CN117710364B - 一种基于机器视觉的抗磨液压油除杂全流程分析管理*** - Google Patents
一种基于机器视觉的抗磨液压油除杂全流程分析管理*** Download PDFInfo
- Publication number
- CN117710364B CN117710364B CN202410145163.2A CN202410145163A CN117710364B CN 117710364 B CN117710364 B CN 117710364B CN 202410145163 A CN202410145163 A CN 202410145163A CN 117710364 B CN117710364 B CN 117710364B
- Authority
- CN
- China
- Prior art keywords
- hydraulic oil
- water content
- target
- antiwear
- impurity
- 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
- 239000010720 hydraulic oil Substances 0.000 title claims abstract description 263
- 239000012535 impurity Substances 0.000 title claims abstract description 138
- 238000005206 flow analysis Methods 0.000 title claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 145
- 230000002159 abnormal effect Effects 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000001914 filtration Methods 0.000 claims abstract description 58
- 230000000694 effects Effects 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000005856 abnormality Effects 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims description 80
- 238000011156 evaluation Methods 0.000 claims description 43
- 208000005156 Dehydration Diseases 0.000 claims description 42
- 230000018044 dehydration Effects 0.000 claims description 42
- 238000006297 dehydration reaction Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004945 emulsification Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Fluid-Pressure Circuits (AREA)
Abstract
本发明涉及抗磨液压油除杂全流程分析管理技术领域,具体公开一种基于机器视觉的抗磨液压油除杂全流程分析管理***,该***包括:液压油清澈度分析模块、综合杂质度分析模块、含水量异常分析模块、除杂效果控制模块和云数据库;本发明通过分析目标抗磨液压油的清澈度,从而评判除杂效果是否存在异常,若存在异常,对目标抗磨液压油的综合杂质度和含水量异常情况进行分析,得到除杂效果异常原因,并进行控制,降低了目标抗磨液压油的除杂效果评判的片面性,可以更好地平衡液压油的过滤效果和生产效率,从而提高整个液压***的运行效率,同时可以更早地发现含水量的异常趋势,避免因水分含量过高或过低对液压***造成损害。
Description
技术领域
本发明涉及抗磨液压油除杂全流程分析管理技术领域,具体而言,涉及一种基于机器视觉的抗磨液压油除杂全流程分析管理***。
背景技术
在液压***中,抗磨液压油是重要的工作介质,其质量直接影响液压***的性能和稳定性,然而,在长时间使用过程中,液压油中容易混入杂质,这些杂质会严重影响液压油的性能,甚至导致液压***故障,因此,为了保障液压***的正常运行,需要对抗磨液压油除杂全流程进行分析管理。
