Автоматизация тепловизионного контроля и мониторинга промышленного и транспортного электрооборудования на основе обработки термо- и видеоизображений

Капустин, Антон Николаевич

Системный анализ, управление и обработка информации (по отраслям)

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Автоматизация тепловизионного контроля и мониторинга промышленного и транспортного электрооборудования на основе обработки термо- и видеоизображений

кандидата технических наук: Капустин, Антон Николаевич
город: Иркутск
год: 2005
специальность ВАК РФ: 05.13.01

Диссертация по информатике, вычислительной технике и управлению на тему «Автоматизация тепловизионного контроля и мониторинга промышленного и транспортного электрооборудования на основе обработки термо- и видеоизображений»

Автореферат диссертации по теме "Автоматизация тепловизионного контроля и мониторинга промышленного и транспортного электрооборудования на основе обработки термо- и видеоизображений"

На правах рукописи

КАПУСТИН Антон Николаевич

АВТОМАТИЗАЦИЯ ТЕПЛОВИЗИОННОГО КОНТРОЛЯ И МОНИТОРИНГА ПРОМЫШЛЕННОГО И ТРАНСПОРТНОГО ЭЛЕКТРООБОРУДОВАНИЯ НА ОСНОВЕ ОБРАБОТКИ ВИДЕО- И ТЕРМОИЗОБРАЖЕНИЙ

Специальность 05.13.01 - Системный анализ, управление и обработка

информации (промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Иркутск - 2005

Работа выполнена в Иркутском государственном университете путей сообщения (ИрГУПС)

Научный руководитель: доктор технических наук, профессор

Хоменко Андрей Павлович

Официальные оппоненты:

доктор технических наук, профессор Корольков Борис Петрович

канди дат технических наук, Онацкий Александр Николаевич

Ведущая организация:

ГОУ ВПО Омский государственный университет путей сообщения

Защита состоится «15» декабря 2005 г. в 10 часов на заседании диссертационного совета Д 218.004.01 в Иркутском государственном университете путей сообщения по адресу: 664074, г. Иркутск, ул. Чернышевского, 15.

С диссертацией можно ознакомиться в библиотеке Иркутского государственного университета путей сообщения.

Автореферат разослан «/5» ноября 2005 года.

Ученый секретарь диссертационного совета Н.П. Деканова

щл 1 м/ш

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Одной из приоритетных задач в промышленности и на транспорте является повышение надежности и продление срока эксплуатации оборудования за счет качественного технического обслуживания, а также снижение затрат на производство и ремонт агрегатов. Распространены дефекты и отказы электрического оборудования, часто являющегося наиболее важным для обеспечения работы сложной промышленной системы в целом. Неисправности электрооборудования приводят к большим материальным и временным издержкам, как в процессе ремонта, так и при восстановлении нормального цикла производства. При этом затраты на диагностику дефекта иногда составляют до 40% от общей суммы расходов. Наиболее затратной, в том числе по времени, является диагностика дефектов электроконтактного оборудования, ввиду необходимости анализа большого количества плотно расположенных контактных групп, сборок, токове-дущих цепей. Обеспечение качественной и бесперебойной работы электрооборудования зависит от большого количества параметров, среди которых можно выделить влияние внешней среды, регулярность и виды нагрузок, воздействие случайных факторов (человеческий фактор) и т.д. При этом в наиболее сложных условиях эксплуатируются транспортные системы (подвижной состав), поскольку на них оказывают влияние экстремальные изменения климатических условий. Интенсивность нагрузок на транспортную систему также подвержена влиянию множества факторов, среди которых одну из главных ролей играет человеческий фактор. С учетом этого, конструкция транспортного оборудования при разработке оптимизирована с точки зрения максимальной надежности и запаса прочности, однако при износе оборудования надежность работы системы в целом снижается, особенно при достижении сроков эксплуатации, сравнимых со сроком средней наработки на отказ. Данная ситуация в большой степени характерна для тягового подвижного состава (электровозов и тепловозов), более 70% которых превысили допустимый ресурс эксплуатации.

По статистике, более половины случаев брака, отцепок, неплановых ремонтов электровозов связаны с дефектами электрического оборудования. Издержками этого является нарушение графика движения поездов, значительные расходы на неплановые ремонты, а также снижение безопасности перевозок. Преобладающее количество (около 70 %) дефектов электрического оборудования проявляется после проведения планового технического обслуживания (ТО), что делает актуальной проблему экспресс-контроля и диагностики развивающихся дефектов оборудования при проведении ТО и обкаточных испытаний после ремонтов. Поскольку процесс проведения технического обслуживания, как и ремонта, строго регламентирован по времени, крайне важно использовать методы, позволяющие выполнить обследование за предельно малый срок с одновременным сохранением качества выполнения операций, что можно осуществить с помощью автоматизации процессов контроля и диагностики. Эти мероприятия, наряду с внедрением бортовых систем контроля и диагностики состояния узлов и систем электровозов, позволят поэтапно внедрить систему обслуживания и со-

стояния (ОФС). ] еимиотеял Л

Одним из эффективных, интенсивно развивающихся в настоящее время методов, является тепловизионный метод неразрушающего контроля и диагностики (ТНКиД). Основным средством бесконтактного измерения в рамках данного метода являются термокамеры, регистрирующие распределение температуры по поверхности оборудования (приблизительно соответствующей видеокадру) и отображающие тепловые характеристики исследуемых объектов в виде изображения в условных цветах.

Наряду с зарубежными учеными в области термографии (Ллойд Дж., Гос-сорг Ж.), в нашей стране большой вклад в развитие тепловизионного метода внесли A.B. Лыков, В.П. Вавилов, К.Ф. Фокин, O.E. Власов, Ф.В. Ушков, В.А. Дроздов, И.Б. Левитин, М.М. Мирошников, В.Е. Канарчук, В.А. Григорьев, О.Н. Буда-дин, А.И. Потапов, В.В. Клюев, В.Н. Фелинов, А.Г. Климов, Т.Е. Троицкий-Марков, В.И. Калганов, М.И. Щербаков, С.А. Бажанов, A.B. Крюков и др. В последнее время ряд российских разработок, выполненных в Московском технологическом институте «ВЕМО», Томском НИИ интроскопии и Северо-Западном государственном техническом университете (С.-Петербург), а также оригинальные разработки российских ученых и изобретателей (ООО «ИРТИС») определили основные направления развития тепловизионного метода в нашей стране.

Большой эффект дает использование теплового метода контроля и диагностики (в сочетании с методами вибродиагностики, трибодиагностики и др.) при контроле технического состояния машинного и электрического оборудования при переводе его на систему ОФС. Общая концепция системы ОФС представлена в работах H.H. Смирнова, НА. Ицковича, Е.Ю. Барзиловича, A.B. Лукьянова, В.А. Игнатова, И.М. Сиднеева, В.Ф. Воскобоева и др. Контроль температурных характеристик оборудования (наряду с другими параметрами) позволит управлять техническим состоянием оборудования на основе данных мониторинга, ранней диагностики дефектов и прогноза их развитая. Решение этих задач для транспортных систем, как одних из самых сложных, позволит реализовать обслуживание по фактическому состоянию для стационарных промышленных систем, находящихся в заметно более щадящих условиях эксплуатации.

В железнодорожной отрасли ТНКиД находят все большее применение в энергетике, контроле контактной сети, температуры буксовых узлов и т.д. Однако для диагностики состояния электрооборудования локомотивов этот метод бесконтактного измерения температурных характеристик не применялся. Это объясняется тем, что электровоз представляет собой сложную систему, состоящую из большого количества узлов и сборок компактно размещенного электрического оборудования, причем преимущественно в высоковольтной зоне. Распознавание и диагностика оператором большого количества контактных групп, соединений, деталей, попадающих в область термокадра, затруднено и занимает значительное время (особенно это касается трудноразличимых на термокадрах объектов с малым тепловым контрастом). Также практически невозможно проводить мониторинг подобных узлов с целью выявления неявных дефектов, поскольку стандартное программное обеспечение приборов для этой цели не предусмотрено, а осуществление процедуры мониторинга вручную приводит к существенному (иногда неоправданному) уМличению трудоемкости процесса. Решение задачи контроля со-

стояния электрического оборудования электровозов может быть найдено путем создания термо-оптических систем с синхронным получением термо- и видеокадров контролируемых объектов с последующей совместной автоматизированной обработкой получаемой информации.

Задачи совмещения и совместной обработки видео- и тештовизионной информации могут быть выполнены с применением элементов теории обработки изображений, изложенных в работах таких ученых как Б. Хорн, У. Прэтт, К. Фу-кунага, Э Патрик, Дж. Ту, Б.Н. Вапник, К Вехраген, Н. С. Longuet-Higgins, Т. М. Strat, R. Hartley, J. L. Mundy, A. Zisserman, A. Goshtasby. Дальнейшая обработка информации с применением алгоритмов мониторинга и диагностики в рамках единого программного комплекса позволит более полно использовать возможности метода ТНКиД и вывести диагностику электрооборудования на качественно иной уровень. Исходя из вышеизложенного, можно утверждать, что развитие исследований, направленных на создание программно-аппаратной оптико-тепловизионной автоматизированной системы мониторинга и диагностики, является актуальной научно - технической задачей, требующей своего решения.

Целью диссертационной работы является решение задачи повышения эффективности технического обслуживания и ремонта электрооборудования промышленных предприятий и транспортных систем за счет использования теплови-зионного метода неразрушающего контроля и диагностики, а также разработка математического, алгоритмического и программного обеспечения для автоматизации обработки тештовизионной информации.

Необходимость достижения указанной в диссертационной работе цели обусловила постановку и решение следующих задач:

1. Обоснование эффективности использования тепловизионного метода контроля в задачах повышения эффективности диагностики электрооборудования при внедрении в промышленности и на транспорте системы обслуживания и ремонта оборудования с учётом фактического состояния.

