一种电梯钢丝绳断丝损伤识别方法、系统及设备与流程

本发明涉及电梯故障诊断，更具体的说是涉及一种电梯钢丝绳断丝损伤识别方法、系统及设备。

背景技术：

1、电梯钢丝绳作为电梯的主要受力及力传递部件，其安全性能对电梯的使用至关重要。然而，钢丝绳一旦出现断丝等损伤，会严重影响其安全系数，甚至可能导致电梯的安全运行受到威胁。

2、传统的电梯钢丝绳断丝检测方法主要是定期人工检测，这种方法耗时长且效果差，特别是对于高层电梯长达数百米的钢丝绳，仅仅依靠肉眼观察很难保证其检测的准确性。

3、其次，现有技术中还有一种无损检测技术，通过小波变换等方法获得电梯钢丝绳的漏磁信号，然后利用神经网络的方法进行电梯安全检测。但是，这种方法在实际应用中也存在一些挑战和缺陷：一方面，漏磁信号的强度和质量受到多种因素的影响，如钢丝绳的材质、结构、损伤程度以及检测环境等。这些因素可能导致漏磁信号的不稳定，从而影响小波变换的提取效果。另一方面，小波变换本身也存在一些局限性。例如，小波基函数的选择对于变换结果至关重要，但如何选择合适的小波基函数并没有统一的标准，这需要根据具体的应用场景进行试验和选择。此外，小波变换的计算复杂度较高，对于大量的实时数据处理可能会存在一定的困难。

4、因此，如何提供一种能够解决上述问题的电梯钢丝绳断丝损伤识别方法、系统及设备，是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种电梯钢丝绳断丝损伤识别方法、系统及设备，用于解决上述现有技术存在的技术问题。

2、为了实现上述目的，本发明提供如下技术方案：

3、一种电梯钢丝绳断丝损伤识别方法，包括以下步骤：

4、s100：获取钢丝绳断丝图像，对所述断丝图像进行预处理；

5、s200：提取断丝图像中的断丝特征，并对断丝特征进行预处理，标注每个断丝特征对应的损伤类别；

6、s300：构建损伤识别模型，将预处理后的断丝特征作为训练样本以及测试样本，对所述损伤识别模型进行训练；

7、s400：实时获取待识别电梯的钢丝绳图像，将所述钢丝绳图像输入至所述损伤识别模型，得到多分类损伤识别的损伤类别结果。

8、优选的，所述s100包括：

9、s110：获取钢丝绳断丝图像；

10、s120：对所述钢丝绳断丝图像进行边缘检测，得到边缘二值图像；

11、s130：将所述边缘二值图像缩放到预设值；

12、s140：对缩放之后的边缘二值图像进行钢丝绳边缘点和非钢丝绳边缘点的双边滤波操作，得到预处理后的断丝图像。

13、优选的，所述断丝特征包括：钢丝绳的表面平滑度、不圆度、均匀性。

14、优选的，所述提取断丝图像中的断丝特征包括通过卷积操作和非线性激活函数的组合运算提取断丝图像中的断丝特征，表达式为：

15、h1＝σ(w1*xnorm+b1)；

16、hl+1＝σ(wl*hl+bl)；

17、其中，h1表示第1层的输出断丝特征图；w1和b1分别表示第1层的权重和偏置，hl表示第l层的输出断丝特征图；σ是激活函数；wl和bl分别是第l层的权重和偏置。

18、优选的，所述对断丝特征进行预处理，标注每个断丝特征对应的损伤类别包括：

19、通过归一化方法对断丝特征进行标准化处理，公式为：

20、

21、式中，xnorm为经过处理后的断丝特征集，x为原始断丝特征集，max(x)表示原始断丝特征集中最大断丝特征向量，min(x)表示原始断丝特征集中最小断丝特征向量；

22、将经过处理后的断丝特征集中不同的断丝特征进行分类，并分别标注对应的损伤类别。

23、优选的，所述损伤识别模型包括：包括一个或多个编码器，且多个编码器串接，其中，所述编码器包括多头注意力机制和前馈神经网络，多个编码器串接；

24、将实时获取的待识别电梯的钢丝绳图像输入损伤识别模型，通过所述多头注意力机制计算和前馈神经网络提取断丝特征。

25、优选的，所述s300还包括：建立多分类预测的类别损失函数，具体为：

26、将损伤识别模型的损失函数通过对应多个特征表示的交叉熵的和来表征，其中：

27、交叉熵损失函数表达式为：

28、

29、式中，ymn为第m个样本由第n个特征标注的标签，ymnk是ymn中的第k个特征的标签，损伤识别模型对第m个样本预测的第n个特征标签的概率分布，是中的第k个损伤识别模型预测的第k个类别的概率，c是类别的总数；

