劉新平，吳 婷，高紹姝

(中國石油大學(華東) 計算機與通信工程學院，山東 青島 266580)

基于鏈碼的減震器示功圖故障檢測算法

劉新平，吳 婷，高紹姝

(中國石油大學(華東) 計算機與通信工程學院，山東 青島 266580)

減震器示功圖是測量減震器外特性的重要手段，快速準確的識別減震器故障類型對降低減震器的次品率和改善減震器的設計缺陷具有重要意義;為此，提出了基于鏈碼的多特征模式匹配算法對故障示功圖進行分類;首先，對示功圖進行預處理并記錄最大拉伸阻尼力和最大壓縮阻尼力的值，對預處理后的示功圖進行十字分割，分別求出分割后的示功圖各部分的鏈碼序列，然后求出其對稱性、鏈碼長度、面積這三個特征值，最后根據(jù)編碼原則對特征參數(shù)進行編碼，將其編碼后的值與類型庫的編碼進行匹配，從而得出樣本的故障類型；實驗結果表明，該算法能夠正確識別示功圖的13類基本故障類型。

鏈碼；對稱性；故障診斷；特征提取

0 引言

減震器是汽車懸架系統(tǒng)的主要部件，對汽車的整體性能有重要的影響，而隨著人類社會的發(fā)展，人們對汽車舒適性的要求也越來越高，從而對減震器的生產及測試提出了更高的要求。減震器性能的好壞主要通過減震器示功圖即減震器外特性曲線來進行判斷，在實際應用中對于減震器示功圖的判斷主要由人工專家負責，而學術界對于減震器缺陷識別的研究較少。

在抽油機示功圖分類方面，吳曉東[1]等人提出了基于BP神經(jīng)網(wǎng)絡的示功圖分類方法，之后徐芃[2]等人將BP神經(jīng)網(wǎng)絡與自組織競爭神經(jīng)網(wǎng)絡對示功圖的識別率進行了比較，得出了自組織競爭神經(jīng)網(wǎng)絡模型在示功圖檢測的平均正確識別率及結構性能方面優(yōu)于BP神經(jīng)網(wǎng)絡的結論。但由于減震器示功圖樣本數(shù)量的限制，使得神經(jīng)網(wǎng)絡無法得到足夠的訓練樣本，從而導致了神經(jīng)網(wǎng)絡模型的分類準確率較低。檀朝東[3]等人提出了基于最小二乘法的抽油機示功圖分類方法，該方法從計算兩個示功圖的最小二乘相似度的角度出發(fā)，通過設定判斷分類的閾值來決定兩個示功圖是否屬于同一類型，但判斷分類閾值的設定大大影響了分類的準確率，且由于最小二乘法的自身局限性決定了該方法無法準確的對減震器進行分類。

借鑒抽油機示功圖的凡爾開閉點的原理及減震器工作原理[4]對示功圖進行分割，分割的四點由最大最小位移點及其垂直平分線與示功圖的交點來確定[5]。并且每種故障都有自己對應于示功圖上的變化，因此采用參數(shù)化的幾何特點來對減震器示功圖進行分類。實驗表明，該方法可正確分類出13類減震器故障類型。

1 基于鏈碼表示的示功圖

鏈碼是一種能夠保留圖像輪廓的方向、角度及輪廓長度等細節(jié)信息的編碼方法。常用的鏈碼編碼方式有4-方向鏈碼和8-方向鏈碼兩種，后者較前者在基于像素的圖像中更為精確。采用Freeman于1961年提出的D8FCC(8-direction Freeman chain code)來對示功圖曲線進行編碼，其鏈碼方向用0～7來表示，如圖1所示。

圖1 傳統(tǒng)IPC插圖

根據(jù)示功圖的特點及后續(xù)算法的需要，采用固定起始點的順時針8方向鏈碼對整個示功圖曲線進行編碼。固定的起始點就設在壓縮行程中最大位移處，即示功圖曲線與橫軸最左側的交點。

圖2給出了基于上述編碼方式編碼后的簡化示功圖。其中，三角形標記的點為鏈碼的固定起始點，圓形標記的點為四部分曲線的分界點，1、2、3、4分別表示示功圖被標記點分成的四個部分，記為Di(i∈{1,2,3,4})，四段鏈碼的起點分別為Ci(i∈{1,2,3,4})，各部分鏈碼序列，記為Fi(i∈{1,2,3,4})，F(xiàn)i分別為：

F1：2111110000；F2：0000777776；

F3：4444333332；F4：6555554444

圖2 簡化示功圖及八方向鏈碼

2 特征提取

2.1 對稱性特征

2.1.1 關于中心對稱

兩條曲線關于中心對稱就是指其中一條曲線繞原點旋轉180°后與另一曲線完全重合。而鏈碼本身最大的優(yōu)點就是能夠完全保留曲線的角度信息，由圖1可以得出兩個關于原點對稱的鏈碼存在以下關系：