现有的对抗磨液压油除杂全流程进行分析管理方式中还存在以下几个方面的问题:1、当前分析抗磨液压油的除杂效果是否存在异常时,未结合抗磨液压油的灰度差异系数和灰度达标度综合分析抗磨液压油的清澈度,灰度差异系数和灰度达标度是评价液压油清澈度的两个重要指标,单独考虑清澈度可能会忽略掉液压油中其他杂质的影响,导致分析结果片面,同时可能无法针对不同灰度的杂质采取有效的处理措施,从而影响液压油的质量和性能。
2、当前当抗磨液压油的综合杂质度过大时,仅开启过滤装置,未对过滤装置的设定过滤压力和设定过滤流量进行深度分析,可能会导致过滤效果不佳,无法有效去除液压油中的杂质,在过滤过程中,如果过滤压力和过滤流量未得到合理设定,可能会导致能源的浪费,无法更好地平衡液压油的过滤效果和生产效率,从而降低了整个液压***的运行效率。
3、当前分析抗磨液压油的含水量是否存在异常时,未结合抗磨液压油的含水量变化速率和含水量偏差指数综合分析含水量异常评估指数,可能会忽略含水量的动态变化,从而导致误判,无法全面地评估含水量的异常情况,进而无法准确地判断液压油的状态,降低了异常情况采取措施的及时性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于机器视觉的抗磨液压油除杂全流程分析管理***。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于机器视觉的抗磨液压油除杂全流程分析管理***,包括:液压油清澈度分析模块,用于从目标抗磨液压油中提取一定量的液压油,并将其作为液压油样本,对液压油样本进行灰度图像采集,将采集到的灰度图像按照等比例划分为各监测区域,得到液压油样本的各监测区域中各监测点对应的灰度值,分析目标抗磨液压油的清澈度,当目标抗磨液压油的清澈度小于设定值时,则表明目标抗磨液压油的除杂效果存在异常,执行综合杂质度分析模块。
综合杂质度分析模块,用于对液压油样本进行图像采集,将采集到的图像按照等比例划分为各子区域,并识别出液压油样本中各子区域的悬浮物数目和各悬浮物的体积,分析目标抗磨液压油的综合杂质度。
含水量异常分析模块,用于采集目标抗磨液压油在各监测时间点对应的含水量,分析目标抗磨液压油的含水量异常评估指数。
除杂效果控制模块,用于确认目标抗磨液压油的除杂效果异常原因,并对目标抗磨液压油的除杂进行控制。
云数据库,用于存储目标抗磨液压油的初始灰度值区间,存储目标抗磨液压油的许可最大含水量,存储单位综合杂质度偏差对应的适宜过滤压力和适宜过滤流量,并存储各含水量异常评估指数对应的适宜脱水时长和适宜脱水速度。
具体地,所述分析目标抗磨液压油的清澈度,具体分析过程为:A1、将液压油样本的各监测区域中各监测点对应的灰度值进行均值计算,得到液压油样本的各监测区域对应的平均灰度值,并将其作为液压油样本的各监测区域对应的灰度值,记为,其中,/>表示监测区域的编号,/>。
A2、计算液压油样本的灰度差异系数,/>,其中,/>表示设定参照的灰度值偏差,/>表示第/>个监测区域对应的灰度值。
A3、计算液压油样本的灰度达标度。
A4、计算目标抗磨液压油的清澈度,/>,其中,/>和/>分别表示设定参照的灰度差异系数和灰度达标度,/>和/>分别表示设定的灰度差异系数和灰度达标度对应清澈度评估占比权重。
具体地,所述计算液压油样本的灰度达标度,具体计算过程为:B1、将液压油样本的各监测区域对应的灰度值与云数据库中存储的目标抗磨液压油的初始灰度值区间进行对比,若某监测区域对应的灰度值位于初始灰度值区间内,则将该监测区域记为清澈区域,统计液压油样本中清澈区域数目,记为。
B2、从液压油样本的各监测区域对应的灰度值中提取最大值,记为。
B3、计算液压油样本的灰度达标度,/>,其中,/>和/>分别表示设定参照的清澈区域占比和灰度值,/>和/>分别表示设定的清澈区域占比和灰度值对应灰度达标度评估占比权重,/>表示监测区域数目。
具体地,所述分析目标抗磨液压油的综合杂质度,具体分析过程为:C1、将液压油样本中各子区域的悬浮物数目和各悬浮物的体积分别记为和/>,其中,/>表示子区域的编号,/>,/>表示悬浮物的编号,/>。
C2、计算液压油样本中各子区域的杂质度,/>,其中,/>和/>分别表示设定参照的悬浮物数目和悬浮物体积,/>和/>分别表示设定的悬浮物数目和悬浮物体积对应杂质度评估占比权重。
C3、将液压油样本中各监测区域的杂质度与设定参照的杂质度进行对比,若某子区域的杂质度大于或者等于设定参照的杂质度,则将该子区域记为异常区域,统计液压油样本中异常区域数目,记为。
