基于灰度-梯度共生矩阵的往复压缩机气阀故障诊断方法研究.pdf

《基于灰度-梯度共生矩阵的往复压缩机气阀故障诊断方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第3期化工机械28l基于灰度一梯度共生矩阵的往复压缩机气阀故障诊断方法研究+丛蕊“高光甫乔磊赵海峰刘冬(东北石油大学机械科学与工程学院)摘要提出基于灰度一梯度共生矩阵的气阍故障图像特征提取方法，以不同故障气阑阀片的平滑伪威格纳一雏尔分布图为研究对象。通过提取图像中的纹理特征信息计算其纹理特征参数，由结果可知，不同的故障图像对应不同的特征参量，从而实现了往复压缩机气阎故障的定量诊断。关键词压缩机气网灰度一梯度共生矩阵故障诊断中国分类号TQ051．2l文献标识码A文章编号0254-6094(2012)03-028i-04往复压缩机结构复杂，激励源多，产生故障的原

2、因也很多，其中气阀故障占故障总数的60％以上。气阀的工作状况直接影响着压缩机运转的可靠性，因此，对其进行监测诊断是非常必要的¨．2】。近年来，国内外一些学者对压缩机故障诊断提出了一些新方法，并取得了很大的进展¨“o。但他们所采用的故障诊断方法需要对故障信号的频域或时域特征进行分析，同时结合经验才能辱寻出故障类型，其诊断效果不是特别明显。随着图像识别技术的发展，利用图像识别技术进行故障诊断引起人们极大地兴趣。刘占生和窦唯M1利用灰度一梯度共生矩阵有效地提取图形中的纹理特征信息，实现旋转机械故障诊断；林勇等¨3以滚动轴承为对象，提出用平滑伪威格纳一维尔(SPWVD)分布

3、来表征振动信号时频分布特性，利用SPWVD图像的GLCM及其特征统计量来提取故障特征。这些方法都为图像识别技术能应用在往复压缩机故障诊断中提供了新的思路。笔者通过对往复压缩机振动信号进行SP—WVD分布时频处理，得到振动信号时频分布图，以振动信号的频率幅值作为灰度值，将三维真彩图像转化为二维灰度图像，采用灰度一梯度共生矩阵提取出图像中的纹理特征参量。分析结果表明，不同故障对应不同的特征参量，因此可以定量识别压缩机的故障。1灰度一梯度共生矩阵灰度一梯度共生矩阵集中反映了图像中各像素点灰度和梯度的相互关系哺]，灰度是构成一幅图像的基础，梯度则是构成图像边缘轮廓的要素，将

4、图像的梯度信息加入到灰度共生矩阵中，构成灰度一梯度共生矩阵，用灰度和梯度的综合信息表征纹理特征。1．1梯度阵的计算灰度一梯度共生矩阵C中的元素c(i，』)定义为在正规化的灰度图像F(茁，￡)和正规化的梯度图像G(K，L)中共同具有灰度值为i和梯度值为J的总像点数。灰度图像中第(ji：，￡)像点的梯度值八x，￡)，采用3×3窗口的Sobel算子计算：g(K。￡)；(g：+g：)“2<1)豇=“K+1，L一1)+2y(x+1，￡)+，(K+1，￡+1)-／(K一1，L一1)一2／(尺一1，L)一以K一1，工+1)豇=，(x一1，￡+1)+2／(K，三+I)+以X+1，L

5、+I)一，(置一1，￡+1)一乏“Jr．L—1)一f(K+1，工_1)·黑龙江省教育厅科学技术研究项目(11531002)。··丛蕊，女，1972年11月生，副教授，黑龙江省大庆市，163318。282化工机械2012焦其中K=1，2，⋯，M；L=1，2，⋯，Ⅳ；膨、Ⅳ为图3实例分析像的行数和列数。1．2灰度和梯度的正规化正规化的目的是在不影响图像纹理特征的情况下，对图像的灰度级和梯度级做适当变换以减少运算量。首先对灰度阵进行正规化处理，得：F(K，L)=INT[f(K，L)×N，／f．]+I(2)式中INT——取整运算；^——已知灰度阵中的最大灰度值；Ⅳr——正规

6、化后希望的最大灰度值，Nf=64。同时对梯度阵进行正规化处理，g。为已知图像中的最大梯度值，Ⅳ。是正规化后希望的最大梯度值，取N。：64。则正规化后的梯度阵为：c(K，￡)=INT[g(K，￡)×N。／g。]+1(3)经过正规化处理得到两个正规化矩阵F(K，￡)和G(K，L)后，即可计算灰度一梯度共生矩阵。1．3生成灰度一梯度共生矩阵统计正规化后的灰度图像F(K．￡)和梯度图像G(K，三)中使江F(K，L)和，=G(K，￡)的像点对数，得到共生矩阵C的第(i，j)个元素的值C。．；在灰度值为i、梯度值为，处的共生矩阵的概率P。j一1为：CP口=下斋，0≤pF≤1(4

7、)々々。V2基于灰度一梯度共生矩阵图像特征值计算利用灰度一梯度共生矩阵可以计算描述图像纹理特征的各种统计量，选取其中的8个特征值，包括小梯度优势(T．)、大梯度优势(T2)、灰度平均(T，)、梯度分布不均匀性(L)、能量(T5)、灰度熵(瓦)、梯度熵(T7)和混合熵(以)，其计算式分别如下：弘旧半⋯渺∽，t：【∑∑，F(i，j)】／【∑∑F(i，j)】L=∑i·【∑P(i，j)】T4={∑【∑F(iJ)】2)／【∑∑F(i，J)】L：∑∑[P(i，J)]2T6=一}[∑∑P(i，j)]2·log[EP(i，j)]T7=一

8、∑[∑p(i，j)]2·log[∑P(i