大功率電機鐵芯冷卻油道的全域視覺檢測研究

咸開新,陳彥秋,2,鄭兆星,劉 禹,2

(1.江南大學(xué)機械工程學(xué)院,江蘇無錫 214122;2.江蘇省食品先進制造裝備技術(shù)重點實驗室,江蘇無錫 214122;3.無錫隆盛科技股份有限公司,江蘇無錫 214028)

1 引言

近年來,汽車工業(yè)的發(fā)展面臨著能源短缺、環(huán)境污染、全球變暖問題,發(fā)展新能源汽車是解決這些問題的必經(jīng)之路[1-5]。而對于新能源汽車而言,驅(qū)動電機是驅(qū)動系統(tǒng)的核心部分,其性能直接決定了新能源汽車的性能[5]。隨著新能源電動車的發(fā)展,對電機提出了高功率性能要求,其中,電機的溫升是限制電機功率的主要因素之一[6]。研究表明:通過對電機鐵芯結(jié)構(gòu)進行優(yōu)化設(shè)計,可以提升電機的散熱性能[7-8],以確保驅(qū)動電機高性能運轉(zhuǎn)。為此,某新能源汽車企業(yè)提出了一種鐵芯的優(yōu)化設(shè)計方案,在鐵芯散片外邊緣設(shè)計了密集微小的通油孔結(jié)構(gòu),再按規(guī)律疊裝成形,從而形成冷卻油道[9],使得冷卻油可以直接從鐵芯內(nèi)部通過,實現(xiàn)高效散熱,如圖1所示。

圖1 鐵芯冷卻油道結(jié)構(gòu)實物圖

伴隨而來的問題是鐵芯沖壓疊裝過程中可能有廢料混入、通油孔未沖出、疊裝順序錯誤,造成冷卻油道堵塞,使得鐵芯局部溫度升高,最終導(dǎo)致故障[10]。更嚴重的是,如果冷卻油道內(nèi)堵塞的金屬屑在電機運行時進入內(nèi)部吸附在磁性轉(zhuǎn)子表面,則有可能引起電機掃膛,致使電機燒損。

因此,在生產(chǎn)過程中有必要對鐵芯冷卻油道進行檢測,以確保冷卻油道中沒有金屬屑或者較大的毛刺存在。然而,由于冷卻油道狹窄、孔數(shù)極多,人工目檢較困難且效率低,難以保證檢測質(zhì)量,因此研究適用于鐵芯冷卻油道貫通性的自動化檢測技術(shù)迫在眉睫。

在貫通性檢測方面,國內(nèi)外已有相關(guān)研究。例如,2012年,文獻[11]對發(fā)動機的供油管道油孔進行貫通性檢測研究,提出向油孔中通以一定壓力的氣體,通過壓力傳感器檢測的壓力范圍來判斷油孔的貫通性;2018年,文獻[12]研究一種車輛漏水孔的檢測方法,利用從聲音傳感器檢測到的聲波計算在車體上形成的漏水孔的特性。2019年,劉獻民等[13]利用壓縮空氣從通氣孔進入曲軸箱主油道的方式,再將壓縮空氣導(dǎo)出,觸發(fā)壓力傳感器檢測氣壓來判斷油道貫通性,但檢測的油孔的數(shù)量有限;2019年,劉旭等[14]提出一種觸摸法檢測量規(guī)的設(shè)計方案,具有結(jié)構(gòu)簡單、操作方便、易于攜帶的優(yōu)點,但其油孔直徑較大只能檢測單個;2020年,沈鵬等[15]針對化纖噴絲頭微孔,提出一種基于機器視覺的檢測方法,該方法的優(yōu)勢在于可以實現(xiàn)噴絲頭微孔的非接觸連續(xù)檢測,檢測精度可達μm級別;2021年,賈國邦等[16]基于機器視覺提出一種非接觸式高效且高精度的微小孔零件尺寸測量方式,在測量微小孔零件尺寸達到μm級精度的情況下,大幅提高了工件尺寸檢測效率。表1為3種檢測方法針對鐵芯冷卻油道檢測的優(yōu)劣勢比較。

