基于Efficient-YOLO的轻量化轴承缺陷检测

针对现有深度模型在工业轴承外观缺陷检测领域,存在模型参数量大、特征融合不充分以及对小目标检测精度低等问题,提出了一种轻量化自适应特征融合检测网络(Efficient-YOLO).首先,该网络采用嵌入CBAM注意力机制的EfficientNetV2结构进行基本特征提取,便于确保模型精度同时显著优化模型参数量;其次,设计了一种自适应特征融合网络(CBAM-BiFPN),用来增加网络对有效特征信息的提取;接着,在下游特征融合网络引入Swin Transformer机制,同时配合上游网络引入的Ghost卷积,大幅度提高模型对轴承外观缺陷的全局感知能力;最后,在推理阶段运用改进的非极大值抑制方法(Soft-CIoU-NMS),加入距离有关的权重评价因素,减少了重叠框的漏检.实验结果表明:与现有主流检测模型相比,此方法在轴承表面缺陷数据集上,mAP达到了90.1%,参数量降低至1.99M,计算量为7 GFLOPs,对轴承缺陷小目标识别率显著提升,满足工业现场轴承外观缺陷检测需求.

改进YOLOv8的轻量化轴承缺陷检测算法

针对工业轴承表面缺陷检测算法精度低、模型参数量大的问题,提出一种改进YOLOv8的轻量化目标检测算法(MFA-YOLOv8)。首先,设计了一种轻量化多尺度特征卷积模块EMFC,基于此重构了主干和颈部部分C2f中的Bottleneck结构,保持轻量化的同时还有效地捕获不同尺度信息的细节特征;其次,引入焦点调制模块FM,提升模型对缺陷目标的表征能力和感受野;最后,引入注意力尺度序列融合模块ASF,进一步提升网络对轴承缺陷的检测精度,减小参数规模。实验结果表明,在GGS数据集上,MFA-YOLOv8的检测精度mAP@0.5高达91.5%,较YOLOv8检测精度提升了2.4%,参数量下降了21.9%,可满足工业现场轴承外观缺陷检测要求。

改进YOLOX网络的轴承缺陷小目标检测方法

针对深度学习模型在工业轴承表面缺陷检测中多目标情形下的小目标漏检率高、模型特征融合不充分的问题,基于YOLOX提出一种多注意力特征加权融合的小目标缺陷检测算法。在骨干网络引入特征提取更加细粒度的Res2Block模块,同时嵌入自注意力机制,增加隐性小目标的区域特征,减少漏检率;设计内嵌坐标注意力并作为加权条件的双路金字塔特征融合网络,提升浅层细节特征和深层高级语义特征的交互融合能力;后处理阶段引入Focal Loss损失函数,增加模型对正样本目标的学习,进一步减少漏检率。实验结果表明,与原YOLOX算法相比,改进算法在自制小型列车轴承表面缺陷数据集上mAP提高了4.04个百分点,对小目标的识别率明显提升。

基于深度学习的轴承缺陷检测算法研究

基于YOLOv5s改进轴承缺陷检测算法(YOLOv5s–CA算法),首先,对原始模型中的上采样算子进行改进,用CARAFE取代最近算子,获得更精确的采样结果和更精细的定位信息;其次,它将YOLOv5s中原始检测头更换为自适应空间特征融合检测头ASFF Head,使高层语义信息和底层的低级细粒特征最大化,从而提高对小目标检测的精度。研究结果表明,改进的轴承缺陷检测算法检测精确率高,漏检率低,且模型较小更易嵌入在边缘设备中使用。

轴箱轴承缺陷状态下的高速车辆振动特性分析

采用SIMPACK动力学软件,建立了一高速车辆出现轴箱轴承早期缺陷的动力学计算模型,将轴承假设为只有外圈和内圈两者之间的相互作用,轴承中的滚子直接等效成若干个力元,分别考虑了轴承的内、外圈以及滚子表面早期缺陷对车辆垂向振动特性的影响。仿真结果表明:当轴承表面出现早期缺陷时,轴箱振动加速度显著增大,而构架的加速度变化不大;当内外圈以及滚子缺陷尺寸(缺陷宽度和深度)相等时,轴承外圈缺陷对轴箱的加速度幅值影响最大,轴承滚子缺陷对轴箱加速度幅值影响最小;随着早期缺陷宽度的增加,3种轴承缺陷下的轴箱加速度幅值均逐渐变大;轴承早期缺陷能够引起轴箱的高频振动,但对车辆的平稳性影响甚微。

轴承缺陷图像二值化处理及形态学边缘检测

针对列车滚子轴承视觉检测方法的不足,论文对轴承缺陷图像的二值化处理和边缘检测算法进行了改进。提出了一种快速二值化处理方法,利用缺陷图像的灰度均值范围,确定不同的阈值,可在较短的时间内获得二值化图像;提出了一种抗噪型形态学边缘检测算法,对于处理带有椒盐噪声的缺陷图像有明显的效果,将论文算法和Canny算法进行比较,实验证明,该算法的优质系数更高,可有效抑制椒盐噪声对边缘检测的影响。

