一種電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法
【專利摘要】本發(fā)明涉及一種電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法，包括以下步驟：圖像采集及傳輸：通過紅外熱像儀獲得曳引機(jī)的紅外熱圖像傳輸給過串行接口傳輸給計(jì)算機(jī)；圖像處理：計(jì)算機(jī)對紅外熱圖像進(jìn)行圖像處理；檢測診斷：計(jì)算機(jī)根據(jù)上述圖像處理的結(jié)果診斷曳引機(jī)的工作狀態(tài)；報(bào)警輸出：如果有故障，則發(fā)出報(bào)警，并將報(bào)警數(shù)據(jù)保存在數(shù)據(jù)庫中。本發(fā)明利用紅外熱像儀實(shí)時(shí)監(jiān)控曳引機(jī)，采集曳引機(jī)運(yùn)行狀態(tài)信息，自動檢測溫升情況，對異常情況進(jìn)行自動報(bào)警，提高了檢測的實(shí)時(shí)性、準(zhǔn)確率，降低電梯事故發(fā)生率，具有操作安全、靈敏度高、診斷效率高等優(yōu)點(diǎn)。
【專利說明】-種電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于圖像處理技術(shù)的紅外故障檢測技術(shù)，具體的說是一種電梯曳 引機(jī)溫升故障實(shí)時(shí)檢測方法。

【背景技術(shù)】
[0002] 隨著高層建筑日趨增多，我國電梯數(shù)量正以每年十幾個(gè)百分點(diǎn)的速度增加。從國 家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局獲悉，自2005年起，我國平均每年發(fā)生40起電梯事故、死亡人數(shù) 在30人左右。維護(hù)保養(yǎng)不到位是電梯出現(xiàn)梯級逆轉(zhuǎn)等并造成"主動"傷人事故的主要原因。
[0003] 電梯曳引機(jī)是保證電梯安全、可靠運(yùn)行的重要動力設(shè)備。曳引機(jī)故障早期準(zhǔn)確診 斷尤為重要。作為電梯設(shè)備的動力設(shè)備，曳引機(jī)的日常維修保養(yǎng)對電梯始終保持良好的工 作狀態(tài)至關(guān)重要。大量的統(tǒng)計(jì)資料表明，在曳引機(jī)運(yùn)行過程中及時(shí)發(fā)現(xiàn)新出現(xiàn)的更高溫度 的熱源，及早進(jìn)行故障診斷和采取合適的排除措施，對根除設(shè)備惡性事故隱患具有重要意 義。
[0004] 據(jù)查閱相關(guān)資料，現(xiàn)在的曳引機(jī)溫度檢測基本上可分為四種：第一種是溫度計(jì)法， 將溫度計(jì)貼在電機(jī)表面測溫；第二種是電阻法，用以測定繞組的平均溫度；第三類是埋檢 溫計(jì)法，在裝配時(shí)，在估計(jì)到可能有較高溫度的各點(diǎn)埋置檢溫計(jì)。檢溫計(jì)的受熱端可以埋在 槽的深處，引出端引至外面接至測量儀表讀出溫度；第四種是疊加法，在連續(xù)施加交變的負(fù) 載電流情況下，負(fù)載電流上疊加一微弱直流電流，以測量繞組直流電阻隨溫度發(fā)生的變化， 從而確定交流繞組的溫升。
[0005] 隨著我國電梯數(shù)量日益增加，電梯維護(hù)檢測人員日顯不足，只有曳引機(jī)出現(xiàn)故障 時(shí)候才會派人檢測和維修，受到維修人員技術(shù)水平和操作方式的限制，傳統(tǒng)檢測方法只能 對部分溫升進(jìn)行檢測、檢測過程繁瑣、熱源位置不容易確定、漏檢現(xiàn)象時(shí)常發(fā)生。由于檢測 的不及時(shí)，很難及早發(fā)現(xiàn)新出現(xiàn)的更高溫度的熱源，不能預(yù)測出潛在的危險(xiǎn)。


