基于視頻的運(yùn)動目標(biāo)檢測概述

基于視頻的運(yùn)動目標(biāo)檢測概述2011.5.26內(nèi)容提要研究背景運(yùn)動目標(biāo)檢測方法光流法時間差分法背景減除法算法評價研究背景（1）對序列圖像的運(yùn)動分析是當(dāng)前計算機(jī)視覺領(lǐng)域的一個重要研究方向，廣泛應(yīng)用于：高級人機(jī)交互智能監(jiān)控視頻會議醫(yī)療診斷基于內(nèi)容的圖像存儲與檢索美國、英國等國家已經(jīng)開展了大量相關(guān)的研究,當(dāng)前國際上一些權(quán)威期刊如IJCV、CVIU、PAMI、IVC、CVPR、AVSS、ECCV、IWVS等均將序列圖像的運(yùn)動分析作為其中的主題內(nèi)容。研究背景（2）序列圖像的運(yùn)動分析主要包括運(yùn)動目標(biāo)的檢測、跟蹤、分類及行為理解幾個過程。運(yùn)動目標(biāo)檢測是從序列圖像中將運(yùn)動變化區(qū)域從背景圖像中分割提取出來。在計算機(jī)視覺、智能視頻監(jiān)控（銀行、電力、交通、安檢及軍事）領(lǐng)域，視頻圖像的運(yùn)動目標(biāo)檢測結(jié)果，將對運(yùn)動目標(biāo)分類、跟蹤及行為理解等后續(xù)處理產(chǎn)生重要影響。運(yùn)動目標(biāo)的有效分割是序列圖像分析的基礎(chǔ)性工作，是當(dāng)今國內(nèi)外學(xué)者研究的熱點(diǎn)問題。低層視覺處理中層視覺處理高層視覺處理運(yùn)動目標(biāo)檢測問題分類按不同標(biāo)準(zhǔn)將運(yùn)動目標(biāo)檢測方法分類：（1）攝像機(jī)數(shù)目：單攝像機(jī)、多攝像機(jī)（2）攝像機(jī)是否運(yùn)動：攝像機(jī)靜止、攝像機(jī)運(yùn)動（3）場景中運(yùn)動目標(biāo)數(shù)目：單目標(biāo)、多目標(biāo)（4）場景中運(yùn)動目標(biāo)類型：剛體、非剛體主要討論：靜止單攝像機(jī)，多運(yùn)動目標(biāo)檢測問題。運(yùn)動目標(biāo)檢測方法光流法（Opticalflow）

可用于攝像機(jī)運(yùn)動情形，提取目標(biāo)完整信息（包括運(yùn)動信息），計算復(fù)雜度高，抗噪性能差。在攝像機(jī)固定的情況下應(yīng)用較少。時間差分法(Temporaldifference)

通過比較相鄰2或3幀圖像差異實(shí)現(xiàn)場景變化檢測，對動態(tài)環(huán)境有較強(qiáng)適應(yīng)性，但檢測精度不高，難獲得目標(biāo)精確描述。

背景減除法(Backgroundsubtraction)

適用于攝像機(jī)靜止情形，其關(guān)鍵是背景建模，性能與監(jiān)控場景復(fù)雜情況和系統(tǒng)要求有關(guān)，典型算法有中值、自適應(yīng)模型、高斯模型、多模態(tài)均值等。光流法光流法主要通過對序列圖像光流場的分析，計算出運(yùn)動場后，對場景進(jìn)行分割，從而檢測出運(yùn)動目標(biāo)。光流法的核心是求解出運(yùn)動目標(biāo)的光流，即速度。簡要介紹傳統(tǒng)光流法的典型代表Hom&Schunck算法、Lucas&Kanade算法和塊匹配算法。傳統(tǒng)光流法根據(jù)視覺感知原理，客觀物體在空間上一般是相對連續(xù)運(yùn)動，在運(yùn)動過程中，投射到傳感器平面上的圖像實(shí)際上也是連續(xù)變化的，即灰度不變性假設(shè)。根據(jù)這一基本假設(shè)，可以得到光流基本方程。設(shè)(x，y)點(diǎn)在時刻t的灰度為I(x,y,t)，設(shè)光流w=(u，v)在該點(diǎn)的水平和垂直移動分量u(x，y)和v(x，y):經(jīng)過dt后對應(yīng)點(diǎn)為I(x+dx,y+dy,t+dt)，當(dāng)，灰度I保持不變，得到I(x,y,t)=I(x+dx,y+dy,t+dt)。此式由Taylor展開，忽略二階無窮小，整理得到基本的光流約束方程:

