一种电梯曳引、钢丝绳滑移量及缺陷的检测方法与流程

本发明涉及电梯测量，具体涉及一种电梯曳引、钢丝绳滑移量及缺陷的检测方法。

背景技术：

1、随着我国的经济不断发展，高楼大厦越来越多，电梯也越来越多，已经成为日常生活中不可或缺的重要运输工具。据相关部门统计，2019年全年电梯生产量达到了117.3万台，截至2022年末，中国的电梯保有量已经达到964.46万台，覆盖9.21亿城镇人口。目前我国电梯保有量和年生产量均为世界第一，并将继续保持这一领先趋势。电梯的大量发展，伴随而来也有电梯管理及电梯安全的提升，同时电梯的事故也逐渐增多。

2、电梯钢丝绳是电梯系统中影响安全的重要部件，钢丝绳的磨损及断股会严重影响到电梯的使用舒适性和安全性。电梯在使用过程中，缠绕在曳引轮上的钢丝绳不断与曳引轮槽发生摩擦，长期使用轮槽处会逐渐磨损，曳引轮与钢丝绳的摩擦减小，导致曳引能力降低。当曳引能力降低到一定程度时，曳引轮与钢丝绳发生打滑，无法正常带动电梯轿厢，如果在运行过程中发生打滑，则会发生安全事故。此外，制动闸瓦每次制动时与制动轮发生摩擦，使闸瓦磨损而造成制动能力下降，发生制动轮打滑，也会发生安全事故。

3、因此gb8903-2005《电梯用钢丝绳》对曳引钢丝绳的结构和技术指标作了推荐性的规定；tsgt7001-2009《电梯监督检验和定期检验规则-曳引与强制驱动电梯》中对钢丝绳报废也做出了规定。

4、电梯钢丝绳在制动过程中的滑移量是电梯制动系统与电梯曳引系统综合作用的结果。电梯制动过程中，制动轮相对于制动闸瓦的滑移量加上钢丝绳相对于曳引轮的滑移量等于钢丝绳的总滑移量(制动轮和曳引轮可以看作刚性连接)。制动轮相对于制动闸瓦的滑移量代表了电梯的制动能力，电梯制动能力越弱，制动距离越大，导致钢丝绳滑移量增大。钢丝绳相对于曳引轮的滑移量代表曳引能力，曳引能力越弱，钢丝绳在电梯制动过程中与曳引轮发生相对滑动，也会导致滑移量增大。因此，钢丝绳的滑移量，能综合反映电梯的制动能力和曳引能力。

5、另一方面，电梯使用一定时间后，曳引钢丝绳会出现缺油现象，如果钢丝绳缺油干燥，则容易使钢丝绳生锈，以及与绳轮槽之间产生干摩擦，从而严重磨损绳槽和钢丝绳。

6、电梯钢丝绳的磨损主要有磨料磨损、腐蚀磨损、疲劳磨损三种形式。新出厂的钢丝绳表面，厂家为了防止钢丝绳在运输、储存过程中生锈，都会在钢丝绳表面涂上工业凡土林油或专用的防护油脂。电梯钢丝绳在运行过程中，由于建筑垃圾、装修粉尘、铁屑容易粘结于钢丝绳上，并与钢丝绳表面的油脂混合，就极其容易形成油垢。油垢含有大量碾碎性磨粒，如沙子、铁粉、石英等，它们是高硬度颗粒，是一种磨料。油垢对钢丝绳造成的磨损就是磨料磨损。油垢不仅破坏油膜，阻碍油脂与钢丝绳的接触，磨料中细小颗粒嵌入钢丝绳内部，当钢丝绳受力伸缩时这些硬颗粒对钢丝起到磨损破坏作用。

7、由于电梯钢丝绳高速运行，在导向轮之间不断高速弯曲、挤压、使磨粒在钢丝之间摩擦形成集中应力，使钢丝表面产生塑性变形，形成疲劳磨损。另外，油垢由于龟裂还起到吸水作用使钢丝锈蚀，油垢中的酸性物质促进钢丝绳生锈，对钢丝绳产生酸性腐蚀，形成腐蚀磨损。如装修粉尘吸附到钢丝绳表面后，在绳芯润滑油的作用下，形成油垢，随着电梯的不断运行，各种磨料进入钢丝绳各个股间和绳芯，油垢磨料对钢丝绳的磨损，从而伴随着锈蚀，只要有锈蚀的钢丝绳也就伴随着磨损，钢丝绳出现锈蚀后，力学性能降低，钢丝表面形成麻坑，钢丝直径变细或绳股外层钢丝松动、股间松动，以致发生脆性断裂。

