拓展，以恢復(fù)原始圖像大小并進(jìn)行相位放大；

34、視頻幀重構(gòu)單元，將放大后的視頻幀進(jìn)行重構(gòu)，生成振動(dòng)放大后的視頻。

35、所述振動(dòng)測(cè)量模塊具體包括：

36、圖像相位計(jì)算單元，采用二維gabor濾波器計(jì)算視頻幀的相位和幅值；

37、

38、其中，x′＝xcosθ+ysinθ，y′＝-xsinθ+ycosθ，λ為波長(zhǎng)，θ為方向角，ψ為相位偏移，σ為高斯包絡(luò)的標(biāo)準(zhǔn)差，γ為空間縱橫比。

39、位移計(jì)算單元，通過圖像相位相關(guān)的光流法計(jì)算視頻幀中的像素位移，公式為：

40、

41、其中，v為光流失量，i為圖像強(qiáng)度；

42、位移轉(zhuǎn)換單元，將像素位移映射為實(shí)際物理位移。

43、所述故障診斷模塊具體包括：

44、數(shù)據(jù)轉(zhuǎn)換單元，采用傅里葉變換將振動(dòng)數(shù)據(jù)從時(shí)間域轉(zhuǎn)換至頻域；

45、故障識(shí)別單元，基于頻域分析結(jié)果，識(shí)別離心泵的故障特征，包括轉(zhuǎn)子不平衡、轉(zhuǎn)子不對(duì)中和底座松動(dòng)等。

46、所述數(shù)據(jù)處理與存儲(chǔ)模塊具體包括：

47、數(shù)據(jù)存儲(chǔ)單元，用于存儲(chǔ)采集和處理后的振動(dòng)數(shù)據(jù)；

48、數(shù)據(jù)分析單元，采用機(jī)器學(xué)習(xí)算法對(duì)存儲(chǔ)的數(shù)據(jù)進(jìn)行進(jìn)一步分析，以預(yù)測(cè)故障趨勢(shì)。

49、一種基于視覺傳感技術(shù)的離心泵故障診斷方法，包括以下步驟：

50、獲取離心泵運(yùn)行的視頻數(shù)據(jù)；

51、采用sift算法對(duì)視頻數(shù)據(jù)進(jìn)行特征點(diǎn)提取，并通過ransac算法去除誤匹配點(diǎn)；

52、采用基于復(fù)數(shù)可操縱金字塔的歐拉相位算法對(duì)視頻進(jìn)行振動(dòng)放大；

53、通過圖像相位相關(guān)的光流法計(jì)算視頻中振動(dòng)測(cè)點(diǎn)的位移數(shù)據(jù)；

54、對(duì)振動(dòng)數(shù)據(jù)進(jìn)行頻域分析，識(shí)別離心泵的故障特征；

55、存儲(chǔ)振動(dòng)數(shù)據(jù)并應(yīng)用機(jī)器學(xué)習(xí)算法進(jìn)行進(jìn)一步分析，以預(yù)測(cè)可能的故障趨勢(shì)。

56、所述特征點(diǎn)提取區(qū)域劃分技術(shù)通過將圖像劃分為多個(gè)區(qū)域，只在穩(wěn)定區(qū)域提取特征點(diǎn)，具體包括將圖像劃分為m×n網(wǎng)格區(qū)域，公式為：

57、

58、其中，gi,j表示第i行第j列的網(wǎng)格區(qū)域，w和h分別表示圖像的寬度和高度。

59、在每個(gè)網(wǎng)格區(qū)域內(nèi)獨(dú)立提取特征點(diǎn)，以提高特征點(diǎn)提取的準(zhǔn)確性，避免機(jī)械設(shè)備振動(dòng)干擾，公式為：

60、p＝(x,y),d＝{d1,d2,...,dk}

61、其中，p為特征點(diǎn)位置，d為特征點(diǎn)描述符。

62、所述ransac算法用于在特征點(diǎn)匹配過程中隨機(jī)選擇樣本進(jìn)行擬合，具體包括在每次迭代中從初步匹配的特征點(diǎn)對(duì){(pi,qi)}中隨機(jī)選擇n對(duì)點(diǎn)，公式為：

