ERDMVNDragon Vision龙视
Dragon Vision振动视觉增强系统
振动视觉增强影像系统-振动跟踪运动放大成像技术
美国Dragon Vision振动视觉增强系统
通过令人难以置信的分辨率,可以通过视频记录来检测振动(或至少很大一部分),这看起来令人难以置信。如果不是不可能的话,以前可以节省大量的研究时间。
Dragon Vision 振动视觉增强系统
视觉增强影像系统是一种方法,用于从视频记录中获取有意义的振动信号,并结合了使用传统加速度计信号的且值得信赖的校准方法。这是一种振动分析方法,在视频文件中使用我们的微运动跟踪算法。实际上,如今,它仅用于一次视频录制就可以同时检测和测量数千个点的振动。
汉吉龙测控提供的美国这种振动分析的结果取决于记录的质量。同样,频谱中可见的*频率与每秒拍摄的帧数有关。
视觉增强影像系统可以如何帮助我?
视频振动跟踪使用户可以同时测量数千个点,否则将无法测量,或者使用传统方法会浪费大量时间。通过这种方式,您无需花费太多精力就可以更地分析结构,运动,变形和相位。同时,该技术允许用户导出放大的振动模拟,即使对于不是振动分析*的人也很容易解释。
视觉增强影像系统如何工作?
此方法可以检测到的*小移动量远小于常规相机的像素大小。那么它是怎样工作的?
该方法的原理基于以下事实:在传统的相机中,在对象从一个像素移动到另一个像素之前,它会在下一个像素中产生很小的颜色变化。实际上,来自两个像素的颜色会逐渐变化,直到物体完全占据了下一个像素传感器为止。
此方法测量每个像素(实际上是整个像素区域)的颜色量变化。首先,该软件可以识别小的预定义区域内的颜色模式。这些图案必须具有重要的颜色差异,以便与其他图案区分开。目标区域由软件自动找到,用户只能修改某些质量参数和表面。
其次,对于每个视频帧,软件将识别目标点及其对应区域的平均颜色变化。因此,能够高精度地跟踪每个帧中的微小变化。
*,所有获得的信息都将转换为振动信号,可以通过其FFT,相位或时间波形对其进行研究。
(图1:以3550 RPM跟踪振动点)
振幅可靠性
为了获得可靠的振动值,必须有一个校准系统。所有相机都具有不同类型的镜头和分辨率,更不用说使用的变焦和拍摄视频的距离可以改变对运动的欣赏。
因此,系统需要比较校准才能达到可靠性。校准这些信号的*方法是使用加速度计。
有两种用于校准此类信号的比较方法:
通过RMS值:此方法需要使用常规振动计测量机器上的单个点。然后,软件将根据该点的RMS值校准运动。
通过交叉通道:此方法*准确,并且需要完整记录振动信号,以便软件以频谱(FFT)的形式对其进行处理。使用这种方法,该软件将能够分别校准每个频率,从而消除了由混叠效果可能产生的虚假频率。
(图2:从视频中获取频谱-谐波分析)
使用视觉增强影像系统可以诊断出哪些故障?
使用此技术可以检测到许多故障。主要与低频和相位有关。例如:
l 不平衡
l 不对中
l 机械松动,结构松动,结构裂纹
l 轴弯曲
l 软脚
l 偏心率
l 联轴器(膜片,齿式,橡胶,万向轴),链条,皮带,万向轴
l 自然频率(通过冲击测试)
l 扭振
l 电气噪音
l 共振
l 管道,管线,和设备基础刚性
l 模态测试
l 桥梁,建筑物,大型船舶,飞机微震测试
微分振动分析
微分振动分析是一项通过减去另一个区域的振动来分析一个区域的振动的研究。一个示例是通过从其自身的基座中减去振动来测量电动机的振动(该振动可能由较大的质量或由另一个电动机产生)。该方法分析了仅来自该电动机的振动。
差分振动分析是一种非常罕见的研究类型,原因是目前的技术很难做到这一点。使用视觉增强影像系统,这非常容易,因为您只需要选择一个参考区域,即可自动从其余点中减去这些振动。
(图3:微分振动分析。将运动与图1进行比较。在这种情况下,红点对应于参考区域)
(图4:相位分析)
非侵入式振动分析
在许多情况下,加速度计的质量会完全改变振动的行为。尝试从质量较小的物品(例如电缆,很小的电动机,无线电控制飞机等)收集有意义的数据时,就是这种情况。
视觉增强影像系统完全消除了这个问题,因为它不使用传感器,所以被分析的物体会自然振动。
大规模振动分析
振动分析的另一个主要限制是大型物体,例如建筑物,桥梁,大型船舶,飞机。
振动分析技术的局限性
视觉增强影像系统是振动分析仪的*补充,但仍不能替代,因为它仍然存在与*频率和幅度分辨率有关的限制。
*频率取决于相机每秒拍摄的帧数(帧频)。因此,*可见频率将是帧速率的一半(对于可靠的幅度,它将是:帧速率/ 2.56)。
振幅分辨率将取决于相机的像素数量,以及从相机到物体的距离以及所使用的变焦。靠近被测物体时可获得更好的分辨率。
混淆:此类分析的另一个问题是无法避免混淆效应。通常,常见的振动分析仪使用内置在数据采集界面中的模拟滤波器来消除这种影响。但是,在视频中根本不可能做到这一点。Dragon Vision结合了一种基于传统加速度计的校准方法,该方法可以分析频谱并消除由混淆效应引起的频率。因此,在整个频谱上校准信号,使读数在频率和幅度上都更加可靠。实际上,整个过程*多可减少相机本身固有的95%的地板噪音。