淺析小波分析紅外圖像增強(qiáng)技術(shù)在電機(jī)故障檢測(cè)中的應(yīng)用

張明志

摘 要：傳統(tǒng)的紅外圖像在電機(jī)故障中的檢測(cè)，普遍存在圖像不清晰的問(wèn)題，造成電機(jī)故障點(diǎn)的獲取較為困難，無(wú)法及時(shí)對(duì)發(fā)生故障的電機(jī)進(jìn)行問(wèn)題檢測(cè)和分析工作。本文首先介紹了電機(jī)故障檢測(cè)的概述和圖像的小波分析原理，進(jìn)而提出了紅外圖像的特征增強(qiáng)方法，最后詳細(xì)分析了電機(jī)故障檢測(cè)的小波分析紅外圖像增強(qiáng)技術(shù)應(yīng)用，實(shí)現(xiàn)電機(jī)故障點(diǎn)的較早檢測(cè)，及時(shí)處理故障電機(jī)出現(xiàn)的問(wèn)題。

關(guān)鍵詞：電機(jī)故障檢測(cè)；小波分析；紅外圖像

1 電機(jī)故障檢測(cè)的概述

從本質(zhì)上講，電機(jī)的故障檢測(cè)技術(shù)屬于模式分類問(wèn)題的范疇，是將電機(jī)的運(yùn)行狀態(tài)區(qū)分為正常和異常的兩類。在電機(jī)故障檢測(cè)的整個(gè)過(guò)程，是由信號(hào)采集、信號(hào)處理和故障診斷三個(gè)環(huán)節(jié)組成的。其中，電機(jī)故障的診斷技術(shù)要從電機(jī)的癥狀入手，分析電機(jī)運(yùn)行時(shí)產(chǎn)生的各種信號(hào)，這些信號(hào)代表了電機(jī)的實(shí)際運(yùn)行狀態(tài)，對(duì)這些具有明顯特征的信號(hào)進(jìn)行分析研究。所以，信號(hào)采集技術(shù)是電機(jī)故障檢測(cè)的基礎(chǔ)和前提，只有結(jié)合信號(hào)采集技術(shù)，獲得電機(jī)的實(shí)際運(yùn)行狀態(tài)信號(hào)，才能夠繼續(xù)電機(jī)的故障分析工作。

2 圖像的小波分析原理

小波分析處理方法是指通過(guò)對(duì)電機(jī)異常信號(hào)的檢測(cè)，分析電機(jī)的震動(dòng)是否異常，進(jìn)而可以判斷出電機(jī)是否出現(xiàn)故障。通過(guò)圖像的小波分析，能夠?yàn)殡姍C(jī)故障的檢測(cè)提供有用的信號(hào)處理依據(jù)，是一種重要的電機(jī)故障檢測(cè)工具。圖像的小波分析技術(shù)不僅能夠?qū)ζ椒€(wěn)的信號(hào)進(jìn)行分析，還能應(yīng)用于非平穩(wěn)信號(hào)的處理范疇。從圖像信號(hào)的角度來(lái)講，小波本身就具有很強(qiáng)的圖像分解性能，通過(guò)小波分析能夠?qū)⒁环鶊D像分解成為高頻圖像和低頻圖像。小波圖像分析作為一種強(qiáng)有力的信號(hào)處理方法，由于其時(shí)頻局部化的特點(diǎn)比較明顯，因此，可以比較詳細(xì)的得出圖像變化的結(jié)果，有利于檢測(cè)電機(jī)故障引起的異常圖像，具有非常明顯的優(yōu)勢(shì)。

在電機(jī)出現(xiàn)故障時(shí)，通常會(huì)造成電機(jī)的溫度產(chǎn)生較大的變化。利用紅外圖像預(yù)處理技術(shù)，可以對(duì)電機(jī)的運(yùn)行狀況進(jìn)行檢測(cè)，結(jié)合小波包變換，可以實(shí)現(xiàn)電機(jī)溫度變化的有效檢測(cè)，可以準(zhǔn)確呈現(xiàn)出電機(jī)溫度的變化特征，然后經(jīng)過(guò)簡(jiǎn)單的模式識(shí)別技術(shù)，就可以精確的診斷出電機(jī)的故障原因。