2. Повышение качества и достоверности тепловизионного метода контроля и диагностики, идентификации деталей на термограммах за счет совмещения оптического и тепловизионного каналов получения информации и создания термооптической системы.

3. Разработка концепции и программных модулей автоматизированной системы тепловизионного мониторинга и диагностики электрооборудования.

4. Разработка математического и алгоритмического обеспечения в задачах автоматического совмещения базового и текущих изображений системы термомониторинга электрооборудования.

Методы исследований. При решении поставленных задач использованы методы системного анализа для формирования концепции автоматизированной тештовизионной диагностики и совместной обработки видео- и термоизображений, элементы теории теплопроводности, организации баз данных, проективной геометрии и геометрической оптики, регрессионного и корреляционного анализа.

Научную новизну диссертации представляют следующие результаты, которые выносятся на защиту:

1. Концепция термо-оптической системы с синхронной регистрацией термо- и

видеокадров, а также метод их совместной обработки и калибровки сенсоров системы.

2. Методы, алгоритмы и программные модули, реализующие систему автоматической обработки термограмм для извлечения, сохранения и мониторинга температурных характеристик контролируемых деталей и оценки их технического состояния в различных режимах эксплуатации электрооборудования.

3. Методы и алгоритмы согласования базового и текущих изображений для выполнения автоматического тепловизионттого мониторинга электрооборудования промышленных предприятий и транспортных систем.

Практическое значение работы состоит в том, что на основе выполненных исследований доказана эффективность использования тепловизионной диагностики промышленного и транспортного электрооборудования (на примере оборудования электровозов); предложена методика проведения тепловизионной экспресс-диагностики и выявления явно выраженных дефектов; предложены схема термооптической системы и метод повышения качества и достоверности тепловизион-ного контроля и диагностики дефектов электрооборудования путем сопоставления видео- и термоизображений; предложена концепция, разработаны алгоритмы и программные модули автоматизированной системы тепловизионного мониторинга и диагностики, обеспечивающие возможность повышения качества и производительности периодических обследований электрооборудования промышленных предприятий и транспортных систем.

Разработанные методы, алгоритмы и программные модули могут найти широкое применение, как в научных исследованиях, так и при решении ряда практических задач в различных отраслях промышленности.

Реализация результатов подтверждена актом об использовании результатов НИР по разработке методов тепловизионного контроля оборудования локомотивов, созданию алгоритмов и программных модулей автоматизации обработки термограмм, утверждена ГОТ ВСЖД.

Достоверность разработанных методик и эффективность технических решений подтверждена экспериментальными исследованиями.

Апробация работы. Основные положения диссертации и ее результаты докладывались и обсуждались на П международной конференции «Проблемы механики современных машин» (г. Улан-Удэ, 2003 г.); Всероссийской конференции с международным участием «Инфокоммуникационные и вычислительные технологии и системы» (г. Улан-Удэ, 2003 г.); международной научно-технической конференции «Надежность-2003», (г.Самара, 2003 г.); 7-ой Международной конференции «Цифровая обработка сигналов и ее применение», (Москва, 2005 г.); Всероссийской научной конференции с международным участием «Ресурсосберегающие технологии на железнодорожном транспорте», (г. Красноярск,, 2005 г.); Международного симпозиума по трибофатике (Иркутск, ИрГУПС, 2005); X Байкальской всероссийской конференции «Информационные и математические технологии в науке, технике и образовании» (Иркутск, ИСЭМ СО РАИ, 2005 г.); заседаниях кафедры «ТиПМ» ИрГУПСа (2004 г., 2005 г.); совещании с участием НЗТ ВСЖД, посвященном внедрению методик вибро- и термодиагностики (2005 г.); совещании с участием технического руководства локомотивного департамента

ОАО «РЖД» в локомотивном депо «Иркутск-сортировочный» (2005 г.).

Публикации. Результаты исследований изложены в 16 научных работах в виде статей и докладов на конференциях.

Структура и объем работы. Диссертация состоит го введения, пяти глав, заключения, списка используемой литературы из 139 наименований и четырех приложений. Общий объем работы 212 страниц.

Автор выражает глубокую благодарность профессору Лукьянову Анатолию Валериановичу, ведущему научному сотруднику Лукьянову Андрею Анатольевичу и доценту Буйновой Надежде Петровне за научные консультации при выполнении работы.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе обоснована необходимость применения тепловизионной диагностики для контроля состояния электрического оборудования в промышленности и на транспорте при внедрении обслуживания и ремонта с учетом фактического состояния. Проведенный анализ состояния электровозов, как одной из сложных транспортных систем с предельно широким диапазоном условий эксплуатации, по статистическим данным отцепок от транзитных поездов в Восточном регионе (Красноярская, Восточно-Сибирская, Забайкальская и Дальневосточная железные дороги) показал, что большое количество неплановых ремонтов (более 50%) происходит из-за неисправностей электрического оборудования (рис. 1,а). При этом свыше 70 процентов отцепок происходят после проведения технического обслуживания ТО-2 (рис. 1,6).

а) б)

Рис. 1. Статистика отцепок от транзитных поездов в Восточном регионе за 2004 год: а) - по видам дефектов; б) - из-за некачественного ТО-2 Отсюда следует, что контроль состояния электрического оборудования на ПТО осуществляется недостаточно эффективно для обеспечения высоких темпов перевозок, а также качества и своевременности оказываемых транспортных услуг при требовании минимизации затрат на обслуживание локомотивов.

В работе предложено использовать перспективный, интенсивно развивающийся метод - метод тепловизионного неразрушающего контроля и диагностики, заключающийся в применении мобильных тепловизионных (или термоскани-рующих) устройств для диагностики электрооборудования электровозов, как од-

ной из сложных транспортных систем. Сфера применения метода чрезвычайно широка - от диагностики оборудования в энергетике до использования в пищевой промышленности и в оборонной отрасли; однако до последнего времени для контроля электрооборудования электровозов он не использовался.

В связи с общей стратегией совершенствования системы технического обслуживания и ремонта локомотивного хозяйства, опубликованной в постановлении МПС от 27-28 апреля 2001, использование тепловизионного контроля может быть перспективно в рамках внедрения элементов обслуживания с учетом фактического состояния (ОФС) в системе планово-предупредительного ремонта локомотивов. Методика управления техническим состоянием оборудования локомотивов (рис.2), состоящая в замыкании обратной связью по контролируемым в процессе эксплуатации параметрам (в т.ч. температуры), используется во всем мире как минимизирующая затраты на обслуживание и ремонт при одновременном максимальном продлении срока эксплуатации оборудования.

Внешняя среда

Рабочая „среда. ■Энергия |

ч. Параметры окружающей

ОБЪЕКТ УПРАВЛЕНИЯ (Агрегаты)

Параметры

технического г=яг!вая^-'||/ состояния !, (основные и {! сопутствующие)

Система экстдтатахщи

агрегатов

Корректировка программы ТО ваян (".

Программа н периодичность типического

Блок управления 1.ТС ■ - - - - -N1 состоянием |г . г, эксплуатации |

<= = ==«4-------I

Корректировке тг периодичности ТО |

__Jk.dk---,

I Система контроля . I параметров ТС !

(МОНИТОРИНГ} ДИЯГИО- I

1 с тика н прогноз) I

ь—V—

Ошгоритм управления"! Г^ЙЯЕЕЙ?™] 1 периодичность I

Рис.2 Система управления состоянием эксплуатации и техническим состоянием

машинных агрегатов Для машинных агрегатов в рамках стратегии ОФС контролируются:

1) основные параметры - производительность, расход, мощность, ток, давление, и т.д., т.е. параметры, определяющие назначение машинных агрегатов;

2) сопутствующие параметры - вибрация, шум, температура узлов, качество и утечки смазочного масла, утечки рабочей среды.

Исследования показывают, что до 75-80 % различных дефектов электрического оборудования (и до 30% машинного) можно обнаружить и диагностировать с использованием метода ТНКиД. В этом отношении тепловизионный контроль удачно дополняет другой метод безразборного контроля - вибрационный.

В заключительной части главы сформулированы задачи исследований. Во второй главе исследуются области применения метода ТНКиД для различных типов оборудования, в том числе широкого спектра электрооборудования,

промышленных предприятий и транспортных систем. На основе большого объема проведенных экспериментальных тепловизионных обследований (в пункте технического обслуживания и локомотивном депо «Иркутск-Сортировочный», локомо-тивовагоноремонтном заводе г. Улан-Удэ) разработана методика ТНКиД для обнаружения явных дефектов некоторых типов электрооборудования. Предложен способ качественного улучшения метода ТНКиД за счет дополнительного использования оптического сенсора и автоматизации операций обработки изображений.

На примере электровоза показано, что использование тепловизионного метода при ТО и ремонте позволяет контролировать и диагностировать дефекты оборудования следующих видов для транспортных и промышленных систем: кры-шевого оборудования, аккумуляторных батарей, тяговых трансформаторов, тяговых электродвигателей, моторно-осевых и моторно-якорных подшипников, катушек управления пневматическими и электромагнитными контакторами, контактов силовой коммутационной аппаратуры и шинного монтажа, выпрямительно-инверторных преобразователей, буксовых узлов, низковольтного оборудования, цепей управления, шунтов, контактов, вспомогательных машин.

Оценка технического состояния электрооборудования производится с использованием температурных норм, которые делятся на нормы абсолютной температуры и нормы относительной температуры, причем последние установлены относительно температуры окружающей среды и температуры соседних однотипных деталей. Кроме этого, при обследовании минимизируется влияние внешних случайных факторов, обеспечиваются сопоставимые начальные условия эксперимента.

В случае отсутствия норм для узла проводилось исследование температурного тренда, полученного в процессе мониторинга. Область резкого износа и проявления дефекта отличается от области эксплуатации в нормальном режиме изменением формы тренда контролируемого параметра. Из линейного тренд становится экспоненциальным, с быстрым нарастанием параметра в дефектной области.

