基于圖像識(shí)別的電梯制動(dòng)輪與閘瓦間隙檢測(cè)方法研究

馮雙昌

基于圖像識(shí)別的電梯制動(dòng)輪與閘瓦間隙檢測(cè)方法研究

馮雙昌

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

作為電梯重要組成部分的制動(dòng)器一旦發(fā)生故障，極易發(fā)生電梯沖頂或蹲底的嚴(yán)重事故。其中，制動(dòng)輪和閘瓦之間的間隙是表征制動(dòng)器是否正常工作的重要參數(shù)。本研究針對(duì)該間隙檢測(cè)難題，利用工業(yè)攝像機(jī)拍攝電梯制動(dòng)器工作過程中制動(dòng)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(duì)圖像進(jìn)行預(yù)處理，采用輪廓檢測(cè)算法檢測(cè)出制動(dòng)輪和閘瓦的輪廓；采用曲率匹配的方法提取得到制動(dòng)輪和閘瓦的弧形邊緣；根據(jù)工業(yè)相機(jī)的內(nèi)部參數(shù)和安裝位置進(jìn)而得到實(shí)際的間隙寬度。該方法可用于電梯制動(dòng)輪與閘瓦間隙的檢驗(yàn)檢測(cè)，也可用于電梯制動(dòng)器工作狀況的長期遠(yuǎn)程監(jiān)控，為按需維保、故障診斷、事故預(yù)測(cè)預(yù)防提供技術(shù)支持。

電梯；制動(dòng)器；閘瓦；間隙；圖像識(shí)別

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

電梯制動(dòng)器一直是電梯行業(yè)的重點(diǎn)研究內(nèi)容。吳昊等[2]基于檢驗(yàn)工作總結(jié)，分析了制動(dòng)器制動(dòng)力不足、電氣問題等常見故障，并針對(duì)性地提出了檢驗(yàn)對(duì)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(dòng)器為研究對(duì)象，對(duì)“串－并聯(lián)系統(tǒng)”和優(yōu)化后的“并－串聯(lián)系統(tǒng)”可靠性進(jìn)行計(jì)算分析，并提出了優(yōu)化設(shè)計(jì)方案。李剛等[4]在分析老舊電梯制動(dòng)器故障形式的基礎(chǔ)上建立了制動(dòng)器風(fēng)險(xiǎn)辨識(shí)指標(biāo)體系，并運(yùn)用PHA-FMEA方法對(duì)制動(dòng)器危險(xiǎn)狀態(tài)進(jìn)行了風(fēng)險(xiǎn)分析與評(píng)定。

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

1 基于圖像識(shí)別的間隙測(cè)量方法

間隙測(cè)量的方法有很多，傳統(tǒng)方法主要為人工測(cè)量法，現(xiàn)代的方法有電渦流測(cè)量法、電容式傳感器測(cè)量法、計(jì)算機(jī)視覺測(cè)量法等[6]。薛彬等[7]基于機(jī)器視覺技術(shù)提高了火花塞側(cè)電極與中心電極間隙測(cè)量的效率和精度。陳坤煌等[8]基于圖像識(shí)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(yùn)行時(shí)制動(dòng)輪一直處于轉(zhuǎn)動(dòng)狀態(tài)，因此傳統(tǒng)的人工測(cè)量法難以對(duì)具有相對(duì)運(yùn)動(dòng)的制動(dòng)輪和閘瓦之間的間隙進(jìn)行測(cè)量；電容式傳感器測(cè)量法需要在制動(dòng)輪和閘瓦上安裝額外的電容設(shè)備，會(huì)對(duì)制動(dòng)器原結(jié)構(gòu)產(chǎn)生一定影響；電渦流測(cè)量法對(duì)測(cè)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(shí)別技術(shù)來檢測(cè)轉(zhuǎn)動(dòng)的制動(dòng)輪和閘瓦之間的間隙。

圖1為電梯制動(dòng)器的制動(dòng)輪和閘瓦之間的間隙示意圖。在本文的處理與計(jì)算中，需檢測(cè)的是位于制動(dòng)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(jī)對(duì)該區(qū)域進(jìn)行拍攝，然后對(duì)所得圖像進(jìn)行處理，即可得到制動(dòng)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(jìn)而計(jì)算出待測(cè)間隙寬度在圖像中的像素寬度；再結(jié)合相機(jī)內(nèi)部參數(shù)和安裝位置，計(jì)算出像素寬度與實(shí)際間隙寬度之間的關(guān)系表達(dá)式，最終獲得實(shí)際的間隙寬度。

