水潤滑橡膠艉軸承摩擦振動圖像序列的處理方法

何子軒，周新聰，況福明，黃 健

(1.武漢理工大學 能源與動力工程學院，湖北 武漢 430063；2.國家水運安全工程技術研究中心 可靠性與新能源研究所，湖北 武漢 430063)

船舶水潤滑橡膠艉軸承摩擦振動是其在低速重載及啟、停機等工況下，艉軸與橡膠軸承之間無法形成完整的潤滑水膜，摩擦副處于干摩擦、邊界潤滑或混合潤滑狀態時[1-2]，出現的一種常見的、但未被完全理解的摩擦學現象，影響船舶自身可靠性和隱蔽性能。研究學者普遍認為在不同的摩擦激勵下，橡膠艉軸承摩擦振動會呈現出2種不同的動態響應，分別稱作低頻顫振和高頻尖叫。此前，針對水潤滑橡膠艉軸承摩擦振動的研究多以相對簡單的集中質量模型為分析對象，從系統自激振動的角度探討成因及影響因素，為了簡化分析模型，普遍采用理想化或單一化的假設條件，會影響分析結果的可靠性，因此需要搭建相關試驗臺架輔助研究。

試驗研究方面，Ari J. Tuononen[3]通過數字圖像相關方法，計算玻璃平板和橡膠試塊接觸面的相對滑動速度，并聯合摩擦力對橡膠“黏-滑”現象進行機理分析。閆志敏[4]利用高速相機對水潤滑橡膠艉軸承試塊的前側面進行測量跟蹤，試驗結果表明軸承試塊的頻率均不超過2 000 Hz。董從林[5]選用非接觸式激光多普勒振動計，測量陶瓷小球和金屬圓盤間摩擦振動位移信號，結合摩擦力對水潤滑軸承的摩擦振動機理進行解釋。

為了便于可視化地探究水潤滑橡膠艉軸承在不同摩擦激勵下的振動現象，并且進一步掌握其振動特征，搭建了基于計算機視覺的原位測量系統，借由高速相機以一定頻率采集不同工況下的圖像序列。以測量系統采集的摩擦振動圖像序列為研究對象，利用圖像增強、圖像分割和輪廓特征提取等圖像處理技術從序列中獲取橡膠試塊的振動信息，為艉軸承摩擦振動的機理研究和推進軸系的減振降噪提供支持。

1 摩擦誘導振動原位測量系統

圖1為水潤滑橡膠艉軸承摩擦誘導振動原位測量系統，摩擦振動圖像序列的采集由圖1所示的測量系統完成，以高透明有機玻璃管代替金屬軸與橡膠試塊構成摩擦副[6]，借由高速相機搭建可視化的原位測量系統。

圖1 水潤滑橡膠艉軸承摩擦誘導振動原位測量系統

測量系統中所使用的高速相機，型號為FASTCAM Mini AX200，拍攝參數分別設置為：分辨率1 024×512，快門速度1/4 000 s，拍攝速度4 000 fps。在此設置下單次試驗拍攝時長為5.459 25 s，單次拍攝21 837幀。

玻璃管外徑170 mm，厚度為10 mm，長度為150 mm，試驗中所選取的水潤滑橡膠艉軸承板條材料的物理性能滿足CB/T 769-2008《船用整體式橡膠軸承》和MIL-DTL-17901C(SH)《Bearing Components,Bonded Synthetic Rubber,Water Lubricated》的要求，試塊的尺寸為70×30，顏色為黑色。試驗前，利用光纖激光打標機在試塊摩擦接觸面上打印30個標記點，標記點呈2排均勻分布，目標點、備用點各1排15個。橡膠表面標記點示意圖如圖2所示，圖2中虛線框部分為實際拍攝區域。單個標記點(凹坑)深度為150 μm、直徑為300 μm，采用白色染色劑填充以加強反射。夾具上所貼標準標定圓的實際尺寸為3.82 mm，可進行簡單的相機標定[7]。

圖2 橡膠表面標記點示意圖

2 圖像分析及處理

利用Windows系統下的Anaconda搭建環境，基于Python語言和OpenCV框架實現對摩擦振動圖像序列的處理。因高速相機采樣頻率高且照明不足，所得圖片整體偏暗且目標點弱小，灰度圖像中大部分像素點灰度值為0(黑色)，各目標區域像素點灰度值不大且占比不多，需借助相關圖像處理技術提高目標點振動信息提取的準確性。

2.1 圖像平滑

實際環境中每幅圖像都包含不同程度的噪點，這種噪點可以視作多種因素造成的灰度值的隨機變化，圖像平滑處理就是在保留原有圖像信息的條件下，濾除圖像內部噪點，本文選用OpenCV提供的標準3×3卷積核的高斯濾波進行所得圖像序列的平滑處理。