(1)表示灰度對時間的變化率等于灰度的空間梯度與光流速度的點(diǎn)積。從不同角度對式(1)引入不同約束條件，產(chǎn)生不同的光流分析方法。Barron等人將光流計算分為4種:微分法、頻域法、塊匹配法和能量法，其中微分法與塊匹配法最為常用。下面介紹Hom&schiinck(簡稱HS)算法與Lucas&Kanade(簡稱LK)算法，其后介紹塊匹配法。xyHorn&Schunck算法Horn與Schunck于1981年引入了全局平滑性約束，假設(shè)光流在整個圖像上光滑變化，即速度的變化率為零。結(jié)合式（1）和式（2），得光流w=(u,v)應(yīng)滿足：取值主要考慮圖中的噪聲情況。如果噪聲較強(qiáng)，說明數(shù)據(jù)置信度較低，需要更多地依賴光流約束，其取值較大;反之其取值較小。

[1]Horn,BertholdK.P.;Schunck,BrianG.DeterminingOpticalFlow[J].1981.

（2）Lucas&Kanade算法(1)Lucas&Kanade于1981年引入了局部平滑性約束，即假設(shè)在一個小空間領(lǐng)域上運(yùn)動矢量保持恒定，使用加權(quán)最小二乘法估計光流。在一個小的空間領(lǐng)域上，光流估計誤差定義為:W表示窗口權(quán)重函數(shù)，使鄰域中心區(qū)域?qū)s束產(chǎn)生的影響比外圍區(qū)域更大，式(3)的解為:

(3)Lucas&Kanade算法(2)式中，

塊匹配法塊匹配法并不直接使用光流基本方程，它的基本思想是假設(shè)光流w=(u，v)為不同時刻的圖像區(qū)域的位移量，在圖像序列的順序圖像對之間實(shí)施位置對應(yīng)。塊匹配距離度量的方法有兩種，一是相似度量，如歸一化相關(guān)系數(shù)最大化;二是對光強(qiáng)度差的平方和進(jìn)行最小化。

塊匹配法—?dú)w一化相關(guān)系數(shù)歸一化相關(guān)系數(shù)當(dāng)相關(guān)系數(shù)為1時，表示兩個塊完全匹配。實(shí)際上，由于噪聲及目標(biāo)圖像形狀的變化，不同圖像的對應(yīng)塊亮度會有變化。在搜索區(qū)內(nèi)的相關(guān)系數(shù)最大的位置就是最佳匹配，其偏離中心點(diǎn)(x,y)的位移量(u,v)即為光流。