(1)

式中，l，l′為鏈碼值，即當鏈碼差值為4時，兩點關于中心對稱。由(1)式可知，要判斷兩條曲線是否關于中心對稱，只要看著兩條曲線的鏈碼序列的差的絕對值是否為4。圖2中：

|F1-F4|=|2111110000-6555554444|=4444444444

(2)

|F2-F3|=|0000777776-4444333332|=4444444444

(3)

2.1.2 關于Y軸對稱

關于Y軸對稱相當于以Y軸為軸線對折，左右兩邊完全重合。由于鏈碼序列是以8連通碼為基準確認的，所以對鏈碼序列做Y軸對稱即對原8連通碼做Y軸對稱變化，對稱過程及結果如圖3所示。由圖3得出鏈碼對應變換關系如表1所示。

j為第i部分鏈碼序列的索引值。以D1為例，其經(jīng)過變換函數(shù)變換后的鏈碼序列如圖4所示。

圖3 原8方向鏈碼做Y軸對稱

Fi(j)F'i(j)0413223140576675

圖4 變換過程示意

綜上所述，判斷一部分是否與另一部分關于Y軸對稱的基本步驟如下：

1)讀入需要判斷是否關于Y軸對稱的兩部分鏈碼序列，分別記為Fi和Fi′，選定其中一部分的鏈碼序列Fi進行如下操作；

4)將F″i和Fi′對應位置逐一做差，若其對應位置的差的絕對值均為4，則Fi和Fi′關于Y軸對稱，否則不成立。

2.1.3 關于X軸對稱

由圖5可以得出關于X軸對稱的鏈碼變換關系如表2所示。

圖5 原8連通碼做X軸對稱

表2 做X軸對稱的鏈碼對應關系

算法步驟與1.2.2所述基本一致，只將變換函數(shù)換成fX(j)即可。

2.2 曲線長度特征

(6)

其中：m為碼值為0、2、4、6的鏈碼數(shù)，n為碼值為1、3、5、7的鏈碼數(shù)，Li為第i部分曲線長度。

2.3 面積特征

由于四部分面積是示功圖曲線與坐標軸圍成的面積，所以采用積分的方式[7]來計算各部分曲線與坐標軸圍成的面積。

圖6為第一部分面積示意圖, 圖中淺灰色加上邊界深灰色部分為第一部分面積總和。基于8連通碼的區(qū)域面積計算公式如下所示：

圖6 Di面積圖示

(7)

其中:j為從起點Ci開始的第j個點(鏈碼)，Xj、Yj為第j個點的橫坐標和縱坐標值，Y0為起點Ci的縱坐標的值，dx(Xj)、dy(Yj)為橫縱坐標的偏移量。已知鏈碼起點坐標和鏈碼序列，可以根據(jù)表3中的鏈碼值與坐標偏移量的對應關系求出整個邊界點坐標序列。

Fi(j)為鏈碼序列中第j個鏈碼值，所以(7)式可簡化為：

(8)

3 特征參數(shù)編碼方式

借助故障情況下示功圖的各特征參數(shù)與正常情況下示功圖各特征參數(shù)的大小關系來區(qū)分各故障類型，這種以大小關系代替具體數(shù)值的分類方法可以大大減小分類算法的復雜程度。因此，采用對上述故障樣本各特征參數(shù)的大小關系進行編碼的方法，把測試樣本的編碼值與類型庫的編碼值進行匹配，從而得到測試樣本的故障類型。

各特征參數(shù)的編碼規(guī)則：

1)對稱性關系：用4位二進制數(shù)編碼，從左往右分別對應1、2、3、4四部分，存在對稱關系的那一位置1，若存在兩組對稱關系，則置D1及與其對稱的部分為1，其余為0，全都對稱記為1111。

2)曲線長度：以6位二進制數(shù)編碼，前三位表示四部分中鏈碼長度小于正常示功圖鏈碼長度的個數(shù)，后三位表示大于正常鏈碼長度的個數(shù)。

3)面積：同樣以6位二進制數(shù)編碼，前三位表示比正常示功圖面積小的個數(shù)，后三位表示比正常面積值大的個數(shù)。

4)最大拉伸/壓縮阻尼力：以2位二進制數(shù)編碼，10表示大于正常值，01表示小于正常值，11表示遠大于/小于正常值，00表示與正常值相等。

根據(jù)上述編碼規(guī)則對類型庫的樣本進行編碼，結果如表4所示。

表4 類型庫的樣本編碼值

4 實驗結果及分析

實驗以MTS公司的4KEMA可移動式減震器特性實驗臺系統(tǒng)在1.048m/s速度下的測試數(shù)據(jù)為實驗對象，其中正常情況下的示功圖如圖7所示。

