本發(fā)明涉及圖像處理。更具體地，本發(fā)明涉及一種基于紅外圖像的熱泵系統(tǒng)冷凝器工作狀態(tài)監(jiān)測方法。

背景技術(shù)：

1、熱泵系統(tǒng)中的冷凝器作為關(guān)鍵換熱部件，主要承擔(dān)著將制冷劑熱量向外部傳遞的重要功能。其工作性能直接決定了熱泵系統(tǒng)的能效比和運行可靠性。為確保熱泵系統(tǒng)高效穩(wěn)定運行，需要對冷凝器的工作狀態(tài)進(jìn)行實時監(jiān)測。

2、近年來，紅外熱成像技術(shù)因其非接觸、全場測溫的優(yōu)勢被引入設(shè)備狀態(tài)監(jiān)測領(lǐng)域。例如授權(quán)公告號為cn106251351b的中國專利文件公開了一種基于云變換的輸電線路山火監(jiān)測閾值計算方法，申請公布號為cn116733690a的中國專利申請文件公開了一種基于紅外圖像的風(fēng)機(jī)剎車預(yù)警方法，都是利用紅外熱成像技術(shù)進(jìn)行設(shè)備狀態(tài)的監(jiān)測。

3、但現(xiàn)有研究多采用閾值分割的方法進(jìn)行異常區(qū)域的識別，而在熱泵冷凝器的實際應(yīng)用領(lǐng)域仍存在以下技術(shù)難點：其一，冷凝器性能易受環(huán)境因素干擾，導(dǎo)致運行溫度呈現(xiàn)周期性波動，若直接采用固定閾值法進(jìn)行異常監(jiān)測，可能將正常的工況波動誤判為系統(tǒng)異常；其二，在結(jié)垢初期階段，由于污垢熱阻導(dǎo)致的溫度變化幅值較小，基于閾值判別的監(jiān)測方法難以實現(xiàn)有效的早期故障識別。

4、因此，亟需一種基于紅外圖像的熱泵系統(tǒng)冷凝器工作狀態(tài)監(jiān)測方法。

技術(shù)實現(xiàn)思路

1、為解決上述閾值分割的方法可能將正常的工況波動誤判為系統(tǒng)異常，且難以實現(xiàn)早期故障識別的技術(shù)問題，本發(fā)明提供了一種基于紅外圖像的熱泵系統(tǒng)冷凝器工作狀態(tài)監(jiān)測方法，包括：

2、構(gòu)建冷凝器區(qū)域圖像中每個像素點的溫度向量，所述溫度向量的方向為灰度值減小的方向，溫度向量的模長為灰度值減小的速率；根據(jù)冷凝器各位置的管道整體走向以及管道局部走向確定冷凝器區(qū)域圖像中各像素點的理想降溫方向，根據(jù)各像素點的溫度向量的方向與理想降溫方向之間的差異確定各像素點的溫度變化方向異常值；根據(jù)各像素點的溫度向量的模長將像素點分為三類，根據(jù)各類別中各像素點的溫度向量的模長確定各類別中各像素點的溫度變化速率異常值；根據(jù)各像素點的溫度變化方向異常值以及溫度變化速率異常值確定各像素點的異常概率；根據(jù)各像素點的異常概率以及各像素點的位置，對各像素點進(jìn)行聚類，得到多個類別，根據(jù)類別中包含的像素點數(shù)量以及類別中所有像素點的異常概率的大小，篩選異常類別；根據(jù)異常類別確定冷凝器異常區(qū)域。

3、本發(fā)明利用溫度向量的方向量化熱傳導(dǎo)方向與速率，通過對比實際溫度向量與管道結(jié)構(gòu)對應(yīng)的理想降溫方向，量化溫度變化方向異常值，對各類別中溫度變化速率進(jìn)行分析，計算溫度變化速率異常值，最后融合雙維度異常指標(biāo)進(jìn)行概率化評估與空間聚類，有效克服了傳統(tǒng)單閾值檢測的局限性，顯著提升了異常區(qū)域識別的魯棒性，為冷凝器狀態(tài)監(jiān)測提供了更精確的空間定位與量化依據(jù)，能夠準(zhǔn)確識別結(jié)垢、堵塞或冷媒泄漏等異常。

4、優(yōu)選地，所述構(gòu)建冷凝器區(qū)域圖像中每個像素點的溫度向量，包括：將任意一個像素點作為目標(biāo)像素點，以目標(biāo)像素點為中心，沿預(yù)設(shè)的多個均勻分布的方向進(jìn)行射線掃描，獲取灰度值連續(xù)小于獲等于前一像素點的灰度值的邊界點，計算邊界點到目標(biāo)像素點的歐氏距離，獲取目標(biāo)像素點與邊界點的灰度差異，將灰度差異與距離的比值作為模長，構(gòu)建每個方向的溫度變化向量；將目標(biāo)像素點各方向的溫度變化向量的向量和作為目標(biāo)像素點的溫度向量。

5、本發(fā)明通過構(gòu)建各像素點的溫度向量，實現(xiàn)了冷凝器各位置的熱傳導(dǎo)方向與速率的量化，為后續(xù)異常分析和故障診斷提供了具有明確物理意義的數(shù)據(jù)基礎(chǔ)。