30、计算所有样本和所有特征的交叉熵之和：

31、

32、式中，m为样本的总数，n为特征的数量。

33、优选的，实时获取待识别电梯的钢丝绳信息包括：在钢丝绳的起始检测点套上刮油器，在刮油器输出清洁钢丝绳的一侧绕钢丝绳螺旋状均匀间隔的设置多个拍摄装置；开启各拍摄装置持续对移动的钢丝绳摄像。

34、一种电梯钢丝绳断丝损伤识别系统，包括：

35、获取模块：获取钢丝绳断丝图像，对所述断丝图像进行预处理；

36、预处理模块：提取断丝图像中的断丝特征，并对断丝特征进行预处理，标注每个断丝特征对应的损伤类别；

37、模型构建与训练模块：构建损伤识别模型，将预处理后的断丝特征作为训练样本以及测试样本，对所述损伤识别模型进行训练；

38、损伤识别模块：实时获取待识别电梯的钢丝绳图像，将所述钢丝绳图像输入至所述损伤识别模型，得到多分类损伤识别的损伤类别结果。

39、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现电梯钢丝绳断丝损伤识别方法。

40、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种电梯钢丝绳断丝损伤识别方法、系统及设备，基于图像识别对电梯钢丝绳断丝进行损伤识别，利用摄像头拍摄钢丝绳的表面图像，并通过图像识别技术对表面缺陷进行定性和定量的非接触、高效、准确的检测，可以大大提高电梯钢丝绳损伤检测的效率和准确性，对于保障电梯的安全运行具有重要意义。

技术特征：

1.一种电梯钢丝绳断丝损伤识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种电梯钢丝绳断丝损伤识别方法，其特征在于，所述s100包括：

3.根据权利要求1所述的一种电梯钢丝绳断丝损伤识别方法，其特征在于，所述断丝特征包括：钢丝绳的表面平滑度、不圆度、均匀性。

4.根据权利要求1所述的一种电梯钢丝绳断丝损伤识别方法，其特征在于，所述提取断丝图像中的断丝特征包括通过卷积操作和非线性激活函数的组合运算提取断丝图像中的断丝特征，表达式为：

5.根据权利要求1所述的一种电梯钢丝绳断丝损伤识别方法，其特征在于，所述对断丝特征进行预处理，标注每个断丝特征对应的损伤类别包括：

6.根据权利要求1所述的一种电梯钢丝绳断丝损伤识别方法，其特征在于，所述损伤识别模型包括：包括一个或多个编码器，其中，所述编码器包括多头注意力机制和前馈神经网络；

7.根据权利要求1所述的一种电梯钢丝绳断丝损伤识别方法，其特征在于，所述s300还包括：建立多分类预测的类别损失函数，具体为：

8.根据权利要求1所述的一种电梯钢丝绳断丝损伤识别方法，其特征在于，实时获取待识别电梯的钢丝绳信息包括：在钢丝绳的起始检测点套上刮油器，在刮油器输出清洁钢丝绳的一侧绕钢丝绳螺旋状均匀间隔的设置多个拍摄装置；开启各拍摄装置持续对移动的钢丝绳摄像。

9.一种利用权利要求1至8任一项所述的电梯钢丝绳断丝损伤识别方法的电梯钢丝绳断丝损伤识别系统，其特征在于，包括：

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一所述的电梯钢丝绳断丝损伤识别方法。

技术总结本发明公开了一种电梯钢丝绳断丝损伤识别方法、系统及设备，属于电梯故障诊断领域。该方法包括：S100：获取钢丝绳断丝图像，对断丝图像进行预处理；S200：提取断丝图像中的断丝特征，并对断丝特征进行预处理，标注每个断丝特征对应的损伤类别；S300：构建损伤识别模型，将预处理后的断丝特征作为训练样本以及测试样本，对损伤识别模型进行训练；S400：实时获取待识别电梯的钢丝绳图像，将钢丝绳图像输入至损伤识别模型，得到多分类损伤识别的损伤类别结果。本发明能够非接触、高效、准确的对电梯钢丝绳断丝损伤进行识别。技术研发人员：彭燕,袁旌杰,唐川,李生茂,陈路,邹同锋,陈晓旭,文鹏高受保护的技术使用者：重庆市特种设备检测研究院（重庆市特种设备事故应急调查处理中心）技术研发日：技术公布日：2024/8/1