塊匹配法—光強(qiáng)度差平方和法光強(qiáng)度差平方和法計算搜索區(qū)域上的誤差分布為：將此誤差分布轉(zhuǎn)換成指數(shù)形式分布其中k為正則化參數(shù)。指數(shù)響應(yīng)函數(shù)在0~1之間變化。根據(jù)估計理論，利用加權(quán)最小二乘法可得到真實(shí)速度的一個估計:光流法總述基于微分的光流法，實(shí)現(xiàn)比較簡單，計算復(fù)雜度低，缺點(diǎn)是在圖像相鄰之間偏移量大的時候誤差較大，而且該方法要求圖像灰度必須是可微的?；谄ヅ涞墓饬鞣ㄍㄟ^特征匹配來確定偏移量，可以解決相鄰幀差異較大的問題;但是特征匹配比較困難，運(yùn)算量比較大，且塊匹配法對噪聲敏感。目前，國內(nèi)外學(xué)者都在尋求改進(jìn)光流法的方法，主要分為兩種，一是光流法自身的改進(jìn);二是光流法與其他方法相結(jié)合，如即金字塔光流法、區(qū)域光流法和特征光流法。時間差分法優(yōu)點(diǎn)：魯棒性好，運(yùn)算量小，易于軟件實(shí)現(xiàn)缺點(diǎn)：對噪聲有一定的敏感性，運(yùn)動實(shí)體內(nèi)部也容易產(chǎn)生空洞現(xiàn)象，閾值T缺乏自適應(yīng)性，當(dāng)光照變化時，檢測算法難以適應(yīng)環(huán)境變化Default:T=60背景減除法中值模型自適應(yīng)背景模型雙背景模型最大不相似模型單高斯混合高斯改進(jìn)的混合高斯多模態(tài)均值紋理模型

背景減除法流程圖

中值模型(MedianModel)背景中間值Default:T=60，K=3前提：在前K幀圖像中，某像素點(diǎn)在超過一半的時間里呈現(xiàn)場景背景像素值。自適應(yīng)背景模型前一幀k-1前一背景當(dāng)前背景α×+（1-α）×=α為自適應(yīng)參數(shù)，其取值直接影響背景的更新質(zhì)量α是任意選擇的適應(yīng)參數(shù)Defaut:α=0.03，T=60雙背景模型3×3的鄰里差分-其中：Default：Tb=60,Tt=60當(dāng)前幀k短期背景(前一幀k-1)長期背景(中值模型)BLT最大不相似模型*沒有常數(shù),包含大量光噪，需要去噪和形態(tài)濾波N：最小灰度值M：最大灰度值MD：最大幀間差單高斯模型假設(shè)每個像素的灰度在時間域上滿足正態(tài)分布:簡單統(tǒng)計差分：Default：單高斯模型：混合高斯模型為了描述分布形式更為復(fù)雜的背景（特別是在有微小重復(fù)運(yùn)動的場合，如搖動的樹葉、灌木叢、旋轉(zhuǎn)的風(fēng)扇、海面波濤、雨雪天氣、光線反射等），有必要應(yīng)用到多模態(tài)的分布形式。Stauffer等用多個單高斯函數(shù)來描述場景背景，并且利用在線估計來更新模型，可靠地處理了光照緩慢變化、背景混亂運(yùn)動（樹葉晃動）等影響。混合高斯模型設(shè)用來描述每個像素點(diǎn)背景的高斯分布共有K個，分別記為。各高斯分布分別具有不同的權(quán)值和優(yōu)先級，它們總是按照優(yōu)先級從高到低的次序排序。包括模型初始化、模型匹配與參數(shù)更新、生成背景分布和檢測前景四部分。模型初始化第1幀圖像初始化混合高斯模型：當(dāng)前像素的顏色值初始化均值初始較大標(biāo)準(zhǔn)方差=30.給第一個高斯分布一個較大的權(quán)重0.5，其余的高斯分布權(quán)重為0.5/(K-1)模型匹配與參數(shù)更新將新像素與模型中的K個分布按序匹配，若與某分布滿足式（D1為自定義參數(shù)），則與該高斯分布匹配，其參數(shù)按下式更新。