基于DSP的手持式滚动轴承缺陷检测诊断仪

传统的手持式滚动轴承检测仪由于受硬件资源和运行速度的限制,其测试精度低,实时性差,测试功能不全面。本文提出一种基于DSP与MCU主从式双CPU结构的滚动轴承缺陷检测诊断仪,给出了系统总体结构,详细介绍了系统的软硬件设计。该检测诊断仪具有响应快,测量精度高,功能全等特点,并可与无线局域网进行无线通信以实现远程监测和诊断。

某电厂风机轴承缺陷的诊断与失效原因分析

风机是电厂生产过程中的关键性设备之一,能否及时发现滚动轴承的缺陷是风机可靠性运行的关键。本文介绍了通过SKF加速度包络测试,在轴承失效前及时发现风机滚动轴承的缺陷并进行更换,避免了由于轴承失效而引起的非计划停机,最后分析了轴承失效的根本原因,以消除轴承重复性的故障。

太钢热连轧厂在线振动监测系统预判轴承缺陷应用实例

振动信号在所有反映设备状态的状态信号中是应用最广泛的。因为振动是引起大部分设备失效的主要原因,而且设备的各类故障一般都能在振动信号上有所体现。太钢热连轧2250mm生产线装备了由北京英华达公司开发的机械设备振动监测系统,通过不断熟悉和探索,提裔发现了一批重大的设备隐患,尤其是大型轧机的滚动轴承缺陷,通过提前发现隐惠利用检修时间处理,避免了重特大故障的发生。

多级卧式离心泵轴承缺陷分析及处理

卧式多级离心泵缺陷中轴承室故障较为常见,如轴承温度偏高、轴承振动偏高、轴承(轴瓦)磨损、推力盘磨损等。通过某电站多级卧式离心泵轴承的典型故障分析,归纳总结出故障类型和处理措施,为在实际生产中判断解决此类问题提供理论和实践依据,对离心泵轴承检修具有一定的参考价值。

轴承缺陷在线检测系统的研究和实施

机器视觉技术是近几年发展很快的图像工程技术,对轴承表面缺陷的检测是其用于工业生产的一次重要尝试,有很重要的实际意义。目前,国内多数轴承生产厂家仍然采用人工目视对轴承表面进行检测,由于主观因素的影响,存在产品漏检和误检,造成检测精度不高、稳定性低等缺陷。针对人工检测存在的种种缺陷,提出了基于机器视觉的轴承表面缺陷检测,利用摄像头来代替人的眼睛获取轴承表面的信息,利用计算机来储存信息和处理信息,运用计算机及相应的软件编程把数据进行处理,然后有软件对数据进行相应的判断后确定轴承表面的缺陷情况,通过自动化上料、检测、下料,可以显著提高检测精度、效率和稳定性。

基于YOLOv8改进的轴承表面缺陷检测方法

针对深度学习模型在轴承表面缺陷检测过程中漏检率高、模型复杂度高的问题,提出了一种基于YOLOv8的缺陷检测改进算法。在主干网络中引入GSConv轻量化卷积模块,用GSConv模块代替普通卷积,在不影响模型精度的情况下,减少模型的计算量;引入CBAM卷积注意力模块,通过改进网络特征提取技术,提高了检测的准确性。实验结果表明,改进的模型在自建轴承表面缺陷检测数据集上的准确率为92.6%,较原模型准确率88.8%提高了3.8%;在提升准确率的同时,计算量也从8.2 GFLOPs减少到8.0 GFLOPs,证明了改进后的模型对轴承缺陷检测的有效性。

基于仿真动力学模型的缺陷轴承动态特性分析

滚动轴承是数控机床主轴传动系统中重要的支撑部件,轴承组件出现缺陷会影响整个数控机床传动系统的使用性能和工作效率。为了探究缺陷状态下轴承内部动态特性的差异,以7002C角接触球轴承为研究对象,进行了缺陷轴承动态特性研究。首先,利用有限元仿真软件,构建了轴承组件存在凹坑缺陷的仿真动力学模型;随后,对轴承不同转速下的滚珠公转速度仿真结果和理论计算结果进行了比较,验证了所建立动力学仿真模型的准确性;最后,综合分析了轴承外圈缺陷、滚珠缺陷及两者复合缺陷时的动态特性。研究结果表明:复合缺陷相对于单一缺陷有更高的剪切应力,且呈现波动剧烈的趋势;不同故障状态展现出振动信号的差异,滚珠缺陷表现出较小波动,外圈缺陷较稳定,而复合缺陷最不稳定,振动幅度最大;滚珠的公转速度表现出不规则和不一致的变化,滚珠缺陷、外圈缺陷和复合缺陷在速度曲线上表现出相似但略有不同的周期性和峰谷延迟。所构建的有限元模型可用于研究不同故障状态下滚动轴承的动态特性,为轴承优化设计提供参考。

