0 引言

    磨損是導(dǎo)致各類機械設(shè)備工作異常和失效最常見的故障形式和緣由^[1]。根據(jù)大量統(tǒng)計結(jié)果表明，近80%的機械故障是因設(shè)備運行磨損及潤滑失效導(dǎo)致的。潤滑系統(tǒng)和液壓系統(tǒng)中的油液如同人的血液一樣，蘊含有豐富的設(shè)備工況信息，懸浮于其中的磨粒能最大限度反映機械系統(tǒng)內(nèi)部磨損程度，能夠為設(shè)備故障和視情維修提供寶貴依據(jù)、消除安全隱患，避免現(xiàn)場發(fā)生重大生產(chǎn)安全事故。因此對油液中磨粒的檢測至關(guān)重要^[2]。

    磨粒檢測依據(jù)光學(xué)、電學(xué)和磁場理論等不同工作原理可實現(xiàn)不同檢測方法，但傳統(tǒng)檢測方法都有諸多不足，如光譜法只能測量小于10 μm的磨粒，且設(shè)備一般較昂貴；顆粒計數(shù)法在使用一段時間后需校準(zhǔn)，校準(zhǔn)成本較高；磁塞法對非磁性材料無效；工程上使用較多的鐵譜法又因太依靠測試人員肉眼判斷，容易因主觀判斷和視覺疲勞造成判斷錯誤；電感法雖然可用于在線式，但一般只能檢測尺寸大于100 μm的較大磨粒^[3]。然而能表征機械摩擦副嚴(yán)重磨損失效的磨粒尺寸一般較小，只有10 μm左右^[4]。近年來如文獻[5]等雖然多有提出基于其他工作原理的磨粒檢測方法，但因其都是使用計算機或者工控機和其他多種傳感器，不僅成本較高，而且體積龐大，只能獲得磨粒數(shù)量和尺寸，無法得到磨粒形貌從而無法確定其類型,且產(chǎn)品多用于實驗室檢測，在諸如風(fēng)機檢測等偏遠(yuǎn)、人少、惡劣工業(yè)現(xiàn)場中，無法做到實時在線監(jiān)測，進而無法及時獲取到磨粒產(chǎn)生的數(shù)量和大小變化趨勢，難以及時準(zhǔn)確對工況做出評判。

    為解決以上檢測方法的不足，本文提出一種基于光學(xué)法的油液磨粒在線監(jiān)測方法。本方法使用嵌入式、圖像處理和數(shù)據(jù)無線傳輸?shù)燃夹g(shù)，以Contex-A9為內(nèi)核的 IMX6Q 作為硬件平臺，依托視覺庫OpenCV，用SIM800C無線模塊遠(yuǎn)程上傳數(shù)據(jù)，完成油液磨粒的在線監(jiān)測，從而彌補傳統(tǒng)油液磨粒檢測方法在復(fù)雜工業(yè)現(xiàn)場環(huán)境中因檢測尺寸范圍不足和檢測時間滯后帶來的不便，使得能根據(jù)磨粒驟升趨勢及時做出預(yù)警。

1 系統(tǒng)整體結(jié)構(gòu)

    如圖1所示，本系統(tǒng)由油樣及光路、圖像采集及處理和數(shù)據(jù)傳輸三個子系統(tǒng)組成。

    油液磨粒圖像監(jiān)測系統(tǒng)的油樣及光路子系統(tǒng)負(fù)責(zé)從主油路上分流出供圖像采集設(shè)備采集的油樣樣本。在主控芯片的控制下，從油液主過濾系統(tǒng)前的主油路上經(jīng)分流元件和蠕動泵流入精密油池。使用背光源照射，將磨粒形貌投影到下一子系統(tǒng)的CMOS面陣上。

    圖像采集及處理子系統(tǒng)中，使用以ARM為核心的處理器，通過程序控制繼電器進一步控制蠕動泵啟動，從而控制油樣的采集；背光源照射的磨粒經(jīng)微距成像透鏡放大后成像到CMOS上，通過USB2.0數(shù)據(jù)線將采集到的圖像輸送到圖像采集處理子系統(tǒng)中；通過程序處理采集到的圖像，得到油液中磨粒的諸多特征量。

    數(shù)據(jù)傳輸子系統(tǒng)中，無線模塊通過串口與ARM通信，將ARM采集到的磨粒特征量以無線的方式發(fā)送至上位機，在上位機端接收、制表及顯示油液反映的設(shè)備工作狀態(tài)，必要時發(fā)出提醒換油、停機和檢修等警報。