式中是自定義的學(xué)習(xí)率，是參數(shù)學(xué)習(xí)率。不匹配的分布僅權(quán)值按衰減。若無分布和匹配，則最小權(quán)值分布被替換成均值為，標(biāo)準(zhǔn)差為，權(quán)值為的高斯分布。其余分布僅權(quán)值按更新。生成背景分布分布按優(yōu)先級從大到小排列，T為背景權(quán)值部分和閾值，如果前個分布的權(quán)值和剛大于T，則這些分布是背景分布，其它為前景分布。檢測前景若所有背景分布與都滿足下式，則判定為前景點(diǎn)，否則為背景點(diǎn)。（D2為自定義參數(shù)）混合高斯模型流程圖更新方程：融合了背景減除法的改進(jìn)混合高斯模型混合高斯模型使用固定的學(xué)習(xí)率，如果其值較小，模型的初始建立時間較長，如果其值較大，則會降低模型對視頻中噪聲(如樹葉搖晃)的抑制作用。背景能夠適應(yīng)緩慢的光照變化、樹葉搖動等因素引起的變化，而對于突然的光照變化適應(yīng)性慢，檢測結(jié)果中含有大量的陰影。由于樹葉的搖動在水面或反光物體上產(chǎn)生的突然反光不服從高斯分布，從而在檢測結(jié)果中出現(xiàn)頻繁的閃動。針對這些問題，融合背景減除法對混合高斯進(jìn)行改進(jìn)，在初始建模時采用新的更新算法，能夠快速準(zhǔn)確地建立初始背景模型。融合了背景減除法的改進(jìn)混合高斯模型混合高斯模型更新方程：融合背景減除法:為改進(jìn)的混合高斯的檢測結(jié)果Default:T=50，N=200Mi為每個高斯分布相匹配的次數(shù)混合高斯及改進(jìn)算法實(shí)驗(yàn)結(jié)果（1）圖1高速路監(jiān)控視頻初始建模實(shí)驗(yàn)結(jié)果圖2戶外停車場監(jiān)控視頻初始建模實(shí)驗(yàn)結(jié)果

混合高斯建模，由于背景更新速率較慢，在初始建模時(第120幀以前)，背景模型不夠健全，開始時檢測的結(jié)果殘缺或漏檢。而改進(jìn)混合高斯算法在第40幀左右建立初始模型，快速檢測出完整性好的運(yùn)動目標(biāo)，即該改進(jìn)的方法能夠快速建立初始背景模型?；旌细咚辜案倪M(jìn)算法實(shí)驗(yàn)結(jié)果（2）改進(jìn)算法有效地抑制反光物體帶來的頻繁閃動，并且檢測出的運(yùn)動目標(biāo)含較少陰影。多模態(tài)均值S.Apewokin等人針對背景建模速度慢，計算和存貯量大等問題，提出了多模態(tài)均值法，利用多個均值描述背景，建?？?，計算量小，存貯空間少，能在嵌入式系統(tǒng)上實(shí)時檢測出含少量陰影的運(yùn)動目標(biāo)，但其不適應(yīng)復(fù)雜背景中重復(fù)的擾動、前景與背景的轉(zhuǎn)化等。[1]S.Apewokin,B.Valentine,L.Wills,etal.MultimodalMeanAdaptiveBackgroundingforEmbeddedReal-TimeVideoSurveillance:IEEEConferenceonComputerVisionandPatternRecognition[C],[S.l.]:[s.n.],2007:1-6.[2]S.Apewokin,B.Valentine,D.Forsthoefel,etal.EmbeddedReal-TimeSurveillanceUsingMultimodalMeanBackgroundModeling[J].EmbeddedComputerVision,2009:163-175.多模態(tài)均值運(yùn)用像素與M個背景比較，不斷更新模型均值，每個背景包含與之匹配的RGB各通道值總和、匹配次數(shù)、在時間軸上相鄰兩滑動窗口內(nèi)的匹配次數(shù)和。其檢測過程包括背景匹配與參數(shù)更新、前景檢測和背景替換。背景匹配與參數(shù)更新

