電梯制動曳引鋼絲繩滑移智能檢測技術的研究

吳亮杞 羅杰

（1.阿勒泰地區特種設備檢驗檢測所 新疆 阿勒泰 836599；2.新疆生產建設兵團質量技術評價中心 新疆 烏魯木齊 830000）

隨著我國城鎮化水平的不斷發展，多層及高層建筑得到了普遍推廣，電梯成為了必不可少的設備。目前，常用的電梯主要是由驅動電機通過收放鋼絲繩來控制轎廂的上下運行，在電動機的轉動作用下，曳引輪轉動，對鋼絲繩進行驅動，將轎廂拖動，其與對重進行相對運動，能夠牽動電梯順利進行上下運行。曳引電梯主要優勢如下：（1）運行平穩，安全性有保障，一般不會發生漏油；（2）具有一定的節能性與環保價值。但需要注意的是，曳引電梯對土建有著較高的要求，且在長期使用過程中，鋼絲繩會和滑輪發生磨損，導致電梯的制動能力下降，當制動能力下降過多后，會導致電梯在制動過程中出現打滑、制動距離增加等問題，嚴重影響電梯的運行安全性。

鋼絲繩的制動滑移量是衡量電梯制動性的重要指標，直接關系到電梯運行的安全性。目前，對電梯制動滑移量的檢查主要是在停機后，在制動裝置上涂抹顏色標記，通過觀測標記段來確定滑移量，該方案靈活性差、周期長，無法實現對電梯運行時的實時檢查。本文提出了一種新的以高速攝像裝置為基礎的電梯制動曳引鋼絲繩滑移智能檢測技術，通過利用圖像識別算法來對制動時鋼絲繩的紋理變化進行監測，精準確定制動距離。根據實際應用表明，新的監測技術的監測精度達到了±4mm，能夠實現電梯運行過程中的動態監測，極大地提升了電梯運行的穩定性和可靠性。

1 智能檢測系統

為了滿足對電梯運行過程中非接觸式制動檢測的需求，本文設計了一種新的檢測系統，其主要包括工業攝像機、路由器、計算中心等，具有結構緊湊、應用可靠性好的優點，其檢測流程如圖1所示［1］。

圖1 電梯制動檢測流程示意圖

由圖1可知，在該系統中，以電梯制動器為檢測對象，通過工業攝像機，對電梯的制動過程進行實時檢測，將視頻圖像轉換為特定的圖像信息，在相機內將其轉換為具有一定編碼格式的電信號，然后通過光纖電路傳遞給計算中心，進行圖像計算，最終將檢測結果顯示在監視器上。

為了滿足監測可靠性的需求，工業相機的鏡頭中心軸線要和電梯鋼絲繩的中軸線對齊，鏡頭光軸在水平面上能夠實現對相機位置的調整，使相機鏡頭要完全覆蓋鋼絲繩，同時注意對相機焦距的調整，使監測圖像具有高清晰度。在攝像機的選取時，需要選擇高幀相機，從而確保對鋼絲繩運動狀況監測的準確性。目前，常用的電梯鋼絲繩多為19 絲一股、8 股為一繩，股間距大多在4～5mm。為實現圖像測股變化情況，結合采樣定理，將圖像采樣頻率設置為股變化頻率2 倍以上，以保障測量結果的有效性。

研究所用相機遵循GigE Vision 協議，接口支持分配的IP地址，將計算程序分為區域分割與滑移量兩個部分。當檢測有制動現象且已經停止一段時間后，區域分割程序投入運行狀態，能夠對檢測帶進行重新劃分。在制動的起始階段，計算機會收到來自制動器控制柜的信號，此時，滑移量計算程序正式投入運行，能夠對制動過程中的滑移量進行計算。利用該方法，可便于在滑移量計算結束后對檢測帶實施更新，且監視器能夠對結果予以顯示。

2 圖像識別技術的應用

在鋼絲繩滑移檢測工作中引入圖像算法，主要原理如下：采集制動過程中鋼絲繩所產生的視頻數據，將其輸入到系統中，經過計算，獲得制動時的滑移量。通過對鋼絲繩圖像的篩選，能夠明確鋼絲繩所在的點，并對其區域進行劃分。采用霍夫變換法，能夠對主要區域中的直線進行檢測，并實現對鋼絲繩的分割，然后對所在區域進一步細分，獲得若干個較小區域，計算這些區域在不同時間點的周期，將平均值作為依據，能夠獲得鋼絲繩移動股數等數據，進而求出滑移量。從這一過程來看，可以將滑移量測量分為鋼絲繩檢測與分割檢測兩個步驟進行。