圖1 電梯制動(dòng)器的制動(dòng)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(jī)的鏡頭焦距、工業(yè)相機(jī)與待測(cè)間隙所在平面之間的距離的情況下，在工業(yè)相機(jī)鏡頭正對(duì)著待測(cè)間隙所在平面時(shí)，對(duì)于該平面上任意已知距離的兩個(gè)點(diǎn)，可以求得這兩個(gè)點(diǎn)在工業(yè)相機(jī)成像平面中像的距離。再根據(jù)工業(yè)相機(jī)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(shí)中的實(shí)際距離之間的線性關(guān)系。因此，只要得到待測(cè)間隙在圖像中的以像素為單位的寬度，即可計(jì)算出實(shí)際的間隙寬度。

2 輪廓檢測(cè)的基本原理

現(xiàn)如今，基于圖像識(shí)別與圖像處理的應(yīng)用層出不窮。其中，輪廓檢測(cè)是用于圖像識(shí)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(diǎn)或線。以灰度圖像為例，灰度圖像存儲(chǔ)著每一個(gè)像素點(diǎn)的灰度像素值，來表征該點(diǎn)上的顏色深度。對(duì)于每一個(gè)像素點(diǎn)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(diǎn)的灰度范圍都在這兩個(gè)值之間。圖2是一個(gè)灰度圖像及其灰度值示例。圖中物體的輪廓，一般可以認(rèn)為是圖像的灰度值產(chǎn)生急劇變化的區(qū)域，對(duì)于圖2所示的示例來說，第二、三列都可認(rèn)為是一條輪廓線。

一張灰度圖片可以表現(xiàn)為一個(gè)二維的灰度值矩陣，如果要確定某一個(gè)點(diǎn)是否在某個(gè)輪廓上，可以以其與其周圍像素點(diǎn)的灰度值梯度作為判斷依據(jù)，梯度越大，該點(diǎn)位于輪廓線上的可能性越大。對(duì)于二維灰度圖像來說，梯度包含兩個(gè)方向的梯度，一個(gè)是水平方向上的梯度，一個(gè)是豎直方向上的梯度，可以對(duì)兩個(gè)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(diǎn)坐標(biāo)為（,），對(duì)于任意一點(diǎn)（,），該點(diǎn)的灰度值為（,），則點(diǎn)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(jià)于Matlab中的“.*”）：

進(jìn)而求得點(diǎn)（,）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?yàn)槔?，?jīng)過對(duì)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(diǎn)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(shí)際應(yīng)用中，利用Canny算法[9]進(jìn)行輪廓檢測(cè)的應(yīng)用較為廣泛。Canny算法進(jìn)行輪廓檢測(cè)的過程如下：首先對(duì)圖像進(jìn)行平滑操作，降低圖像中的噪聲點(diǎn)對(duì)梯度計(jì)算所造成的影響；其次利用Sobel算子[10]，計(jì)算每一個(gè)點(diǎn)的梯度及梯度方向；接下來根據(jù)梯度方向，對(duì)梯度幅值進(jìn)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(diǎn)連接起來，梯度小于低閾值的點(diǎn)將被舍棄，高于高閾值的點(diǎn)將被選取作為邊緣，梯度位于兩個(gè)閾值之間的點(diǎn)將根據(jù)其是否與高于閾值的點(diǎn)鄰接來判斷是否作為邊緣點(diǎn)。

3 間隙檢測(cè)過程

如圖4所示，為間隙檢測(cè)的流程圖。間隙檢測(cè)過程主要包括圖像獲取、圖像預(yù)處理、輪廓檢測(cè)、弧形輪廓提取、間隙求取五個(gè)流程。獲取到工業(yè)相機(jī)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(dòng)輪與閘瓦附近的待測(cè)區(qū)域，防止噪聲對(duì)后續(xù)邊緣檢測(cè)過程的干擾，再將圖像進(jìn)行二值化操作；檢測(cè)到二值化圖像中制動(dòng)輪與閘瓦的邊緣后，提取出二者的弧形輪廓，這兩個(gè)輪廓的間距就是待檢測(cè)的間隙的像素寬度；再根據(jù)相機(jī)的相關(guān)內(nèi)部參數(shù)，即可求得待測(cè)的實(shí)際間隙寬度。

圖4 間隙測(cè)量流程圖

3.1 圖像預(yù)處理

將工業(yè)相機(jī)安裝于垂直于制動(dòng)輪和閘瓦間隙的位置，使工業(yè)相機(jī)鏡頭的光軸垂直于制動(dòng)輪和閘瓦的平面，可以獲得制動(dòng)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(diǎn)，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(dòng)輪和閘瓦在圖片中的像素位置，在濾去高頻噪聲點(diǎn)的同時(shí)，保證待測(cè)的制動(dòng)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(diǎn)，可以看出間隙處的圖像像素值與其他部分的差值對(duì)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(cè)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(cè)