2 系統(tǒng)硬件組成

    系統(tǒng)硬件電路框圖如圖2所示，主要由主控制芯片、工業(yè)鏡頭及相機、繼電器和無線通信模塊等組成。

2.1 圖像處理硬件電路框圖

    圖像采集處理器由主處理器、通信接口電路、內(nèi)存電路和調(diào)試電路組成，其框圖如圖3所示。其中DDR3電路用于數(shù)據(jù)運算，eMMC電路用于數(shù)據(jù)存儲；通信接口電路通過USB和串口使主處理器與外部相機和無線模塊建立連接，實現(xiàn)主處理器與外部設(shè)備的通信；調(diào)試電路用于軟件的燒錄和調(diào)試階段的顯示。選用Freescale公司的I.MX6Q芯片作為圖像采集處理器的主處理器芯片，其片上資源豐富，主頻高，滿足嵌入式圖像處理要求。

2.2 數(shù)據(jù)通信硬件電路框圖

    數(shù)據(jù)的無線傳輸框圖如圖4所示。其中GPRS無線通信模塊選擇SIMCOM公司的工業(yè)級四頻段的SIM800C進行遠(yuǎn)程數(shù)據(jù)傳輸，該芯片尺寸小、功耗低，可以準(zhǔn)確實現(xiàn)數(shù)據(jù)無線傳輸。芯片電流峰值瞬間可達(dá)2 A，為保證無線通信模塊穩(wěn)定運行，輸入電壓要穩(wěn)定在4.0 V。其LDO供電電路如圖5所示。

3 系統(tǒng)軟件設(shè)計

    系統(tǒng)軟件主要由圖像處理程序、GPRS通信程序和上位機顯示組成。

    嵌入式油液磨粒檢測程序是基于視覺庫OpenCV，運行環(huán)境為ARM-Linux的嵌入式操作系統(tǒng)，最終實現(xiàn)油液磨粒圖像自動采集、處理和特征量無線上傳等操作。在系統(tǒng)初始化后判斷是否即刻開啟蠕動泵和背光光源，當(dāng)判斷為N時繼續(xù)等待，當(dāng)判斷為Y時開啟繼電器從而開啟蠕動泵和背光光源，使得從主油路上以on-line的形式采集油樣，延時一段時間后當(dāng)油液充滿油池時關(guān)閉繼電器，工業(yè)相機采集油液圖像并傳輸至ARM端，完成這一幀磨粒圖像的處理，最后將數(shù)據(jù)以無線形式發(fā)送至上位機。其程序流程圖如圖6所示。

3.1 計算機視覺庫OpenCV

    OpenCV是由Intel公司提倡和參與開發(fā)的一款算法成熟可靠、可在Windows/Linux/Mac端的操作系統(tǒng)上運行的跨平臺的計算機視覺庫[6]。通過安裝對應(yīng)交叉編譯器，對源碼包、依賴庫進行配置和編譯，實現(xiàn)該視覺庫的移植。考慮系統(tǒng)的運行穩(wěn)定性，本文選擇的版本為OpenCV2.4.8。

3.2 磨粒圖像采集及處理

    帶有磨粒信息的油液樣本在背光源的作用下投影到CMOS上，利用在Linux上的V4L2視頻內(nèi)核驅(qū)動，實現(xiàn)對油液磨粒圖像的采集。

    在圖像采集完成后，以ARM為核心的嵌入式硬件平臺實現(xiàn)對磨粒圖像的預(yù)處理、背景分割和特征量計算。其程序功能方案如圖7所示。

3.2.1 圖像濾波

    均值濾波算法簡單運算快，但是會導(dǎo)致圖像模糊，只能減弱噪聲而無法有效濾除噪聲。高斯濾波用于消除高斯噪聲，但是仍會使圖像模糊，在拍攝時盡量使視場內(nèi)明亮且亮度均勻，可有效降低高斯噪聲的產(chǎn)生。根據(jù)油液磨粒圖像實際情況選擇中值濾波，其基本思想是利用某一像素點的一定鄰域范圍內(nèi)的中值來代替原值，不僅能消除孤立噪聲點，還可以最大限度保留邊緣細(xì)節(jié)。

3.2.2 二值化

    為準(zhǔn)確從油液背景中分離出磨粒，需在輪廓提取前對預(yù)處理過的圖像進行二值化以分離目標(biāo)和背景。通常的做法是選定一個固定的閾值T，因油液磨粒中目標(biāo)物體較油液背景的灰度值小，故可將大于T的像素灰度值設(shè)為255，將小于T的像素灰度值設(shè)為0。但該閾值需要人為主觀確定，易將目標(biāo)物體錯劃分成背景。