Это значит, что учет изменения (возникновения) кривизны тренда наиболее точно локализует границу двух кластеров. Для определения границы кластера минимизируется функция:

>1 (.1

где II] - функция, подтверждающая, что тренд для выбранного кластера является линейным. Здесь х^ - точка кластера, с] - центроид кластера. Пусть

0(а,/}) = 1 - Р{а,р), где Р(сс,/3) = ^Ър) = - неполная гамма-

Г(а) Г(а)5

функция; тогда функция и, определена с помощью выражения

к-2 *л

2 ' 2 •

ч /

здесь Ц - число точек в /-м кластере, х*" критерий согласия, определяющий

корректность модели по отношению к экспериментальным данным. Гипотеза линейности распределения считается верной в случае, если значение параметра превысит определенный, эмпирически заданный порог.

Значение %2 в случае линейной регрессионной модели определяется в

где а, Ъ - коэффициенты линейного регрессионного уравнения, сг, - СКО для у 1. В общем случае, СКО исчисляется для всех yt.

Результаты экспериментального апробирования тепловизионного метода выявили ряд недостатков, главными из которых являются экранирование термоизлучения и блики, устраняемые выбором маршрута и ракурса измерений. Кроме того, температура деталей и узлов электрооборудования превышает абсолютные нормативные показатели достаточно редко, в случае явно выраженных дефектов. В большинстве случаев неисправности и развивающиеся дефекты обнаруживаются путем сопоставления с температурой аналогичных деталей и узлов (мониторинг по множеству) или отслеживанием и сопоставлением трендов температуры одних и тех же деталей (мониторинг во времени). В случае диагностики электрооборудования электровоза сложность задачи максимально возрастает по сравнению с диагностикой стационарных промышленных объектов, поскольку на пункты технического обслуживания электровозы приходят с различной предшествующей нагрузкой на узлы и агрегаты, в различное время года. В этих условиях сделать заключение о техническом состоянии оборудования по температурным показателям можно только на основе автоматической обработки результатов и условий предшествующих замеров. В конечном итоге, необходимость мониторинга температурного состояния большого количества деталей обусловила разработку механизма идентификации деталей на термограммах (что сложно сделать для термокадров со слабой термоконтрастностью деталей), сохранения термохарактеристик контролируемых деталей в базе данных с возможностью их последующего анализа. Для этого предложено использовать синхронную регистрацию термовидеоизображений и последующий совместный анализ снимков (рис. 3 а,б).

Предложена схема термо- оптической системы (TOC), состоящей из термокамеры и цифрового фотоаппарата (видеокамеры) с фиксированной базой между ними. При этом существенной проблемой становится совместная калибровка TOC и устранение параллакса (искажений оптики). Для использования TOC при периодических обследованиях процесс обработки информации, содержащейся в термокадрах, должен быть автоматизирован с использованием программы, извлекающей температурные характеристики выделенных на видеоизображениях участков и заносящей их в базу данных, с последующим построением трендов изменения температуры отдельных деталей в поле допустимых абсолютных или относительных температур.

Без этого невозможно решить вопрос о периодических термообследованиях сборок и узлов электрооборудования сложных промышленных и транспортных систем (содержащих десятки и сотни контролируемых деталей) за ограниченное

виде

время проведения осмотров при ТО, либо выполнении технологических процессов при производстве и ремонте, послеремонтных испытаниях.

Ниимэд, »«м. 1<еш. - - —

а)

б)

Рис 3 Примеры затрудненного визуального определения дефектов.

а) невозможность четкой локализации дефекта на фотографии;

б) неявное проявление дефекта из-за малой разницы температур

В третьей главе в двух вариантах реализован алгоритм согласования видео-и тепловизионных изображений, решена задача учета зависимости преобразований видео- тепловизионных изображений от расстояния до сцены съемки, а также приведена модель искажений оптики и способ их устранения. Используемая двух-диапазонная система регистрации видео- и термоизображений, а также модель формирования изображения в камере представлены на рис.4, 5. Математическая модель формирования изображения в камере без учета оптических искажений может бьггь представлена в виде

О О

«о "о 1

11 П 2 Пз х0

Г21 г22 г23 + Уо

г3\ г32 гзз. а.

Здесь - пиксельные координаты на изображении, Х,,У„г, внешние

трехмерные координаты.

'21

12 Г22 Ги

г23 ГЪЪ.

- матрица поворота,

-«о Уо 2п

- вектор

смещения. Верхняя треугольная матрица - матрица внутренних параметров камеры А (и0,у0 - центр проекции, //, /с - эффективное фокальное расстояние,

у - коэффициент косоугольности системы координат). Система определена с точностью до коэффициента масштабирования 5.

Искажения, вызванные оптической системой, определены согласно выра-

жению

у,.

'¿¡и?'

"о

2 рм+РМ+Ъ?)

осям, / - фокальное расстояние, кх,к2,рх,р2 - коэффициенты

дисторсии, г, = ^¡х,2 + у*.

Преобразование между изображениями, полученными с двух сенсоров, является проек- Е^Э тивным и определяется выраже-

здесь

.г.

УгЫ +к2Г,4 + ...]

,/)„=-', Бу = ^/у - масштабирование по

V" V"

нисм £ ■ V' = Н- V"

1 1

Рис. 4. Двухдиапазонная система регистрации термо- и видеоизображений

Рис.5. Схема формирования изображения в камере

Здесь первое изображение получено в виде У

н'

второе 5" ■ V" = А'-^'ггЛ"]

V 'X

V' У

1 1

, Н - матрица проективных преобразований

(или томографии): Н = А'- • (А'-[гГдг^"])-1 =

йп ¿и й13

Й21 Й2 2 й23

Лз, Л32 Л33

В первом варианте алгоритма учета зависимости изменения величин коэффициентов матрицы проективных преобразований от параллакса использована аппроксимация зависимости величин коэффициентов от расстояния до сцены по-

линомом, не выше пятой степени йу = ^Ь%с1п . При этом качество аппроксима-

л=0

ции оценено с использованием критерия Я = 1 - -

м__

±{у,-у)1

-, который изменяет-

ся в диапазоне от 0 до 1. Здесь у1 - аппроксимированное значение функции, у -математическое ожидание.

Результат экспериментальной проверки метода - качественная аппроксимация всех коэффициентов (рис. 6) и совмещение изображений с точностью до 2-3 пикселов, что приемлемо для большинства контролируемых деталей. Алгоритм пригоден для термо- оптической системы с жестким позиционированием относительно сцены съемки.

Второй метод - использование информации о действительном взаимном расположении точек на плоскости съемки для определения матрицы преобразования между системами координат сенсоров. При этом, для каждого изображения определяется матрица внешних параметров, и соответственно ей корректи-• руются значения коэффициентов проективного преобразования. Вопрос об обнаружении точек для сопоставления изображений рассмотрен в главе 5.

0.9 0.85 0.8 0.75

0.045 004 0 035 003 0025 002 0015 001 0.005 0

* -л ^

4 1 - - г ^

" V-

V г

А" £ М

* ,-» -

0.5 1 1.5

расстояние, и.

0.5 1 1.5 расстояние, м.

'п '21 '31

Рис. 6. Полиномиальная аппроксимация коэффициентов томографии Определение векторов поправок проводится один раз при калибровке: '12 '13

г22 '23 *2 г32 'ЗЗ (3 J

К' = [<р' к' а']

ТЧ<1' '2

>п '12 '13 ч

Гп '22 '2*3 ?г

/31 '32 '33 <з\

= к" со"]

Г=['Г г2 г3] ■

(р = sign r33 • arceos r33 AR = R„_R,

= arctan2(r,,,-r„) , . Особенностью алгоритма является преоб-

, \ АТ = Г-Т' со = arctan2(rl3,r23J

разование матрицы поворота в вектор и обратно, что существенно повышает эффективность использования поправки.

Алгоритм прямого определения внешних параметров можно представить в виде:

1) [R1,t,] = (Air1 -Н„2) [R„t,b j^1 ;3) {Í;:t^;AtR4) *2}->[R2,t2]-

Результатом экспериментальной проверки является качественное совмещение изображений (рис. 7) с максимальной ошибкой не более трёх пикселов. Алгоритм пригоден для свободной локализации системы в пространстве.

Рис. 7 Совмещение термограммы и фотографии

В четвертой главе разработана концепция программы для осуществления автоматизированной темодиагностики, разработана база данных и тестовые программные модули. Технология автоматизированного термомониторинга и диагностики, представлена в виде последовательности контрольно- диагностических операций.

Подготовка системы к работе:

1. создание термо- оптической системы (включающей конструктивно объединённые в блок цифровую фото- и термокамеру с обеспечением синхронной съемки);

2. проведение калибровки фото-термографической системы;

3. создание маршрута обхода подконтрольного оборудования;

4. контрольный обход по маршруту с созданием архива базовых (эталонных) изображений с контролируемыми узлами и деталями в каждой точке съемки;

5. выделение на компьютере на каждом базовом изображении контуров интересующих термодиагноста деталей;

6. заполнение базы данных деталей с указанием абсолютных и относительных температурных норм, коэффициентов излучения, служебной информации и т.п.

Работа с системой включает следующую последовательность действий. 1. Обход точек съемки по маршруту с соблюдением последовательности обхода;

синхронное получение текущих видео- и термоизображений в каждом направлении измерений. Из-за неизбежных линейных и угловых рассогласований текущих точек и направлений съемки, текущие видеокадры будут отличаться от базовых. Для коррекции рассогласований выполняется операция совмещения базового и текущего изображений (вручную или автоматически). 2. После каждого обхода по маршруту результаты измерений (текущие видео- и термокадры с указанием даты и времени обхода) передаются в базу данных измерений программы термомониторинга. После программной обработки результатов измерений, по данным, полученным из БД измерений, деталей, допустимых температур и коэффициентов излучения создаются протоколы в текстовом и графическом форматах с иллюстрацией в виде трендов абсолютной, относительной температуры деталей во времени или температуры однотипных деталей в поле допустимых температур.

