基于圖像識別的電梯制動輪與閘瓦間隙檢測方法研究

馮雙昌

基于圖像識別的電梯制動輪與閘瓦間隙檢測方法研究

馮雙昌

（上海市特種設(shè)備監(jiān)督檢驗技術(shù)研究院，上海 200062）

作為電梯重要組成部分的制動器一旦發(fā)生故障，極易發(fā)生電梯沖頂或蹲底的嚴重事故。其中，制動輪和閘瓦之間的間隙是表征制動器是否正常工作的重要參數(shù)。本研究針對該間隙檢測難題，利用工業(yè)攝像機拍攝電梯制動器工作過程中制動輪與閘瓦之間的間隙變化，基于高斯模糊處理和二值化處理方法對圖像進行預(yù)處理，采用輪廓檢測算法檢測出制動輪和閘瓦的輪廓；采用曲率匹配的方法提取得到制動輪和閘瓦的弧形邊緣；根據(jù)工業(yè)相機的內(nèi)部參數(shù)和安裝位置進而得到實際的間隙寬度。該方法可用于電梯制動輪與閘瓦間隙的檢驗檢測，也可用于電梯制動器工作狀況的長期遠程監(jiān)控，為按需維保、故障診斷、事故預(yù)測預(yù)防提供技術(shù)支持。

電梯；制動器；閘瓦；間隙；圖像識別

制動器是電梯重要的組成部分，其打開時電梯曳引輪可以轉(zhuǎn)動，關(guān)閉后曳引輪停止轉(zhuǎn)動，進而控制著轎廂的運行和停止。如果制動器發(fā)生故障，極易發(fā)生電梯沖頂或蹲底的嚴重事故，乘客的生命將受到極大的威脅[1]。電梯事故統(tǒng)計結(jié)果表明，由于制動器失效引發(fā)的電梯事故占有非常高的比重。

電梯制動器一直是電梯行業(yè)的重點研究內(nèi)容。吳昊等[2]基于檢驗工作總結(jié)，分析了制動器制動力不足、電氣問題等常見故障，并針對性地提出了檢驗對策。歐陽惠卿等[3]基于可靠性分析理論，以常見的電梯鼓式制動器為研究對象，對“串－并聯(lián)系統(tǒng)”和優(yōu)化后的“并－串聯(lián)系統(tǒng)”可靠性進行計算分析，并提出了優(yōu)化設(shè)計方案。李剛等[4]在分析老舊電梯制動器故障形式的基礎(chǔ)上建立了制動器風(fēng)險辨識指標(biāo)體系，并運用PHA-FMEA方法對制動器危險狀態(tài)進行了風(fēng)險分析與評定。

電梯制動器的故障主要表現(xiàn)為制動器閘瓦不能有效地閉合或者提供的制動力不足。如果制動器的閘瓦出現(xiàn)異常狀況無法閉合，無論電梯處于運行中還是停止?fàn)顟B(tài)，制動輪和閘瓦之間始終會存在一定的間隙。制動力不足往往也是由于閘瓦過度磨損造成的?？梢姡苿虞喓椭苿娱l瓦之間的間隙是表征制動器是否正常工作的重要參數(shù)[5]。因此，可以通過檢測電梯制動輪和閘瓦之間的間隙來判別制動器是否處于正常狀態(tài)，從而及時發(fā)現(xiàn)并排除隱患。

1 基于圖像識別的間隙測量方法

間隙測量的方法有很多，傳統(tǒng)方法主要為人工測量法，現(xiàn)代的方法有電渦流測量法、電容式傳感器測量法、計算機視覺測量法等[6]。薛彬等[7]基于機器視覺技術(shù)提高了火花塞側(cè)電極與中心電極間隙測量的效率和精度。陳坤煌等[8]基于圖像識別技術(shù)解決了汽車沖壓件端拾器的線上裝配問題。

電梯運行時制動輪一直處于轉(zhuǎn)動狀態(tài)，因此傳統(tǒng)的人工測量法難以對具有相對運動的制動輪和閘瓦之間的間隙進行測量；電容式傳感器測量法需要在制動輪和閘瓦上安裝額外的電容設(shè)備，會對制動器原結(jié)構(gòu)產(chǎn)生一定影響；電渦流測量法對測量表面的材質(zhì)較為敏感，且傳感器安裝較困難。因此，本文采用圖像識別技術(shù)來檢測轉(zhuǎn)動的制動輪和閘瓦之間的間隙。