為t-1幀第i個背景j通道的均值。若像素滿足則與背景匹配，用如下更新。前景檢測與背景替換前景檢測:若無背景與匹配，則當(dāng)前像素判為前景。背景替換:當(dāng)為前景時，計算背景在兩滑動窗口內(nèi)匹配次數(shù)和。找出M個背景中滿足的背景構(gòu)成集合L。L中的模型表明在兩滑動窗口中匹配次數(shù)較少，不能很好描述背景。若L中有背景，則替換其中最小的背景。若L為空，則替換M背景中最小的背景。實(shí)驗(yàn)結(jié)果與分析基于紋理的背景模型LBP（LocalBinaryPattern）是描述圖像局部空間結(jié)構(gòu)的非參數(shù)紋理算子，在紋理分類中有較高區(qū)分力，對亮度改變不敏感，計算量小等優(yōu)點(diǎn)。初始LBP僅通過像素的8鄰域得到，為描述大尺度的紋理，Ojala等把其定義擴(kuò)展為具有不同半徑的圓形鄰域。本文LBP算子如下式。紋理背景模型背景模型由一組自適應(yīng)的LBP直方圖來描述，。模型的每個直方圖有個權(quán)重，且所有權(quán)重和為1。直方圖相似性度量是直方圖，N=紋理模型更新與背景選取模型更新如果模型所有直方圖相似性都低于，則更新權(quán)重最低的直方圖模型，賦低的初始權(quán)重，如0.01。如果模型中有直方圖相似性大于等于，則匹配。選擇匹配中最高相似性的直方圖，更新其bins來適應(yīng)新的數(shù)據(jù)：權(quán)重更新：此時為1，其它為0。背景選取模型直方圖按權(quán)重降序排列，并且選取前B個直方圖作為背景直方圖：

前景檢測當(dāng)前像素的直方圖與當(dāng)前的B個背景直方圖比較，計算其相似度。如果至少一個背景直方圖相似度高于閾值，這個像素為背景。否則為前景。實(shí)驗(yàn)結(jié)果背景減除法現(xiàn)存問題關(guān)鍵在于背景模型的建立、保持、更新。主要存在三個問題：1）背景模型沒有充分利用圖像中相鄰像素點(diǎn)之間的相關(guān)性信息。運(yùn)動前景中具有的漏檢與虛警區(qū)域，通常用形態(tài)學(xué)濾波和判斷連通區(qū)域大小的方法來消除孤立的小區(qū)域及合并相鄰的不連通前景區(qū)域。2）背景模型的更新速度不能和運(yùn)動目標(biāo)的運(yùn)動速度很好地匹配。如果更新速度比監(jiān)控場景的變化速度慢，則容易產(chǎn)生虛影（計算虛影區(qū)域的光流場可以消除虛影）。相反，如果背景模型的更新速度太快，也容易出現(xiàn)運(yùn)動目標(biāo)的漏檢。為改善檢測效果，可使用多個具有不同更新速度的背景模型，或多攝像機(jī)從不同角度對同一場景進(jìn)行監(jiān)控，有效利用深度信息。3）復(fù)雜場景中搖動的樹葉與運(yùn)動陰影也被檢測為運(yùn)動前景。由搖動樹葉所產(chǎn)生的運(yùn)動前景混亂問題（混合高斯背景模型與數(shù)學(xué)形態(tài)學(xué)濾波）。消除陰影對運(yùn)動目標(biāo)檢測的干擾是非常困難的問題，特別是處理灰度序列圖像中的陰影。算法評價魯棒性：在各種環(huán)境條件(光照變化、背景擾動)下實(shí)現(xiàn)運(yùn)動目標(biāo)的完整分割。準(zhǔn)確性：算法應(yīng)具有較低的漏檢、誤檢(虛警)，并能夠得到運(yùn)動目標(biāo)盡量完整的信息。復(fù)雜性：在保證算法處理效果的前提下，算法的時空復(fù)雜度應(yīng)盡可能小，以保證算法的實(shí)時性與實(shí)用性。通用性：算法對先驗(yàn)信息(色彩、形狀、運(yùn)動和應(yīng)用場景等)的依賴程度應(yīng)盡可能低。定量分析算法準(zhǔn)確性準(zhǔn)確率P、查全率R和Jaccard系數(shù)設(shè)TP表示正確檢測的目標(biāo)像素數(shù)；FP表示將背景像素錯檢為目標(biāo)像素的個數(shù)，即造成虛警的誤檢像素數(shù)；FN表示將目標(biāo)像素錯檢為背景像素的個數(shù)，即漏檢像素數(shù)。準(zhǔn)確率P反映虛警率，值越大虛警率越低；查全率R反映目標(biāo)分割的完整性，值越大完整性越高。權(quán)衡準(zhǔn)確率和查全率，反映算法綜合性能。較流行背景減除法實(shí)驗(yàn)結(jié)果圖BootsWavingTreesOutDetectBootsWavingTreesOutDetect原圖基準(zhǔn)圖像中值模型