對(duì)預(yù)處理的圖像，采用Satoshi S的輪廓檢測(cè)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(jī)的視場(chǎng)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(dòng)輪與閘瓦的輪廓線。因此，可以留下這兩個(gè)輪廓的相關(guān)信息，用來做后續(xù)的處理與計(jì)算。這兩個(gè)輪廓線在原始圖像中的位置如圖8所示，以紅色的線進(jìn)行標(biāo)識(shí)。

圖7 二值化處理后的圖像

圖8 邊緣檢測(cè)得到的輪廓圖

3.3 弧形輪廓提取

要求取制動(dòng)輪與閘瓦的間隙，首先，要提取制動(dòng)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(gè)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(gè)點(diǎn)在輪廓線上的曲率進(jìn)行提取。在完整的輪廓中，需要留下的弧形輪廓點(diǎn)一般具有較小的但非0的曲率，而需要剔除的輪廓點(diǎn)中，一部分是圖像邊框的直線部分，這部分上的點(diǎn)的曲率為0；另一部分是輪廓中的轉(zhuǎn)角部分，這部分的點(diǎn)具有較大的曲率。剔除無用的輪廓點(diǎn)后，得到了具有較小曲率的圓弧上的輪廓點(diǎn)。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(diǎn)，得到可以用來計(jì)算間隙寬度的制動(dòng)輪和閘瓦的邊緣輪廓段。由上述方法識(shí)別到的兩個(gè)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(dòng)輪的弧形邊緣。

圖9 制動(dòng)輪外表面和制動(dòng)器閘瓦的弧形邊緣

3.4 間隙求取

獲得制動(dòng)輪輪廓邊緣與閘瓦輪廓邊緣的像素點(diǎn)坐標(biāo)后，可以計(jì)算這兩個(gè)輪廓的弧形邊緣在水平方向上的像素坐標(biāo)差，即為待測(cè)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(jī)的安裝位置與工業(yè)相機(jī)的相關(guān)內(nèi)部參數(shù)可以計(jì)算出像素寬度與實(shí)際距離之間的函數(shù)關(guān)系，進(jìn)而可以通過已知的像素寬度求得實(shí)際的間隙寬度。

4 結(jié)語

利用圖像識(shí)別技術(shù)，可以以非接觸的方式測(cè)量電梯制動(dòng)器制動(dòng)輪與閘瓦之間弧形間隙的寬度。利用這種方法，可以實(shí)時(shí)監(jiān)測(cè)電梯制動(dòng)器的開閉情況，及時(shí)發(fā)現(xiàn)異?，F(xiàn)象，實(shí)現(xiàn)對(duì)電梯制動(dòng)器工作狀況的實(shí)時(shí)監(jiān)控。該方法只需在電梯制動(dòng)器現(xiàn)場(chǎng)增加工業(yè)相機(jī)及其固定裝置，不會(huì)破壞電梯制動(dòng)器原有的機(jī)械結(jié)構(gòu)，可用于電梯制動(dòng)器的檢驗(yàn)檢測(cè)，也可作為電梯制動(dòng)器長期監(jiān)測(cè)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(cè)報(bào)警系統(tǒng)中，實(shí)現(xiàn)若干電梯制動(dòng)器制動(dòng)輪與制動(dòng)閘瓦間隙的遠(yuǎn)程監(jiān)控，為按需維保、故障診斷、事故預(yù)測(cè)預(yù)防提供技術(shù)支持。

[1]王小輪. 兩起電梯單組件制動(dòng)器失效事故原因分析及對(duì)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(dòng)失效原因分析及檢驗(yàn)對(duì)策[J]. 機(jī)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(dòng)器設(shè)計(jì)方案優(yōu)化方法[J]. 機(jī)械制造與自動(dòng)化，2020，49（4）：199-201.

[4]李剛，馬海霞，劉英杰，等. 老舊電梯制動(dòng)器風(fēng)險(xiǎn)辨識(shí)與評(píng)價(jià)方法研究[J]. 起重運(yùn)輸機(jī)械，2017，（10）：148-151.

[5]王文斌. 乘客電梯塊式制動(dòng)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(jī)測(cè)量數(shù)據(jù)高效提取方法[J]. 機(jī)械，2019，46（10）：1-7.

[7]薛彬，王浩波，茌文清，等. 機(jī)器視覺技術(shù)在火花塞間隙測(cè)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(shí)別的端拾器吸盤安裝的研究及應(yīng)用[J]. 機(jī)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(qiáng)的邊緣檢測(cè)算法[J]. 電子設(shè)計(jì)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(jì)算機(jī)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(diǎn)研發(fā)計(jì)劃（2018YFC0808904）；上海市市場(chǎng)監(jiān)督管理局科學(xué)研項(xiàng)目（2021-23）

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