Согласно общей концепции и с учетом исследований информационных потребностей системы, спроектирована и разработана база данных. На основании изложенной концепции сформулирована функциональная направленность, разработаны требования к созданию полнофункционального программного продукта, включая всю последовательность обхода по маршруту (рис.8) и проведения контрольно-диагностических операций, и т.д.

1 Силомя вллвр»турв

2 Мсгтор ммтилягор

4 Блош аппарате*

5 Тпгоаыб трансформатор в Блса< аппаратов

7 Иидуспшный шует

9 Мотор- яипрюор / 10 БлкупршмммВИП

11 Блоа балластных резисторов

12 •ваершцвпитвпь

13 Вмлмпятор О)

точками и стрелками обозначены соответственно токи позиционирования т«рмографистя и приблизительны» ^ направления съемки

Рис. 8 Схема выполнения термоконтроля по маршруту «Контроль ВИП» для электровоза серии ВЛ85

Основные положения, изложенные в рамках концепции системы, реализованы в тестовых программных модулях (рис. 9), которые отличаются от полнофункциональной версии программной системы отсутствием интеграции приложений и механизма автоматического совмещения базового и текущего изображений при совершении процедуры обхода по маршруту. Подробности алгоритма совмещения изображений приведены в главе 5.

В программных модулях последовательно реализовано совмещение изображений, определение участков контроля, обращение к базам данных и заполнение информации по виду ремонта, типу оборудования, иерархической структуре

предприятия, дополнительной информации и т.д. Мониторинг осуществляется по нормам, соответствующим типу детали, после чего программа выдает заключение по её состоянию.

.до

\ П Я 3005 1343

птэт

|тш ям и«

Рис. 9. Главное окно модуля по совмещению термо- и фотоизображений В пятой главе для обеспечения работы системы в реальном времени при периодических обследованиях разработан алгоритм совмещения контрольного и базового изображений в автоматическом режиме. Реализованная функция позволяет проводить диагностику состояния оборудования сразу после съемки соответствующего узла.

Алгоритм совмещения изображений состоит из следующих этапов.

1. Автоматизированное формирование начального массива контрольных точек с использованием характерных участков изображений. При этом используется алгоритм автоматического обнаружения углов на основе градиента яркости /, (х, у) = i(x, у)[р{х +1, - р(х,у)] и определения собственных значений матрицы инерции по средним значениям градиента небольших участков -2

I I

. Если величина собственного значения будет выше некоторого

С =

h'y

hh V

заданного порогового значения, то вероятность локализации угла на данном участке изображения при последующих съемках велика. Из полученного автоматически массива контрольных точек оператор может отобрать наилучшие, сохраняющие свои характеристики при изменении ракурса съемки. Контрольные точки должны находиться в плоскости контролируемого узла с деталями.

2. Обнаружение точек-«кандидатов» на текущем изображении на совпадение с характерными точками базового изображения. Используется функция нормированной кросс-корреляции по яркости

СС( ) ^ и,Т{и,у)1{х + и,у + у)

где Т(и, у) - значение пиксела фрагмента базового изображения, 1(х,у) - значение пиксела текущего изображения, и = 0,..,, м/ -1; V = 0,..., /г -1 - координаты пиксела внутри фрагмента, \vxfi - размер фрагмента. Исследуется корреляция по яркости, а также дополнительным характеристикам изображения (см. табл.1). Максимум значения корреляции определяет локализацию кандидата на совпадение.

Таблица 1.

Локальные характеристики изображения, вычисляемые на основе яркосшой

характеристики

Локальный контраст ЦЦ)+ £(*,/)' = \ Щи)

Функция протяженности гистограммы я (Iга лУ..АшхС^О'.лЗ-Аша^.л) н^Лпи))

СКО яркости Г п Л0-5 —1 П л Ч )

Контраст текстуры СДг,у)-1--Ц—, 1 + кан2(Ь) (<>7>»г

3. Анализ обнаруженных «кандидатов» на совпадение на регистрируемом изображении и поиск наиболее похожих пар контрольных точек на контрольном и базовом изображениях. Данная операция реализована с использованием метода проективного инварианта как величины, сохраняющей свое значение при любых проективных преобразованиях системы из пяти точек.

Инвариантные координаты пятой точки для набора точек-кандидатов на контрольном изображении и эталонных точек на базовом вычисляются по формуле 1 ^ф*(р,-р2р3) <1ег(р4рхр2) * «Ир.р^г) <Ир4р2р3) I _ МР.'РзР!) ¿е*(р4р;р2)'

у «Мр.р^а) ёе^дРзР!)

Для всех кандидатов определяется величина -1ХУ +(1у-1уУ, где 1х,1у -

проективные инвариантные координаты для базовых точек. Для определенного количества наборов точек-кандидатов с минимальным значением данной величины производится исследование на минимизацию ошибки совмещения всего

^где с^(ра Р/,РГ)=

У а 1

Хр

Ур 1

Иу

Уу 1

набора точек с использованием проективного преобразования. Точки, которые наиболее полно совпадают с базовыми, считаются совмещенными корректно.

4. Преобразование регистрируемого изображения в базовое, согласно сопоставленным контрольным точкам на изображениях, является проективным и выполняется на основе матрицы, исчисленной, согласно корректному набору точек из п. 3.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. На основании результатов анализа статистических данных по отцепкам и видам неисправностей, обоснована актуальность тегатовизионного метода неразрушающего контроля, как дистанционного и многофункционального метода интегрального распределения температур по поверхности деталей в области регистрируемых термокадров, позволяющего проводить диагностику дефектов электрооборудования промышленных и транспортных систем.

2. Проведенные исследования выявили диагностируемые с помощью ТНКиД виды дефектов электрооборудования; сформулированы ограничения и недостатки метода. Предложено проводить тепловизионный мониторинг с использованием абсолютных и относительных температурных норм. Для повышения качества анализа термограмм, предложен метод совмещения видео- и тепловых сенсоров в термо- оптическую систему получения и обработки тепловизионной информации, реализации системы мониторинга при периодических измерениях.

3. Предложена математическая модель формирования изображения в оптических камерах и матричных тепловизорах с учетом оптических искажений. Предложен метод калибровки термо- оптической системы. Для сопоставления изображений и решения проблемы параллакса предложено два метода, корректность которых проверена экспериментально.

4. Разработана концепция системы автоматизированного термомониторинга и диагностики электрооборудования в промышленности и на транспорте, определены требования и основные параметры работы системы, технология периодических тепловизионных обследований по маршрутам. Основные результаты реализованы в тестовых программных модулях.

5. На основе сформулированных информационных потребностей системы разработана база данных системы автоматизированного термомониторинга. Работа базы апробирована на реальных примерах, проведена окончательная отладка структуры.

6. Решена задача автоматизации процесса тепловизионного мониторинга и диагностики при периодических тепловизионных обследованиях на этапе совмещения базового и текущих изображений за счет использования метода кросс-корреляции по яркостной и дополнительным характеристикам (на основе локального контраста), а также метода проективных инвариантов для контроля корректности сопоставления изображений.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Лукьянов A.A., Капустин А.Н, Бондарик В.В. Термодиагностика оборудования электровозов // Локомотив, 2004. - № 6. - С.24-26.

2. Лукьянов A.B., Михальчук Н.Л., Капустин Н.И., Лукьянов A.A., Капустин А.Н. Тепловизионный контроль оборудования локомотивов // Железнодорожный транспорт, 2005. - № 8. - С.48-50.

3. Лукьянов A.A., Капустин А.Н., Лукьянов A.B. Алгоритмическое и программное обеспечение автоматизированного термомониторинга и диагностики оборудования // Контроль. Диагностика, 2005. - № 9. - С.45-53.

4. Хоменко А.П., Лукьянов A.B., Капустин А.Н. Разработка алгоритмов распознавания образов по базовому изображению в задачах тепловизионного мониторинга локомотивов // Современные технологии. Системный анализ. Моделирование. ИрГУПС, 2004. - № 3. - С.51-58.

5. Капустин А.Н. Алгоритм сопоставления видео- и термоизображений для задач калибровки термо-оптической системы неразрушающего контроля оборудования электровозов // Современные технологии. Системный анализ. Моделирование. ИрГУПС, 2004. - № 2. - С.109-119.

6. Капустин А.Н., Лукьянов A.A. Согласование фото- и термоизображений в задачах автоматизации мобильной системы теплового неразрушающего контроля локомотивов // Доклады 7-ой Международной конференции «Цифровая обработка сигналов и ее применение». Москва, 16-18 марта 2005. - Т. 2. -С.290-294.

7. Хоменко А.П., Лукьянов A.B., Капустин А.Н. Теоретические аспекты комплексного термо- и виброконтроля в задачах повышения надежности машинного оборудования // Актуальные проблемы надежности технологических, энергетических и транспортных машин / Сборник трудов Международной научно-технической конференции «Надежность-2003». - Самара, 2227 ноября 2003. - Т.2 - С.511-513.

8. Хоменко А.П., Лукьянов A.B., Капустин А.Н. Тепловизионный контроль и диагностика технического состояния машинного оборудования локомотивов // Проблемы механики современных машин / Материалы П Международной конференции. - Улан-Удэ, 23-29 июня 2003. - Т.2 - С. 17-20.

9. Лукьянов A.B., Капустин А.Н. Повышение надежности эксплуатации машинных агрегатов за счет комплексной вибро- термодиагностики // Проблемы механики современных машин / Материалы П Международной конференции. Улан-Удэ, 23-29 июня 2003. - Т.З - С.21-25.

Ю.Лукьянов A.B., Капустин А.Н. Диагностика подшипников скольжения теп-ловизионным методом // Материалы ХШ Всероссийской научно-технической конференции. Иркутск: ИВАИИ, 25-27 июня 2003. - 4.1 - С.63-66.