8、目前已有一些检测电梯制动距离和缺陷的方法：

9、直观目测：目测检测是电梯检测过程中最直接的检测方法，十分简单，它能够对电梯出现的比较明显的问题进行检测，但无法检测出电梯钢丝绳上一些细微缺陷的问题，也缺乏对钢丝绳运行过程的长期监测。在检测过程中，可以通过目测对于电梯的外观、运行状况有一个基本的了解，如果电梯出现故障可以通过目测对出现故障的区域进行大概的判断，以便后续的精细检测。电梯控制器、功能问题等能通过目测大致的判断，能够在一定程度上保证电梯的安全性，但很容易产生误差，存在安全隐患。

10、利用胶轮和旋转编码器对钢丝绳的移动进行检测，可以得到电梯制动距离：这种方法原理简单，成本较低，容易实现。然而，由于胶轮本身与钢丝绳之间也会发生打滑，且随着使用时间和次数的增加，机械安装容易松动，致使打滑加剧。因此，这种方法不适合对电梯性能进行长期监控。

11、通过加速度传感器对电梯轿厢运动进行测量：这种方法不仅可以检测出移动量，还能检测出速度、加速度。加速度传感器的成本同样很低，但是该系统的采集和检测部分都安装在电梯轿厢内，如果不对电梯进行改造，很难实现长时间供电和信号传输，也不利于长期实时监测。

技术实现思路

1、本发明的目的在于提供一种基于智能图像识别的电梯曳引、钢丝绳滑移量及缺陷的检测方法，该方法将人工智能机器视觉及检测系统引入电梯钢丝绳安全性能检测工作，通过ai算法摄像机的机器视觉及其检测系统，采集电梯制动过程中钢丝绳运动的图像与视频，对电梯钢丝绳缺陷部位图像进行模式识别。

2、为解决上述问题，本发明所采用的技术方案如下：

3、一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，该方法应用于一种人工智能机器视觉及检测系统，该系统包括ai算法摄像机、工业路由器、计算机检测系统以及监视器，该方法包括以下步骤：

4、通过ai算法摄像机采集被测对象的图像视频信息，并将采集到的图像视频信息进行预处理，其中，该图像信息包括电梯钢丝绳的图像视频信息以及电梯制动器制动过程中的图像视频信息；

5、将预处理后的图像视频数据通过工业路由器转发至计算机检测系统；

6、使用对比度增强方法对预处理后的图像视频数据进行图像增强处理，使用最大类间方差法对图像增强处理后的图像视频数据进行二值化处理，得到钢丝绳图像的黑白二值图像，再利用canny算子算法得到钢丝绳图像的边缘图像，获得可供提取缺陷部位特征的钢丝绳边缘图像，运用角点检测原理对该图像进行模式识别，以检测出钢丝绳的缺陷状况，并将检测结果显示在监视器上；

7、在每次检测到制动停止预设时间后运行区域分割程序，用于重新划分检测带；在每次制动开始时，通过运行滑移量计算程序，根据预处理后的图像视频数据计算整个电梯制动器制动过程中的钢丝绳滑移量，在每次计算滑移量结束后更新检测带，并将计算结果显示在监视器上。

8、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，在计算钢丝绳滑移量时，对钢丝绳进行检测：

9、检测出图像视频数据中属于钢丝绳的点的坐标分布，从而划分出一个只包含钢丝绳的区域；

10、由于钢丝绳纹理图像空间分布的规律性，需统计每个像素点周围区域内灰度的频率直方图，组成一个长度为256的向量，并将该向量与预先采样的区域的灰度分布向量相比较，筛选出钢丝绳所在的区域。

11、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，在筛选出钢丝绳所在的区域后，进行分割检测带：

12、先将区域进行梯度阈值过滤，采用霍夫变换检测区域中代表钢丝绳边缘的直线；其中，在划分出的区域中画出检测到的直线钢丝绳组被互相平行的直线分割成孤立的单根钢丝绳；

13、然后，对检测出的直线进行筛选，通过霍夫变换得到的分割线仍需剔除不符合要求的两类直线：

14、与正确分割直线不平行的干扰直线；

15、与正确分割直线平行，但与另一直线距离很近，可以视作同一直线的冗余直线。

16、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，在剔除不符合要求的两类直线时，霍夫变换返回的是直线到原点的距离ρ和直线与x轴的夹角θ的集合s；