圖7 正常情況下示功圖

通過上述方法分別分析了正常情況下示功圖的各特征參數(shù)，四部分依次分別為231、232、219、220個像素點組成的曲線。正常情況下各特征參數(shù)的具體值與編碼結果如表5所示。

表5 正常情況特征參數(shù)表

從同一型號減震器測試結果中選取如圖8所示的減震器示功圖作為測試樣本。

在正常工況及表4所示的4類典型故障測試樣本組中各選一例，如圖8 所示。實驗中，對測試樣本進行鏈碼表示、特征提取、編碼匹配及實驗結果分析。本測試實驗結果表明，基于鏈碼的示功圖故障檢測算法在這13類故障的檢測準確率方面表現(xiàn)良好，但在多種故障類型同時出現(xiàn)時，該算法無法達到單故障檢測的準確率。因此，下一步工作將研究加入更多故障類型，如多類型混合故障等，并且研究減小等距離鏈碼編碼及基于像素的圖像表示導致的局部對稱性檢測誤差的方法，從而進一步完善分類算法。

5 結論

采用基于鏈碼的表示的示功圖代替原圖，然后通過提取示功圖對稱性、曲線長度、面積等特征信息的方法，對示功圖進行特征提取，通過對理想故障示功圖的分析，提出了基于編碼的模式匹配方法來實現(xiàn)示功圖的分類。一方面解決了神經(jīng)網(wǎng)絡分類的數(shù)據(jù)量不夠的問題，另一方面又避免了最小二乘法的判斷閾值對分類準確性的影響。

圖8 測試樣本

[1]吳曉東, 蔣 華, 韓國慶. 神經(jīng)網(wǎng)絡在示功圖類型識別中的應用(英文)[J].PetroleumScience, 2004, 1(1):27-30.

[2] 徐 芃, 徐士進, 尹宏偉. 有桿抽油系統(tǒng)故障診斷的人工神經(jīng)網(wǎng)絡方法[J].石油學報, 2006, 27(2):107-110.

[3] 檀朝東, 曾霞光, 檀革勤,等. 基于最小二乘法的抽油機井示功圖自動分類及故障診斷[J].數(shù)據(jù)采集與處理, 2010(S1).

[4]ZhongjieLi,LeiZuo,Luhrs,G,etal.ElectromagneticEnergy-HarvestingShockAbsorbers:Design,Modeling,andRoadTests[J].IEEETransactionsonVehicularTechnology, 2013, 62(3):1065-1074.

[5]LiK,GaoXW,YangWB,etal.Multiplefaultdiagnosisofdown-holeconditionsofsucker-rodpumpingwellsbasedonFreemanchaincodeandDCA[J].PetroleumScience, 2013, 10(3):347-360.

[6] 萬永菁, 張 佩. 一種基于鏈碼檢測技術的纖維長度計算方法研究[J]. 微計算機信息,2012(10).

[7] 楊萬扣, 任明武, 楊靜宇. 數(shù)字圖像中基于鏈碼的目標面積計算方法[J]. 計算機工程, 2008, 34(1):30-33.

Fault Detection Algorithm of Shock Absorber Indicator Diagram Based on Chain Code

Liu Xinping,Wu Ting,Gao Shaoshu

(School of computer and communication engineering, China University of Petroleum (Hua Dong),Qingdao 266580,China)

Shock absorber indicator diagram is an important means to measure the external characteristics of the shock absorber, fast and accurately identify the type of shock absorber failure is important to reduce the rate of defective shock absorbers and flaws caused by design. In this paper, a multi-feature pattern matching algorithm based on chain code is proposed to classify the fault diagram. First, the indicator diagram of pretreatment and record the maximum tensile damping force and maximum compression damping force value. For the pretreatment of the indicator diagram of cross cutting, respectively, and calculated the segmentation shown in diagram of each part of the chain code sequence and then calculated its symmetry, chain code length, area of the three eigenvalues. Finally according to the encoding principle of characteristic parameters of coding, the encoded value with the type library code to match, so that the fault type of the sample. Experimental results show that the proposed algorithm can correctly identify the 13 types of basic fault types of the indicator diagram.

Freeman chain code; symmetry; fault detection; feature extraction

2016-04-07；

2016-06-21。

山東省自然科學基金(ZR2014FP013)；青島市應用基礎研究計劃項目(grant14-2-4-115-jch)。

劉新平(1966-)，男，山東省金鄉(xiāng)縣人，副教授，博士，主要從事嵌入式系統(tǒng)、智能交通等方面的研究。

1671-4598(2017)02-0043-04DOI：10.16526/j.cnki.11-4762/tp

TP

A