П.Лукьянов A.B., Капустин А.Н. Технология проведения комплексной вибро-термодиагностики механического и электрического оборудования подвижного состава // Инфокоммуникационные и вычислительные технологии и системы / Материалы Всероссийской конференции. Улан-Удэ: Издательство БГУ, 5-9 августа 2003. - 4.2 - С.29-32.

12.Капустин А.Н., Лукьянов A.B. Алгоритмы распознавания образов по базовому изображению в тепловом мониторинге локомотивов // Ресурсосберегающие технологии на железнодорожном транспорте / Материалы научной конференции с международным участием. Красноярск, 19-21 мая 2005. - Т.2 -С.458-463.

1 З.Капустин А.Н. Обработка информации в системе автоматизированного теп-ловизионного мониторинга и диагностики оборудования // Математика, ее приложения и математическое образование / Материалы Всероссийской конференции с международным участием. Улан-Удэ, 26-30 июня 2005. - Т.1 -С.103-109.

Н.Капустин А.Н. Разработка программного комплекса автоматизированного тепловизионного мониторинга и диагностики оборудования // Информационные и математические технологии в науке, технике и образовании / Труды X Байкальской Всероссийской конференции. Иркутск: ИСЭМ СО РАН, 2005. - 4.2 - С.88-96.

15.Лукьянов A.B., Капустин А.Н., Лукьянов A.A., Михальчук Н.Л. Разработка программного комплекса тепловизионного контроля технического состояния оборудования локомотивов // Там же. - С.97-103.

16.Лукьянов A.B., Капустин А.Н., Лукьянов A.A. Автоматизированная система тепловизионной диагностики машинного и электрического оборудования локомотивов // Трибофатика / Труды V Международного симпозиума по трибофатике. Иркутск, 3-7 октября 2005. - Т.З - С.271-288.

Лицензия N° 021231 от 23.07.97 Подписано в печать 14.11.2005. Формат 60х84'/16. Бумага офсетная. Печать трафаретная. Гарнитура Times. Усл. печ. л. 1,12 Уч.-изд. л. 1,2. План 2005 г.Тираж 120 экз. Заказ № 2859

Отпечатано в Глазковской типографии. 664039, г.Иркутск, ул. Гоголя, 53.Тел. 38-78-40.

» 23 4 О 7

РНБ Русский фонд

2006-4 27679

Оглавление автор диссертации — кандидата технических наук Капустин, Антон Николаевич

ВВЕДЕНИЕ

1. Актуальность развития тепловизионного метода контроля и диагностики оборудования локомотивов при обслуживании и ремонте.

1.1. Анализ работы локомотивного парка ОАО «РЖД» по Восточному региону.

1.2. Техническое состояние, обследование и ремонт локомотивного парка.

1.2.1. Техническое состояние локомотивного парка.

1.2.2. Система технического обслуживания и ремонта локомотивов, технологическое обеспечение ремонтного производства.

1.3. Технология диагностики на ПТО.

1.4. Система контроля и диагностики «ДОКТОР- 03 Огм».

1.5. Тепловой метод неразрушающего контроля и диагностики как перспективный для оборудования электровозов.

1.5.1. Основы метода.

1.5.2. Области применения метода.

1.5.3. Актуальность применения метода для диагностики состояния электровозного парка.

1.6. Использование ТНК для управления техническим состоянием электрооборудования.

1.6.1. Перспективы внедрения безразборной диагностики машин подвижного состава и обслуживания с учетом фактического состояния.

1.6.2. Методология управления техническим состоянием машинного оборудования. Определение технического состояния машин без останова и разборки.

1.6.3. Использование результатов термоконтроля в системе ОФС.

1.7. Цель и задачи исследования.

2. Применение тепловизионного контроля и диагностики для опреде

• ления технического состояния электровозов.

2.1. Исследование возможности применения метода ТНКиД для диагностики оборудования электровозов.

2.2. Необходимость дополнительной обработки и анализа тепловизионной информации.

2.3. Методики обследования с использованием метода ТНКиД для электрического и механического оборудования электровозов.

2.3.1. Активный тепловой метод неразрушающего контроля (метод тепловой волны).

2.3.2. Тепловизионный контроль контактных соединений при техническом обслуживании и ремонте.

2.3.3. Тепловизионный контроль состояния обмоток полюсов тяговых электродвигателей при ремонте.

2.3.4. Тепловизионный контроль тяговых трансформаторов

2.3.5. Определение внутренних дефектов некоторых узлов электромашинного оборудования.

2.4. Задачи увеличения производительности и автоматизации обработки информации в ТНКиД.

2.4.1. Метод распознавания и обработки мелких и нетермо-контрастных узлов на термограмме.

2.4.2. Автоматизация сбора диагностической информации.

2.5. Выводы по главе 2.

3. Разработка термо-оптической системы контроля оборудования и алгоритма сопоставления видео- и термоизображений.

3.1. Моделирование системы формирования изображений для сенсоров.

3.2. Описание алгоритма формирования изображения в различных типах сенсоров.

3.3. Определение соответствия изображений, полученных термои фотокамерой.

3.4. Определение зависимости коэффициентов матрицы проективного преобразования от расстояния до сцены.

3.5. Практическая реализация методики аппроксимации коэффициентов проективной матрицы для некоторых термооптических систем. щ 3.6. Прямое определение внешних параметров камеры.

3.7. Экспериментальная проверка метода прямого определения внешних параметров.

3.8. Выводы по главе 3.

О* 4. Информационное и программное обеспечение автоматизированной системы тепловизионного контроля и мониторинга.

4.1. Основные положения технологии автоматизированной системы ТНКиД оборудования электровозов.

4.2. Определение информационных потребностей системы тепловизионного контроля и мониторинга.

4.3; Проектирование базы данных для системы термомониторинга оборудования локомотивов.

4.3.1. Логическое проектирование базы данных.

4.3.2. Физическое проектирование базы данных.

4.4. Основные аспекты разработки программного обеспечения системы тепловизионного контроля и мониторинга оборудования электровозов.

4.4.1. Назначение и общие сведения о программном обеспечении.

4.4.2. Основные функциональные требования к программному обеспечению и его особенности.

4.4.3. Алгоритм выполнения некоторых операций в рамках автоматизированной системы термоконтроля и мониторинга оборудования локомотивов.

4.5. Программный модуль по обработке термограмм, проведению мониторинга и диагностики в ручном режиме.

4.6. Выводы по главе 4.

5 Разработка алгоритмов автоматизации сопоставления изображений

5.1. Автоматическое определение контрольных точек с учетом особенностей изображения.

5.2. Выбор контрольных точек-кандидатов с использованием корреляционных методов.

5.2.1. Функция нормированной кросс-корреляции яркостной компоненты изображения.

5.2.2. Дополнительные характеристики изображения на основе локального контраста.

• 5.2.3. Экспериментальные исследования применимости предложенных характеристик.

5.3. Определение корректности выбранных точек с использованием метода проективных инвариантов.

5.3.1. Проективный инвариант. 5.3.2. Использование проективного инварианта для проверки корректного сопоставления характерных точек.

5.3.3. Метод проверки корректности сопоставления характерных точек.

5.3.4. Экспериментальная проверка предложенного метода. 197 5.4. Выводы по главе 5.

Введение 2005 год, диссертация по информатике, вычислительной технике и управлению, Капустин, Антон Николаевич

Одной из приоритетных задач в промышленности и на транспорте является повышение надежности и продление срока эксплуатации оборудования за счет качественного технического обслуживания, а также снижение затрат на производство и ремонт агрегатов. Распространены дефекты и отказы электрического оборудования, часто являющегося наиболее важным для обеспечения работы сложной промышленной системы в целом. Неисправности электрооборудования приводят к большим материальным и временным издержкам, как в процессе ремонта, так и при восстановлении нормального цикла производства. При этом затраты на диагностику дефекта иногда составляют до 40% от общей суммы расходов. Наиболее затратной, в том числе по времени, является диагностика дефектов электроконтактного оборудования, ввиду необходимости анализа большого количества плотно расположенных контактных групп, сборок, токоведущих цепей. Обеспечение качественной и бесперебойной работы электрооборудования зависит от большого количества параметров, среди которых можно выделить влияние внешней среды, регулярность и виды нагрузок, воздействие случайных факторов (человеческий фактор) и т.д. При этом в наиболее сложных условиях эксплуатируются транспортные системы (подвижной состав), поскольку на них оказывают влияние экстремальные изменения климатических условий; интенсивность нагрузок на транспортную систему также подвержена влиянию множества факторов, среди которых одну из главных ролей, играет человеческий фактор. С учетом этого, конструкция транспортного оборудования при разработке оптимизирована с точки зрения максимальной надежности и запаса прочности, однако при износе оборудования надежность работы системы в целом снижается, особенно при достижении сроков эксплуатации, сравнимых со сроком средней наработки на отказ. Данная ситуация в большой степени характерна для тягового подвижного состава (электровозов и тепловозов), более 70% которых превысили допустимый ресурс эксплуатации.

Наряду с зарубежными учеными в области термографии (Ллойд Дж., Госсорг Ж.) [55, 23], в нашей стране большой вклад в развитие тепловизион-ного метода внесли такие ученые, как A.B. Лыков К.Ф. Фокин, O.E. Власов, Ф.В. Ушков В.А. Дроздов, И.Б. Левитин, М.М. Мирошников, В.Е. Канарчук, В.А. Григорьев и др. [54, 73, 45, 28, 33].

Современная школа исследователей в области термодиагностики представлена такими крупными учеными как О.Н. Будадин, А.И. Потапов, В.И. Калганов, В.В. Клюев, В.Н. Фелинов, В.П. Вавилов, А.Г. Климов, Т.Е. Троицкий-Марков, М.И. Щербаков, С.А. Бажанов, A.B. Крюков и др. [11, 12, 13, 8, 79, 14, 75, 76].

В последнее время ряд российских разработок, выполненных в Московском «Технологическом институте «ВЕМО», «Томском НИИ интроскопии» и Северо-Западном Государственном техническом университете (С.Петербург), а также оригинальные разработки российских ученых и изобретателей (ООО «ИРТИС») определили основные направления развития те-пловизионного метода в нашей стране.

