胡欣
(日立樓宇技術(shù)(廣州)有限公司,廣州 510000)
電梯作為現(xiàn)代城市生活不可或缺的一部分,為人們提供了便捷的垂直交通方式。然而,電梯井道的安全性和可靠性對于使用者的生命和財產(chǎn)安全至關(guān)重要。因此,對電梯井道的巡檢和維護顯得尤為重要。傳統(tǒng)的巡檢方法通常依賴于人工勘測,存在著效率低下、成本高昂、安全風(fēng)險大等問題,限制了其應(yīng)用范圍和效果。通過結(jié)合激光雷達、攝像頭和其他傳感器,無人機可以實時采集井道內(nèi)的數(shù)據(jù),并借助先進的算法生成高精度的三維模型。這一模型不僅可用于巡檢任務(wù),還可作為未來維護和改進的基礎(chǔ)。本研究的目標(biāo)是設(shè)計和優(yōu)化一種基于無人機技術(shù)的電梯井道巡檢與建模系統(tǒng),以克服傳統(tǒng)方法的限制,提高效率、降低成本,并增強安全性[1]。下文將詳細介紹系統(tǒng)的設(shè)計和優(yōu)化過程,以及實驗結(jié)果的分析,展示了這一系統(tǒng)在電梯領(lǐng)域的潛在應(yīng)用前景。
以某小區(qū)居民2 號樓為例,樓層共計22 層,地下2層,共24 層。電梯井道巡檢系統(tǒng)的設(shè)計需要考慮無人機平臺、傳感器配置、飛行控制系統(tǒng)、數(shù)據(jù)傳輸與存儲以及詳細的巡檢流程,如圖1 所示。無人機起落平臺在2 號樓頂。
圖1 基于無人機技術(shù)的電梯井道巡檢設(shè)計
1.1 無人機平臺設(shè)計
圖2 為無人機平臺的設(shè)計,其中包括了各種關(guān)鍵組件和傳感器,如激光雷達、攝像頭、溫度濕度傳感器等。這些傳感器將為無人機提供必要的數(shù)據(jù),用于飛行控制系統(tǒng)的操作和路徑規(guī)劃,同時還能實時傳輸和存儲這些數(shù)據(jù),以供后續(xù)分析使用。因此,這些傳感器的配置是確保整個系統(tǒng)高效運行的關(guān)鍵因素。
圖2 無人機平臺設(shè)計圖
1.1.1 傳感器配置 在居民小區(qū)2 號樓無人機平臺的設(shè)計中,選擇和配置合適的傳感器至關(guān)重要,以確保系統(tǒng)可以獲取準確而全面的井道數(shù)據(jù)。激光雷達傳感器:在無人機上安裝高精度激光雷達傳感器,用于生成2 號樓井道的三維地圖和距離數(shù)據(jù)。這有助于檢測井道內(nèi)的障礙物和設(shè)備磨損情況[2]。攝像頭和機器視覺系統(tǒng):配備高分辨率攝像頭和機器視覺系統(tǒng),以捕捉圖像和視頻數(shù)據(jù),用于視覺檢查和分析。這有助于檢測設(shè)備的狀態(tài)和損壞。溫度和濕度傳感器:添加溫度和濕度傳感器,以監(jiān)測井道內(nèi)的環(huán)境條件,提供溫度和濕度等數(shù)據(jù),以便預(yù)防潮濕或高溫環(huán)境對電梯設(shè)備的影響[3]。
1.1.2 飛行控制系統(tǒng) 2 號樓電梯井路徑規(guī)劃:開發(fā)路徑規(guī)劃算法,以確定無人機的飛行路徑,涵蓋整個井道,樓層22 層,地下2 層,共24 層。考慮井道的幾何特性和障礙物位置,以確保安全飛行。遙感避障:配備遙感避障技術(shù),以自動檢測并規(guī)避井道內(nèi)的障礙物,確保飛行安全。
