CN110823862B - 基于图像辅助原子发射光谱的油液元素检测方法及装置 - Google Patents
基于图像辅助原子发射光谱的油液元素检测方法及装置 Download PDFInfo
- Publication number
- CN110823862B CN110823862B CN201911125448.5A CN201911125448A CN110823862B CN 110823862 B CN110823862 B CN 110823862B CN 201911125448 A CN201911125448 A CN 201911125448A CN 110823862 B CN110823862 B CN 110823862B
- Authority
- CN
- China
- Prior art keywords
- image
- oil
- spectrum
- atomic emission
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/66—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence
- G01N21/67—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence using electric arcs or discharges
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开一种基于图像辅助原子发射光谱的油液元素检测方法及装置,方法包括以下步骤:(1)利用摄像机和转盘电极原子发射光谱仪,同步采集油液样品的电弧等离子体图像和原子发射光谱,利用元素谱线估算等离子体状态参数,建立等离子体图像与状态参数的内在联系;(2)基于电弧等离子体图像和原子发射光谱数据,运用偏最小二乘算法(PLS),建立图像‑光谱训练模型和测试模型,先通过训练模型求解得到补偿比例系数,再利用测试模型求解得到补偿后的谱线强度;(3)利用补偿后的谱线强度,结合定量分析算法,实现油液元素含量检测。该方法能够在不显著增加成本的情况下,明显提高油液元素现场检测精度,改善元素检测的重复性。
Description
技术领域
本发明属于光谱分析领域,特别是一种基于图像辅助转盘电极原子发射光谱的油液元素现场检测方法与装置。
背景技术
油液(润滑油、燃油等)是保证重大装备健康运行的“血液”,油液***在航空发动机、燃气轮机等大型旋转机械体系中具有举足轻重的作用,直接影响整机运行的安全。元素检测是油液状态监测最核心的内容,由于油液中携带大量机械部件磨损产生的微小颗粒,颗粒的元素组成能够有效反映有关部件的磨损程度、磨损位置及疲劳情况等关键信息。通过油液元素检测,研究人员能够及时掌握设备运行状态,在发生故障之前提前预警,为防止重大失效、降低维护费用、提高设备可用度等提供有力依据。
在众多油液检测技术中,转盘电极原子发射光谱技术作为一种相对传统但性能更加稳定、可靠的光谱分析技术,因其环境适应性强、无需样品制备、性能可靠、操作简单等特点,是当前油液元素现场检测广泛采用的主流技术。尽管如此,该技术仍面临许多问题亟待解决,特别是检测过程受电弧激发能量波动、环境扰动等因素影响,测量重复性无法得到可靠保证。
发明内容
本发明的目的是为了克服现有技术中的不足,提供一种基于图像辅助转盘电极原子发射光谱的油液元素检测方法及装置;采用摄像监测法,同时采集电弧图像和发射光谱,融合偏最小二乘(PLS)算法,构建测量结果补偿模型,提高油液元素现场检测精度,改善元素检测的重复性。并基于上述方法,提供一种高精度的油液元素现场检测装置,可推广用于包括航空发动机、燃气轮机等在内的各类装备***油液元素现场检测。
本发明的目的是通过以下技术方案实现的:
基于图像辅助转盘电极原子发射光谱的油液元素检测方法,包括以下步骤:
(1)利用摄像机和转盘电极原子发射光谱仪,同步采集油液样品的电弧等离子体图像和原子发射光谱,利用元素谱线估算等离子体状态参数,建立等离子体图像与状态参数的内在联系;
(2)基于电弧等离子体图像和原子发射光谱数据,运用偏最小二乘算法(PLS),建立图像-光谱训练模型和测试模型,先通过训练模型求解得到补偿比例系数,再利用测试模型求解得到补偿后的谱线强度;
(3)利用补偿后的谱线强度,结合定量分析算法,实现油液元素含量检测。
进一步的,步骤(1)包括以下步骤:
