针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别。这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺陷区域;对缺陷区域进行特征提取后,利用缺陷分类决策树完成缺陷类型的识别。实验表明,该方法实时性好、运算速度快,可有效检测出列车滚子轴承表面缺陷。

针对轧辊外表面的曲面性及摄像头视角较小的情况,为了能够准确分析轧辊表面缺陷,提出了一种全景拼接技术对轧辊表面图像进行拼接,获得完整的全景图像。首先对摄像头采集到的图像进行了图像预处理,由于拍摄轧辊的外表面,图像会产生桶型畸变,采用了柱面反投影,对产生畸变图像进行了曲面校正,然后使用了SURF特征点提取,之后通过快速近似最近邻和(FLANN)匹配算法进行匹配并运用RANSAC算法去除误匹配点,提高了变换矩阵的精度,对拼接后的图像采用了加权平均融合算法对两张图像进行了融合,消除了两张图像的拼接线,实验表明,该轧辊外表面的曲面拼接算法达到了想要的拼接效果。

对透水型生态混凝土在不同浓度硫酸盐干湿循环条件下进行了侵蚀试验,测定了透水型生态混凝土的抗压强度耐蚀系数、相对动弹性模量和质量变化率。并辅以SEM电镜和EDS成分分析,探究了不同浓度硫酸盐侵蚀下试件微观损伤过程和侵蚀破坏规律。试验结果表明:在硫酸盐干湿环境下,透水型生态混凝土的抗压强度耐蚀系数、质量变化率均呈现出先上升再下降的变化趋势。浓度越高,侵蚀破坏的周期越短。通过微观分析发现,试件侵蚀产物多为硫酸钠结晶、钙矾石和石膏以及少量碳化碳硫硅钙石结晶。此外,实验室烘干会加速试件本身和侵蚀结晶碳化,生成碳硫硅钙石结晶。

为了提高蓄能器在液压缸试验台液压系统中吸收压力冲击的能力,通过数学模型的分析和仿真模型的建立对蓄能器性能影响较大的参数进行研究,以便最大程度发挥蓄能器的功效。以液压缸试验台中的皮囊式蓄能器作为研究对象,利用AMESim仿真平台建立了包括皮囊式蓄能器在内液压缸试验台的仿真模型并进行了仿真分析,探讨了蓄能器的体积、连接管路长度和内径三个参数对蓄能器性能的影响。研究结果表明:同一蓄能器其连接管路越短、管径越大,吸收系统的压力冲击越充分;蓄能器的体积在满足吸收系统压力冲击最小体积时,其大小对其吸收压力冲击的效果没有太大影响,但蓄能器体积越大充液时间越长;根据实际情况选择适合的蓄能器可以减少浪费,提高效率;增大其连接管道内径,减小管路长度可有效降低系统压力冲击。

为进一步探究螺杆压缩机油气分离器安装套筒结构对内部流场及分离效率的影响,采用PumpLinx软件对有无套筒及不同套筒布置结构下的两相流场进行数值模拟。通过对比安装套筒装置前后压力变化曲线,发现有无套筒装置压力变化差别不大,说明套筒并未对压缩机的整机功率造成过多损耗。通过对比套筒正置、倒置以及未安装时的流场分布图、速度矢量图,发现套筒的安置有明显的增加碰撞、减少湍流以及整合流场的作用;进一步分析发现正置与倒布置相比具有更好的油滴撞击和整流效果,进而得出在油气分离筒入口处布置朝上型套筒能提升油气分离效率的结论,为油气分离器结构的进一步优化提供参考。

将深度学习Faster R-CNN应用于列车轴承图像的表面缺陷检测。建立人工数据库BSD,通过对图像增广弥补数据不足的缺陷;采用Faster R-CNN算法进行目标检测和识别,卷积神经网络采用ZF Net模型,对BSD数据集训练,得到检测结果;并与传统检测方法Canny算法的检测结果进行比较。试验结果表明:和传统Canny算法比较,基于Faster R-CNN算法的轴承缺陷的检测精度为93.03%、检测时间为0.29 s,相比传统Canny算法检测精度提升21.73%、检测时间减少2.21 s,同时准确率大幅度提高,能够实现轴承表面缺陷的精确检测和识别,满足铁路部门对轴承检修的需求。

应用2D-VMD算法对图像信号进行去噪,以提升图像质量。采用2D-VMD技术对含有噪声的轴承缺陷图像进行分解,将其分解为有限个固有模态函数(IMF)分量;利用模糊线性指数和标准差筛选各IMF分量,剔除噪声项,实现图像去噪。对比2D-VMD去噪算法和均值滤波、中值滤波的去噪效果,使用均方差和峰值信噪比对去噪后的图像进行客观评价。结果表明:使用2D-VMD算法去噪效果更好,去噪后的图像能保留更多有效信息、图像质量更好,能够满足铁路部门对轴承检修的需求。