圖1為電梯制動器的制動輪和閘瓦之間的間隙示意圖。在本文的處理與計算中，需檢測的是位于制動輪的弧形邊緣與閘瓦的弧形邊緣之間的間隙寬度。采用高分辨率工業(yè)相機對該區(qū)域進行拍攝，然后對所得圖像進行處理，即可得到制動輪的弧形邊緣與閘瓦的弧形邊緣在圖像坐標(biāo)系中的位置，進而計算出待測間隙寬度在圖像中的像素寬度；再結(jié)合相機內(nèi)部參數(shù)和安裝位置，計算出像素寬度與實際間隙寬度之間的關(guān)系表達式，最終獲得實際的間隙寬度。

圖1 電梯制動器的制動輪和閘瓦之間的間隙示意圖

利用小孔成像原理，在得到工業(yè)相機的鏡頭焦距、工業(yè)相機與待測間隙所在平面之間的距離的情況下，在工業(yè)相機鏡頭正對著待測間隙所在平面時，對于該平面上任意已知距離的兩個點，可以求得這兩個點在工業(yè)相機成像平面中像的距離。再根據(jù)工業(yè)相機感光元件在成像平面上的排布，即可推導(dǎo)得出圖片上的像素距離與現(xiàn)實中的實際距離之間的線性關(guān)系。因此，只要得到待測間隙在圖像中的以像素為單位的寬度，即可計算出實際的間隙寬度。

2 輪廓檢測的基本原理

現(xiàn)如今，基于圖像識別與圖像處理的應(yīng)用層出不窮。其中，輪廓檢測是用于圖像識別以及圖像分割的重要方法之一。圖像中物體的輪廓，一般是根據(jù)同一物體的顏色一般存在漸變性，而不同物體在顏色上具有較大差異的這一特性，選取圖像中顏色變化顯著的點或線。以灰度圖像為例，灰度圖像存儲著每一個像素點的灰度像素值，來表征該點上的顏色深度。對于每一個像素點的灰度值范圍是0～255的灰度圖像來說，0代表純黑色，255代表純白色，所有像素點的灰度范圍都在這兩個值之間。圖2是一個灰度圖像及其灰度值示例。圖中物體的輪廓，一般可以認為是圖像的灰度值產(chǎn)生急劇變化的區(qū)域，對于圖2所示的示例來說，第二、三列都可認為是一條輪廓線。

一張灰度圖片可以表現(xiàn)為一個二維的灰度值矩陣，如果要確定某一個點是否在某個輪廓上，可以以其與其周圍像素點的灰度值梯度作為判斷依據(jù)，梯度越大，該點位于輪廓線上的可能性越大。對于二維灰度圖像來說，梯度包含兩個方向的梯度，一個是水平方向上的梯度，一個是豎直方向上的梯度，可以對兩個方向上的梯度通過求幾何平均或求算數(shù)平均的方法求出其綜合梯度值。

圖2 灰度圖像及其灰度值取值示例

Sobel算子提供了一種求圖像梯度的方法：假設(shè)某點坐標(biāo)為（,），對于任意一點（,），該點的灰度值為（,），則點在和方向上的梯度d、d就可以表示為（式中的矩陣乘法不是傳統(tǒng)意義上的矩陣乘法，而是矩陣中相同位置的數(shù)字相乘，等價于Matlab中的“.*”）：

進而求得點（,）處的圖像梯度值（以幾何平均值為例）為：

梯度方向與水平向右的軸的夾角為：

由式（1）～（3）即可求得基于Sobel算子的圖像梯度。以圖2中所取的灰度矩陣區(qū)域為例，經(jīng)過對梯度值的求取，可以得到該區(qū)域內(nèi)的梯度矩陣如圖3所示。從圖中可以看出，求解得到的梯度矩陣第二、三列的梯度值明顯大于第一、四列的梯度值，這兩列所在的像素點在圖像邊緣的可能性較大，與直接觀察灰度矩陣得到的結(jié)論相同。

圖3 灰度矩陣到梯度矩陣

在實際應(yīng)用中，利用Canny算法[9]進行輪廓檢測的應(yīng)用較為廣泛。Canny算法進行輪廓檢測的過程如下：首先對圖像進行平滑操作，降低圖像中的噪聲點對梯度計算所造成的影響；其次利用Sobel算子[10]，計算每一個點的梯度及梯度方向；接下來根據(jù)梯度方向，對梯度幅值進行非極大值抑制，即選取最接近邊緣的輪廓；最后利用雙閾值法，將疑似為邊緣的點連接起來，梯度小于低閾值的點將被舍棄，高于高閾值的點將被選取作為邊緣，梯度位于兩個閾值之間的點將根據(jù)其是否與高于閾值的點鄰接來判斷是否作為邊緣點。

