[发明专利]一种基于红外热成像技术的压风机在线监测装置及监测方法

摘要

本发明公开了一种基于红外热成像技术的压风机在线监测装置及监测方法，包括上位机和若干组故障监测装置；若干组故障监测装置均设置在压风机箱体的内壁面上，每组故障监测装置均包括移动装置、防爆云台和红外热像仪；移动装置竖向设置在压风机箱体的内壁面，包含竖向直线滑轨、滑块和电机，在电机的驱动下，滑块沿竖向直线滑轨上下移动；防爆云台的底座设置在滑块上，防爆云台能旋转和摆动。本发明可用于监测矿用压风机箱体内部工况及故障类别，同时能够自动判断出故障发生位置，实时性好，判断准确。

主权项

1.一种基于红外热成像的压风机在线监测方法，其特征在于：包括如下步骤：/n步骤1，故障监测装置位置布设：将压风机在线监测装置成组布置在压风机箱体内部角落，使压风机在线监测装置能全面拍摄压风机内部工作状态；/n工作状态包括正常工作状态、温度过高状态、温度过低状态和震动异常状态、漏气状态；温度过高状态、温度过低状态和震动异常状态均包括压风机、管路和接口三处的工作状态；共计11类工作状态；/n步骤2，红外图像识别神经网络模型训练：采集压风机在设定时间内工作状态下的数据作为训练数据对卷积神经网络进行训练，得到该台压风机的红外图像识别神经网络模型；并将该红外图像识别神经网络模型内置在上位机中；具体包括如下步骤：/n步骤21，图像获取：模拟压风机在步骤1中的11类工作状态下的红外图像，并进行采集；/n步骤22，图像预处理：将步骤21获取的红外图像分解为R、G、B三分量图像，并分别对R、G、B三个分量进行n*n中值滤波，将滤波后的三分量图像合成彩色 红外图像；/n步骤23，红外图像设备提取：将步骤22合成的彩色红外图像灰度化，并按照灰度值进行K-means聚类，选择聚类数为5，将聚类后灰度值最小的类还原为背景颜色，其中，RGB＝[0，0，0]，并将其余四层还原为彩色原图，保存为RGB格式，并生成标签；标签按上述11种工作状态进行分类识别，最后将数据分为训练数据和测试数据两类；/n步骤24，卷积神经网络CNN结构与参数设置：因输入图片为彩色图片，设置输入形式为3*X*Y的三维神经元，其中X、Y分别代表图片的水平、垂直像素；设置卷积神经网络CNN结构与参数如下：输入层、3个卷积层和3个池化层、全连接层、输出层，深度为9；/n其中输入层的宽度和高度对应于输入图像的宽度和高度，深度为1，接着第一个卷积层对输入的图像进行卷积操作，设置卷积核为3，卷积步数为1，边缘外自动补为0，采用下列公式进行卷积：/n