(101)通过实验,利用已知元素含量的油液标准样品的不同组合建立训练集合,对油液元素开展定量分析,获取数组电弧图像和等离子体光谱数据;
(102)利用多谱线估计等离子体状态参数求平均,以电弧图像全像素数据构建自变量矩阵,以等离子体状态参数构建因变量矩阵,运用PLS建立回归模型,采用留一法交叉验证。
进一步的,步骤(102)中等离子体状态参数包括温度和电子密度。
进一步的,步骤(2)包括以下步骤:
(201)建立训练模型;使用p个标准油液样品(元素含量已知),每个样品采集q组图像和光谱,形成k=p×q组观测数据,假设图像分辨率为r=m×n;将原始图像m×n像素矩阵转换为单行1×r数组,k幅原始图像构成k×r的训练矩阵P;运用PLS算法对训练矩阵P进行分析得到r×r的系数矩阵R,提取合适的前l(l≤r)列,构成r×l的图像特征提取矩阵E,同时,提取训练矩阵P相应的前l个主成分构成k×l的图像特征矩阵C;对于某一特定波长的谱线强度Ii,利用k组训练集的光谱计算得到该波长谱线的平均强度为
该波长谱线强度的相对偏差向量I记为
运用PLS建立图像特征矩阵C对相对偏差向量e的回归,得到l×1的PLS回归系数向量B;根据Schiebe-Lomakin公式,在不考虑谱线自吸时,已知该谱线对应元素含量c,可得到比例系数K为
(202)建立测试模型;使用待测油液样品,单次采集得到一组图像和光谱数据;将测得原始图像m×n像素矩阵转换为单行1×r数组Px;将图像特征提取矩阵E与数组Px相乘,提取得到l个主成分构成1×l的图像特征数组Cx;利用PLS回归系数向量B和图像特征数组Cx估计谱线强度相对偏差eout为
式中,B(j)和Cx(j)分别指B和Cx的第j个值;利用相对偏差eout校正后得到的谱线强度I′为
最后利用训练模型中的比例系数K和校正后的谱线强度I′,计算得到预测元素含量cx为
cx=KI′ (6)。
本发明还提供另一种技术方案如下:一种基于图像辅助转盘电极原子发射光谱的油液元素现场检测装置,包括电弧发生器、转盘石墨电极、准直镜、分束镜、相机、光谱收集器、光纤、光谱仪和计算机;所述转盘石墨电极将待测油液携带进入放电间隙,在所述电弧发生器驱动下产生电弧等离子体,电弧等离子体发射的光谱依次经准直镜、分束镜后形成方向不同的两条光路,其中一路依次经光谱收集器、光纤进入光谱仪进行分光、采集得到光谱数据,另一路经所述相机摄像采集得到图像数据,光谱数据和图像数据同时送入计算机进行分析处理。
与现有技术相比,本发明的技术方案所带来的有益效果是:
(1)相比传统的油液元素检测方法,本发明公开的基于图像辅助转盘电极原子发射光谱的油液元素现场检测方法融合了摄像监测法和光谱分析法,利用摄像机和光谱仪同时采集电弧等离子体图像和发射光谱,利用等离子体图像辅助原子光谱分析,具体地,利用图像和光谱数据,结合偏最小二乘算法,实现定量分析结果补偿,因此,该方法能够在不显著增加成本的情况下,明显提高油液元素现场检测精度,改善元素检测的重复性;
(2)本发明公开的基于图像辅助转盘电极原子发射光谱的油液元素现场检测装置,是在传统的转盘电极原子发射光谱仪的基础上,引入摄像机,运用图像处理、光谱分析等算法,实现油液元素高精度定量分析,装置的环境适应性强,性能可靠,能够满足各类现场环境下油液元素分析需求,是实现机械部件磨损监测,保证飞机、舰船等重要运载工具安全航行的重要途径和有效手段。
附图说明
图1示出本发明中建立电弧图像与等离子体状态参数内在联系的过程。
图2示出本发明中利用图像-光谱数据实现测量结果补偿的过程。
图3是本发明基于图像辅助转盘电极原子发射光谱的油液元素现场检测装置结构示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于图像辅助转盘电极原子发射光谱的油液元素现场检测方法,其实现过程包括以下几步:
第一步:利用摄像机和转盘电极原子发射光谱仪,同步采集油液样品的电弧等离子体图像和原子发射光谱,利用元素谱线估算等离子体状态参数,建立等离子体图像与状态参数的内在联系,过程如图1所示,包括两个环节;
(101)通过大量实验,利用多种已知元素含量的油液标准样品的不同组合建立训练集合,对油液元素开展定量分析,对电弧等离子体1获取数组电弧图像2和等离子体光谱数据3;
(102)利用多谱线估计等离子体状态参数求平均,以电弧图像全像素数据构建自变量矩阵4,以等离子体状态参数(温度、电子密度)构建因变量矩阵5,运用PLS建立回归模型6,采用留一法交叉验证。
第二步:基于电弧等离子体图像和原子发射光谱数据,运用偏最小二乘(PLS)算法,建立图像-光谱训练和测试模型,先运用训练模型求解得到补偿比例系数,再运用测试模型求解得到补偿后的谱线强度,过程如图2所示,包括两个环节;