時間差分

鏈碼本

混合高斯

多模態(tài)均值

較流行背景減除法實(shí)驗(yàn)結(jié)果客觀評價混合高斯、多模態(tài)均值：準(zhǔn)確率P、查全率R、Jaccard系數(shù)Jc較高，檢測效果較好參考文獻(xiàn)[1]DrAlanM.Mclvor.BackgroundSubtractionTechniques:Proc.ofImageandVisionComputing[C].NewZealand:[s.n.],2000.[2]裴巧娜.基于光流法的運(yùn)動目檢測與跟蹤技術(shù)[D],北方工業(yè)大學(xué)，2009.[3]BertholdK.P.Horn,BrianG.Schunch.DeterminingOpticalFlow[J].ArtificialIntelligence,1981,17:185-203.[4]C.Stauffer,W.E.L.Grimson.LearningPatternsofActivityUsingReal-TimeTracking:ProcIEEETrans.onPAMI[C].Washinton:IEEEComputerSociety,2000,22(8):747-757.[5]KyungnamKim,ThanaratH.Chalidabhongse,DavidHarwood,etal.Real-timeforeground-backgroundsegmentationusingcodebookmodel[J].Real-timeImaging,2005,11(3):172-185.[6]HeikkilaM,PietikainenM,HeikkilaJ.Atexture-basedmethodformodelingthebackgrounddetectingmovingobjects[J].IEEETransPatternAnalysisandMachineIntelligence,2006,28(4):657-662.參考文獻(xiàn)[7]S.Apewokin,B.Valentine,L.Wills,etal.MultimodalMeanAdaptiveBackgroundingforEmbeddedReal-TimeVideoSurveillance:IEEEConferenceonComputerVisionandPatternRecognition[C],[S.l.]:[s.n.],2007:1-6.[8]王典.基于混合高斯的背景建模與陰影抑制算法研究[D].西北工業(yè)大學(xué),2006.[9]ChrisStauffer,W.E.LGrimson.Adaptivebackgroundmixturemodelsforreal-timetracking[J].IEEE,1999.[10]S.Apewokin,B.Valentine,D.Forsthoefel,etal.EmbeddedReal-TimeSurveillanceUsingMultimodalMeanBackgroundModeling[J].EmbeddedComputerVision,2009:163-175.[11]JianSun,WeiweiZhang.BackgroundCut.ComputerVision–ECCV2006.[12]Sen-ChingS.Cheung,ChandrikaKamath.Robusttechniquesforbackgroundsubtractioninurbantrafficvideo:VisualCommunicationsandImageProcessingonSPIE[C].SethuramanPanchanathan,2004,5308(1):881-892.謝謝請大家提問第一節(jié)活塞式空壓機(jī)的工作原理第二節(jié)活塞式空壓機(jī)的結(jié)構(gòu)和自動控制第三節(jié)活塞式空壓機(jī)的管理復(fù)習(xí)思考題單擊此處輸入你的副標(biāo)題，文字是您思想的提煉，為了最終演示發(fā)布的良好效果，請盡量言簡意賅的闡述觀點(diǎn)。第六章活塞式空氣壓縮機(jī)