【發(fā)明內(nèi)容】

[0006] 針對現(xiàn)有技術(shù)中針對曳引機(jī)溫升檢測中存在只能對部分溫升進(jìn)行檢測、檢測過程 繁瑣、熱源位置不容易確定、漏檢等不足，本發(fā)明要解決的技術(shù)問題是提供一種可提前預(yù) 警、提高檢測的實(shí)時(shí)性、降低電梯事故發(fā)生率的電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法。
[0007] 為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：
[0008] 本發(fā)明一種電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法包括以下步驟：
[0009]圖像采集及傳輸：通過紅外熱像儀獲得曳引機(jī)的紅外熱圖像傳輸給過串行接口傳 輸給計(jì)算機(jī)；
[0010] 圖像處理：計(jì)算機(jī)對紅外熱圖像進(jìn)行圖像處理；
[0011] 檢測診斷：計(jì)算機(jī)根據(jù)上述圖像處理的結(jié)果診斷曳引機(jī)的工作狀態(tài)；
[0012] 報(bào)警輸出：如果有故障，則發(fā)出報(bào)警，并將報(bào)警數(shù)據(jù)保存在數(shù)據(jù)庫中。
[0013] 所述對紅外熱圖像進(jìn)行圖像處理包括：
[0014] 圖像去噪：采用基于Contourlet變換的圖像去噪算法，去除圖像在獲取、傳輸和 存貯過程中受到的噪聲干擾和影響，保持原始信息完整性；
[0015] 圖像分割：將去噪后的圖像分解為若干互不交疊的、有意義的、具有相同性質(zhì)的區(qū) 域，以提取出感興趣的對象，便于后續(xù)的圖像識別；
[0016] 圖像識別：對在圖像中提取出感興趣的對象做為目標(biāo)區(qū)域進(jìn)行矩運(yùn)算，所求得的 矩集做為唯一描述該幅圖像所包含的信息。
[0017] 所述圖像去噪包括以下步驟：
[0018] 將含有噪聲的圖像采取拉普拉斯金字塔分解，得到該圖像的低通子帶和帶通子 帶，通過拉普拉斯金字塔分解后所得到的帶通子帶進(jìn)行方形濾波器組方向?yàn)V波，得到相應(yīng) 的Contourlet系數(shù)；
[0019] 用基于多尺度分解硬閾值函數(shù)進(jìn)行去除噪聲得到去除噪聲后的Contourlet系 數(shù)；
[0020] 將去除噪聲后的Contourlet系數(shù)采取方形濾波器組重構(gòu)，得到去除噪聲圖像的 帶通子帶，將去除噪聲圖像的帶通子帶與原噪聲圖像的低通子帶采取拉普拉斯金字塔重 構(gòu)，得到最終的去除噪聲圖像。
[0021] 所述圖像分割采用灰度熵進(jìn)行分割，設(shè)一幅圖像總的灰度級數(shù)目為L，圖像中灰 度為k的像素?cái)?shù)目為g(k)，k= 0, 1，. . .L-1，用閾值t，將圖像劃分為目標(biāo)類Q和背景類 Cb，設(shè)低灰度區(qū)為目標(biāo)類，高灰度區(qū)為背景類，令：

【權(quán)利要求】
1. 一種電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法，其特征在于包括以下步驟： 圖像采集及傳輸：通過紅外熱像儀獲得曳引機(jī)的紅外熱圖像傳輸給過串行接口傳輸給 計(jì)算機(jī)； 圖像處理：計(jì)算機(jī)對紅外熱圖像進(jìn)行圖像處理； 檢測診斷：計(jì)算機(jī)根據(jù)上述圖像處理的結(jié)果診斷曳引機(jī)的工作狀態(tài)； 報(bào)警輸出：如果有故障，則發(fā)出報(bào)警，并將報(bào)警數(shù)據(jù)保存在數(shù)據(jù)庫中。