采用小波分析紅外圖像的方法進(jìn)行分解處理，其中，低頻圖像的處理是經(jīng)過(guò)直方圖均衡化的方法實(shí)現(xiàn)的，而高頻圖像則需要以紅外圖像的具體特征為依據(jù)，有選擇性的保留圖像邊緣特征信息，同時(shí)將其他的圖像高頻信息全部設(shè)置為零后，再結(jié)合小波反變換技術(shù)，將紅外圖像進(jìn)行還原處理，才能夠得到有效的紅外圖像邊緣信息，進(jìn)而獲得電機(jī)故障點(diǎn)增強(qiáng)后的紅外圖像。如圖1，是基于小波分析的電機(jī)故障檢測(cè)算法。

經(jīng)過(guò)一次小波變化的紅外圖像的頻率分布圖，可以利用二維矩陣的形式表現(xiàn)出來(lái)。如圖2，是利用小波分析，經(jīng)過(guò)一次小波變換后的頻率分布圖。假設(shè)一次小波變換后的圖像矩陣的大小是N*N，其中N=2n（n是一個(gè)非負(fù)整數(shù)）。可以看出，經(jīng)過(guò)一次小波變換后，原始的紅外圖像將被分解形成四個(gè)大小相等的子塊，這些子塊的頻帶區(qū)域尺寸是原始尺寸的四分之一。每個(gè)頻帶都是由相應(yīng)的小波系數(shù)組成的，這種方法相當(dāng)于同時(shí)在水平位置和豎直位置的方向上采取了隔點(diǎn)采樣的處理方法。

3 紅外圖像的特征增強(qiáng)方法

紅外成像技術(shù)是指對(duì)電機(jī)進(jìn)行熱狀態(tài)分布檢測(cè)，在此基礎(chǔ)上，可以分析出電機(jī)的運(yùn)行狀態(tài)是否良好，這種方法可以快速直觀的進(jìn)行成像，并且可以遠(yuǎn)距離，不接觸電機(jī)，可以在電機(jī)不停運(yùn)的情況下，對(duì)設(shè)備的熱狀態(tài)進(jìn)行紅外成像。這種在電機(jī)運(yùn)行狀態(tài)下采集到的電機(jī)熱狀態(tài)和溫度分布熱像圖，是電機(jī)的真實(shí)寫(xiě)照。同時(shí)，由于電機(jī)在運(yùn)行情況下的熱分布圖像可以判斷出電機(jī)的狀態(tài)是否良好，是電機(jī)設(shè)備工作狀態(tài)的重要特征依據(jù)，因此，利用紅外成像技術(shù)可以準(zhǔn)確的分析電機(jī)設(shè)備的運(yùn)行狀態(tài)，能夠及時(shí)發(fā)現(xiàn)電極運(yùn)行時(shí)存在的隱患問(wèn)題。

在小波分析紅外圖像增強(qiáng)檢測(cè)電機(jī)故障的算法中，要注意以下幾個(gè)方面的問(wèn)題：充分考慮紅外圖像中亮度最高的區(qū)域，針對(duì)此區(qū)域進(jìn)行電機(jī)故障的檢測(cè)，對(duì)圖像的亮度閾值進(jìn)行設(shè)定，能夠減少圖像變換的計(jì)算區(qū)域，提高檢測(cè)算法的計(jì)算速度；小波分析紅外圖像的采集是在電機(jī)不停運(yùn)的狀態(tài)下進(jìn)行的，不可避免的會(huì)引起紅外攝像機(jī)的震動(dòng)，會(huì)導(dǎo)致圖像產(chǎn)生高頻噪聲，圖像的邊緣化處理可以有效去除高頻噪聲；為了使小波分析后重新構(gòu)建的圖像具有完整的信息，要對(duì)紅外圖像的邊緣作膨脹處理。