piston-aircompressor壓縮空氣在船舶上的應(yīng)用：

1.主機(jī)的啟動、換向；

2.輔機(jī)的啟動；

3.為氣動裝置提供氣源；

4.為氣動工具提供氣源；

5.吹洗零部件和濾器。

排氣量:單位時間內(nèi)所排送的相當(dāng)?shù)谝患壩鼩鉅顟B(tài)的空氣體積。單位：m3/s、m3/min、m3/h第六章活塞式空氣壓縮機(jī)

piston-aircompressor空壓機(jī)分類：按排氣壓力分：低壓0.2～1.0MPa；中壓1～10MPa；高壓10～100MPa。按排氣量分：微型<1m3/min；小型1～10m3/min；中型10～100m3/min；大型>100m3/min。第六章活塞式空氣壓縮機(jī)

piston-aircompressor第一節(jié)活塞式空壓機(jī)的工作原理容積式壓縮機(jī)按結(jié)構(gòu)分為兩大類：往復(fù)式與旋轉(zhuǎn)式兩級活塞式壓縮機(jī)單級活塞壓縮機(jī)活塞式壓縮機(jī)膜片式壓縮機(jī)旋轉(zhuǎn)葉片式壓縮機(jī)最長的使用壽命-

----低轉(zhuǎn)速（1460RPM），動件少（軸承與滑片），潤滑油在機(jī)件間形成保護(hù)膜，防止磨損及泄漏，使空壓機(jī)能夠安靜有效運(yùn)作；平時有按規(guī)定做例行保養(yǎng)的JAGUAR滑片式空壓機(jī)，至今使用十萬小時以上，依然完好如初，按十萬小時相當(dāng)于每日以十小時運(yùn)作計算，可長達(dá)33年之久。因此，將滑片式空壓機(jī)比喻為一部終身機(jī)器實(shí)不為過?；?葉)片式空壓機(jī)可以365天連續(xù)運(yùn)轉(zhuǎn)并保證60000小時以上安全運(yùn)轉(zhuǎn)的空氣壓縮機(jī)1.進(jìn)氣2.開始壓縮3.壓縮中4.排氣1.轉(zhuǎn)子及機(jī)殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動時，空氣由機(jī)體進(jìn)氣端進(jìn)入。2.轉(zhuǎn)子轉(zhuǎn)動使被吸入的空氣轉(zhuǎn)至機(jī)殼與轉(zhuǎn)子間氣密范圍，同時停止進(jìn)氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動，氣密范圍變小，空氣被壓縮。4.被壓縮的空氣壓力升高達(dá)到額定的壓力后由排氣端排出進(jìn)入油氣分離器內(nèi)。4.被壓縮的空氣壓力升高達(dá)到額定的壓力后由排氣端排出進(jìn)入油氣分離器內(nèi)。1.進(jìn)氣2.開始壓縮3.壓縮中4.排氣1.凸凹轉(zhuǎn)子及機(jī)殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動時，空氣由機(jī)體進(jìn)氣端進(jìn)入。2.轉(zhuǎn)子轉(zhuǎn)動使被吸入的空氣轉(zhuǎn)至機(jī)殼與轉(zhuǎn)子間氣密范圍，同時停止進(jìn)氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動，氣密范圍變小，空氣被壓縮。螺桿式氣體壓縮機(jī)是世界上最先進(jìn)、緊湊型、堅實(shí)、運(yùn)行平穩(wěn)，噪音低，是值得信賴的氣體壓縮機(jī)。螺桿式壓縮機(jī)氣路系統(tǒng)：

A

進(jìn)氣過濾器

B

空氣進(jìn)氣閥

C

壓縮機(jī)主機(jī)

D

單向閥

E

空氣/油分離器

F

最小壓力閥

G

后冷卻器

H

帶自動疏水器的水分離器油路系統(tǒng)：

J

油箱

K

恒溫旁通閥

L

油冷卻器

M

油過濾器

N

回油閥

O

斷油閥冷凍系統(tǒng)：

P

冷凍壓縮機(jī)

Q

冷凝器

R

熱交換器

S

旁通系統(tǒng)

T

空氣出口過濾器螺桿式壓縮機(jī)渦旋式壓縮機(jī)