3 間隙檢測過程

如圖4所示，為間隙檢測的流程圖。間隙檢測過程主要包括圖像獲取、圖像預(yù)處理、輪廓檢測、弧形輪廓提取、間隙求取五個流程。獲取到工業(yè)相機拍攝的圖像后，首先利用圖像預(yù)處理的相關(guān)技術(shù)，去除圖片中的各類噪聲，尤其是制動輪與閘瓦附近的待測區(qū)域，防止噪聲對后續(xù)邊緣檢測過程的干擾，再將圖像進行二值化操作；檢測到二值化圖像中制動輪與閘瓦的邊緣后，提取出二者的弧形輪廓，這兩個輪廓的間距就是待檢測的間隙的像素寬度；再根據(jù)相機的相關(guān)內(nèi)部參數(shù)，即可求得待測的實際間隙寬度。

圖4 間隙測量流程圖

3.1 圖像預(yù)處理

將工業(yè)相機安裝于垂直于制動輪和閘瓦間隙的位置，使工業(yè)相機鏡頭的光軸垂直于制動輪和閘瓦的平面，可以獲得制動輪與閘瓦的原始圖像，如圖5所示。

將圖片轉(zhuǎn)化為灰度圖，再通過高斯模糊方法消除圖像中的高頻噪聲點，得到去噪后的圖像[11]。如圖6所示，為高斯模糊處理后的灰度圖像。高斯模糊方法的核的大小選為3×3，這樣可以較為精確地獲得制動輪和閘瓦在圖片中的像素位置，在濾去高頻噪聲點的同時，保證待測的制動輪與閘瓦的邊緣輪廓信息的盡可能不受影響。

圖5 原始圖像

圖6 高斯模糊處理后的灰度圖像

觀察圖像特點，可以看出間隙處的圖像像素值與其他部分的差值對比較為明顯。因此，可以采用二值化處理方法，過濾掉圖片中除待測間隙以外的其他無用特征。由此，可以得到經(jīng)過二值化處理后的間隙圖像，如圖7所示。

3.2 輪廓檢測

對預(yù)處理的圖像，采用Satoshi S的輪廓檢測算法，不僅可以得到圖像中的所有邊緣輪廓信息，還可以得到具有包含關(guān)系的輪廓之間的包含關(guān)系。根據(jù)工業(yè)相機的視場情況，圖像中層次關(guān)系處于最外層的兩條輪廓線分別為制動輪與閘瓦的輪廓線。因此，可以留下這兩個輪廓的相關(guān)信息，用來做后續(xù)的處理與計算。這兩個輪廓線在原始圖像中的位置如圖8所示，以紅色的線進行標(biāo)識。

圖7 二值化處理后的圖像

圖8 邊緣檢測得到的輪廓圖

3.3 弧形輪廓提取

要求取制動輪與閘瓦的間隙，首先，要提取制動輪的外表面和閘瓦摩擦片的內(nèi)表面在圖像平面中的投影——兩個弧面的輪廓信息。在本文中，采用了曲率匹配的方法，利用輪廓中每一個點在輪廓線上的曲率進行提取。在完整的輪廓中，需要留下的弧形輪廓點一般具有較小的但非0的曲率，而需要剔除的輪廓點中，一部分是圖像邊框的直線部分，這部分上的點的曲率為0；另一部分是輪廓中的轉(zhuǎn)角部分，這部分的點具有較大的曲率。剔除無用的輪廓點后，得到了具有較小曲率的圓弧上的輪廓點。由于圖像具有較高的分辨率，使得部分圓弧段呈直線，因此通過上述方式確定輪廓圓弧段的大致區(qū)域后，再搜索并還原原輪廓在該區(qū)域中被剔除的點，得到可以用來計算間隙寬度的制動輪和閘瓦的邊緣輪廓段。由上述方法識別到的兩個弧型的輪廓段在原始圖像中的位置如圖9所示，其中黃色的線是閘瓦的弧形邊緣，紅色的線是制動輪的弧形邊緣。

圖9 制動輪外表面和制動器閘瓦的弧形邊緣

3.4 間隙求取

獲得制動輪輪廓邊緣與閘瓦輪廓邊緣的像素點坐標(biāo)后，可以計算這兩個輪廓的弧形邊緣在水平方向上的像素坐標(biāo)差，即為待測間隙在每一條水平像素線上的像素寬度。根據(jù)工業(yè)相機的安裝位置與工業(yè)相機的相關(guān)內(nèi)部參數(shù)可以計算出像素寬度與實際距離之間的函數(shù)關(guān)系，進而可以通過已知的像素寬度求得實際的間隙寬度。

