刚性罐道作为在立井提升系统中的导向装置,是保障提升系统正常运转的重要部分。由于刚性罐道结构和环境的限制,长时间工作会产生整体或局部故障,导致安全事故的产生。因此,本文开展基于机器视觉和图像处理技术的智能故障诊断及故障定位策略用于检测刚性罐道的状态,并设计提升设备的健康监测系统。首先,通过研究立井刚性罐道结构特性,搭建了由立井提升机械结构部分和电控系统部分组成的立井提升系统试验台,并根据提升容器的运行特性设计了 PLC控制系统;分析立井刚性罐道的故障形式,针对刚性罐道的局部故障展开研究,并利用提升容器的振动响应情况,分析刚性罐道的状态。为了检测提升容器的振动位移信号,从而判断刚性罐道的故障状态,针对搭建的立井提升系统试验台的结构特点,设计了相机与激光相结合的激光视觉系统,并确定了使用相机作为传感器的整体采集方案。根据立井提升系统的工作环境,完成了硬件的选型;通过采集的20张不同位姿的棋盘格标定板图像,利用MATLAB标定工具确定了相机内部参数;并使用LabVIEW平台及相关视觉工具包完成了激光斑点振动图像的采集程序设计。为了准确获取图像中激光斑点的像素质心坐标,使用图像处理技术对采集到的振动图像进行分析处理。由于环境及硬件的限制,采集的振动图像混杂着许多不同频率的噪声,为了减少和削弱图像中的无用信息,对图像进行图像灰度化、图像增强等预处理操作;进一步的,为了完整分割出振动图像中激光斑点的信息,改进了一种Otsu阈值分割算法并与数学形态学结合,对振动图像进行分割处理,在多种干扰环境下通过激光斑点质心坐标值验证了改进算法的准确有效性;并利用边缘曲线几何匹配的方法,保证了振动图像中激光斑点模板实时匹配的准确性。最后,搭建基于激光视觉系统的立井刚性罐道试验台,通过激光斑点质心位移计算公式及程序获取提升容器在刚性罐道上运行的振动位移参数,且通过三角函数原理和图像采样点与立井深度相对应的方式对故障进行定位,并使用LabVIEW平台编译了基于激光视觉系统的刚性罐道健康监测设计程序,并建立了包含x方向变形、y方向变形和下降深度三个实时显示模块的人机交互界面;对搭建完成的试验台进行了测试实验,并验证了刚性罐道健康监测系统的稳定性。图[53]表[9]参[83]