1.1.3 數(shù)據(jù)傳輸和存儲 設(shè)計數(shù)據(jù)傳輸和存儲系統(tǒng),以確保采集到的數(shù)據(jù)能夠及時傳輸和安全存儲:實時數(shù)據(jù)傳輸:配備實時數(shù)據(jù)傳輸系統(tǒng),將采集到的數(shù)據(jù)傳輸至地面控制終端,以便實時監(jiān)測。數(shù)據(jù)存儲:需要具備數(shù)據(jù)存儲設(shè)備,將采集的數(shù)據(jù)進行存儲,以便后續(xù)分析和建模。
1.2 巡檢流程設(shè)計
1.2.1 站點選擇和懸停策略 制定站點選擇策略,確定無人機在井道內(nèi)的巡檢站點,并設(shè)計懸停策略以確保數(shù)據(jù)采集的全面性:每個樓層為一個站點,共24 個站點。站點位置:基于井道的幾何特性,確定巡檢站點的位置,以確保覆蓋井道的所有關(guān)鍵區(qū)域。2 號樓電梯進的站點設(shè)置在每層的中點。懸停策略:確定無人機在2 號樓電梯井每個站點的懸停時間為10-20 秒,以充分采集數(shù)據(jù)并執(zhí)行所需任務(wù)[4]。
1.2.2 數(shù)據(jù)采集流程 設(shè)計詳細的數(shù)據(jù)采集流程,包括激光雷達掃描、圖像采集、溫濕度記錄等,以確保獲取完整的巡檢數(shù)據(jù)。
1.2.3 巡檢結(jié)束條件 站點巡檢完畢:所有巡檢站點都完成數(shù)據(jù)采集。安全條件滿足:機體當(dāng)前與井道頂部的距離落入安全距離范圍[5]。接收到巡檢結(jié)束指令:從地面控制終端接收到巡檢結(jié)束指令。電梯井道巡檢系統(tǒng)的設(shè)計需要綜合考慮無人機平臺、傳感器配置、飛行控制系統(tǒng)、數(shù)據(jù)傳輸與存儲以及詳細的巡檢流程,如圖3 所示,以確保安全高效的巡檢和數(shù)據(jù)采集[6]。
圖3 巡檢流程
共設(shè)立24 個懸停點,數(shù)據(jù)采集在24 個懸停點進行采集。
2.1 數(shù)據(jù)采集起始點 無人機機體坐標(biāo)系Bcoor 建立完成。世界坐標(biāo)系Gcoor 初始化。激光雷達中心在世界坐標(biāo)系的坐標(biāo):O1(0,0,3.5 米)。無人機機體坐標(biāo)系在世界坐標(biāo)系的坐標(biāo):O 無(0,0,3.0 米)。
2.2 第一站數(shù)據(jù)采集 2 號樓電梯井地下第二層為第一站點,高度尺寸:Z1=3.2 米。激光雷達數(shù)據(jù)采集點(X1i,Y1i):(2.0 米,1.5 米),(2.5 米,2.0 米),(3.0 米,2.5 米),...
光電位置傳感器記錄的偏差值:(0,0)。
2.3 飛行與懸停第二站數(shù)據(jù)采集 第二站懸停點為2號電梯井地下第一層。飛行至高度Z2 估計,Z2 估計=6.2 米。
激光雷達數(shù)據(jù)采集點(X2i,Y2i):(2.1 米,1.6 米),(2.6米,2.1 米),(3.1 米,2.6 米),...