2. 按權(quán)利要求1所述的電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法，其特征在于： 所述對紅外熱圖像進(jìn)行圖像處理包括： 圖像去噪：采用基于Contourlet變換的圖像去噪算法，去除圖像在獲取、傳輸和存貯 過程中受到的噪聲干擾和影響，保持原始信息完整性； 圖像分割：將去噪后的圖像分解為若干互不交疊的、有意義的、具有相同性質(zhì)的區(qū)域， 以提取出感興趣的對象，便于后續(xù)的圖像識別； 圖像識別：對在圖像中提取出感興趣的對象做為目標(biāo)區(qū)域進(jìn)行矩運(yùn)算，所求得的矩集 做為唯一描述該幅圖像所包含的信息。
3. 按權(quán)利要求2所述的電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法，其特征在于：所述圖像去 噪包括以下步驟： 將含有噪聲的圖像采取拉普拉斯金字塔分解，得到該圖像的低通子帶和帶通子帶， 通過拉普拉斯金字塔分解后所得到的帶通子帶進(jìn)行方形濾波器組方向?yàn)V波，得到相應(yīng)的 Contourlet系數(shù)； 用基于多尺度分解硬閾值函數(shù)進(jìn)行去除噪聲得到去除噪聲后的Contourlet系數(shù)； 將去除噪聲后的Contourlet系數(shù)采取方形濾波器組重構(gòu)，得到去除噪聲圖像的帶通 子帶，將去除噪聲圖像的帶通子帶與原噪聲圖像的低通子帶采取拉普拉斯金字塔重構(gòu)，得 到最終的去除噪聲圖像。
4. 按權(quán)利要求2所述的電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法，其特征在于：所述圖像分 割采用灰度熵進(jìn)行分割，設(shè)一幅圖像總的灰度級數(shù)目為L，圖像中灰度為k的像素?cái)?shù)目為 g(k)，k= 0, 1，. . .L-1，用閾值t，將圖像劃分為目標(biāo)類CQ和背景類Cb，設(shè)低灰度區(qū)為目標(biāo) 類，高灰度區(qū)為背景類，令：
圖像灰度熵
其中，^(t)為目標(biāo)類灰度熵；Hb(t)為背景類灰度熵。PK為二維圖像直方圖。 當(dāng)灰度熵達(dá)到最大時(shí)，目標(biāo)類和背景類的灰度趨于均勻，此時(shí)對應(yīng)的t就是最佳閾值。
5. 按權(quán)利要求2所述的電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法，其特征在于：所述圖像識 別為：對區(qū)域分割得到的不同目標(biāo)圖像區(qū)域計(jì)算其不變矩，基于Hu矩的紅外圖像識別，以 不變矩作為特征量來對具有旋轉(zhuǎn)和尺度變化的目標(biāo)圖像進(jìn)行識別；假定f(x，y)是二維連 續(xù)函數(shù)，則P+q階原點(diǎn)矩為
其中，P表示隨機(jī)變量x的P階原點(diǎn)矩，q表示隨機(jī)變量y的q階原點(diǎn)矩，p,q= 0, 1, 2"％mpq為原點(diǎn)矩。 如果f(x，y)是分段連續(xù)的，且只在X，y平面的有限區(qū)間中有非零值，則其各階矩均存 在，并且矩序列{mM}唯一地被f(x，y)確定；同樣{mM}也唯一地確定了f(x，y);所求得的 矩集唯一描述該幅圖像所包含的信息；
6.按權(quán)利要求5所述的電梯曳引機(jī)溫升故障實(shí)時(shí)檢測方法，其特征在于對于二維數(shù)字 圖像f(X，y)的p+q階原點(diǎn)矩為：
【文檔編號】B66B5/02GK104401835SQ201410692059
【公開日】2015年3月11日 申請日期:2014年11月25日 優(yōu)先權(quán)日:2014年11月25日
【發(fā)明者】劉劍, 韋松伯, 高恩陽 申請人:沈陽建筑大學(xué)