2.1 鋼絲繩滑移量測量

當系統讀取到有鋼絲繩的圖像信息后，首先提取鋼絲繩的輪廓點，并根據這些點位分布來確定鋼絲繩所在的區域，并利用霍夫變換［2］來獲取區域內的直線標識，利用直線標識來把區域內的鋼絲繩劃分為多根。然后，再對每根鋼絲繩所在的區域細化，計算鋼絲繩在每個區域內跟隨時間變換所經歷的周期，獲取鋼絲繩在計算周期內移動的股數，再根據鋼絲繩的股間距，即可準確獲取鋼絲繩的滑移量。因此可知，對鋼絲繩滑移量的求解過程，其實是包括了對鋼絲繩檢測和圖像分割檢測兩個部分，其檢測可靠性直接決定了對電梯滑移量檢測的準確性［3］。

對鋼絲繩檢測，其實就是識別出圖像中鋼絲繩分布的點坐標，從而提取出一個只有鋼絲繩的區域，為進一步進行圖像分割奠定基礎。在圖像分割過程中，由于鋼絲繩沿空間軸的灰度變化頻率較高，而且呈現顯著的周期性，具有空間分布的特點，因此，利用一定的數據處理邏輯，對像素四周的灰度頻率直方圖進行匯總，并將其進行對比，進而篩選出鋼絲繩所在的區域。鋼絲繩檢測結果如圖2所示。

圖2 鋼絲繩檢測圖片對比

在具體執行過程中，首先需要隨機選擇任意一幀圖像，對僅含有鋼絲繩的圖像進行手動截取，對圖像灰度頻率分布情況進行統計，獲得向量X0，其長度為256。對圖像進行轉化，經過高斯模糊處理，獲得經過去噪的灰度圖，即為I（x，y），從中選擇任意一點（i，j），對周圍13×13像素區域點進行統計，根據分辨率情況，選擇相應的區域，通常每個區域能夠獲得2個及2個以上股間距，此時，直方圖上能夠對局部周期性特性予以反映與體現，獲得灰色頻率直方圖，向量記為Xij。對Xij至X0的歐幾里得距離進行計算，假設閾值Td，那么公式為：

假設灰度值為1，其余賦值為0，可以獲得一個二值圖，其能夠對鋼絲繩坐標位置予以反映。但需要注意的是，采用該操作方法獲得的點均為鋼絲繩上的點，但也存在一些干擾點不在鋼絲繩上，數量較少，一般在總數的10%以下，需要在原圖中找出僅包含鋼絲繩的區域，對其所在坐標的均值與標準差進行計算。另外，僅包含鋼絲繩的區域實際情況下可能還包含其他部分，若鋼絲繩間隙較大，也會被納入該區域，即檢測窗，針對這一問題，需要實施二次分割處理，確保獲得的區域僅包含鋼絲繩。

2.2 區域分割

區域分割的主要目的是獲取鋼絲繩在計算周期內的滑移股數，為進一步計算鋼絲繩的滑移量奠定基礎。在進行圖像區域分割時，首先利用梯度閾值［4］來對霍夫變換檢測出來的鋼絲繩直線坐標進行處理，然后利用數值模擬算法將區域邊緣的模糊直線片段給祛除掉，將保留的鋼絲繩直線坐標進行加強，然后再利用有效直線對圖像區域進行分割，進而劃分出確定的檢測地帶，鋼絲繩的區域分割結果如圖3所示。

在直線篩選階段，可以先經過霍夫變換獲得分割線，其往往伴隨干擾性直線，如圖3中的3條直線，與左側2條直線相比，右側直線明顯較粗，其實際距離近且互相平行，但也會檢出不存在平行的干擾直線。針對這一問題，需要先處理所檢測的直線參數，將不符合的剔除，然后進行后續處理。剔除的直線主要包括以下兩種類型：（1）干擾直線，與分割直線不存在平行關系；（2）平行于正確分割直線，但位置與另一直線距離近，為冗余直線。經過一系列計算處理，可以將霍夫變換檢測結果進行分割，分為若干互斥集合，從中尋找最多數量的元素，保留正確檢測直線，并剔除集合直線。假設正確檢測結果占大部分，那么其在距離與角度方面將會呈現出明顯的差異性。