基于机器视觉的汽车发动机涡轮增压器轴承缺陷检测方法

针对汽车发动机涡轮增压器轴承缺陷常规检测结果不准确的问题,提出一种基于机器视觉的汽车发动机涡轮增压器轴承缺陷检测方法。在机器视觉的基础上,利用数学的几何形状和数字分析法进行图像预处理,通过正态分布函数计算投影区域,采用波值变换分割算法对投影区域进行分割,根据成像形状、颜色和纹理进行特征统计及提取,使用多层感知器进行轴承缺陷分类检测,实现基于机器视觉的汽车发动机涡轮增压器轴承缺陷检测。实验结果表明:提出的轴承缺陷检测方法与常规检测方法相比,该检测方法更适用于当下的轴承缺陷检测任务。

字典学习在轴承表面缺陷分类中的研究

针对传统轴承表面缺陷图像分类方法中特征矢量提取困难,分类精度不高的问题,提出一种基于字典学习的轴承表面缺陷图像分类方法。将图像稀疏表示和基于Fisher判别准则的字典学习应用在轴承表面缺陷分类检测中,根据字典学习的判别性稀疏编码实现对轴承表面缺陷图像的精确分类。实验研究结果表明,该算法可以有效的提高轴承表面缺陷的分类精度,在轴承表面缺陷类型的平均分类精度达到95.4%。

轴承表面缺陷检测系统的研究与开发

提出一种利用离线样本学习实现轴承外侧表面缺陷在线快速检测的方法。采用间接照射面光作为光源,通过CCD摄像头采集轴承外侧面图像。在离线情况下:定位轴承侧面的检测区域;分别拟合横纵向的灰度分布规律曲线;并以灰度变换后的样本图像作为检测时的依据。在线检测时:根据学习知识提取出待检测区域、将轴承图像变换成灰度分布均匀的图像;然后对图像进行动态阈值分割并作出决策判断。实验表明,提出的方法能有效地将被测图像变换成灰度均匀的图像;判别一张轴承图像平均时间为20 ms,准确率达98.2%以上,具有较高的实时性和准确性。

滚动轴承部件缺陷对轴承可靠性的影响试验

滚动轴承运行的可靠性决定着旋转机械的健康状况及安全性,因此对滚动轴承进行可靠性分析和寿命预测十分关键。就滚动轴承可靠性分析和寿命预测试验方法展开研究,利用轴承寿命强化试验机对轴承进行失效测试,以此为基础分析影响轴承可靠性的影响因素,得出导致轴承快速失效的主要因素是润滑状况与内圈磨损。并且,提出这类短时失效轴承故障主要特征表现在温度及振动参数的变化,据此提出了相应的监测参数和方法,避免旋转机械因此类轴承故障引发安全事故。

基于ANSYS/LS-DYNA的铁路货车缺陷轴承振动特性研究

基于ANSYS/LS-DYNA显式动力学,研究轴承有点缺陷时对轴承振动特性的影响,建立了轴承主要元件如内、外圈及滚子的点缺陷模型并进行动力学仿真分析,通过提取正常轴承和有点缺陷轴承运行时内圈滚道节点Y方向的加速度曲线,进行轴承振动信号时域分析,得出主要元件有点缺陷时轴承的振动特征。研究表明峰值、均值、方差、峭度指标、峰值指标和裕度指标可以作为滚子点缺陷的判断指标;方差均值比可以作为内圈点缺陷的判断指标;均方根值、方根幅值、方差、峭度指标、脉冲指标、峰值指标和裕度指标可以作为外圈点缺陷的判断依据。

基于线扫描技术的轴承表面缺陷检测方法研究

针对目前轴承表面缺陷检测所面临问题,探求一种基于线扫描技术的轴承表面缺陷检测方法。由轴承表面特征,提出一种具有高信噪比的线扫描轴承表面信息采集系统。在此基础上,为解决浅凹坑、锈迹缺陷识别准确率低等问题,首先对所采集图像进行轴承区域提取,消除检测干扰,其次提出基于生成对抗的重构网络对采集到轴承信息进行图像重构,使其为无缺陷图像,最终通过残差方法提取和定位轴承表面缺陷。该算法重点对损失函数进行改进,采用L1 loss与SSIM组合损失函数,提高图像的重构精度。实验表明:所提方法能有效识别各种缺陷,尤其是微小缺陷,综合识别率达到98.58%,满足实际工程精度要求。

353130B型缺陷轴承运行中温度特性数值研究

随着铁路货车提速和重载化,以及中欧班列开行,轴箱轴承缺陷部件引起的温升会变得更加严重,并影响轴承的有效寿命、润滑和磨损等。以353130B型轴承为例,利用ANSYS/LS-DYNA软件,基于有限元理论,提出了一个研究轴箱轴承温升的摩擦力矩模型,并开发了一个新的有限元模型。通过该模型进行了热-力耦合场数值研究,有利于认识轴箱轴承的热应力和温度特性,对THDS标准所规定的报警温度给出了一个修改建议,为铁路车辆部门提供技术支撑。