表1 3種通孔檢測方法比較

如圖2所示,本文所研究鐵芯冷卻油道在內(nèi)部是連通的,無法采用上述通氣法對每個油道分別檢測;由于油道的分布數(shù)量多,也無法采用觸摸法或聲波法逐一檢測。為此,本文針對冷卻油道貫通性檢測提出一種臥式非接觸自動化檢測方法及其系統(tǒng)設(shè)計方案,以局部區(qū)域大幅面背光投影的方式一次性采集包含多個密集分布油道的高質(zhì)量圖像,再通過對鐵芯動態(tài)旋轉(zhuǎn)控制以獲取整個產(chǎn)品的全域油道圖像;提出一種冷卻油道堵塞的量化判斷模型,通過引入不合格檢測禁區(qū)以簡化圖像處理的過程,實現(xiàn)對冷卻油道貫通性的準確判斷。

(a)冷卻油道三維結(jié)構(gòu)剖視圖

2 檢測方法

2.1 方法篩選

如前文所述,由于無法采用氣壓、聲波等其他物理檢測方法,本研究基于非接觸光路檢測的思路,探究了以下3種檢測方法的可行性。

2.1.1 激光測通斷脈沖計數(shù)方法(方法1)

利用對射激光傳感器的接收端接收發(fā)射端的激光產(chǎn)生的脈沖信號來判斷冷卻油道的堵塞情況,如圖3所示。因為冷卻油道的堵塞情況也存在半堵和全堵的情況,而激光傳感器只能檢測到通斷,無法分辨堵塞類型,該方法不適用于本課題。

圖3 激光檢測結(jié)構(gòu)圖

2.1.2 點光源單油道視覺檢測(方法2)

利用點光源對單孔依次進行背光照射,用相機采集圖像,如圖4所示。該方法通過相機采集的圖像可以檢測通堵情況,但由于鐵芯的冷卻油道數(shù)量眾多(通常為300～500個),完成全域檢測需要采集數(shù)百張圖像,耗時巨大,難以滿足高效率生產(chǎn)節(jié)拍的需求。

圖4 點光源檢測簡圖

2.1.3 局部區(qū)域大幅面背光采集多個油道圖像(方法3)

以局部區(qū)域大幅面背光投影的方式一次性采集包含多個密集分布油道的圖像,再通過對鐵芯動態(tài)旋轉(zhuǎn)控制以獲取整個產(chǎn)品的全域油道圖像,如圖5所示。該方法完成全域檢測只需要采集10～20張圖像,檢測效率相比方法2可提高一個數(shù)量級,有望滿足高效率生產(chǎn)節(jié)拍的需求。

圖5 多油道批量檢測結(jié)構(gòu)圖

用相機采集的圖像如圖6(a)所示,采集的圖像與圖6(b)理論圖像具有良好的吻合度,且油道的光斑孔型具有周期性分布規(guī)律,如圖6(c)所示。

(a)采集圖像

綜上所述,基于方法3來研究一種臥式非接觸自動化檢測系統(tǒng)設(shè)計及其檢測方法,以高效率的方式采集全域圖像并完成準確識別。

2.2 系統(tǒng)設(shè)計方案

2.2.1 系統(tǒng)總體結(jié)構(gòu)

為實現(xiàn)方法3所描述的檢測方法,本文設(shè)計了相應(yīng)的檢測系統(tǒng)。其整體結(jié)構(gòu)設(shè)計如圖7所示。本系統(tǒng)包含4個運動自由度,分別為工件自旋轉(zhuǎn)運動、鐵芯上下料轉(zhuǎn)向運動、光源平移運動、相機及鏡頭平移運動。這種臥式非接觸式檢測裝備結(jié)構(gòu)設(shè)計,避免了立式結(jié)構(gòu)可能因光源、鏡頭等易被灰塵顆粒物污染造成原始圖像質(zhì)量低,造成檢測誤判的情況。

鐵芯自旋轉(zhuǎn)運動:設(shè)計工件自旋轉(zhuǎn)平臺,實現(xiàn)鐵芯每次旋轉(zhuǎn)360°/n(n為周期數(shù)),保證拍完n次照片,即完成鐵芯冷卻油道全域檢測。

鐵芯上下料轉(zhuǎn)向運動:設(shè)計旋轉(zhuǎn)平臺,將鐵芯逆時針或順時針90°旋轉(zhuǎn),完成檢測狀態(tài)和上下料狀態(tài)切換。