• [7, 6, 32, 40, 123, 84, 44, 61]. Контроль температурных характеристик оборудования (наряду с другими параметрами) позволит управлять техническим состоянием оборудования на основе данных мониторинга, ранней диагностики дефектов и прогноза их развития. Решение этих задач для транспортных систем, как одних из самых сложных, позволит реализовать обслуживание по фактическому состоянию для стационарных промышленных систем, находящихся в заметно более щадящих условиях эксплуатации.

В железнодорожной отрасли ТНКиД находят все большее применение в энергетике, контроле контактной сети, температуры букс. Однако для диагностики состояния электрооборудования локомотивов этот метод бесконтактного измерения температурных характеристик не применялся. Это объясняется тем, что электровоз представляет собой сложную систему, состоящую из большого количества узлов и сборок компактно размещенного электрического оборудования, причем преимущественно в высоковольтной зоне. Распознавание и диагностика оператором большого количества контактных групп, соединений, деталей попадающих в область термокадра, затруднено и занимает значительное время (особенно это касается трудноразличимых на термокадрах объектов с малым тепловым контрастом). Также практически невозможно проводить мониторинг подобных узлов с целью выявления неявных дефектов, поскольку стандартное программное обеспечение приборов для этой цели не предусмотрено, а осуществление процедуры мониторинга вручную приводит к существенному (иногда неоправданному) увеличению трудоемкости процесса. Решение задачи контроля состояния электрического оборудования электровозов может быть найдено путем создания термо-оптических систем с синхронным получением термо- и видеокадров контролируемых объектов с последующей совместной автоматизированной обработкой получаемой информации.

Задачи совмещения и совместной обработки видео- и тепловизионной информации могут быть выполнены с применением элементов теории обработки изображений, изложенных в работах таких ученых как Б. Хорн, У. Прэтт, К. Фукунага, Э Патрик, Дж. Ту, Б.Н. Вапник, К Вехраген, а также более современными исследованиями Н. С. Longuet-Higgins, Т. М. Strat, R. Hartley, J. L.

Mundy, A. Zisserman, A. Goshtasby [19,17,86,88,74]. Дальнейшая обработка информации с применением алгоритмов мониторинга и диагностики в рамках единого программного комплекса позволит более полно использовать возможности метода ТНКиД и вывести диагностику электрооборудования на качественно иной уровень. Исходя из вышеизложенного, можно утверждать, что развитие исследований, направленных на создание программно-аппаратной опти-ко-тепловизионной автоматизированной системы мониторинга и диагностики, является актуальной научно - технической задачей, требующей своего решения.

Целью диссертационной работы является решение задачи повышения эффективности технического обслуживания и ремонта электрооборудования промышленных предприятий и транспортных систем за счет использования те-пловизионного метода неразрушающего контроля и диагностики, а также разработка математического, алгоритмического и программного обеспечения для автоматизации обработки тепловизионной информации.

Методы исследований. При решении поставленных задач использованы методы системного анализа для формирования концепции автоматизированной тепловизионной диагностики и совместной обработки видео- и термоизображений, элементы теории теплопроводности, организации баз данных, проективной геометрии и геометрической оптики, регрессионного и корреляционного анализа.

Научную новизну диссертации представляют следующие результаты, которые выносятся на защиту:

1. Концепция термо-оптической системы с синхронной регистрацией термо- и видеокадров, а также метод их совместной обработки и калибровки сенсоров системы.

3. Методы и алгоритмы согласования базового и текущих изображений для выполнения автоматического тепловизионного мониторинга электрооборудования промышленных предприятий и транспортных систем.

Практическое значение работы состоит в том, что на основе выполненных исследований: доказана эффективность использования тепловизионной диагностики промышленного и транспортного электрооборудования (на примере оборудования электровозов); предложена методика проведения тепловизионной экспресс-диагностики и выявления явно выраженных дефектов; предложены схема термо- оптической системы и метод повышения качества и достоверности тепловизионного контроля и диагностики дефектов электрооборудования путем сопоставления видео- и термоизображений; предложена концепция, разработаны алгоритмы и программные модули автоматизированной системы тепловизионного мониторинга и диагностики, обеспечивающие возможность повышения качества и производительности периодических обследований электрооборудования промышленных предприятий и транспортных систем.

Реализация результатов подтверждена «Актом об использовании результатов НИР по разработке методов тепловизионного контроля оборудования локомотивов, созданию алгоритмов и программных модулей автоматизации обработки термограмм», утверждена НЗТ ВСЖД.

Апробация работы. Основные положения диссертации и ее результаты докладывались и обсуждались на II международной конференции «Проблемы механики современных машин» (г. Улан-Удэ, 2003 г.); Всероссийской конференции с международным участием «Инфокоммуникационные и вычислительные технологии и системы» (г. Улан-Удэ, 2003 г.); международной научно-технической конференции «Надежность-2003», (г.Самара, 2003 г.); 7-ой Международной конференции «Цифровая обработка сигналов и ее применение», (Москва, 2005 г.); Всероссийской научной конференции с международным участием «Ресурсосберегающие технологии на железнодорожном транспорте», (г. Красноярск,, 2005 г.); Международного симпозиума по три-бофатике (Иркутск, ИрГУПС, 2005); X Байкальской всероссийской конференции «Информационные и математические технологии в науке, технике и образовании» (Иркутск, ИСЭМ СО РАН, 2005 г.); заседаниях кафедры «ТиПМ» ИрГУПСа (2004 г., 2005 г.); совещании с участием НЗТ ВСЖД, посвященном внедрению методик вибро- и термодиагностики (2005 г.); совещании с участием технического руководства локомотивного департамента ОАО «РЖД» в локомотивном депо «Иркутск-сортировочный» (2005 г.).

Публикации. Результаты исследований изложены в 16 опубликованных научных работах (статьи, доклады на конференциях).

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка используемой литературы из 139 наименований и четырех приложений. Общий объем работы 212 страниц.

Заключение диссертация на тему "Автоматизация тепловизионного контроля и мониторинга промышленного и транспортного электрооборудования на основе обработки термо- и видеоизображений"

5.4. Выводы по главе 5

В главе решалась задача автоматизации процесса тепловизиоииого мониторинга и диагностики на этапе обнаружения участков на фотоизображении, которые необходимо диагностировать. Для этого предложено сопоставить базовое (содержащее информацию о диагностируемых узлах) и тестовое (полученное в результате текущего сеанса мониторинга) изображения. В рамках этой задачи выполнены следующие исследования: 1) Предложен алгоритм определения контрольных точек на изображении на основе алгоритма выделения углов как сравнительно небольших областей с сильным изменением локального контраста. Для определения точек-кандидатов на соответствие использован кросс-корреляционный алгоритм на основе яркостной характеристики. В качестве дополнительных атрибутов точек-кандидатов в случае, если классический кросс-корреляционный алгоритм дает недостаточно точные результаты (сложные условия съемки, изображение с низким контрастом), предложено использовать такие характеристики как локальный контраст, функцию протяженности гистограммы элементов локальной скользящей окрестности, энтропию, СКО яркости, статистический локальный контраст. Обоснованность применения данных характеристик как атрибутов точек доказана серией экспериментов.

Выбор из набора точек-кандидатов наиболее совпадающих с контрольными точками базового изображения реализован с использованием в качестве критерия отбора проективного инварианта и полученных канонических инвариантных координат. Корректность сопоставления определяется минимизацией погрешности совмещения точек после проективного преобразования, полученного с использованием отобранных точек-кандидатов. Результаты численных экспериментов на реальных изображениях доказывают работоспособность и эффективность предложенного метода и позволяют сделать вывод, что метод работает в большинстве случаев корректно. Повысить достоверность результатов метода можно за счет увеличения размеров входных множеств точек и повышения достоверности алгоритмов первоначального поиска и сопоставления характерных точек (дополнение кросс-корреляционной функции другими методами).

ЗАКЛЮЧЕНИЕ

В диссертации разработано алгоритмическое, математическое и программное обеспечение системы автоматизированного тепловизионного контроля и мониторинга электрического оборудования промышленных предприятий и транспортных систем ( на примере электрооборудования электровозов). Использование данной системы в производственном процессе позволит повысить надежность и продлить срок эксплуатации электрооборудования, а также снизить затраты на техническое обслуживание и ремонт при одновременном увеличении качества выполнения диагностических операций. Применение методики к тяговому подвижного состава сокращает количество отцепок электровозов от транзитных поездов, неплановых ремонтов, а значит повышает безопасность движения и уменьшает затраты, связанные с нарушением графика движения и ремонтом локомотивов. В результате проведенных исследований получены следующие результаты.

1. На основании результатов анализа статистических данных по отцепкам и видам неисправностей, обоснована актуальность тепловизионного метода неразрушающего контроля, как дистанционного и многофункционального метода анализа интегрального распределения температур по поверхности деталей в области регистрируемых термокадров, позволяющего проводить диагностику дефектов электрооборудования промышленных и транспортных систем.

2. Проведенные исследования выявили диагностируемые с помощью ТНКиД виды дефектов электрооборудования; сформулированы ограничения и недостатки метода. Предложено проводить тепловизионный мониторинг с использованием абсолютных и относительных температурных норм. Для повышения качества анализа термограмм, предложен метод совмещения видео- и тепловых сенсоров в термо- оптическую систему получения и обработки тепло-визионной информации, реализации системы мониторинга при периодических измерениях.

5. На основе сформулированных информационных потребностей системы автоматизированного термомониторинга разработана база данных. Работа базы апробирована на реальных примерах, проведена окончательная отладка структуры.

Библиография Капустин, Антон Николаевич, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)

1. Алексеенко Г. В., Ашрятов А. К., Фрид Е. С. Испытания высоковольтных и мощных трансформаторов и автотрансформаторов. — М.: Гос-энергоиздат, 1962.

