论文部分内容阅读
电梯是现代社会中重要的交通工具。由于维保人员不足、检测方法落后等问题,电梯往往存在安全隐患。及时发现电梯安全隐患,提高电梯运行安全性、可靠性变得尤为重要。本文借鉴现代数字图像技术准确、快速获取图像中的故障信息,针对电梯系统中较常见故障检测方法进行深入探讨,对电梯曳引机和钢丝绳的故障缺损度进行检测方法进行研究,具有良好的理论基础和应用价值。本文主要研究工作如下:(1)分析了曳引机和钢丝绳结构及常见故障,确定了基于图像处理的故障检测方法。研究了曳引机和钢丝绳图像灰度化预处理方法,利用红外技术获取曳引机图像,CCD技术获取钢丝绳图像。在分析了平均值法、加权平均法、最大值法三种图像灰度化算法特点的基础上,本文采用加权平均法对获取的曳引机和钢丝绳图像进行灰度化处理。(2)研究了曳引机和钢丝绳图像去噪方法,对经灰度化所得的曳引机和钢丝绳图像进行去噪处理。分析了中值滤波、小波变换、Contourlet变换去噪等算法,提出了一种改进Contourlet变换的曳引机和钢丝绳图像去噪算法。将图像进行Contourlet变换获得Contourlet系数;通过邻域收缩法对系数进行收缩,改进邻域收缩法中的阈值和收缩因子,克服了阈值不能随分解尺度的变化而变化、收缩因子收缩过大的缺点;用改进后的阈值、收缩因子处理系数;将处理后的系数进行Contourlet逆变换实现图像去噪。仿真实验表明改进后的算法能够更好地保护曳引机和钢丝绳图像的细节,避免出现伪吉布斯现象。(3)研究了曳引机和钢丝绳图像分割方法,对去噪后的曳引机和钢丝绳图像进行边缘分割。将测地活动轮廓(Geodesic Active Contour)模型、局部二元拟合(Local Binary Fitting)模型结合,提出了一种基于改进GAC模型的曳引机和钢丝绳边缘分割。将局部方差信息、全局方差信息引入到LBF模型的能量泛函中,克服能量泛函在处理灰度不均匀的复杂图像时,陷入局部最小值,造成过分割;对该能量泛函进行归一化处理,作为GAC模型的边缘停止函数,避免了原GAC模型的边缘停止函数不能分割图像中的弱边界及无边界区域;采用梯度下降流方法处理新的边缘停止函数,驱动曲线运动到曳引机和钢丝绳图像中的边界上,实现图像的边缘分割。仿真实验表明改进后算法的分割准确度明显提高。(4)研究了曳引机和钢丝绳故障缺损度的检测方法,对边缘分割后的曳引机和钢丝绳图像采用Bayes抠图算法提取特征区域,将提取后的区域进行二值化处理,计算故障缺损度,将缺损程度进行量化。研究结果对提高曳引机和钢丝绳检测,预测曳引机和钢丝绳故障,具有重要应用前景。