监测机器微小振动的图像动态，保障机器的正常运行！

众所周知，任何机器的运转都会产生振动，有些振动代表运行正常，而有些振动则表示故障的初始信号。在预测维护领域，检测振动特征是诊断过程的关键因素，通过振动检测可以确定并缓解问题，以免发生更严重的事件。美国菲力尔通过感应、放大和测量细微运动，使用户可以看到工厂资产（例如机器）上的振动特征，保障机器的正常运行。

传统检测费时费力，停机成本高昂

传统检测机器震动的方法是在机器上部署有线传感器（例如接触式加速计）监视出现的振动。在从传感器获取数据后，对该数据进行工作振型分析，以呈现机器运动的动画模型，从而使振动模式可视化。

但是据RDI Technologies（美国田纳西州诺克斯维尔）的创始人和CEOJeff Hay博士称，该技术不仅需要花时间从多个点处采集测量数据，而且还需要能接触机器。在机器不便接触或根本接触不到时（机器前方有重重障碍或玻璃），该技术往往没有使用的可能性。另外，传统的接触式测量在安装加速计时经常需要机器停止运行，致使产生因停工而带来的高昂成本。

为此，RDI Technologies的工程师开发出了一款名为Iris M的革命性非接触式视频处理系统，该系统使用FLIR机器视觉相机感应、放大和测量机器引起的细微振动，消除了使用早期技术本身固有的缺陷。

Iris M系统使用装在Vanguard三脚架上的FLIR 2.3Mpixel Grasshoppper3相机，此相机以默认分辨率为1920x1050、速度为120帧/秒的规格获取单色图像数据。

从相机获取的数据将通过USB 3.0接口传输到平板电脑上，在此使用公司专用软件进行分析，使用户可以看到工厂资产（例如机器）上的振动特征。

选择FLIR机器视觉相机的原因

在Iris M系统中，FLIR机器视觉相机相当于数据获取的设备，它收集视频图像，然后从中提取和分析运动。FLIR 2.3Mpixel Grasshoppper3 GS3-U3-23S6M-C相机装在Vanguard三脚架上，以默认分辨率为1920x1050、速度为120 帧/秒的规格获取单色图像数据。 获取后的数据会通过防脱落电缆经USB 3.0接口从相机传输到Getac F110或Microsoft Surface Book的平板电脑上。

Iris M系统能够直接从图像点测量可用于量化运动的工厂资产绝对位移，而非解释该点测量来确定运动种类和呈现的错误。

“然后电脑软件Motion Amplification的专用视频处理算法会使机器振动可视化。它将逐帧分析每幅图像的像素，确定场景中哪些部分在移动。接下来，它将场景中所有运动振幅的幅度更改放大至肉眼可见的程度，从而加强对引起任何振动的组件之间的理解，”Hay 博士说道。

通过使用电脑上运行的图形用户界面，用户可以选择图像的某一部分进行下一步分析。该系统软件将显示与这些区域关联或与时间相关的强度数据。然后可以使用各种数学函数（例如快速傅里叶变换，又称 FFT），将与时间相关的强度数据集转换为与频率相关的强度数据。随后将向用户呈现场景所选部分不同频率的绝对未放大振幅和振动阶段。

Iris M系统灵敏度高，可推广更多行业

自从2016年第3季度发布以来，Iris M系统已经改变了行业内人士使用机器监控观察振动的方式。该系统不仅易于使用，还可反馈给用户可见的、简单明了的视频图像，以便用户更好地了解设备运行状况。

据Hay博士称，选择FLIR Grasshopper相机已成为该系统大获成功的一个关键性原因。该相机具有12 位动态范围，可以捕获图像中亮光照射和黑暗区域之间像素强度的细微差别，使该系统软件相比于其他软件能够提取更详细的变化情况。

Grasshopper相机系列将最新的CCD和CMOS技术与Point Grey的专门技术相结合，实现了高性能、高质量的成像。

但同样重要的是Motion Amplification算法本身， “得益于这套独特的算法，Iris 在测量位移方面比传统基于图像的测量工具要大约灵敏100倍。另外，在必要时，Iris M能够直接从图像点测量，可用于量化运动的绝对位移，而不必通过解释该点测量来确定运动种类和呈现的错误，”他说。

这种技术的另一大好处就是数据反馈的速度和数据的详细程度。与传统的接触式测量系统不同，它还可以扩展，因为可以同时测量相机视野内的所有资产振动。另外，它还使自己成为技术人员和非技术人员用户之间良好的沟通工具，因为任何资产的任何问题根源都可直接在视频中看到。

新系统已在各种实用应用中部署，除执行对工业资产（例如机器）的状态监控外，Iris M系统也可用于分析桥梁、建筑和相似结构的结构完整性。此外，它还可以用于生物医学监控应用，以评估个体呼吸作用。

正常运行测量图像动态传感器

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。