光源平移運動:設(shè)計搭載平行背光光源移動平臺,既方便助力機械臂在上下料過程中,將光源平臺移開,避免干涉碰撞,也可以調(diào)節(jié)光源照射鐵芯端面距離,改善拍照效果。

相機及鏡頭平移運動:設(shè)計搭載相機和鏡頭移動平臺,通過激光傳感器標定鏡頭到鐵芯端面的對焦距離,從而實現(xiàn)自動對焦的功能,也方便助力機械臂在上下料過程中,將相機及鏡頭平臺移開,避免干涉碰撞。

基于機器視覺的鐵芯冷卻油道貫通性檢測的工作流程如圖8所示。

圖8 檢測系統(tǒng)工作流程

2.2.2 視覺硬件系統(tǒng)

對工業(yè)相機、鏡頭和光源的選型是視覺硬件系統(tǒng)設(shè)計最重要的工作。相機鏡頭是獲取圖像的前端采集設(shè)備,在選型時需考慮視場范圍、像素精度以及鏡頭放大倍率等要求[17]。

選取合適的光源和照明方案可保證采集的圖像質(zhì)量,并減輕后期圖像處理的難度[18]。針對鐵芯單周期的區(qū)域范圍,本文采用平行面光源DH-KW-BP100-W,發(fā)光面為100 mm×100 mm,對工件進行背面照明以凸顯邊緣輪廓。

根據(jù)相機的分辨率N=O/PR[18],拍攝鐵芯1.5周期需要的視野范圍O為63.4 mm×47.6 mm和檢測的孔型2寬度為0.1 mm,像素精度PR按孔型2最小寬度的1/10取0.01 mm。選取MER2-2000-6GM/C型相機,分辨率為5 496×3 672,采用1″行曝光CMOS感光芯片,像元尺寸為2.4 μm。

因鐵芯端面的平面度存在差異,檢測的端面每個周期高度差異而使物距變化,選擇景深更大的雙遠心鏡頭,有利于被測物體邊緣清晰、穩(wěn)定、低畸變。為了有利于運動控制,將鏡頭的視野選定在覆蓋1.5個周期大小。故選用雙遠心鏡頭DH-DTCM110-80H-AL,最大可覆蓋1″成像靶面,其光學(xué)放大倍率為0.208,視場達59.8 mm×47.3 mm,工作距離為(228±4)mm。

2.2.3 圖像處理方法

圖像的處理與分析是基于機器視覺的檢測系統(tǒng)的核心,因此檢測算法的設(shè)計在整個鐵芯冷卻油道貫通性檢測系統(tǒng)中至關(guān)重要。設(shè)計的圖像處理方法包括以下3個部分。

2.2.3.1 定位糾偏

通過創(chuàng)建匹配特征模板,匹配定位焊縫缺口特征,通過獲取角度偏移量給檢測系統(tǒng)進行糾偏。從而讓工件轉(zhuǎn)動到合適的拍照位,保證一個周期的所有孔位在鏡頭視野內(nèi)。

2.2.3.2 光斑孔型分布規(guī)律判斷分析

通過區(qū)域分割,劃分3種孔型,接著閾值分割,找出區(qū)域內(nèi)的所有貫通孔,分別計算連通域的數(shù)量ni,長短半軸像素長度分別記為ai、bi,從而判斷相應(yīng)位置出現(xiàn)的孔型是否正確。量化參數(shù)如表2所示。

表2 量化參數(shù)

2.2.3.3 貫通性判斷分析

冷卻油道貫通性檢測需要檢測出較大毛刺以及金屬屑。對于直線邊緣,將毛刺高度定義為毛刺區(qū)域輪廓上所有點到理想邊緣垂直距離的最大值。對于弧線邊緣,將毛刺高度定義為毛刺區(qū)域輪廓上遠離弧線輪廓的點到弧線邊緣的最小值,如圖9所示。通過建立簡化的堵塞量化判斷標準模型,如圖10所示,以孔型1為例,使得貫通性檢測圖像處理方法簡單明了,既可以檢測出超標高度毛刺,也可以檢測出金屬屑堵塞的情況,簡化檢測算法,提高檢測速度。