渦旋式壓縮機(jī)是20世紀(jì)90年代末期開發(fā)并問世的高科技壓縮機(jī)，由于結(jié)構(gòu)簡單、零件少、效率高、可靠性好，尤其是其低噪聲、長壽命等諸方面大大優(yōu)于其它型式的壓縮機(jī)，已經(jīng)得到壓縮機(jī)行業(yè)的關(guān)注和公認(rèn)。被譽(yù)為“環(huán)保型壓縮機(jī)”。由于渦旋式壓縮機(jī)的獨(dú)特設(shè)計，使其成為當(dāng)今世界最節(jié)能壓縮機(jī)。渦旋式壓縮機(jī)主要運(yùn)動件渦卷付，只有磨合沒有磨損，因而壽命更長，被譽(yù)為免維修壓縮機(jī)。

由于渦旋式壓縮機(jī)運(yùn)行平穩(wěn)、振動小、工作環(huán)境安靜，又被譽(yù)為“超靜壓縮機(jī)”。

渦旋式壓縮機(jī)零部件少，只有四個運(yùn)動部件,壓縮機(jī)工作腔由相運(yùn)動渦卷付形成多個相互封閉的鐮形工作腔，當(dāng)動渦卷作平動運(yùn)動時，使鐮形工作腔由大變小而達(dá)到壓縮和排出壓縮空氣的目的。活塞式空氣壓縮機(jī)的外形第一節(jié)活塞式空壓機(jī)的工作原理一、理論工作循環(huán)（單級壓縮）工作循環(huán)：4—1—2—34—1吸氣過程

1—2壓縮過程

2—3排氣過程第一節(jié)活塞式空壓機(jī)的工作原理一、理論工作循環(huán)（單級壓縮）

壓縮分類：絕熱壓縮：1—2耗功最大等溫壓縮：1—2''耗功最小多變壓縮：1—2'耗功居中功＝P×V（PV圖上的面積）加強(qiáng)對氣缸的冷卻，省功、對氣缸潤滑有益。二、實(shí)際工作循環(huán)（單級壓縮）1.不存在假設(shè)條件2.與理論循環(huán)不同的原因：1）余隙容積Vc的影響Vc不利的影響—?dú)埓娴臍怏w在活塞回行時，發(fā)生膨脹，使實(shí)際吸氣行程（容積）減小。Vc有利的好處—

（1）形成氣墊，利于活塞回行；（2）避免“液擊”（空氣結(jié)露）；（3）避免活塞、連桿熱膨脹，松動發(fā)生相撞。第一節(jié)活塞式空壓機(jī)的工作原理表征Vc的參數(shù)—相對容積C、容積系數(shù)λv合適的C：低壓0.07-0.12

中壓0.09-0.14

高壓0.11-0.16

λv＝0.65—0.901）余隙容積Vc的影響C越大或壓力比越高，則λv越小。保證Vc正常的措施：余隙高度見表6-1壓鉛法—保證要求的氣缸墊厚度2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理2）進(jìn)排氣閥及流道阻力的影響吸氣過程壓力損失使排氣量減少程度，用壓力系數(shù)λp表示：保證措施：合適的氣閥升程及彈簧彈力、管路圓滑暢通、濾器干凈。λp

（0.90-0.98）2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理3）吸氣預(yù)熱的影響由于壓縮過程中機(jī)件吸熱，所以在吸氣過程中，機(jī)件放熱使吸入的氣體溫度升高，使吸氣的比容減小，造成吸氣量下降。預(yù)熱損失用溫度系數(shù)λt來衡量（0.90-0.95）。保證措施：加強(qiáng)對氣缸、氣缸蓋的冷卻，防止水垢和油污的形成。2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級壓縮）第一節(jié)活塞式空壓機(jī)的工作原理4）漏泄的影響內(nèi)漏：排氣閥（回漏）；外漏：吸氣閥、活塞環(huán)、氣缸墊。漏泄損失用氣密系數(shù)λ