4 結(jié)語

利用圖像識別技術(shù)，可以以非接觸的方式測量電梯制動器制動輪與閘瓦之間弧形間隙的寬度。利用這種方法，可以實時監(jiān)測電梯制動器的開閉情況，及時發(fā)現(xiàn)異?，F(xiàn)象，實現(xiàn)對電梯制動器工作狀況的實時監(jiān)控。該方法只需在電梯制動器現(xiàn)場增加工業(yè)相機及其固定裝置，不會破壞電梯制動器原有的機械結(jié)構(gòu)，可用于電梯制動器的檢驗檢測，也可作為電梯制動器長期監(jiān)測系統(tǒng)的組成部分，接入基于物聯(lián)網(wǎng)構(gòu)建的電梯狀態(tài)監(jiān)測報警系統(tǒng)中，實現(xiàn)若干電梯制動器制動輪與制動閘瓦間隙的遠程監(jiān)控，為按需維保、故障診斷、事故預(yù)測預(yù)防提供技術(shù)支持。

[1]王小輪. 兩起電梯單組件制動器失效事故原因分析及對策[J]. 中國特種設(shè)備安全，2020，36（9）：33-38.

[2]吳昊，馮雙昌. 電梯制動失效原因分析及檢驗對策[J]. 機電工程技術(shù)，2013，42（12）：103-105.

[3]歐陽惠卿，舒文華，薛季愛. 基于可靠性分析的電梯制動器設(shè)計方案優(yōu)化方法[J]. 機械制造與自動化，2020，49（4）：199-201.

[4]李剛，馬海霞，劉英杰，等. 老舊電梯制動器風(fēng)險辨識與評價方法研究[J]. 起重運輸機械，2017，（10）：148-151.

[5]王文斌. 乘客電梯塊式制動器故障模式及其熱疲勞壽命研究[D]. 杭州：浙江理工大學(xué)，2019.

[6]陶冶，吳年漢，熊艷. 復(fù)雜曲面零件在機測量數(shù)據(jù)高效提取方法[J]. 機械，2019，46（10）：1-7.

[7]薛彬，王浩波，茌文清，等. 機器視覺技術(shù)在火花塞間隙測量中的應(yīng)用[J]. 電工技術(shù)，2019（12）：94-96.

[8]陳坤煌，樊留群，楊永. 基于圖像識別的端拾器吸盤安裝的研究及應(yīng)用[J]. 機械，2020，47（5）：60-66.

[9]毛星云. OpenCV3編程入門[M]. 北京：電子工業(yè)出版社，2015.

[10]沈德海，張龍昌，鄂旭. 一種基于Sobel算子梯度增強的邊緣檢測算法[J]. 電子設(shè)計工程，2015，23（10）：162-165.

[11]陳鵬. 基于高斯模糊邏輯的圖像背景分離[J]. 計算機與現(xiàn)代化，2013（10）：27-29.

Research on Clearance Detection Method of Elevator Brake Wheel and Brake Shoe

FENG Shuangchang

(Shanghai Institute of Special Equipment Inspection and Technical Research, Shanghai 200062, China )

As an important part of the elevator, once the brake breaks down, it is very easy to cause the serious accident of the elevator, such as rushing to the top or squatting to the bottom. The clearance between elevator brake wheel and brake shoe is an important parameter to indicate whether the brake works normally. In order to solve the problem of clearance detection, the industrial camera is used to capture the clearance change between brake wheel and brake shoe in the working process of elevator brake. The image is preprocessed based on Gauss fuzzy processing and binary processing. The contour detection algorithm is used to detect the contour of brake wheel and brake shoe. Curvature matching method is used to extract the arc edge of brake wheel and brake shoe. According to the internal parameters and installation position of the industrial camera, the actual clearance width can be obtained. This method can be used to check the clearance between the brake wheel and the brake shoe, and also can be used for long-term remote monitoring of the working condition of the elevator brake, providing technical support for maintenance, fault diagnosis and accident prevention.

elevator；brake；brake shoe；clearance；image recognition

V448.15+1

A

10.3969/j.issn.1006-0316.2022.04.009

1006-0316 (2022) 04-0051-06

2021-02-23

國家重點研發(fā)計劃（2018YFC0808904）；上海市市場監(jiān)督管理局科學(xué)研項目（2021-23）

馮雙昌（1982－），男，山東高唐縣人，博士，高級工程師，主要研究方向為機電一體化，尤其是電梯、起重機械等機電類特種設(shè)備檢驗技術(shù)研究和相關(guān)標(biāo)準的制修訂，E-mail：fengsc2011@126.com。