圖9 2種邊緣毛刺高度定義

先通過閾值分割找到所有貫通孔后進行閉運算,填充空洞或缺失的部分。接著區(qū)域作差,將閉運算得到的區(qū)域Ti(x,y)減去閾值分割后的區(qū)域Si(x,y),可以得到毛刺或金屬屑堵塞區(qū)域Fi(x,y)。

已知視覺硬件系統(tǒng)的標定系數(shù)為 0.013 mm/pixel,則需檢測的最小異物區(qū)域高度0.1 mm對應(yīng)約為8像素,故將高度閾值設(shè)為8。通過腐蝕運算,從邊緣向內(nèi)擴大8像素檢測范圍,得到毛刺高度不合格禁區(qū)Ei(x,y)。連通域標記后,將腐蝕運算得到的區(qū)域Ei(x,y)與得到的堵塞區(qū)域Fi(x,y)求交集。若存在交集則說明堵塞的毛刺或者金屬屑高度超過閾值,為不合格NG,否則為合格OK。冷卻油道圖像處理流程圖如圖11所示。

3 結(jié)果與討論

為驗證檢測系統(tǒng)和檢測方法的可行性及穩(wěn)定性,對獲得明暗對比度高和輪廓清晰度高的圖像進行試驗,實現(xiàn)高質(zhì)量圖像的采集,最后對提出的視覺檢測算法進行準確性驗證。

3.1 高質(zhì)量圖像采集

由于鐵芯需要依次采集18張局部圖像,才能完成單個產(chǎn)品的檢測流程,且產(chǎn)品本身存在平面度誤差,因此為了獲取平均對比度高、邊緣輪廓清晰的圖像,對光照強度[19]、曝光時間[19]、光源位置[20]進行最佳參數(shù)選擇。每個CMOS圖像傳感器像元所成像的灰度值是根據(jù)對應(yīng)感光二極管的曝光量的大小進行轉(zhuǎn)化得到的,即灰度值和曝光量在數(shù)值上成正比關(guān)系[21]:

w=E·t

(1)

式中:w為曝光量,lx·s;E為光照強度,lx;t為曝光時間,s。

則某個像元上的灰度值可以表示為

g(x,y)=K·w=K·E(x,y)·t

(2)

式中:g(x,y)為某一時刻該像素(x,y)上的灰度值;K為感光材料將獲取的能量轉(zhuǎn)換為灰度值的效率因子;E(x,y)為某一時刻該像素(x,y)上的光照強度。

由式(2)可知,當(dāng)曝光時間一定時,光照強度與成像灰度值成正比,光照強度越大,灰度值越大。

能量梯度函數(shù)適合實時評價圖像清晰度,它將x方向和y方向的相鄰像素的灰度值之差的平方和作為每個像素點的梯度值,對所有像素梯度值累加作為清晰度評價函數(shù)值,表達式如下[22]:

F=∑x∑y{[g(x+1,y)-g(x,y)]2+

[g(x,y+1)-g(x,y)]2}

(3)

將鐵芯固定放置在工件自旋轉(zhuǎn)平臺上同一位置,通過調(diào)整光源移動平臺的位置,改變背光照射的距離,光源移動平臺從左到右調(diào)節(jié)的標定距離為0～100 mm。通過光源控制器來調(diào)節(jié)光照強度,并用光照度測量儀檢測光源的光照強度值。

對圖12的特征提取區(qū)域進行灰度值計算,通過計算鐵芯旋轉(zhuǎn)1周后采集的18張所有如圖12(b)的該特征區(qū)域的灰度值均值,來表示貫通區(qū)域的灰度值。利用能量梯度函數(shù)對整體圖像輪廓的清晰度進行計算,并作為衡量成像品質(zhì)的依據(jù)。

為了研究光源位置和光照強度對圖像灰度值以及圖像清晰度的影響,固定曝光時間為60 ms,實驗結(jié)果如圖13和圖14所示。并獲取了不同光照強度下的冷卻油道圖像,如圖15所示。