4 電機(jī)故障檢測(cè)的小波分析紅外圖像增強(qiáng)技術(shù)應(yīng)用

在電機(jī)出現(xiàn)故障的情況下，紅外攝像機(jī)采集到的圖像是連續(xù)的，傳統(tǒng)的圖像處理方法是將背景進(jìn)行減除，進(jìn)而找出電機(jī)的故障點(diǎn)位置。背景圖像的采集一般是在電機(jī)運(yùn)行最穩(wěn)定的狀態(tài)下，進(jìn)行若干幀實(shí)時(shí)紅外圖像的攝像，并將這些圖像處理，在電機(jī)故障分析時(shí)采用的是處理后的平均圖像，這種方法對(duì)于電機(jī)故障點(diǎn)的檢測(cè)門限沒(méi)有較高的要求，是基于視頻圖像的連續(xù)采集的特點(diǎn)，可以將電機(jī)運(yùn)行中存在的故障較早的檢測(cè)出來(lái)。還有一種方法是考慮到電機(jī)最穩(wěn)定可靠運(yùn)行時(shí)的圖像與紅外攝像機(jī)獲得的當(dāng)前圖像的采集條件是完全不同的，利用最簡(jiǎn)單的背景建模技術(shù)，獲得電機(jī)運(yùn)行的背景圖像，也就是當(dāng)前運(yùn)行條件下的若干幀圖像的平均圖像，這種方法非常快捷，但是不適用于漸變故障的檢測(cè)。以上兩種電機(jī)故障檢測(cè)方法各有利弊，是傳統(tǒng)的檢測(cè)策略設(shè)計(jì)的算法。

本文中是將圖像檢測(cè)采取增強(qiáng)、濾波的處理手段，達(dá)到故障點(diǎn)檢測(cè)的特征增強(qiáng)的作用，能夠提高檢測(cè)的精度和準(zhǔn)確性。小波分析紅外增強(qiáng)檢測(cè)技術(shù)，是以增強(qiáng)紅外圖像邊緣特征，可以很好的平滑圖像的噪聲，進(jìn)一步達(dá)到圖像去噪的目的，檢測(cè)過(guò)程中，結(jié)合直方圖均衡化處理方法增強(qiáng)紅外圖像的表面特征，最后能夠?qū)崿F(xiàn)電機(jī)故障點(diǎn)圖像的增強(qiáng)效果，以便于檢測(cè)出故障點(diǎn)，是一種非常方便的電機(jī)故障點(diǎn)檢測(cè)方法。

采用不同尺度的小波基對(duì)圖像進(jìn)行一級(jí)小波分解，可以得到幾乎一樣的紅外圖像處理結(jié)構(gòu)，這是由于紅外圖像的成像質(zhì)量不好，信噪比較低，采集圖像的高頻信息大部分都是噪聲。小波分析紅外增強(qiáng)技術(shù)中保留下來(lái)的圖像是邊緣的HL頻帶高頻信息，舍去其他高頻信息，處理后的圖像幾乎是去除了高頻信息的低頻圖像。所以，不同尺度的小波基對(duì)圖像分解處理，所獲得的低頻圖像基本上都沒(méi)有產(chǎn)生變化。

5 結(jié)束語(yǔ)

綜上所述，小波分析紅外圖像增強(qiáng)技術(shù)是電機(jī)故障診斷中的新技術(shù)，具有廣泛的應(yīng)用前景。基于小波分析的紅外圖像增強(qiáng)技術(shù)是將圖像的邊緣信號(hào)進(jìn)行提取，將其他的高頻信號(hào)舍棄，進(jìn)而建立新的紅外圖像，不僅可以對(duì)紅外圖像進(jìn)行去噪處理，還具有增強(qiáng)紅外圖像邊緣的作用。這種技術(shù)在保留圖像邊緣特征的基礎(chǔ)上，能夠有效的去除紅外圖像的高頻噪聲，為電機(jī)的故障檢測(cè)提供可靠的紅外圖像信息。

參考文獻(xiàn)

[1]李宇光，劉明光.電機(jī)故障檢測(cè)的小波分析紅外圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2013.

[2]張昌凡，黃宜山，邵瑞.基于觀測(cè)器的感應(yīng)電機(jī)故障檢測(cè)方法及應(yīng)用[J].儀器儀表學(xué)報(bào)，2011.

[3]梁信信，孫立志，吳鳳江，等.感應(yīng)電機(jī)故障在線檢測(cè)的研究綜述及展望[J].微電機(jī)，2011.