光電位置傳感器記錄的偏差值:(0.1 米,0.1 米)。
IMU 輸出的翻滾角Φ2=5 度,俯仰角θ2=3 度,偏航角Ψ2=10 度。激光雷達到底坑的高度H2=6.0 米。
2.4 重復(fù)數(shù)據(jù)采集 最后點為2 號樓電梯井第22 層,依次飛行至高度Zn 估計,Zn 估計可以是任何站點的高度估計值,例如Z3 估計=8.5 米。激光雷達數(shù)據(jù)采集點(Xni,Yni)根據(jù)站點位置不同而變化。光電位置傳感器記錄的偏差值也會根據(jù)站點位置不同而變化。IMU 輸出的姿態(tài)角度信息也會隨著站點的改變而變化。下面是一些采集到的數(shù)據(jù)示例,以站點2 為例:站點2 的激光雷達數(shù)據(jù)采集點:(2.1 米,1.6 米),(2.6 米,2.1 米),(3.1 米,2.6 米),...
站點2 的光電位置傳感器記錄的偏差值:(0.1 米,0.1米)。IMU 輸出的姿態(tài)角度信息:Φ2=5 度,θ2=3 度,Ψ2=10度。激光雷達到底坑的高度H2=6.0 米。這些數(shù)據(jù)將用于構(gòu)建井道的三維網(wǎng)格模型和建立井道的三維模型,從而提供了井道的詳細信息,包括其尺寸、形狀以及任何不規(guī)則結(jié)構(gòu)的位置。這些數(shù)據(jù)將與設(shè)計模型進行比較,以確定是否需要進行土建返工或?qū)﹄娞菥赖脑O(shè)計進行修正[7]。
3.1 數(shù)據(jù)預(yù)處理
3.1.1 坐標(biāo)系校準 根據(jù)小區(qū)2 號樓樓梯井的情況,使用差分全球定位系統(tǒng)(DGPS)或基站定位技術(shù),提供更準確的無人機位置信息,確保機體坐標(biāo)系Bcoor 和世界坐標(biāo)系Gcoor 的校準更加準確。DGPS 或基站定位系統(tǒng)輸出的無人機位置坐標(biāo)數(shù)據(jù)。
3.1.2 高度估計優(yōu)化 按照小區(qū)2 號樓的地理位置和小區(qū)情況,整合氣壓計、激光高度計以及地形地圖數(shù)據(jù),進行高度估計,進一步提高高度估計的準確性[8]。氣壓計、激光高度計輸出的高度數(shù)據(jù),地形地圖數(shù)據(jù)。
3.1.3 傳感器誤差修正 使用傳感器融合算法,結(jié)合激光雷達數(shù)據(jù)和光電位置傳感器數(shù)據(jù),進行誤差修正,校正位置信息。激光雷達采集的距離數(shù)據(jù),光電位置傳感器記錄的位置偏差[9]。
3.2 電梯井道三維建模方法
3.2.1 多傳感器融合 使用擴展卡爾曼濾波(EKF)或粒子濾波(PF)算法,將激光雷達數(shù)據(jù)、光電位置傳感器數(shù)據(jù)和IMU 輸出的姿態(tài)角度信息融合,提高建模精度。激光雷達采集的三維坐標(biāo)點云,光電位置傳感器記錄的位置信息,IMU 輸出的姿態(tài)角度數(shù)據(jù)。
3.2.2 自動特征提取 使用計算機視覺算法,如結(jié)構(gòu)光投影或深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),進行井道內(nèi)不規(guī)則結(jié)構(gòu)和障礙物的自動特征提取。激光雷達采集的點云數(shù)據(jù)、圖像數(shù)據(jù)。
3.2.3 實時建模 開發(fā)實時三維建模軟件,將無人機采集的數(shù)據(jù)實時轉(zhuǎn)化為建模結(jié)果,提供實時可視化。無人機采集的數(shù)據(jù),實時建模軟件生成的建模結(jié)果。
3.3 三維建模精度優(yōu)化