17、根据前面两类直线的特征，对集合s做一个分割，其中任意两个集合ai和aj互斥，霍夫变换的检测结果被分割为若干两两互斥集合(a1，a2，…，ak)的并集，从这些集合中找出元素数量最多的一个设为aq，则aq中的直线即为正确检测的直线，其他集合中的直线全部剔除；

18、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，在剔除不符合要求的两类直线后，进行分割检测带：

19、经过筛选后的直线已经可以将钢丝绳按条分割成独立的区域，计算集合aq中直线的平均角度θq，然后将区域逆时针旋转角度θq，使得检测到的有一定斜率的分割线变成竖直线。其中，aq中直线的距离从小到大分别为ρq1＜ρq2＜…＜ρqmax，只需要对图像y轴取[ρq1，ρq2]、[ρq2，ρq3]、…、[ρq(max-1)，ρqmax]的区间，每个区间就是一个检测带。

20、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，在得到若干只包含钢丝绳的检测带后，根据检测带来计算钢丝绳移动量，包括：从检测带中进一步划分检测块，根据检测块计算一个指标值，该指标值经过的周期数和钢丝绳移动的股数相同；

21、然后根据指标值的变化曲线，计算得到钢丝绳的移动量。

22、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，检测块划分包括：

23、将某个检测带表示为i(0：xmax，yi：yi+1)，其中xmax代表i(x，y)的最大x坐标；

24、设置一个块高h，则该检测带的检测块分别为i(0：h-1，yi：yi+1)、i(1：h，yi：yi+1)、…、i(xmax-h+1:xmax,yi:yi+1)，共xmax-h+2个检测块，若总共有k个检测带，则总共能得到(xmax-h+2)·k个检测块。

25、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，指标值计算包括：

26、在计算钢丝绳的移动量之前，需根据每个检测块中的灰度值计算出一个指标值，对视频中每一帧、同一个检测块都能检测出一个指标值，若该指标值随时间波动，则通过统计波动的周期即可检测出钢丝绳在这段时间移动的股数；

27、具体的，将一个检测块中所有的灰度值沿高度方向求和，得到一个向量，当钢丝绳的绳股中心正好移动到检测块中心时，会在中间坐标处出现一个波峰；当钢丝绳股间隙正好移动到检测块中心时，会在中间坐标处出现一个波谷，因此，统计中间坐标ymid以及ymid-1、ymid+1三点处的均值，作为一个指标值v。

28、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，在得到指标值v的计算方法后，在时间轴上对每个检测块都可以求出一个v随时间变化的波形图，通过特定算法可以计算出指标值在制动过程中的波动的周期数，即为钢丝绳经过的股数，乘以股间距即为钢丝绳滑移量。

29、根据本发明提供的一种电梯曳引、钢丝绳滑移量及缺陷的检测方法，ai算法摄像机镜头光轴处于水平面上，根据采样定理，ai算法摄像机的帧率高于钢丝绳的股变化频率的2倍以上，以保证有效测量；

30、ai算法摄像机的接口标准采用gige vision协议，支持为相机分配ip地址，工业路由器通过wifi/网线/4g网络与摄像机相连，在同一个局域网中，工业路由器用于为ai算法摄像机动态分配ip地址并转发数据至计算机检测系统。

31、由此可见，相对于现有技术，本发明具有以下有益效果：

32、1、本发明通过图像识别算法综合使用直方图特征和霍夫变换，分割出图像和视频中的钢丝绳部分，然后对钢丝绳图像沿时间轴的变化进行分析，计算得到钢丝绳在制动过程中的滑移量，从而评估电梯的曳引能力。

33、2、本发明通过ai算法摄像机的机器视觉图像采集系统采集钢丝绳原始图像，由摄像机将图像数据传入检测系统。先用对比度增强的方法对原始图像进行图像增强处理，接着用最大类间方差法进行二值化处理，得到钢丝绳图像的黑白二值图像，再利用canny算子得到钢丝绳图像的边缘图像，获得可供提取缺陷部位特征的钢丝绳边缘图像，运用角点检测原理对电梯钢丝绳缺陷部位图像进行模式识别，从而检测出钢丝绳的缺陷状况。

34、下面结合附图和具体实施方式对本发明作进一步详细说明。