2. Аносов А. Критерии выбора СУБД при создании информационных систем. http://www.citforum.ru/database/articles/criteria/

3. Атре Ш. Структурный подход к организации баз данных. М.: Финансы и статистика, 1983. - 320 с.

4. Бажанов С. А. Инфракрасная диагностика электрооборудования распределительных устройств. — М.: НТФ "Энергопрогресс",2000. — 76 с.

5. Байхельт Ф., Франкен П. Надежность и техническое обслуживание. Математический подход. М.: Радио и связь, 1988. - 392 с.

6. Барзилович Е. Ю. Модели технического обслуживания сложных систем.- М.: Высшая школа, 1982. 231 с.

7. Барзилович Е.Ю., Воскобоев В. Ф. Эксплуатация авиационных систем по состоянию. М.: Транспорт, 1981. - 197 с.

8. Бекешко H.A. Некоторые актуальные вопросы развития методов и средств теплового неразрушающего контроля // Дефектоскопия. 1986. -№12. С. 48-55.

9. Бойко В.В., Савинков В.М. Проектирование баз данных информационных систем. М.: Финансы и статистика, 1989. - 351 с.

10. Бойченко В. И., Дзекцер Н. Н. Контактные соединения токоведущих шин. — М.: Энергия, 1988. 144 с.

11. О.Н. Будадин, А.И. Потапов, В.И. Калганов и др. Тепловой неразру-шающий контроль изделий: Научно-методическое пособие. М.: Наука, 2002. -472 с.

12. Вавилов В.П. Активный тепловой контроль многослойных изделий: Ав-тореф. дис. д-ра техн. наук. М., 1985. 35 с.

13. Вавилов В.П. Тепловой контроль композиционных структур и изделий радиоэлектроники. М.: Радио и связь, 1984. 152 с.

14. Вавилов В.П. Тепловые методы неразрушающего контроля: Справочник.- М.: Машиностроение, 1991. 240 с.

15. Вавилов В.П., Климов А.Г. Тепловизоры и их применения. М.: Интел универсал, 2002. 88 с.

16. Василянский А. М., Герасимов В. П., Грачев В. Ф.и др. Компьютеризированная тепловизионная система диагностирования арматуры контактной сети // Железные дороги мира. 2003. №12. - С.3-6.

17. Вапник Б.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974.

18. Вержбицкий В.М. Основы численных методов: Учебник для вузов. М., Высш. шк., 2002. - 840 с.

19. Верхаген К., Дейн Р., Грун Ф. и др. Распознавание образов: Состояние и перспективы. М.: Радио и связь, 1985.

20. Вибрация энергетических машин. Справочное пособие./Под ред. Григорьева Н.В. Л.: Машиностроение, 1974. - 464 с.

21. Гайдышев И. Анализ и обработка данных: специальный справочник -СПб.: Питер, 2001. 752 с.

22. Горский A.B., Воробьев A.A., Омарбеков А.К., Скребков A.B. Ремонт локомотивов с учетом их фактического состояния // Железнодорожный транспорт, 2001. №9 - С.43-47.

23. Госсорг Ж. Инфракрасная термография: пер. с франц. М.: Мир, 1988. -399 с.

24. ГОСТ 26629-85. Метод тепловизионного контроля качества. Теплоизоляция ограждающих конструкций. М., 1985.

25. ГОСТ 7.70-96. Описание баз данных и машиночитаемых информационных массивов. Состав и обозначение характеристик. Минск: Стандарты, 1997.

26. ГОСТ 20886-85. Организация данных в системах обработки данных. Термины и определения. М.: Изд-во стандартов, 1986.

27. ГОСТ 24.205-80. Требования к содержанию документов по информационному обеспечению. М.: Изд-во стандартов, 1981.

28. Григорьев В.А., Зорин В.М. Теоретические основы теплотехники: Теплотехнический эксперимент: Справочник. М.: Энергоатомиздат, 1988. 560 с.

29. Дейт К. Введение в системы баз данных М.: Наука, 1980.

30. Деповской ремонт электровозов переменного тока. Головатый А.Т. и др. -М.: Транспорт, 1971. 312 с.

31. Джексон Г. Проектирование реляционных баз данных для использования с микроЭВМ. Пер. с англ. М.: Мир, 1991. 252 с.

32. Диагностирование и прогнозирование технического состояния авиационного оборудования / В.Г.Воробьев, В.В.Глухов, Ю.В.Козлов и др./ Под ред. И.М.Сиднеева. М.: Транспорт, 1984. - 191 с.

33. Дроздов В.А., Сухарев В.И. Термография в строительстве. М.: Стройиздат, 1987.-238 с.

34. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. 511 с.

35. Жуковский В. С. Основы теории теплопередачи. JL: Энергия, 1969. 224 с.

36. Журавель И.М. Краткий курс теории обработки изображений http://www.matlab.rii/imageprocess/book2/index.php

37. Зыков Ю.В., Козубенко И.Д. и др. Новая система технического обслуживания грузовых вагонов // Железнодорожный транспорт.- 2002.-№1.-С.14-21.

38. Зыков Ю.В., Сендеров Г.К., Ступин А.П., Поздина Е.А. Управлять техническим состоянием вагонного парка. Ремонтно-эксплуатационный паспорт грузового вагона // Железнодорожный транспорт, 2001. №1 - С. 41-45.

39. Иванов Б.С. Управление техническим обслуживанием машин. М.: Машиностроение, 1978. - 160 с.

40. Игнатов В.А., Маныпин Г. Г., Константиновский В. В. Элементы теории оптимального обслуживания технических изделий. Минск: Наука и техника, 1974. - 190 с.

41. Инструкция по подготовке к работе и техническому обслуживанию электровозов в зимних и летних условиях «Транспорт» МПС РФ. № ЦТ-814. М., 2001 -72 с.

42. Ицкович А. А. Обоснование программ технического обслуживания и ремонта машин. М.: Знание, 1983. - 78 с.

43. Канарчук В.Е., Чигринец А.Д. Бесконтактная тепловая диагностика. М.: Машиностроение, 1987. 158 с.

44. Капустин А.Н. Алгоритм сопоставления видео- и термоизображений длязадач калибровки термо-оптической системы неразрушающего контроля оборудования электровозов // Современные технологии. Системный анализ. Моделирование. ИрГУПС, 2004. № 2. - С. 109-119.

45. Карташов Э.М. Аналитические методы в теории теплопроводности твердых тел: Учеб. пособие. М.: Высш. шк., 2001. - 550 с.

46. Коннолли Т., Бегг К., Страчан А. Базы данных: проектирование, реализация и сопровождение. Теорияи практика, 2-е изд.:Пер.с англ.:Уч.пос.-М.'Издательский дом «Вильяме», 2000. 1120с.

47. Левитин И. Б., Инфракрасная техника, Л., 1973

48. Ллойд Д. Системы тепловидения, М.: Мир, 1978

49. Лукьянов A.A., Капустин А.Н, Бондарик В.В. Термодиагностика оборудования электровозов // Локомотив, 2004. № 6. - С.24-26.

50. Лукьянов A.A., Капустин А.Н., Лукьянов A.B. Алгоритмическое и программное обеспечение автоматизированного термомониторинга и диагностики оборудования // Контроль. Диагностика, 2005. — № 9. С.45-53.

51. Лукьянов A.B. Классификатор вибродиагностических признаков дефектов роторных машин. Иркутск: Изд. ИрГТУ, 1999. - 228 с.

52. Лукьянов A.B. Методы и средства управления по состоянию технических систем переменной структуры. Автореф. дисс. на соиск. уч. ст. доктора техн. наук, Иркутск, ИрИИТ, 2002 г.- 36 с.

53. Лукьянов A.B. Проблемы управления техническим состоянием локомотивов по данным неразрушающего контроля и диагностики // Современные технологии. Системный анализ. Моделирование.- ИрГУПС, 2004, №2-С. 120-129.

54. Лукьянов А.В. Управление техническим состоянием роторных машин (система планово-диагностического ремонта).- Иркутск.: Изд. ИрГТУ, 2000.-230 с.

55. Лукьянов A.B., Капустин А.Н. Диагностика подшипников скольжения тепловизионным методом // Материалы XIII Всероссийской научно-технической конференции. Иркутск: ИВАИИ, 25-27 июня 2003. 4.1 -С.63-66.

56. Лукьянов A.B., Капустин А.Н. Повышение надежности эксплуатации машинных агрегатов за счет комплексной вибро- термодиагностики // Проблемы механики современных машин / Материалы II Международной конференции. Улан-Удэ, 23-29 июня 2003. Т.З - С.21-25.

57. Лукьянов A.B., Михальчук Н.Л., Капустин Н.И., Лукьянов A.A., Капустин А.Н. Тепловизионный контроль оборудования локомотивов // Железнодорожный транспорт, 2005. № 8. - С.48-50.

58. Львовский Б.Н. Статистические методы построения эмпирических формул.- M.: Высшая школа, 1988. 239 с.

59. Мартин Дж. Организация баз данных в вычислительных системах. М.: Мир, 1980.

60. Марченко А.Л. С++. Бархатный путь М.: Горячая линия — Телеком. 1999. -400 с.

61. Мейер М. Теория реляционных баз данных. М.: Мир, 1987. - 608 с.

62. Метропольский А.К. Техника статистических вычислений. М.: Наука, 1971:-576 с.

63. Мирошников М.М., Теоретические основы оптико-электронных приборов, Л, 1977.

64. Патрик Э. Основы теории распознавания образов. М.: Сов. Радио, 1980.

65. Положение о системе технического обслуживания и ремонта локомотивов ОАО «РЖД». Распоряжение. ОАО «РЖД» Москва, 17 января 2005 г., №3р

66. Потапов А.И., Игнатов В.М., Александров Ю.Б. и др. Технологический неразрушающий контроль пластмасс. Л.: Химия, 1979. 288 с.

67. Правила технической эксплуатации электрических станций и сетей РФ. -15-е издание. М.: СПО ОРГРЭС, 1996.