(201)建立训练模型。使用p个标准油液样品(元素含量已知),每个样品采集q组图像和光谱,形成k=p×q组观测数据,假设图像分辨率为r=m×n;将原始图像7m×n像素矩阵转换为单行1×r数组,k幅原始图像构成k×r的训练矩阵P 8;运用PLS算法对训练矩阵P进行分析得到r×r的系数矩阵R 9,提取合适的前l(l≤r)列,构成r×l的图像特征提取矩阵E 10,同时,提取训练矩阵P相应的前l个主成分构成k×l的图像特征矩阵C 11;对于某一特定波长的谱线强度Ii,利用k组训练集的光谱12计算得到该波长谱线的平均强度13为
该波长谱线强度的相对偏差向量e 14记为
运用PLS建立图像特征矩阵C对相对偏差向量e的回归15,得到l×1的PLS回归系数向量B 16;根据Schiebe-Lomakin公式,在不考虑谱线自吸时,已知该谱线对应元素含量c,可得到比例系数K17
(202)建立测试模型。使用待测油液样品,单次采集得到一组图像和光谱数据;将测得原始图像18m×n像素矩阵转换为单行1×r数组Px 19;将图像特征提取矩阵E与数组Px相乘,提取得到l个主成分构成1×l的图像特征数组Cx 20;利用PLS回归系数向量B和图像特征数组Cx估计谱线强度相对偏差eout 21为
式中,B(j)和Cx(j)分别指B和Cx的第j个值;对测试集原始谱线强度22利用相对偏差eout校正后得到的谱线强度I′23为
第三步:利用补偿后的谱线强度,结合定量分析算法,实现油液元素含量检测;
(301)利用训练模型中的比例系数K和校正后的谱线强度I′,计算得到预测元素含量cx 24为
cx=KI′ (6)
此外本发明还提供一种基于图像辅助转盘电极原子发射光谱的油液元素现场检测装置,如图3所示,主要包括三个部分,分别是电弧放电部分、图像辅助部分和光谱探测部分,具体的设备或器件包括电弧发生器25、转盘石墨电极26、准直镜27、分束镜28、相机29、光谱收集器30、光纤31、光谱仪32和计算机33等。其工作过程为:转盘石墨电极26将待测油液携带进入放电间隙,在电弧发生器25驱动下产生电弧等离子体,等离子体发射光谱经准直镜27、分束镜28形成方向不同的两条光路,其中一路经光谱收集器30、光纤31进入光谱仪32进行分光、采集得到光谱数据,另一路经相机29摄像采集得到图像数据,光谱和图像数据同时送入计算机33进行分析处理。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (4)
1.基于图像辅助转盘电极原子发射光谱的油液元素检测方法,其特征在于,包括以下步骤:
(1)利用摄像机和转盘电极原子发射光谱仪,同步采集油液样品的电弧等离子体图像和原子发射光谱,利用元素谱线估算等离子体状态参数,建立等离子体图像与状态参数的内在联系;
(2)基于电弧等离子体图像和原子发射光谱数据,运用偏最小二乘算法(PLS),建立图像-光谱训练模型和测试模型,先通过训练模型求解得到比例系数,再利用测试模型求解得到校正后的谱线强度;包括以下步骤:
(201)建立训练模型;使用p个元素含量已知的标准油液样品,每个样品采集q组图像和光谱,形成k=p×q组观测数据,假设图像分辨率为r=m×n;将原始图像m×n像素矩阵转换为单行1×r数组,k幅原始图像构成k×r的训练矩阵P;运用PLS算法对训练矩阵P进行分析得到r×r的系数矩阵R,提取合适的前l列,l≤r,构成r×l的图像特征提取矩阵E,同时,提取训练矩阵P相应的前l个主成分构成k×l的图像特征矩阵C;对于某一特定波长的谱线强度Ii,利用k组训练集的光谱计算得到该波长谱线的平均强度为
该波长谱线强度的相对偏差向量e记为
运用PLS建立图像特征矩阵C对相对偏差向量e的回归,得到l×1的PLS回归系数向量B;根据Schiebe-Lomakin公式,在不考虑谱线自吸时,已知该谱线对应元素含量c,可得到比例系数K为
(202)建立测试模型;使用待测油液样品,单次采集得到一组图像和光谱数据;将测得原始图像m×n像素矩阵转换为单行1×r数组Px;将图像特征提取矩阵E与数组Px相乘,提取得到l个主成分构成1×l的图像特征数组Cx;利用PLS回归系数向量B和图像特征数组Cx估计谱线强度相对偏差eout为
式中,B(1)指B的第1个值,B(j+1)指B的第j+1个值,Cx(j)指Cx的第j个值;利用相对偏差eout校正后得到的谱线强度I′为
(3)利用校正后的谱线强度,结合定量分析算法,实现油液元素含量检测;通过训练模型中的比例系数K和校正后的谱线强度I′,计算得到预测元素含量cx为