6、優(yōu)選地，所述根據(jù)冷凝器各位置的管道整體走向以及管道局部走向確定冷凝器區(qū)域圖像中各像素點的理想降溫方向，包括：根據(jù)冷凝器結(jié)構(gòu)圖設(shè)置每個位置的管道整體走向以及管道局部走向，將冷凝器結(jié)構(gòu)圖對應(yīng)到冷凝器區(qū)域圖像中，得到冷凝器區(qū)域圖像中每個像素點所在位置的管道整體走向以及管道局部走向；對于冷凝器區(qū)域圖像中每個像素點，將像素點所在位置的管道整體走向?qū)?yīng)的單位向量與管道局部走向?qū)?yīng)的單位向量進(jìn)行矢量疊加，得到合成向量，將合成向量的方向作為該像素點的理想降溫方向。

7、優(yōu)選地，所述根據(jù)各像素點的溫度向量的方向與理想降溫方向之間的差異確定各像素點的溫度變化方向異常值，包括：對像素點的溫度向量的方向與像素點的理想降溫方向之間的夾角進(jìn)行歸一化，得到像素點的溫度變化方向異常值。

8、本發(fā)明利用像素點的溫度向量的方向與理想降溫方向之間的歸一化夾角，來量化溫度變化方向的偏離程度，實現(xiàn)了對局部冷卻情況的定量評估，使異常區(qū)域識別更具客觀性。

9、優(yōu)選地，所述根據(jù)各像素點的溫度向量的模長將像素點分為三類，包括：按照垂直于管道局部走向的方向?qū)淠鲄^(qū)域圖像進(jìn)行掃描，按照掃描順序?qū)⑾袼攸c的溫度向量的模長構(gòu)成一個序列，作為模長序列，采用fisher最優(yōu)分割法將模長序列分割為三個子序列，對于每個子序列，將子序列中包含的各元素對應(yīng)的像素點劃分為同一個類別。

10、優(yōu)選地，所述根據(jù)各類別中各像素點的溫度向量的模長確定各類別中各像素點的溫度變化速率異常值，包括：響應(yīng)于像素點屬于第二個類別，對該像素點的溫度向量的模長進(jìn)行歸一化，得到像素點的溫度變化速率異常值；響應(yīng)于像素點屬于第一個類別或第三個類別，將與該像素點屬于同一類別，且與該像素點的理想降溫方向相同的像素點作為該像素點的參考像素點；計算該像素點與其所有參考像素點的溫度向量的模長之間的差異，對所述差異進(jìn)行加權(quán)求和，得到該像素點的溫度變化速率異常值；在進(jìn)行所述加權(quán)求和時，權(quán)重與參考像素點的溫度變化方向異常值負(fù)相關(guān)。

11、本發(fā)明中第一個類別對應(yīng)過冷蒸汽降溫階段，第二個類別對應(yīng)飽和蒸汽冷凝階段，第三個類別對應(yīng)過冷液體降溫階段，本發(fā)明根據(jù)不同階段的溫度變化特征確定各類別中像素點的溫度變化速率異常值，結(jié)果更加準(zhǔn)確。同時在計算第一個類別以及第三個類別中像素點的溫度變化速率異常值時，引入與像素點的溫度變化方向異常值負(fù)相關(guān)的權(quán)重，避免了溫度變化方向異常的像素點的異常溫度變化速率對計算結(jié)果的影響，最終得到的結(jié)果更加準(zhǔn)確。

12、優(yōu)選地，所述根據(jù)各像素點的溫度變化方向異常值以及溫度變化速率異常值確定各像素點的異常概率，包括：對像素點的溫度變化方向異常值與溫度變化速率異常值進(jìn)行加權(quán)求和，得到像素點的異常概率。

13、優(yōu)選地，所述根據(jù)各像素點的異常概率以及各像素點的位置，對各像素點進(jìn)行聚類，包括：將冷凝器區(qū)域圖像中各像素點的坐標(biāo)以及異常概率構(gòu)成各像素點的特征向量，根據(jù)特征向量對冷凝器區(qū)域圖像中像素點進(jìn)行聚類，得到多個類別。

14、本發(fā)明綜合考慮了像素點的空間分布特征和異常概率信息，將具有相似特征的像素點聚合為同一類別，從而實現(xiàn)對異常區(qū)域的精準(zhǔn)識別和定位，提升了檢測結(jié)果的準(zhǔn)確性。

15、優(yōu)選地，所述根據(jù)類別中包含的像素點數(shù)量以及類別中所有像素點的異常概率的大小，篩選異常類別，包括：響應(yīng)于類別中包含的像素點的數(shù)量大于預(yù)設(shè)的第一閾值，且類別中所有像素點的異常概率的均值大于預(yù)設(shè)的第二閾值，將類別作為異常類別。

16、優(yōu)選地，所述根據(jù)異常類別確定冷凝器異常區(qū)域，包括：將異常類別中所有像素點構(gòu)成的區(qū)域作為冷凝器的異常區(qū)域。

17、本發(fā)明的有益效果在于：本發(fā)明利用溫度向量的方向量化熱傳導(dǎo)方向與速率，通過對比實際溫度向量與管道結(jié)構(gòu)對應(yīng)的理想降溫方向，對各類別中溫度變化速率進(jìn)行分析，計算溫度變化速率異常值，最后融合雙維度異常指標(biāo)進(jìn)行概率化評估與空間聚類，有效克服了傳統(tǒng)單閾值檢測的局限性，顯著提升了異常區(qū)域識別的魯棒性，為冷凝器狀態(tài)監(jiān)測提供了更精確的空間定位與量化依據(jù)，能夠準(zhǔn)確識別結(jié)垢、堵塞或冷媒泄漏等異常。