68. Программа реализации мер по повышению эффективности работы локомотивного хозяйства на 2005 2007 гг. ОАО «РЖД» Москва, 27 сентября 2004 г., №893

69. Приборы для неразрушающего контроля материалов и изделий: Справочник. Кн. 17 Под ред. В.В. Клюева. 2-е изд., перераб. и доп. М.: Машиностроение, 1986. 488 с.

70. Рекомендации по проведению тепловых испытаний силовых масляных трансформаторов (и автотрансформаторов) на месте их установки. — М.: Энергия, 1972.

71. Руководящий документ. Центробежные машины. Организация эксплуатации и ремонта по техническому состоянию (система планово-диагностического ремонта).- ИркутскНИИхиммаш, Иркутск: 1998. 24 с.

72. Смирнов В.П. Непрерывный контроль температуры предельно нагруженного оборудования электровоза: Монография. Иркутск: Изд-во Ир-кут. гос. ун-та, 2003. - 328 с.

73. Смирнов Н. Н., Ицкович А. А. Обслуживание и ремонт авиационной техники по состоянию. М.: Транспорт, 1980. - 229 с.

74. Смирнов H.H., Ицкович A.A. Обслуживание и ремонт авиационной техники по состоянию. М.: Транспорт, 1987. - 272 с.

75. Тиори Т., Фрай Дж. Проектирование структур баз данных. В 2 кн., М.: Мир, 1985. Кн. 1. - 287 е.: Кн. 2. - 320 с.

76. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.

77. Ульман Дж., Уидом Д. Введение в системы баз данных. М.: Изд-во «Лори», 2000. - 374с.

78. Фукунага К. Введение в статистическую теорию распознавания образов. М.: Наука, 1979.

79. Фуфрянский H.A. Развитие локомотивной тяги. 2-е изд., перераб. и доп. - М.: Транспорт, 1988. - 344 с.

80. Хоменко А.П., Лукьянов A.B., Капустин А.Н. Разработка алгоритмов распознавания образов по базовому изображению в задачах тепловизи-онного мониторинга локомотивов // Современные технологии: Системный анализ. Моделирование. ИрГУПС, 2004. № 3. - С.51-58.

81. Цикритизис Д., Лоховски Ф. Модели данных. М.: Финансы и статистика, 1985.-344 с.

82. Черносвитов A. Visual С++: учебный курс. СПб.: Питер, 2001. - 528 с.

83. Четвериков В.Н., Ревунков Г.И., Самохвалов Э.Н. Базы и банки данных. М.: Высшая школа, 1987. 60 с.

84. Якубович В.А. Оценка вибросостояния энергомеханического оборудования. Справочное пособие. М.: 1997. - 215 с.

85. Atkinson К.Е., An Introduction to Numerical Analysis, John Wiley and Sons, 2nd Edition, 1989.

86. Batista J, Dias J, Araujo H., Almeida A.T. "Monoplanar Camera calibration -Iterative Multi-Step Approach", in Proc. British Machine Vision Conference, pp. 479-488, 1993

87. Bradley Paul S. and Fayyad Usama M. Refining initial points for K-Means clustering. In Proc. 15th International Conf. on Machine Learning, pages 9199. Morgan Kaufmann, San Francisco, CA, 1998.

88. Christmas W. J. Structural matching in computer vision using probabilistic reasoning: Ph.D. Thesis / University of Surrey. — Guildford, Surrey, U.K., 1995. —93 pp.

89. Chuia H., Rangarajan A. A new point matching algorithm for non-rigid registration // Computer Vision and Image Understanding. — 2003. — Vol. 89, pp. 114-141.

90. Deniau Laurent, Image Processing, DISP 2003, Lecture 3-2, May 14, 2003

91. Elmasri R. andNavathe S. Fundamentals of Database Systems 2nd edn. New York, NY: Benjamin/Cummings. 1994.

92. A General Method to Determine Invariants / Irene Rothe and Klaus Voss and Herbert Susse and Jorg Rothe — Fakultat fur Mathematik und Informatik, Friedrich-Schiller-Universitat Jena. — 07743 Jena, Germany, 1994. — 25 pp.

93. Goshtasby A., 2-D and 3-D image registration for medical, remote sensing, and industrial applications, John Wiley & Sons, Inc., Hoboken, New Jersey, 2005.-262 pp.

94. Goshtasby A., Image registration by local approximation methods, Image and Vision Computing, vol. 6, no. 4, pp. 255-261, 1988.

95. Goshtasby A., Transformation functions, Computer Aided Design, vol. 27, no 5, pp. 363-375, 1995

96. Goshtasby A., Gage S.H., and Bartholic J.F., A Two-Stage Cross-Correlation Approach to Template Matching, IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 6, no. 3, pp. 374-378, 1984.

97. Hartley R., Estimation of Relative Camera Positions for Uncalibrated Cameras, Proc. Of ECCV-92, G. Sandini Ed., LNCS-Series Vol. 588, SpringerVerlag, 1992.

98. Hartley R.I., "In Defence of the 8-Point Algorithm", Proc. Int'l Conf. Computer Vision, 1995, pp. 1,064-1,070.

99. Hartley R., Gupta R., and Chang T., "Stereo From Uncalibrated Cameras", Proc. IEEE Conf. Computer Vision and Pattern Recognition, 1992, pp. 761764.

100. Heikkila J. Geometric camera calibration using circular control points. IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol. 22, №10, October 2000

101. Heikkila J. and Silven O. A four-step camera calibration procedure with implicit image correction. In Proc. Of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'97), San Juan, Puerto Rico, 1997.

102. Image registration exploiting five-point coplanar perspective invariant and maximum-curvature point / P. Putjarupong, C. Pintavirooj, W. Withayachum-nankul, M. Sangworasil // Journal of WSCG. — 2004. — Vol. 12, no. 1-3.

103. Jain A.K., Murty M.N., and Flynn P.J. Data clustering: a review. ACM Computing Surveys, 31(3):264-323,1999.

104. Lee W.-H., Roh K.-S., Kweon I.-S. Self-localization of a mobile robot without camera calibration using projective invariants // Pattern Recognition Letters. — 2000. — Vol. 21.— pp. 45-60.

105. Liang-Wu Cai, Anton F. Thomas Thermographic Nondestructive Testing of Polymeric Composite Sandwich Panels. Materials Evaluation/September 2001, pp 1061-1071.

106. Li Jin, Myers Stewart C. R-Squared Around the World: New Theory and New Tests. NBER Website. Sunday, September 25, 2005. http://www.nber.org/papers/W10453

107. Longuet-Higgins, H. C., A computer algorithm for reconstructing a scene from two projections, Nature, Vol. 293, 10, Sept. 1981.

108. Lourakis M. L, Halkidis S. T., Orphanoudakis S. C. Matching disparate views of planar surfaces using projective invariants // British Machine Vision Conference. — 1998.

109. Mounty D. M., Netanyahu N. S., Moigne J. L. Efficient algorithms for robust feature matching // Pattern Recognition Letters. — 1998. — pp. 247-256.

110. Mundy J. L. and Zisserman J. L., Geometric Invariants in Computer Vision,, MIT Press, to appear, 1992.

111. Mourbray J. «Reliability-Centered Maintenance». NY. 1991.

112. Open Source Computer Vision Library: Reference Manual. Intel Corporation,2001. http://www.sourceforge.net/projects/opencvlibrary

113. Pornphan Dulyakaran and Yuttapong Rangsanseri. Fuzzy C-Means Clustering Using Spatial Information With Applications to Remote Sensing. 5 November 2001.

114. Press William H., Teukolsky Saul A., Vetterling William T., and Flannery Brian P. Numerical Recipes in C: the art of scientific computing. Cambridge University Press, Cambridge, U.K., second edition, 1992.

115. Riordan Rebecca M. Designing Effective Database Systems, Addison Wesley Professional, January 10, 2005. 384 pp.

116. Riordan Rebecca M. Seeing Data: Designing User Interfaces for Database Systems Using .NET, Addison Wesley Professional, July 16, 2004. 544 pp.

117. Rohr K., Modeling and identification of characteristic intensity variations, Image and Vision Computing, 10:66-76 (1992).

118. Sclaroff S., Isidoro J. Active blobs: region-based, deformable appearance models // Computer Vision and Image Understanding. — 2003. — Vol. 89. — pp. 197-225.

119. Shasha Dennis, Bonnet Philippe. Database Tuning: Principles, experiments and troubleshooting techniques, Morgan Kaufmann Publishers, 2003. 416 pp.

120. Slama, C. C. (ed.) Manual of Photogrammetry, 4th ed., American Society of Photogrammetry, Falls Church, Virginia, 1980.

121. Strat, T. M., Recovering the Camera Parameters from a Transformation Matrix, Readings in Computer Vision, pp 93-100, Morgan Kauffmann Publishers, Inc, Los Altos, Ca., 1987.

122. Ullman J.D. Principles of Database and Knowledge-base Systems Volumes I and II, Rockville, MD: Computer Science Press. 1988.

123. Weckesser P., Hetzel G., Dillman R.: Photogrammetric Calibration Methods for an Active Stereo Vision System, In Adam Borkowski and James L. Crowley, editors, Intelligent Robotic Systems, pp. 326-333, Grenoble, France, 1994.

124. Wei G. and Ma S., A Complete Two-Plane Camera Calibration Method and Experimental Comparisons,. Proc. Fourth Int'l Conf. Computer Vision, pp. 439-446, May 1993.

125. Wolberg G., Zokai S. Image registration for perspective deformation recovery // Proceedings of SPIE on Automatic Target Recognition. — Orlando, FL, USA: 2000. — April. — pp. 314-320.

126. Zhang Z. A flexible new technique for camera calibration. Technical Report MSR-TR-98-71,2002.

127. Zitova B., Flusser J. Image registration methods: a survey / Image and Vision Computing 21 (2003) 977-1000

Похожие работы

Информатика, вычислительная техника и управление
05.13.00