制动器是冶金起重设备中关键的传动部件和安全保障装置,其健康状态直接影响冶金工业的安全生产。由于冶金起重机工作负载重、服役周期长且工作环境恶劣,容易导致制动器制动效能降低,甚至发生制动失效的安全事故。因此,准确有效的制动器健康状态监测方法具有重要的理论价值和工程实际意义。从这一实际问题出发,本文通过分析冶金起重机制动器的工作原理和失效原因,提出了一种基于机器视觉的冶金起重机制动器健康状态监测方法。本文主要研究内容包括以下几个部分:(1)根据冶金企业常用的起重机制动器类型建立了典型起重机制动器制动过程的理论模型,分析了制动器的制动性能和工作机理,研究了其主要失效形式和失效原因。(2)提出了基于机器视觉的冶金起重机制动器健康状态参数监测方法。首先构建了能够反映制动性能的参数指标;再论证了各参数的采样方法,建立了机器视觉采样的数学模型;最后基于此搭建了实验台实现了图像采样。(3)以采样图像为研究对象,提出制动器力矩、推杆位移量标尺图像识别算法。首先通过Retinex算法、直方图均衡化算法、hough算法处理采样图像中灰尘影响、光照不均、拍摄视角倾斜问题;再增强图像特征并对标尺图像分割处理;最后基于分割结果用模板匹配法完成标尺图像识别。该方法能以较小的误差识别标尺示值。(4)针对制动过程中温度、摩擦因数等参数不易直接监测的问题,首先在ABAQUS软件中建立了块式制动器制动过程的热机耦合模型进行参数仿真分析;然后提出了基于BP神经网络模型拟合热机耦合模型的参数识别方法,对数据间的映射关系进行拟合,补足了仿真模型运算量大、耗时长的缺陷,该方法实现了制动器健康状态参数的高效率识别。(5)基于MATLAB软件GUI功能,开发了人机界面完成监测系统设计,该系统丰富了冶金行业安全生产和设备维护方法。