2.2 圖像閾值

為提高標記點輪廓檢測精度，需要對灰度圖進行閾值分割。閾值處理是一種簡單的圖像分割方法，即根據灰度值信息提取目標點，處理后的輸出圖像一般只有2種灰度值。

采用全局閾值處理，并套用了Otsu閾值處理方法，以Otsu閾值處理方法返回的閾值數據為參考，設定更為合適的全局閾值，遍歷圖像中的所有像素點，當該像素點灰度值高于設定的閾值時，賦予該點一個新值255(白色)，小于閾值時則置為0(黑色)，此方法更適用于當前應用場合，能準確快速地確定最佳閾值。利用返回的灰度值信息，經反復試驗比較，最終設定閾值為20，能較全保留標記點信息，得到較好效果。

2.3 創建蒙版

創建蒙版(mask)是為了在圖像中框選出感興趣的區域，蒙住其他無關區域，從而使處理方法更具針對性，也能一定程度上提高后續計算的準確性。當前應用場合創建的蒙版為mask[200:260,100:760]=255，mask的創建示意圖如圖3所示，mask與原圖大小一致(分辨率同為1 024×512)，白色部分為框選目標點區域，黑色部分為遮蓋無關區域，在前述閾值分割的基礎上，導入mask進行“與”操作就能只保留感興趣的區域。

圖3 mask的創建示意圖

2.4 輪廓檢測、篩選及形心計算

圖像的輪廓由一系列的點組成，用以定義對象的形狀或邊線，通過對圖像輪廓進行操作可以獲取目標圖像的大小位置等信息。使用創建的mask縮小目標檢測區域，檢索所有輪廓并重建嵌套輪廓的完整層次結構。計算檢測所得各輪廓的長度，保留長度在[5，20]區間內的輪廓，經自定義函數遍歷所有輪廓，刪除不滿足條件的。

輪廓矩代表一條輪廓、一幅圖像、一組點集的某些高級特征，一幅M×N的數字圖像f(x,y)，其p+q階幾何矩mpq的數值定義公式如下：

(1)

式中，f(x,y)為圖像在像素坐標(x,y)處的灰度值。

(2)

依據長度篩選輪廓是針對當前應用場合的一種簡單有效的目標檢測方法，試驗發現單一篩選條件并不能完全規避形心計算時出現的報錯，故添加被除數(即零階矩m00)不為零的條件共同約束。

3 試驗結果分析

本文應用前述處理方法對若干數據進行了處理，以其中3組典型圖像序列為例進行分析，3組試驗的試驗工況如表1所示。

表1 試驗工況

需要說明的是，每組試驗待現象穩定后開始采集，進行時域分析時選擇以每組試驗第一幀為參考，分別提取試塊和夾具位移信息(以圖像畫面中央即第一排右數第7個目標點為例)，參考的選取并不影響位移變化的趨勢，位移正值表示相對第一幀所在位置右移(即趨近標定圓方向)，負值則表示相對第一幀所在位置左移，以此來表述目標點真實運動狀況。

試驗I全幀數分析結果顯示拍攝4.353 75 s后停機，截取的前200幀圖像處理結果如圖4所示。圖4(a)為試驗I橡膠板條的運動狀況，其位移變化范圍為-0.116～0.530 mm，圖4(b)為試驗I夾具的運動狀況，其位移變化范圍為-0.079～0.444 mm。由圖4可知，該工況下約61幀(即0.015 s)為一個振動周期，周期前半段(約27幀)為橡膠試塊與玻璃管轉動方向一致的滑動過程，后半段(約34幀)為目標點位移反復變向的黏著過程。

圖4 試驗I前200幀數據分析結果

試驗II全幀數分析結果顯示拍攝4.323 75 s后停機，圖5為試驗Ⅱ前200幀圖像處理結果。圖5(a)為試驗II橡膠板條的運動狀況，其位移變化范圍為-0.103～0.041 mm，圖5(b)為試驗II夾具的運動狀況，其位移變化范圍為-0.276～0.068 mm，尖叫現象發生時夾具振幅明顯大于橡膠板條，時域分析結果已明顯區別于試驗I工況下采集的數據。

圖5 試驗II前200幀數據分析結果

試驗III的全幀數分析結果顯示當前試驗并未完整捕捉到停機數據，為便于展現當前工況下的運動規律，截取前2 024幀圖像以分析橡膠板條和夾具的運動狀況如圖6所示。圖6(a)為試驗III橡膠板條的運動狀況，其位移變化范圍為-0.007～0.107 mm，圖6(b)為試驗III夾具的運動狀況，其位移變化范圍為-0.108～0.232 mm，水潤滑效果明顯好于前2種工況。

圖6 試驗III前2 024幀數據分析結果

4 結束語

1)搭建水潤滑橡膠艉軸承摩擦振動可視化試驗臺架，借由高速相機采集橡膠試塊沿軸切線方向的振動圖像序列，運用圖像處理技術實現高彈性體的非接觸振動測量。

2)利用Python和OpenCV，通過靈活設置蒙版大小縮小檢測區域、準確的輪廓篩選等方法，可有效提升對水潤滑橡膠艉軸承摩擦振動圖像序列中弱小、位移不大的運動目標的處理速度和準確性，為振動信息的提取提供支撐。

3)提出圖像序列處理方法，能快速準確地提取水潤滑橡膠艉軸承在不同工況下的運動特征。