63、s＝{(p1,q1),(p2,q2),...,(pn,qn)}

64、計(jì)算模型參數(shù)，通過選擇的點(diǎn)對(duì)s計(jì)算仿射變換矩陣h，使得：

65、

66、其中，仿射變換矩陣h的形式為：

67、

68、評(píng)估誤差，對(duì)所有匹配點(diǎn)對(duì){(pi,qi)}評(píng)估變換后的誤差：

69、error(pi,qi,h)＝||qi-hpi||

70、其中，pi是特征點(diǎn)的位置，qi是對(duì)應(yīng)匹配的點(diǎn)，是經(jīng)過仿射變換后的點(diǎn)；

71、篩選出內(nèi)點(diǎn)集，將誤差小于預(yù)設(shè)閾值ε的點(diǎn)對(duì)作為內(nèi)點(diǎn)：

72、{(pi,qi|error(pi,qi,h)＜ε}

73、通過多次迭代優(yōu)化模型，重復(fù)上述步驟，迭代k次，選擇內(nèi)點(diǎn)最多的仿射變換矩陣hbest作為最終模型，從而去除誤匹配點(diǎn)，提高匹配的準(zhǔn)確性，公式為：

74、

75、所述仿射變換矩陣計(jì)算用于保持圖像的幾何結(jié)構(gòu)，具體包括根據(jù)優(yōu)化后的特征點(diǎn)匹配結(jié)果，根據(jù)優(yōu)化后的特征點(diǎn)匹配結(jié)果{(pi,qi)}，計(jì)算仿射變換矩陣h，使得：

76、qi＝hpi

77、計(jì)算每幀圖像與初始幀之間的仿射變換矩陣，對(duì)每幀圖像中的特征點(diǎn)坐標(biāo)(xi,yi)，應(yīng)用仿射變換矩陣h進(jìn)行坐標(biāo)變換，得到變換后的坐標(biāo)(xi′,yi′)：

78、

79、通過穩(wěn)定化處理后的視頻進(jìn)行振動(dòng)頻譜分析和時(shí)域分析，具體包括對(duì)穩(wěn)定化處理后的視頻，計(jì)算相鄰幀之間的差分圖像，公式為：

80、dt(x,y)＝it(x,y)-it-1(x,y)

81、其中，dt(x,y)表示第t幀與第t-1幀之間的差分圖像，it(x,y)和it-1(x,y)分別表示第t幀和第t-1幀的圖像。

82、提取振動(dòng)特征，通過頻譜分析識(shí)別振動(dòng)信號(hào)的頻率成分，通過時(shí)域分析識(shí)別振動(dòng)信號(hào)的時(shí)域特征，從而進(jìn)行機(jī)械設(shè)備的故障診斷。

83、本發(fā)明的有益效果如下：

84、非接觸測(cè)量：該系統(tǒng)利用視覺傳感技術(shù)，實(shí)現(xiàn)了離心泵的非接觸測(cè)量，避免了傳統(tǒng)接觸式傳感器安裝復(fù)雜、維護(hù)困難、測(cè)量范圍有限的問題。

85、視頻穩(wěn)定化：通過采用sift算法和ransac算法對(duì)視頻數(shù)據(jù)進(jìn)行處理，能夠有效消除攝像機(jī)抖動(dòng)引起的不穩(wěn)定，確保振動(dòng)測(cè)量的準(zhǔn)確性和可靠性。

86、振動(dòng)可視化：振動(dòng)放大模塊采用改進(jìn)的復(fù)數(shù)可操縱金字塔的歐拉相位算法(n-pbvm)，能夠?qū)σ曨l中的微小振動(dòng)進(jìn)行放大，實(shí)現(xiàn)振動(dòng)的可視化，便于直觀觀察和分析。

87、高效準(zhǔn)確的振動(dòng)測(cè)量：振動(dòng)測(cè)量模塊通過圖像相位相關(guān)的光流法計(jì)算視頻中的振動(dòng)位移，保證了振動(dòng)測(cè)量的高效性和準(zhǔn)確性。

88、故障診斷：故障診斷模塊基于頻域分析法，能夠準(zhǔn)確識(shí)別離心泵的故障特征，包括轉(zhuǎn)子不平衡、轉(zhuǎn)子不對(duì)中和底座松動(dòng)等，提升了故障診斷的精度。

89、數(shù)據(jù)處理與趨勢(shì)預(yù)測(cè)：數(shù)據(jù)處理與存儲(chǔ)模塊不僅能夠存儲(chǔ)和分析振動(dòng)數(shù)據(jù)，還采用機(jī)器學(xué)習(xí)算法預(yù)測(cè)故障趨勢(shì)，為工業(yè)設(shè)備的維護(hù)提供了有力的技術(shù)支持。

90、通過上述技術(shù)手段，本發(fā)明實(shí)現(xiàn)了離心泵的高效、可靠的故障診斷，為工業(yè)設(shè)備的故障診斷和維護(hù)提供了先進(jìn)的技術(shù)手段