    OTSU(大津法)閾值分割算法能夠自動確定閾值。其基本思想是根據(jù)圖像的灰度特性，將圖像按類間距離極大準(zhǔn)則分成目標(biāo)和背景兩個部分^[7]。本文即使用OTSU算法。

3.2.3 形態(tài)學(xué)運算去噪

    對圖像進行二值化后，磨粒邊緣會有輕微的缺損，磨粒內(nèi)部甚至?xí)形⑿〉目障叮ㄟ^對二值圖進行形態(tài)學(xué)開運算，不僅能夠?qū)崿F(xiàn)對單像素級別噪聲的消除，還能在纖細(xì)點處分離目標(biāo)磨粒；對二值圖進行形態(tài)學(xué)閉運算，能夠消除因二值化導(dǎo)致的磨粒內(nèi)部小型孔洞。兩種形態(tài)學(xué)操作能夠在不改變磨粒形狀和面積的情況下，實現(xiàn)對二值化圖像的平滑處理。運算效果如圖8和圖9所示。

3.3 無線通信

    ARM處理完成后的磨粒圖像數(shù)據(jù)利用無線模塊發(fā)送至上位機完成繪圖制表和故障預(yù)警。利用TCP/IP協(xié)議和AT指令，實現(xiàn)數(shù)據(jù)的可靠傳輸。

3.4 上位機軟件

    上位機端采用QT編制界面，實現(xiàn)對嵌入式平臺上傳數(shù)據(jù)的統(tǒng)計處理工作。

4 實驗驗證

    在完成嵌入式硬件調(diào)試和Windows系統(tǒng)端程序調(diào)試后，將程序代碼進行交叉編譯，生成可在ARM-Linux上運行的可執(zhí)行文件，再將該可執(zhí)行文件燒錄到ARM上，進行嵌入式平臺的磨粒圖像檢測。

    實驗采用500萬像素的相機拍攝一幀圖像為2 592×1 944、彩色.bmp格式的油液銅顆粒圖像，經(jīng)對處理后的圖像和特征量比較發(fā)現(xiàn)，ARM端與PC端處理效果一致。其中處理效果如圖10、圖11所示。在軟件優(yōu)化前程序運行時間如表1所示。其部分特征量如表2所示。

    根據(jù)對小磨粒圖像多次測試，發(fā)現(xiàn)對尺寸大于5 μm的磨粒能實現(xiàn)記數(shù)功能，對尺寸大于20 μm的磨粒能實現(xiàn)統(tǒng)計其輪廓和特征量功能，該范圍滿足工業(yè)現(xiàn)場要求。

5 結(jié)論

    按照以上硬件系統(tǒng)搭建電路并且燒寫軟件程序，通過實驗驗證得出，該系統(tǒng)能夠?qū)崿F(xiàn)基于光學(xué)法的油液磨粒檢測，能夠穩(wěn)定快速準(zhǔn)確得出油液中磨粒基本特征量，為將來依據(jù)此類特征量實現(xiàn)基于機器學(xué)習(xí)的磨粒分類提供了基礎(chǔ)準(zhǔn)備。

參考文獻

[1] 李忠，曾昭翔，杜永平，等.機車發(fā)動機鐵譜磨削微粒的智能識別與分析[J].鐵道學(xué)報，1997(1)：22-27.

[2] 李紹成，左洪福，張艷彬.油液在線監(jiān)測系統(tǒng)中的磨粒識別[J].光學(xué)精密工程，2009，17(3)：589-595.

[3] 張賢明，熊少軍，陳彬，等.油液顆粒污染在線監(jiān)測技術(shù)現(xiàn)狀[J].化工自動化及儀表，2014，41(11)：1223-1225，1334.

[4] HUDNIKA V，VIINTINB J.Key parameters for reliable prediction of machine failure using wear particle analysis[J].Tribology International，1991，24(2)：95-98.

[5] 呂純，張培林，吳定海，等.基于超聲傳感器的油液磨粒在線監(jiān)測系統(tǒng)的研究[J].機床與液壓，2016，44(7)：73-75.

[6] 王曉龍，穆春陽，張盼盼，等.基于ARM的農(nóng)藥噴霧飛行器越界控制系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用，2015，41(4)：36-39.

[7] 齊麗娜，張博，王戰(zhàn)凱.最大類間方差法在圖像處理中的應(yīng)用[J].無線電工程，2006(7)：25-26，44.

作者信息:

胡澤民，施洪生，亢  凱，閻淵海

（北京交通大學(xué) 國家能源主動配電網(wǎng)技術(shù)研發(fā)中心，北京100044）