基于深度学习和图像处理的大型发电机转子螺栓松动检测

白新伟; 张亚茹; 朱宝航

doi:10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.11.007

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于深度学习和图像处理的大型发电机转子螺栓松动检测

研究研发 | 更新时间：2025-12-05

- 基于深度学习和图像处理的大型发电机转子螺栓松动检测
- 基于深度学习和图像处理的大型发电机转子螺栓松动检测
- 水电与新能源 2025年39卷第11期页码：26-30
- 作者机构：
  
  国网冀北电力有限公司秦皇岛供电公司
- 作者简介：
- 基金信息：
- DOI：10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.11.007
  中图分类号： P391.41;TP18;TM31
- 纸质出版：2025
- 稿件说明：
移动端阅览
白新伟, 张亚茹, 朱宝航. 基于深度学习和图像处理的大型发电机转子螺栓松动检测[J]. 水电与新能源, 2025,39(11):26-30.

白新伟, 张亚茹, 朱宝航. 基于深度学习和图像处理的大型发电机转子螺栓松动检测[J]. 2025, 39(11): 26-30.
白新伟, 张亚茹, 朱宝航. 基于深度学习和图像处理的大型发电机转子螺栓松动检测[J]. 水电与新能源, 2025,39(11):26-30. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.11.007.

白新伟, 张亚茹, 朱宝航. 基于深度学习和图像处理的大型发电机转子螺栓松动检测[J]. 2025, 39(11): 26-30. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.11.007.

摘要

大型发电机转子在长期运行过程中，螺栓可能发生缓慢松动，传统检测方法难以实现高效、精确的检测。通过高速相机采集图像，采用改进的YOLOv8算法实现螺栓的高精度检测与跟踪，并结合螺母标记计算松动角度。实验结果表明，该方法的松动角度计算平均误差为1.827°，对于松动角度超过3°的螺栓，检测准确率可达到100%。本研究为发电机转子螺栓松动的在线监测提供了一种新的方法。

Abstract

关键词

Keywords

references

金国强.基于深度学习的复杂工况下端到端的滚动轴承故障诊断算法研究[D].中国科学技术大学,2020(01).

何先龙,佘天莉,徐兵,李杰,陈刚,曹国福.基于塔筒振动特性识别风机塔螺栓松动的研究[J].振动与冲击,2016(14).

王丹生,朱宏平,鲁晶晶,王伟.基于压电导纳的钢框架螺栓松动检测试验研究[J].振动与冲击,2007(10).

朱张莉,饶元,吴渊,祁江楠,张钰.注意力机制在深度学习中的研究进展[J].中文信息学报,2019(06).

杜飞,徐超.螺栓连接松动的导波监测技术综述[J].宇航总体技术,2018(04).

姚志东,陈志华,刘红波,卢佳祁.钢结构工程高强度螺栓微小松动视觉检测方法研究[J].中国公路学报,2024(02).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据