3.3.1 數(shù)據(jù)點密度增強 減小激光雷達掃描間隔,增加掃描層數(shù),以提高數(shù)據(jù)點的密度。激光雷達采集的三維坐標(biāo)點云。
3.3.2 建模算法改進 對三維建模算法進行改進,以提高建模精度。
特征提取算法:改進了特征提取算法,以提高井道內(nèi)各種特征(如管道、電纜等)的準確識別。新的特征提取算法可以表示為以下數(shù)學(xué)公式:
其中:F(x,y)表示特征提取函數(shù),用于檢測井道內(nèi)的特征。x 和y 是特征的坐標(biāo)。x0和y0是特征的中心坐標(biāo)。σ是特征的標(biāo)準差,控制特征的分布范圍。
壁厚處理算法:改進了壁厚處理算法,以更準確地考慮井道壁的厚度對建模的影響。新的壁厚處理算法可以表示為以下數(shù)學(xué)公式:
其中:T(x,y,z)表示壁厚處理函數(shù),用于校正井道壁的厚度。x、y 和z 是井道內(nèi)的坐標(biāo),其中z 表示垂直方向。T0是壁厚處理前的原始厚度。k 是衰減系數(shù),用于考慮井道壁的吸收特性。
這些優(yōu)化方案將有助于提高基于無人機技術(shù)的電梯井道巡檢與建模系統(tǒng)的效率、精度和可靠性,為電梯維護提供更全面和準確的數(shù)據(jù),從而提高電梯系統(tǒng)的可靠性和安全性水平[10]。
3.3.3 故障檢出過程 根據(jù)上面的模擬,電梯巡檢機器人的故障監(jiān)測,主要是為在發(fā)生故障前及時發(fā)現(xiàn)不對等的信息,將其故障點的位置進行提前定位,在同樣的監(jiān)測時間內(nèi)對每組機器人進行檢查,通過對故障出現(xiàn)較多次數(shù)的第四個周期進行測試,分別驗證不同檢測方法對故障次數(shù)的檢出效果,以第200 組數(shù)據(jù)產(chǎn)生的故障信息為例,具體如圖4 所示。低層為地下2 層+地上6 層,中層7-13 層,高層14-22 層。
圖4 本文方法電梯巡檢機器人的檢測結(jié)果
為進一步驗證本文方法對故障數(shù)據(jù)的定位效果,以發(fā)生故障的位置進行數(shù)據(jù)檢測,在發(fā)生故障時的傳感器溫度達到40℃時,分別對傳統(tǒng)方法與本文方法進行比較,二種檢測方法能夠提取的故障數(shù)據(jù)進行多輪驗證,具體結(jié)果如表1 所示。
表1 不同方法下故障數(shù)據(jù)的檢測結(jié)果
根據(jù)表1 中內(nèi)容所示,對不同樓層內(nèi)的電梯巡檢機器人故障數(shù)據(jù)檢測中,本文方法產(chǎn)生的數(shù)據(jù)結(jié)果與樣本數(shù)據(jù)基本一致,能夠?qū)收衔恢眠M行有效定位;而傳統(tǒng)方法的檢測數(shù)據(jù)存在丟失現(xiàn)象,在無法對所有的故障數(shù)據(jù)完成檢出的前提下,不能對產(chǎn)生故障的位置進行定位,會造成巡檢機器人發(fā)生故障。
本研究致力于推動電梯井道巡檢與建模領(lǐng)域的創(chuàng)新,利用無人機技術(shù)實現(xiàn)了一種高效、安全且經(jīng)濟的解決方案。通過系統(tǒng)的設(shè)計與優(yōu)化,成功地將無人機與傳感器技術(shù)相結(jié)合,使其成為電梯井道巡檢的強大工具。實驗結(jié)果表明,無人機巡檢系統(tǒng)在巡檢效率和建模精度方面均取得了顯著的進展,為電梯井道的維護和管理提供了全新的可能性。未來,將繼續(xù)致力于改進系統(tǒng)性能,擴大應(yīng)用范圍,并進一步提高安全性。電梯井道巡檢與建模系統(tǒng)將繼續(xù)為城市生活的便捷和安全作出貢獻,推動電梯技術(shù)領(lǐng)域的不斷發(fā)展和創(chuàng)新。