cx=KI′ (6)。
2.根据权利要求1所述基于图像辅助转盘电极原子发射光谱的油液元素检测方法,其特征在于,步骤(1)包括以下步骤:
(101)通过实验,利用已知元素含量的油液标准样品的不同组合建立训练集合,对油液元素开展定量分析,获取数组电弧图像和等离子体光谱数据;
(102)利用多谱线估计等离子体状态参数求平均,以电弧图像全像素数据构建自变量矩阵,以等离子体状态参数构建因变量矩阵,运用PLS建立回归模型,采用留一法交叉验证。
3.根据权利要求2所述基于图像辅助转盘电极原子发射光谱的油液元素检测方法,其特征在于,步骤(102)中等离子体状态参数包括温度和电子密度。
4.一种基于图像辅助转盘电极原子发射光谱的油液元素现场检测装置,其特征在于,包括电弧发生器、转盘石墨电极、准直镜、分束镜、相机、光谱收集器、光纤、光谱仪和计算机;所述转盘石墨电极将待测油液携带进入放电间隙,在所述电弧发生器驱动下产生电弧等离子体,电弧等离子体发射的光谱依次经准直镜、分束镜后形成方向不同的两条光路,其中一路依次经光谱收集器、光纤进入光谱仪进行分光、采集得到光谱数据,另一路经所述相机摄像采集得到图像数据,光谱数据和图像数据同时送入计算机进行分析处理,所述分析处理采用如权利要求1所述的油液元素检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911125448.5A CN110823862B (zh) | 2019-11-18 | 2019-11-18 | 基于图像辅助原子发射光谱的油液元素检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911125448.5A CN110823862B (zh) | 2019-11-18 | 2019-11-18 | 基于图像辅助原子发射光谱的油液元素检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110823862A CN110823862A (zh) | 2020-02-21 |
CN110823862B true CN110823862B (zh) | 2023-05-26 |
Family
ID=69556174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911125448.5A Active CN110823862B (zh) | 2019-11-18 | 2019-11-18 | 基于图像辅助原子发射光谱的油液元素检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110823862B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113218903B (zh) * | 2021-05-19 | 2023-01-20 | 中国石油大学(华东) | 一种基于微流控与人工智能的油液分析设备故障预测*** |
CN113624745B (zh) * | 2021-07-01 | 2022-10-18 | 清华大学 | 一种基于光斑改善激光诱导击穿光谱长期稳定性的方法 |
CN113960019A (zh) * | 2021-10-26 | 2022-01-21 | 天津大学 | 一种双转盘电极原子发射光谱油液元素装置 |
CN114910284A (zh) * | 2022-05-17 | 2022-08-16 | 三一重机有限公司 | 作业机械故障检测方法、装置及作业机械 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234944A (zh) * | 2013-04-17 | 2013-08-07 | 清华大学 | 一种基于主导因素结合偏最小二乘法的煤质特性分析方法 |
CN108444980A (zh) * | 2018-01-30 | 2018-08-24 | 中国科学院上海技术物理研究所 | 基于代数重建关联向量求解的libs定量分析方法 |
CN109269949A (zh) * | 2018-10-15 | 2019-01-25 | 温州大学 | 一种适用航空滑油磨损颗粒信息快速检测***及方法 |
CN110161013A (zh) * | 2019-05-14 | 2019-08-23 | 上海交通大学 | 基于机器学习的激光诱导击穿光谱数据处理方法和*** |