圖3 鋼絲繩區域分割結果

檢測帶分割操作時，首先需要對直線進行篩選，按條將鋼絲繩分為獨立的區域，直線通常帶有角度，后續計算處理存在一定的難度，因此，可以先通過逆時針旋轉對角度作出相應的調整，將存在斜率的分割線調整為豎直線。但該分割方式也存在一定的局限性，如鋼絲繩的輕微抖動、變形也會影響檢測帶邊緣的圖像，因此，需要對各個區間進行改進處理。通過設置較小預設值，能夠使得邊緣變化帶來的影響得到弱化。另外，由于所獲得的圖像均是采用傾斜角度拍攝，繩之間幾乎無縫隙，假設正對鋼絲繩拍攝，會將繩子之間的縫隙劃分到檢測帶，因此，需要對檢測帶進行像素灰度計算，計算歐幾里得范數，使得有效檢測帶得以保留。

3 滑移量計算

對鋼絲繩滑移量的計算主要包括兩步，第一是計算出一個指標值，然后再依據指標值的波動曲線來確定鋼絲繩在制動過程中的滑動量［5］。

在計算指標值時，首先在鋼絲繩圖片區域確定若干檢測塊［6］，然后參照每個檢測塊中的灰度值來獲取一個指標值。由于采用了新的計算方案，在圖像中的每一幀都能夠檢測出一個指標值，此指標值會在不同的時間點呈現不同的狀態，因此。通過對指標值的監測。就能夠獲取鋼絲繩在這個周期內所移動的股數。例如，將一個檢測塊區域內的所有的灰度值在不同的時間段在高度方向進行求和，獲取一個向量值，將其轉換為如圖4 所示的曲線，其是檢測塊灰度值在高度方向上求和獲得的向量。y坐標作為橫軸，相同位置像素點對應灰度值為縱軸，其反映的是統一檢測塊在不同時間段計算獲得的波形。可以發現，鋼絲繩股中心滑移至檢測塊正中心位置，會在坐標位置呈現波峰；而繩股間隙滑移至檢測塊中心，則在坐標位置會呈現波谷。因此，通過對波峰和波谷的統計，即可確定在一個時間周期內所移動的股數，再結合鋼絲繩的股間距，即可快速、精準地確定鋼絲繩在一個時間周期內的滑移量。

圖4 檢測塊波形圖

在計算鋼絲繩移動量時，首先需要求出各個檢測塊隨著時間變化所形成的波形，整個制動過程周期長，無法在同一個圖中予以顯示，因此，多顯示的是最后時段對應的波形圖。在特定算法支持下，能夠獲得指標值制動期間波動變化情況，獲得鋼絲繩股經過股數參數，與股間距的乘積即為滑移量。在計算鋼絲繩周期數時，可以將每股繩寬度與周期數相乘，即得到鋼絲繩移動的距離。

4 實際應用情況

目前，該電梯制動曳引鋼絲繩滑移智能檢測技術已經在多個地方進行了應用。根據實際應用表明，新的監測技術方案能夠實現對電梯運行時的動態監測，實際監測精度達到了±4mm，比傳統測量方案±9mm 的精度相比提升了55.6%，運行檢測時間由最初的2h 降低到了目前的3min，檢測時間降低了97.5%，對提升電梯制動監測精度、提高電梯的運行安全性具有十分重要的意義。

5 結語

針對電梯制動滑移量監測精度差、難度高的不足，提出了一種新的電梯制動曳引鋼絲繩滑移智能檢測技術，對該智能檢測原理、系統構成等進行了分析。根據實際應用表明：（1）電梯制動曳引鋼絲繩滑移智能檢測系統，其主要包括了工業攝像機、路由器、計算中心等，具有結構緊湊、應用可靠性好的優點；（2）對鋼絲繩滑移量的求解過程，包括對鋼絲繩檢測和圖像分割檢測兩個部分，其檢測可靠性直接決定了對電梯滑移量檢測的準確性；（3）新的監測技術的監測精度達到了±4mm，運行檢測時間降低了97.5%，極大地提升了電梯運行的穩定性和可靠性。