C4、计算目标抗磨液压油的综合杂质度,/>,其中,/>和/>分别表示设定参照的杂质度和异常区域占比,/>和/>分别表示设定的杂质度和异常区域占比对应综合杂质度评估占比权重,/>表示子区域数目。
具体地,所述分析目标抗磨液压油的含水量异常评估指数,具体分析过程为:D1、从目标抗磨液压油在各监测时间点对应的含水量中分别提取最高含水量和最低含水量,并分别记为和/>,同时提取最高含水量和最低含水量对应的监测时间点,进而获取最高含水量和最低含水量之间的间隔时长,记为/>。
D2、计算目标抗磨液压油的含水量变化速率,/>。
D3、从云数据库中提取目标抗磨液压油的许可最大含水量,并据此计算目标抗磨液压油的含水量偏差指数。
D4、计算目标抗磨液压油的含水量异常评估指数,,其中,/>和/>分别表示设定参照的含水量变化速率和含水量偏差指数,/>和/>分别表示设定的含水量变化速率和含水量偏差指数对应含水量异常评估占比权重,/>表示自然常数。
具体地,所述计算目标抗磨液压油的含水量偏差指数,具体计算过程为:E1、将目标抗磨液压油在各监测时间点对应的含水量与目标抗磨液压油的许可最大含水量进行作差,得到目标抗磨液压油在各监测时间点对应的含水量偏差,统计含水量偏差大于或者等于0的监测时间点数目,并将其记为偏差监测时间点数目。
E2、从目标抗磨液压油在各偏差监测时间点对应的含水量偏差中提取最大值,记为。
E3、计算目标抗磨液压油的含水量偏差指数,/>,其中,/>和/>分别表示设定参照的偏差监测时间点占比和含水量偏差,/>和/>分别表示设定的偏差监测时间点占比和含水量偏差对应含水量偏差评估占比权重。
具体地,所述目标抗磨液压油的除杂效果异常原因的确认方式为:构建除杂效果异常原因评估模型,输出目标抗磨液压油的除杂效果异常原因,其中,除杂效果异常原因评估模型表示为:,其中,/>和/>分别表示各除杂效果异常原因评估条件,/>表示/>且/>,/>表示/>且/>,/>表示/>且,其中,/>和/>分别表示设定参照的综合杂质度和含水量异常评估指数。
具体地,所述对目标抗磨液压油的除杂进行控制,具体控制过程为:F1、从云数据库中提取单位综合杂质度偏差对应的适宜过滤压力和适宜过滤流量,并分别记为和/>。
F2、若除杂效果异常原因涉及杂质原因,则启动过滤装置对液压油进行过滤,并将作为过滤装置的设定过滤压力,将/>作为过滤装置的设定过滤流量。
F3、将目标抗磨液压油的含水量异常评估指数与云数据库中存储的各含水量异常评估指数对应的适宜脱水时长和适宜脱水速度进行匹配对比,得到目标抗磨液压油对应的适宜脱水时长和适宜脱水速度,并分别记为和/>。
F4、若除杂效果异常原因涉及含水量原因,则启动脱水装置对液压油进行脱水处理,并将作为脱水装置的设定脱水时长,将/>作为脱水装置的设定脱水速度。
F5、若除杂效果异常原因涉及综合原因,则启动过滤装置对液压油进行过滤,将作为过滤装置的设定过滤压力,将/>作为过滤装置的设定过滤流量,并且启动脱水装置对液压油进行脱水处理,将/>作为脱水装置的设定脱水时长,将/>作为脱水装置的设定脱水速度。
相较于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明通过计算液压油样本的灰度差异系数和灰度达标度,综合分析目标抗磨液压油的清澈度,从而评判目标抗磨液压油的除杂效果是否存在异常,降低了目标抗磨液压油的除杂效果评判的片面性,提高了目标抗磨液压油的清澈度分析的准确性,同时针对不同灰度的杂质采取有效的处理措施,降低了对液压油的质量和性能分析的影响。
(2)本发明通过结合液压油样本中各子区域的悬浮物数目和各悬浮物的体积,分析目标抗磨液压油的综合杂质度,并确认过滤装置的设定过滤压力和设定过滤流量,提高了过滤装置的过滤效果,有效去除液压油中的杂质,避免了能源的浪费,通过对过滤压力和过滤流量的深度分析,可以更好地平衡液压油的过滤效果和生产效率,从而提高整个液压***的运行效率。
(3)本发明通过计算目标抗磨液压油的含水量变化速率和含水量偏差指数,综合分析目标抗磨液压油的含水量异常评估指数,综合考虑这两个参数可以更全面地评估含水量的异常情况,从而更准确地判断液压油的状态,结合含水量变化速率和含水量偏差指数进行分析,可以更早地发现含水量的异常趋势,从而及时采取措施,避免因水分含量过高或过低对液压***造成损害。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明***模块结构连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种基于机器视觉的抗磨液压油除杂全流程分析管理***,包括:液压油清澈度分析模块、综合杂质度分析模块、含水量异常分析模块、除杂效果控制模块和云数据库。
所述液压油清澈度分析模块和综合杂质度分析模块相连,综合杂质度分析模块和含水量异常分析模块两者均与除杂效果控制模块相连,液压油清澈度分析模块、含水量异常分析模块和除杂效果控制模块三者均与云数据库相连。
所述液压油清澈度分析模块,用于从目标抗磨液压油中提取一定量的液压油,并将其作为液压油样本,对液压油样本进行灰度图像采集,将采集到的灰度图像按照等比例划分为各监测区域,得到液压油样本的各监测区域中各监测点对应的灰度值,分析目标抗磨液压油的清澈度,当目标抗磨液压油的清澈度小于设定值时,则表明目标抗磨液压油的除杂效果存在异常,执行综合杂质度分析模块。
需要说明的是,所述对液压油样本进行灰度图像采集的方式为:将采集的液压油样本图像导入计算机中,使用图像处理软件对其进行处理和分析,进而得到液压油样本对应的灰度图像。
在本发明具体实施例中,所述分析目标抗磨液压油的清澈度,具体分析过程为:A1、将液压油样本的各监测区域中各监测点对应的灰度值进行均值计算,得到液压油样本的各监测区域对应的平均灰度值,并将其作为液压油样本的各监测区域对应的灰度值,记为,其中,/>表示监测区域的编号,/>。
A2、计算液压油样本的灰度差异系数,/>,其中,/>表示设定参照的灰度值偏差,/>表示第/>个监测区域对应的灰度值。
A3、计算液压油样本的灰度达标度。
在本发明具体实施例中,所述计算液压油样本的灰度达标度,具体计算过程为:B1、将液压油样本的各监测区域对应的灰度值与云数据库中存储的目标抗磨液压油的初始灰度值区间进行对比,若某监测区域对应的灰度值位于初始灰度值区间内,则将该监测区域记为清澈区域,统计液压油样本中清澈区域数目,记为。
B2、从液压油样本的各监测区域对应的灰度值中提取最大值,记为。
B3、计算液压油样本的灰度达标度,/>,其中,/>和分别表示设定参照的清澈区域占比和灰度值,/>和/>分别表示设定的清澈区域占比和灰度值对应灰度达标度评估占比权重,/>表示监测区域数目。
需要说明的是,液压油的灰度值越大,液压油中的颗粒物就越多,这些颗粒物会散射光线,使得液压油看起来更加浑浊,清澈程度降低,因此,可以说液压油的灰度值越大,其清澈程度可能会越小。
本发明具体实施例中,的设定值为50%,/>的设定值为50%。
A4、计算目标抗磨液压油的清澈度,/>,其中,/>和/>分别表示设定参照的灰度差异系数和灰度达标度,/>和/>分别表示设定的灰度差异系数和灰度达标度对应清澈度评估占比权重。
本发明具体实施例中,的设定值为50%,/>的设定值为50%。
本发明实施例通过计算液压油样本的灰度差异系数和灰度达标度,综合分析目标抗磨液压油的清澈度,从而评判目标抗磨液压油的除杂效果是否存在异常,降低了目标抗磨液压油的除杂效果评判的片面性,提高了目标抗磨液压油的清澈度分析的准确性,同时针对不同灰度的杂质采取有效的处理措施,降低了对液压油的质量和性能分析的影响。
所述综合杂质度分析模块,用于对液压油样本进行图像采集,将采集到的图像按照等比例划分为各子区域,并识别出液压油样本中各子区域的悬浮物数目和各悬浮物的体积,分析目标抗磨液压油的综合杂质度。
需要说明的是,所述通过安置的摄像头对液压油样本进行图像采集。
还需要说明的是,所述液压油样本中各子区域的悬浮物数目和各悬浮物的体积的识别方式为:通过图像分析软件对液压油样本中各子区域进行图像采集和处理,可以自动识别和计数液压油样本中各子区域的悬浮物,该方法需要使用高分辨率的摄像头和图像分析软件,但可以快速准确地获得悬浮物数目和体积的数据。
在本发明具体实施例中,所述分析目标抗磨液压油的综合杂质度,具体分析过程为:C1、将液压油样本中各子区域的悬浮物数目和各悬浮物的体积分别记为和/>,其中,/>表示子区域的编号,/>,/>表示悬浮物的编号,/>。
C2、计算液压油样本中各子区域的杂质度,/>,其中,/>和/>分别表示设定参照的悬浮物数目和悬浮物体积,/>和/>分别表示设定的悬浮物数目和悬浮物体积对应杂质度评估占比权重。
本发明具体实施例中,的设定值为50%,/>的设定值为50%。
C3、将液压油样本中各监测区域的杂质度与设定参照的杂质度进行对比,若某子区域的杂质度大于或者等于设定参照的杂质度,则将该子区域记为异常区域,统计液压油样本中异常区域数目,记为。
C4、计算目标抗磨液压油的综合杂质度,/>,其中,和/>分别表示设定参照的杂质度和异常区域占比,/>和/>分别表示设定的杂质度和异常区域占比对应综合杂质度评估占比权重,/>表示子区域数目。
本发明具体实施例中,的设定值为50%,/>的设定值为50%。
所述含水量异常分析模块,用于采集目标抗磨液压油在各监测时间点对应的含水量,分析目标抗磨液压油的含水量异常评估指数。
需要说明的是,所述目标抗磨液压油在各监测时间点对应的含水量通过红外式油中水分析仪采集得到。
在本发明具体实施例中,所述分析目标抗磨液压油的含水量异常评估指数,具体分析过程为:D1、从目标抗磨液压油在各监测时间点对应的含水量中分别提取最高含水量和最低含水量,并分别记为和/>,同时提取最高含水量和最低含水量对应的监测时间点,进而获取最高含水量和最低含水量之间的间隔时长,记为/>。
D2、计算目标抗磨液压油的含水量变化速率,/>。
D3、从云数据库中提取目标抗磨液压油的许可最大含水量,并据此计算目标抗磨液压油的含水量偏差指数。
在本发明具体实施例中,所述计算目标抗磨液压油的含水量偏差指数,具体计算过程为:E1、将目标抗磨液压油在各监测时间点对应的含水量与目标抗磨液压油的许可最大含水量进行作差,得到目标抗磨液压油在各监测时间点对应的含水量偏差,统计含水量偏差大于或者等于0的监测时间点数目,并将其记为偏差监测时间点数目。
E2、从目标抗磨液压油在各偏差监测时间点对应的含水量偏差中提取最大值,记为。
E3、计算目标抗磨液压油的含水量偏差指数,/>,其中,和/>分别表示设定参照的偏差监测时间点占比和含水量偏差,/>和/>分别表示设定的偏差监测时间点占比和含水量偏差对应含水量偏差评估占比权重。
本发明具体实施例中,的设定值为50%,/>的设定值为50%。
D4、计算目标抗磨液压油的含水量异常评估指数,,其中,/>和/>分别表示设定参照的含水量变化速率和含水量偏差指数,/>和/>分别表示设定的含水量变化速率和含水量偏差指数对应含水量异常评估占比权重,/>表示自然常数。
本发明具体实施例中,的设定值为50%,/>的设定值为50%。
需要说明的是,液压油里水分含量过多,会影响液压油的浑浊度,水分含量过高会导致液压油乳化,使其润滑性能下降,对液压油的氧化起催化剂作用,加剧污垢集积。
本发明实施例通过计算目标抗磨液压油的含水量变化速率和含水量偏差指数,综合分析目标抗磨液压油的含水量异常评估指数,综合考虑这两个参数可以更全面地评估含水量的异常情况,从而更准确地判断液压油的状态,结合含水量变化速率和含水量偏差指数进行分析,可以更早地发现含水量的异常趋势,从而及时采取措施,避免因水分含量过高或过低对液压***造成损害。
所述除杂效果控制模块,用于确认目标抗磨液压油的除杂效果异常原因,并对目标抗磨液压油的除杂进行控制。
在本发明具体实施例中,所述目标抗磨液压油的除杂效果异常原因的确认方式为:构建除杂效果异常原因评估模型,输出目标抗磨液压油的除杂效果异常原因,其中,除杂效果异常原因评估模型表示为:,其中,/>和/>分别表示各除杂效果异常原因评估条件,/>表示/>且/>,/>表示/>且/>,/>表示/>且/>,其中,/>和/>分别表示设定参照的综合杂质度和含水量异常评估指数。
在本发明具体实施例中,所述对目标抗磨液压油的除杂进行控制,具体控制过程为:F1、从云数据库中提取单位综合杂质度偏差对应的适宜过滤压力和适宜过滤流量,并分别记为和/>。
F2、若除杂效果异常原因涉及杂质原因,则启动过滤装置对液压油进行过滤,并将作为过滤装置的设定过滤压力,将/>作为过滤装置的设定过滤流量。
本发明实施例通过结合液压油样本中各子区域的悬浮物数目和各悬浮物的体积,分析目标抗磨液压油的综合杂质度,并确认过滤装置的设定过滤压力和设定过滤流量,提高了过滤装置的过滤效果,有效去除液压油中的杂质,避免了能源的浪费,通过对过滤压力和过滤流量的深度分析,可以更好地平衡液压油的过滤效果和生产效率,从而提高整个液压***的运行效率。
F3、将目标抗磨液压油的含水量异常评估指数与云数据库中存储的各含水量异常评估指数对应的适宜脱水时长和适宜脱水速度进行匹配对比,得到目标抗磨液压油对应的适宜脱水时长和适宜脱水速度,并分别记为和/>。
F4、若除杂效果异常原因涉及含水量原因,则启动脱水装置对液压油进行脱水处理,并将作为脱水装置的设定脱水时长,将/>作为脱水装置的设定脱水速度。
F5、若除杂效果异常原因涉及综合原因,则启动过滤装置对液压油进行过滤,将作为过滤装置的设定过滤压力,将/>作为过滤装置的设定过滤流量,并且启动脱水装置对液压油进行脱水处理,将/>作为脱水装置的设定脱水时长,将/>作为脱水装置的设定脱水速度。
所述云数据库,用于存储目标抗磨液压油的初始灰度值区间,存储目标抗磨液压油的许可最大含水量,存储单位综合杂质度偏差对应的适宜过滤压力和适宜过滤流量,并存储各含水量异常评估指数对应的适宜脱水时长和适宜脱水速度。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (1)
1.一种基于机器视觉的抗磨液压油除杂全流程分析管理***,其特征在于,包括:
液压油清澈度分析模块,用于从目标抗磨液压油中提取一定量的液压油,并将其作为液压油样本,对液压油样本进行灰度图像采集,将采集到的灰度图像按照等比例划分为各监测区域,得到液压油样本的各监测区域中各监测点对应的灰度值,分析目标抗磨液压油的清澈度,当目标抗磨液压油的清澈度小于设定值时,则表明目标抗磨液压油的除杂效果存在异常,执行综合杂质度分析模块;
综合杂质度分析模块,用于对液压油样本进行图像采集,将采集到的图像按照等比例划分为各子区域,并识别出液压油样本中各子区域的悬浮物数目和各悬浮物的体积,分析目标抗磨液压油的综合杂质度;
含水量异常分析模块,用于采集目标抗磨液压油在各监测时间点对应的含水量,分析目标抗磨液压油的含水量异常评估指数;
除杂效果控制模块,用于确认目标抗磨液压油的除杂效果异常原因,并对目标抗磨液压油的除杂进行控制;
云数据库,用于存储目标抗磨液压油的初始灰度值区间,存储目标抗磨液压油的许可最大含水量,存储单位综合杂质度偏差对应的适宜过滤压力和适宜过滤流量,并存储各含水量异常评估指数对应的适宜脱水时长和适宜脱水速度;
所述分析目标抗磨液压油的清澈度,具体分析过程为:
A1、将液压油样本的各监测区域中各监测点对应的灰度值进行均值计算,得到液压油样本的各监测区域对应的平均灰度值,并将其作为液压油样本的各监测区域对应的灰度值,记为,其中,/>表示监测区域的编号,/>;
A2、计算液压油样本的灰度差异系数,/>,其中,/>表示设定参照的灰度值偏差,/>表示第/>个监测区域对应的灰度值;
A3、计算液压油样本的灰度达标度;
A4、计算目标抗磨液压油的清澈度,/>,其中,/>和/>分别表示设定参照的灰度差异系数和灰度达标度,/>和/>分别表示设定的灰度差异系数和灰度达标度对应清澈度评估占比权重;
所述计算液压油样本的灰度达标度,具体计算过程为:
B1、将液压油样本的各监测区域对应的灰度值与云数据库中存储的目标抗磨液压油的初始灰度值区间进行对比,若某监测区域对应的灰度值位于初始灰度值区间内,则将该监测区域记为清澈区域,统计液压油样本中清澈区域数目,记为;
B2、从液压油样本的各监测区域对应的灰度值中提取最大值,记为;
B3、计算液压油样本的灰度达标度,/>,其中,/>和/>分别表示设定参照的清澈区域占比和灰度值,/>和/>分别表示设定的清澈区域占比和灰度值对应灰度达标度评估占比权重,/>表示监测区域数目;
所述分析目标抗磨液压油的综合杂质度,具体分析过程为:
C1、将液压油样本中各子区域的悬浮物数目和各悬浮物的体积分别记为和/>,其中,表示子区域的编号,/>,/>表示悬浮物的编号,/>;
C2、计算液压油样本中各子区域的杂质度,/>,其中,/>和/>分别表示设定参照的悬浮物数目和悬浮物体积,/>和/>分别表示设定的悬浮物数目和悬浮物体积对应杂质度评估占比权重;
C3、将液压油样本中各监测区域的杂质度与设定参照的杂质度进行对比,若某子区域的杂质度大于或者等于设定参照的杂质度,则将该子区域记为异常区域,统计液压油样本中异常区域数目,记为;
C4、计算目标抗磨液压油的综合杂质度,/>,其中,/>和/>分别表示设定参照的杂质度和异常区域占比,/>和/>分别表示设定的杂质度和异常区域占比对应综合杂质度评估占比权重,/>表示子区域数目;
所述分析目标抗磨液压油的含水量异常评估指数,具体分析过程为:
D1、从目标抗磨液压油在各监测时间点对应的含水量中分别提取最高含水量和最低含水量,并分别记为和/>,同时提取最高含水量和最低含水量对应的监测时间点,进而获取最高含水量和最低含水量之间的间隔时长,记为/>;
D2、计算目标抗磨液压油的含水量变化速率,/>;
D3、从云数据库中提取目标抗磨液压油的许可最大含水量,并据此计算目标抗磨液压油的含水量偏差指数;
D4、计算目标抗磨液压油的含水量异常评估指数,/>,其中,/>和/>分别表示设定参照的含水量变化速率和含水量偏差指数,/>和/>分别表示设定的含水量变化速率和含水量偏差指数对应含水量异常评估占比权重,/>表示自然常数;
所述计算目标抗磨液压油的含水量偏差指数,具体计算过程为:
E1、将目标抗磨液压油在各监测时间点对应的含水量与目标抗磨液压油的许可最大含水量进行作差,得到目标抗磨液压油在各监测时间点对应的含水量偏差,统计含水量偏差大于或者等于0的监测时间点数目,并将其记为偏差监测时间点数目;
E2、从目标抗磨液压油在各偏差监测时间点对应的含水量偏差中提取最大值,记为;
E3、计算目标抗磨液压油的含水量偏差指数,/>,其中,/>和/>分别表示设定参照的偏差监测时间点占比和含水量偏差,/>和/>分别表示设定的偏差监测时间点占比和含水量偏差对应含水量偏差评估占比权重;
所述目标抗磨液压油的除杂效果异常原因的确认方式为:构建除杂效果异常原因评估模型,输出目标抗磨液压油的除杂效果异常原因,其中,除杂效果异常原因评估模型表示为:,其中,/>和/>分别表示各除杂效果异常原因评估条件,/>表示/>且/>,/>表示/>且/>,/>表示/>且/>,其中,/>和/>分别表示设定参照的综合杂质度和含水量异常评估指数;
所述对目标抗磨液压油的除杂进行控制,具体控制过程为:
F1、从云数据库中提取单位综合杂质度偏差对应的适宜过滤压力和适宜过滤流量,并分别记为和/>;
F2、若除杂效果异常原因涉及杂质原因,则启动过滤装置对液压油进行过滤,并将作为过滤装置的设定过滤压力,将/>作为过滤装置的设定过滤流量;
F3、将目标抗磨液压油的含水量异常评估指数与云数据库中存储的各含水量异常评估指数对应的适宜脱水时长和适宜脱水速度进行匹配对比,得到目标抗磨液压油对应的适宜脱水时长和适宜脱水速度,并分别记为和/>;
F4、若除杂效果异常原因涉及含水量原因,则启动脱水装置对液压油进行脱水处理,并将作为脱水装置的设定脱水时长,将/>作为脱水装置的设定脱水速度;
F5、若除杂效果异常原因涉及综合原因,则启动过滤装置对液压油进行过滤,将作为过滤装置的设定过滤压力,将/>作为过滤装置的设定过滤流量,并且启动脱水装置对液压油进行脱水处理,将/>作为脱水装置的设定脱水时长,将/>作为脱水装置的设定脱水速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410145163.2A CN117710364B (zh) | 2024-02-02 | 2024-02-02 | 一种基于机器视觉的抗磨液压油除杂全流程分析管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410145163.2A CN117710364B (zh) | 2024-02-02 | 2024-02-02 | 一种基于机器视觉的抗磨液压油除杂全流程分析管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117710364A CN117710364A (zh) | 2024-03-15 |
CN117710364B true CN117710364B (zh) | 2024-04-19 |
Family
ID=90151883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410145163.2A Active CN117710364B (zh) | 2024-02-02 | 2024-02-02 | 一种基于机器视觉的抗磨液压油除杂全流程分析管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117710364B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619998A (zh) * | 2022-11-30 | 2023-01-17 | 浙江绿维环境股份有限公司 | 一种基于图像的污水等级识别方法和装置 |
CN116862912A (zh) * | 2023-09-04 | 2023-10-10 | 山东恒信科技发展有限公司 | 基于机器视觉的原料油杂质检测方法 |
CN117236938A (zh) * | 2023-11-14 | 2023-12-15 | 拓锐科技有限公司 | 一种基于数据可视化的电力设备运维管理*** |
CN117333727A (zh) * | 2023-12-01 | 2024-01-02 | 山东瀚邦胶带有限公司 | 一种基于可视化图像处理技术的输送带磨损区域识别分析*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6778451B1 (ja) * | 2020-01-10 | 2020-11-04 | 日本分光株式会社 | 異物分析方法、異物分析プログラムおよび異物分析装置 |
-
2024
- 2024-02-02 CN CN202410145163.2A patent/CN117710364B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619998A (zh) * | 2022-11-30 | 2023-01-17 | 浙江绿维环境股份有限公司 | 一种基于图像的污水等级识别方法和装置 |
CN116862912A (zh) * | 2023-09-04 | 2023-10-10 | 山东恒信科技发展有限公司 | 基于机器视觉的原料油杂质检测方法 |
CN117236938A (zh) * | 2023-11-14 | 2023-12-15 | 拓锐科技有限公司 | 一种基于数据可视化的电力设备运维管理*** |
CN117333727A (zh) * | 2023-12-01 | 2024-01-02 | 山东瀚邦胶带有限公司 | 一种基于可视化图像处理技术的输送带磨损区域识别分析*** |
Non-Patent Citations (2)
Title |
---|
visualisation of seepage-induced suffusion and suffosion within internally erodible granular media;R.P.Hunter;《GEOTECHNIQUE》;20181031;全文 * |
油页岩废渣地12种木本植物光合作用的季节变化;黄娟;吴彤;孔国辉;陈志东;张进忠;;植物生态学报;20060720(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117710364A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110906152B (zh) | 一种调相机油液***在线安全预警*** | |
CN109783903B (zh) | 一种基于时间序列的工业用水管道故障诊断方法及*** | |
Maere et al. | Membrane bioreactor fouling behaviour assessment through principal component analysis and fuzzy clustering | |
CN116434372B (zh) | 用于变工况设备的智能化数据采集***、工况识别*** | |
CN116467662B (zh) | 一种制粒机故障识别方法及*** | |
WO2024120046A1 (zh) | 一种柴油机机油使用状态智能识别的方法、装置及*** | |
CN113457267A (zh) | 滤油器的滤芯寿命监测方法、装置及车辆 | |
CN117710364B (zh) | 一种基于机器视觉的抗磨液压油除杂全流程分析管理*** | |
CN115393276A (zh) | 一种齿轮表面形态智能检测分析*** | |
CN111579431A (zh) | 一种润滑油在线监测的方法 | |
CN113155443B (zh) | 一种采煤机减速器润滑油状态监测与故障诊断***及方法 | |
CN116777917A (zh) | 一种光缆生产用缺陷检测方法及*** | |
CN112228042B (zh) | 一种基于云边协同计算的抽油机井工况相似性判别方法 | |
CN115526196A (zh) | 基于实时数据及模型的潜油电泵工况在线动态诊断方法 | |
CN114252216A (zh) | 一种燃气轮机滑油泄漏的检测方法 | |
CN218512836U (zh) | 一种自动化油品管理*** | |
CN117422345B (zh) | 一种油渣分离质量评估方法及*** | |
CN117339263B (zh) | 一种立式压滤机自动控制***及方法 | |
CN116379043B (zh) | 一种旋装式油液过滤器的故障检测方法及*** | |
CN112311662B (zh) | 一种智慧油田边缘计算网关 | |
CN116681268B (zh) | 过滤器生产线运行管理方法及*** | |
EP3971670A1 (en) | Machine diagnostic based on substance analysis | |
CN117540147A (zh) | 一种用于发电机组的水***滤网运行状态监测方法 | |
CN218512835U (zh) | 一种在线监测油品质量装置 | |
CN114873665B (zh) | 基于计算机视觉技术的凝结水精处理再生自动控制*** |
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 |