圖13 不同光強和位置的灰度值測量結(jié)果

圖14 不同光強和光源位置的圖像清晰度

(a)光照強度228.2 lx

由圖13可知,隨著光照強度增大,特征區(qū)域的灰度值增大,當(dāng)光照強度在2 692.0 lx及以上時趨于收斂,說明此時油道成像的明暗對比度最高。圖14表明光照強度為3 844.0 lx時,圖像清晰度高,且獲取高質(zhì)量圖像的穩(wěn)定性好。從圖15可以看出隨著光照強度增加,圖像中油道區(qū)域存在的陰影得以消除,因此選取最佳的光照強度為3 844.0 lx。

根據(jù)照度第二定律,平行光照度定律如式(4)所示:

E=E0cosθ

(4)

式中:θ為表面法線與光線的夾角,(°);E為光線從θ方向射來時表面的光照強度,lx;E0為光線與表面法線平行時表面的光照強度,lx。

結(jié)合式(2)和式(4),E0不變,相機接收到的光照強度只與θ有關(guān),因此說明光源的位置變化對成像基本無影響。

固定光源位置移動到100 mm位置不變,在光照強度為3 844.0 lx時,采集不同曝光時間下的圖像進行分析,實驗結(jié)果如圖16、圖17所示,曝光時間超過60 ms后,圖像的清晰度隨灰度值增大而不斷減小。原因是曝光時間增加,油道邊緣開始失真變形。

圖16 不同曝光時間下的灰度值

圖17 不同曝光時間下的圖像清晰度

當(dāng)使用照射面積為100 mm×100 mm的平行面光源,在光照強度為3 844.0 lx,曝光時間為60 ms時,利用大視野鏡頭采集的多孔圖像是平均對比度最高,邊緣輪廓最清晰的。

3.2 貫通性檢測算法實驗

為驗證本文提出的檢測系統(tǒng)對鐵芯冷卻油道質(zhì)量檢測的可行性與準確性,利用前文介紹的檢測方法對實際鐵芯貫通性進行視覺檢測和人工檢測,并對試驗結(jié)果進行驗證分析。

實驗選取的鐵芯外圓直徑為Ф232 mm,冷卻油道分布在其外緣一周,節(jié)拍要求為96 s內(nèi)。隨機選取了1 935張鐵芯冷卻油道圖像,對圖像識別算法進行測試,分成合格OK與不合格NG兩類圖像。人工檢測是將1 935張鐵芯冷卻油道圖像自動檢測算法分好的OK與NG兩類圖像進行人工確認。最后將該人工檢測結(jié)果與應(yīng)用在本文的貫通性檢測算法識別結(jié)果進行比較。

首先選取100張合格圖像進行參數(shù)分析,得到表3所示判定指標。

表3 OK量化具體參數(shù)

得到這些參數(shù)后,對隨機選取的1 935張冷卻油道圖像進行視覺自動檢測,各類堵塞檢測效果如圖18所示。

(a)金屬屑堵塞

將視覺檢測結(jié)果與人工檢測結(jié)果進行對比,如圖19所示。視覺檢測的準確率可達98.97%,檢測系統(tǒng)自動化檢測單個鐵芯需要92s,滿足生產(chǎn)節(jié)拍要求。

圖19 人工判別與視覺檢測結(jié)果統(tǒng)計對比

4 結(jié)束語

本文對一類大功率電機鐵芯冷卻油道的貫通性檢測技術(shù)進行研究,提出了一種臥式非接觸自動化全域視覺檢測方法、系統(tǒng)設(shè)計方案,并予以實現(xiàn)。基于背光投影的成像原理及能量梯度函數(shù)探究該檢測系統(tǒng)的最佳成像參數(shù)的評價指標模型,得到了系統(tǒng)最佳光照強度、光源距離和曝光時間,從而保證了密集分布冷卻油道的快速高質(zhì)量圖像采集。在圖像處理部分,提出了油道堵塞的量化判斷模型及與之匹配的一套油道貫通性視覺檢測算法。通過實驗,將視覺檢測結(jié)果與人工檢測結(jié)果對比,驗證了本文所提出的方法和設(shè)計的系統(tǒng)具有可行性,且檢測結(jié)果的準確性滿足工業(yè)需求。該系統(tǒng)最終應(yīng)用于某新能源汽車驅(qū)動電機鐵芯自動化生產(chǎn)線中,顯著提高了檢測效率、降低了人工勞動強度,提高了生產(chǎn)的自動化水平。