4.3  тепловидение. разработка структурной схемы аппаратурного комплекса тепловизионной диагностики технического состояния аудиовизуальной техники

            Большая чувствительность современных тепловизоров позволяет использовать их не только для тепловидения и диагностики технического состояния электрических сетей и отдельных электротехнических элементов, но и для диагностики сложных технических объектов: распределительного щита, лентопротяжного механизма механического проектора, ксеноблока и т.п.

Каждая кинематическая пара трения при работе кинопроектора излучает тепло и на термограмме ей соответствует тепловое пятно. Мощность теплового излучения невелика, пятна перекрывают друг друга, поэтому визуальный анализ термограммы не позволяет достоверно диагностировать большинство дефектов электромеханических систем.

Пример термограмм такого рода был приведен выше на рисунке 31.

Решение задачи диагностики технического состояния сложных объектов тепловидением требует привлечения методов автоматического анализа термограмм, математической статистики и теории распознавания образов.

Современный тепловизор BALTECH TR-0110 имеет встроенный микропроцессор, что позволяет представлять термограмму в виде цифровой матрицы. Измеряемая температура от -20оС до +350оС для каждого пикселя изображения представляется на экране тепловизора в виде условного цвета или условной градации серого, что отражается показанной рядом с термограммой условной шкалой. Каждой градации серого присваивается также условный цифровой код от 0 до 255. Имеется возможность оценивать превышение основного фона.

Таким образом если микроболометр имеет размерность матрицы 160(Г)х120(В), то размерность массива чисел, кодирующих каждую термограмму равна 160х120=19200.

Это огромный объем информации. Однако при записи термограмм объекта с руки или с переустанавливаемого фото штатива не обеспечивается постоянство позиционирования объекта на экране. Кроме того от обследования к обследованию меняются характеристики окружающей среды. Все это снижает ценность полученных данных и затрудняет анализ результатов сравнения последовательных во времени термограмм.

Несмотря на это применение современных методов математической статистики при наличии достаточной обучающей группы изделий позволяет сформировать диагностическую функцию нескольких диагностических величин – признаков, позволяющую классифицировать объекты на классы: 1) исправен; 2) требует ремонта.

При этом для каждого устройства должна быть собрана статистическая  информация: достаточное число термограмм исправных объектов и таких же  объектов с выявленными дефектами. На данном этапе мы располагаем лишь ограниченным числом термограмм, снятых с использованием тепловизионных камер BALTECH TR-0110 и BALTECH TR-0140 с исправных кинопроекторов при проведении обычного штатного киносеанса.

Поэтому ограничиваемся лишь обсуждением методологии решения проставленной задачи.

Структурная схема диагностического комплекса представлена на рисунке 42. Она достаточно проста, так как встроенный микропроцессор тепловизора позволяет производить предварительную обработку измерений теплового поля объекта. Тепловизор имеет свой собственный небольшой дисплей и интерфейс для передачи данных на персональный компьютер с видеовыходом PAL/NTSC.

Для документации условий проведения термографического эксперимента дополнительно проводится фотосъемка объекта исследования тепловизором в его фиксированном положении относительно объекта.

Рассмотрим методы прикладной статики, которые применимы для решения задачи классификации технических объектов на классы: 1) исправен; 2) требует ремонта.

Рисунок 42. Структурная схема аппаратурного комплекса

тепловизионной диагностики (термографии)

Достаточно простыми и эффективными являются методы дискриминантного анализа, позволяющие выявить значимость отдельных диагностических сигналов – признаков, выявить степень их корреляции, сформировать линейную диагностическую функцию нескольких диагностических сигналов, определить весовые коэффициенты каждого диагностического признака.

4.4.1 Тепловидение.Применение дискриминатного анализа для решения задач тепловизионной диагностики.

Классический вариант дискриминантного анализа основан на определении канонических направлений в исходном многомерном пространстве диагностических сигналов признаков, удовлетворяющих следующему критерию:

                                 (5)

Введем следующие обозначения:

g - число классов (в нашем случае g=2);

p - число диагностических переменных (в нашем случае это характеристики теплового поля объекта: t_max,t_min дисперсия температуры объекта и т.п.);

n_i- число объектов наблюдений обучающей выборки  i-го класса (i=1…g);

g общее число объектов всех классов.

В модели дискриминантного анализа существуют следующие допущения и ограничения:

1. число классов,  g≥2
2. число объектов в каждом классе, n_i≥2
3. любое число диагностических переменных, но не более чем общее число объектов обучающей выборки за вычетом двух,   p <(n-2)
4. измерение диагностических сигналов осуществляется по интервальной шкале;
5. линейная независимость диагностических сигналов;
6. приблизительное равенство между ковариационными матрицами для каждого класса;
7. многомерная нормальность закона распределения диагностических сигналов.

Задача тепловидения (тепловизионной диагностики)  аудиовизуальной техники удовлетворяет требованиям и ограничениям дискриминантного анализа.