-
2019
- 2019-11-18 CN CN201911125448.5A patent/CN110823862B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234944A (zh) * | 2013-04-17 | 2013-08-07 | 清华大学 | 一种基于主导因素结合偏最小二乘法的煤质特性分析方法 |
CN108444980A (zh) * | 2018-01-30 | 2018-08-24 | 中国科学院上海技术物理研究所 | 基于代数重建关联向量求解的libs定量分析方法 |
CN109269949A (zh) * | 2018-10-15 | 2019-01-25 | 温州大学 | 一种适用航空滑油磨损颗粒信息快速检测***及方法 |
CN110161013A (zh) * | 2019-05-14 | 2019-08-23 | 上海交通大学 | 基于机器学习的激光诱导击穿光谱数据处理方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN110823862A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110823862B (zh) | 基于图像辅助原子发射光谱的油液元素检测方法及装置 | |
CN101566501B (zh) | 一种光纤光谱协同放电电流测量等离子体电子密度的方法 | |
CN102854191B (zh) | 高速铁轨表面缺陷的实时视觉检测与识别方法 | |
CN107533759B (zh) | 对于关注图案图像群体的异常检测 | |
CN101655459B (zh) | 一种激光诱导击穿光谱元素谱线逆向提取方法 | |
CN106461581A (zh) | 基于来自光学检验及光学重检的缺陷属性的用于电子束重检的缺陷取样 | |
CN102221539A (zh) | 激光诱导击穿光谱原位分析仪 | |
CN110262450A (zh) | 面向汽轮机的多种故障特性协同分析的故障预测方法 | |
CN105352707A (zh) | 星敏感器光学***倍率色差测试设备及测试方法 | |
CN114418956A (zh) | 一种变电站关键电气设备的变化检测方法及*** | |
Shou et al. | Defect detection with generative adversarial networks for electroluminescence images of solar cells | |
CN105277531B (zh) | 一种基于分档的煤质特性测量方法 | |
CN110018153B (zh) | 大尺度样品全域成分全自动扫查定位和定量分析*** | |
CN105956591B (zh) | 一种在线高温零件红外图像光谱抽样检测方法 | |
CN117498225B (zh) | 一种无人机智能电力线路巡检*** | |
Attia et al. | Instant testing and non-contact diagnosis for photovoltaic cells using K-means clustering and associated hyperspectral imaging | |
CN211785145U (zh) | 基于图像辅助原子发射光谱的油液元素检测装置 | |
CN106148637A (zh) | 高稳定的转炉炼钢碳含量动态检测*** | |
CN205192728U (zh) | 星敏感器光学***倍率色差测试设备 | |
CN102507462B (zh) | 一种基于高光谱分析的铜品质检测方法及其检测*** | |
CN114785280A (zh) | 光伏电站太阳能电池组件发电性能缺陷的现场检测方法 | |
CN102944302A (zh) | 激光焦斑光强分布测试装置及测试方法 | |
CN109668862B (zh) | 一种基于激光诱导击穿光谱的铝电解质分子比检测方法 | |
CN109030443B (zh) | 一种基于交替惩罚三线性分解的海面失事飞机溢出油液油种成分检测方法 | |
CN112508946A (zh) | 一种基于对抗神经网络的电缆隧道异常检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |