מחמם מיסב גדול
כאשר בודקים בתנאים סביבתיים קשים כגון טמפרטורה גבוהה, רעש גבוה, אבק, רטט, וכו ', זה לא רק יגרום נזק גדול הפיזי והפסיכולוגי של המפקח, אלא גם להפוך את המפקח לעתים קרובות לא מסוגל לעבוד כרגיל. לכן, המחקר על זיהוי פגמים פני השטח של טבעות הנושאת של תנורי הנושאת גדול הפך לנקודה חמה בשנים האחרונות. בהתבסס על טכנולוגיית עיבוד תמונה דיגיטלית, המחלקה שלנו ביצעה מחקר על זיהוי פגמים בפני השטח של טבעות הנושא של תנורים גדולים הנושאת. להלן התכנים העיקריים:
1. מסוג ביצועים טיפוסי וניתוח אזור פגם של פגמים פני השטח של טבעות הנושאת של תנורים גדולים הנושאת.
2. ניתוח של אלגוריתם זיהוי קצוות תמונה. מגוון של מפעילי זיהוי קצוות קלאסיים משמשים להשוואה ולזיהוי תמונות פגמים בפני השטח של טבעות הנושאת של מחממי הפנים הגדולים, והוא מציע מפעיל זיהוי קצוות משופר של סובל.
3. מיצוי ומבחר של תכונות פגם. הוא מכיל תכונות מורפולוגיות, מאפיינים ותכונות של מרקם שחולצו מתמונת הפגם, וניתוח שיטתי והדגמה בוצעו כדי לקבוע את התכונות של הרגע הקבוע של Hu הנדרשות לזיהוי סיווג.
4. מחקר על סיווג ואלגוריתם הכרה מבוסס על רשת עצבית BP.
המחקר על שיטת אבחון השמע של הנושאת מנשא האשמה
(1) אות השמע של הנושאת התנור מכיל מידע חשוב על מצבו הפעיל. על-ידי ניתוח מידע זה, ניתן לבצע את אבחון התקלות של מיסב החימום הנושא, וניתן לאסוף את אות השמע באופן שאינו מתאים ליצירת קשר, שנוח לשימוש ולנמוך בעלות יתרון.
(2) על פי היתרון כי כל הפרמטרים במודל מרקוף מוסתר נפרד (DHMM) הם ערכים נפרדים, אנו מציעים שיטה חדשה לאבחון שמע של תקלות נושאת מבוסס על DHMM אשר יש מידול פשוט, מהירות חישוב מהירה ודיוק אבחון תכונות מתקדמות.
(3) כיוון שניתן להשתמש בפונקציית צפיפות התערובת הרציפה של גאוס כדי לתאר את הסתברות הפלט באופן סביר יותר, הנייר מציע שיטה חדשה לאבחון השמע של תקלות בהתבסס על צפיפות התערובת הרציפה של התרכובת הסינית (המודל המוסתר של התרכובת הנסתרת, CGHMM). במקביל, אלגוריתם ההדרכה והאבחון משופר באמצעות שיטת האתחול של פרמטרי מודל מבוססת פרמטר של האשכול והאלגוריתם מקדם הכיול לאחור.
(4) ביצע ניתוח השוואתי של תוצאות הבדיקה האבחוניות ושיטות CGHMM. האלגוריתם DHMM הוא טוב יותר מאשר אלגוריתם CGHMM כללי במהירות, אך דיוק האבחון נמוך יותר מאשר אלגוריתם CGHMM.