CN113720716B - 一种电梯曳引轮磨损程度定量化分析及寿命预测方法 - Google Patents
一种电梯曳引轮磨损程度定量化分析及寿命预测方法 Download PDFInfo
- Publication number
- CN113720716B CN113720716B CN202111018782.8A CN202111018782A CN113720716B CN 113720716 B CN113720716 B CN 113720716B CN 202111018782 A CN202111018782 A CN 202111018782A CN 113720716 B CN113720716 B CN 113720716B
- Authority
- CN
- China
- Prior art keywords
- traction sheave
- elevator
- traction
- sheave
- dimensional model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004445 quantitative analysis Methods 0.000 title claims description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000005299 abrasion Methods 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/56—Investigating resistance to wear or abrasion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B1/00—Cleaning by methods involving the use of tools
- B08B1/10—Cleaning by methods involving the use of tools characterised by the type of cleaning tool
- B08B1/12—Brushes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/007—Subject matter not provided for in other groups of this subclass by applying a load, e.g. for resistance or wear testing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明公开一种电梯曳引轮磨损程度定量化分析及寿命预测方法，步骤如下：使用三维扫描装置对电梯曳引轮的轮槽表面进行扫描，得到电梯曳引轮轮槽的实际三维模型；构建电梯曳引轮轮槽的理论三维模型；将实际三维模型与理论三维模型进行比对，得到磨损数据；将实际三维模型、理论三维模型、磨损数据融合，得到完整的电梯曳引轮实际模型，针对上述模型，在不同工况下进行动力学分析，得到基于最大应力的曳引轮疲劳寿命，对曳引轮寿命进行精准预测。传统的曳引力寿命是通过人工观测进行预测的，使用本发明的预测方法相对于传统方法更加准确。
Description
技术领域
本发明属于电梯检测技术领域，尤其涉及一种电梯曳引轮磨损程度定量化分析及寿命预测方法。
背景技术
电梯是日常生活中必不可少的设备，而对电梯曳引轮是电梯的一个重要部位，电梯曳引轮的磨损情况决定了曳引力的大小，而曳引力直接决定了电梯的安全。
现阶段对电梯曳引轮磨损程度的检测主要是人工视觉分辨来完成的，一些较为新兴的技术则是通过一些传感器和工业相机来完成，即传感器通过对发射并经曳引轮表面反射回来的特征信号进行处理，或工业相机对曳引轮表面进行图像化分析，进而判断曳引轮的磨损状态。现有的这些技术都只能对电梯曳引轮的磨损情况作出定性分析，无法实现磨损程度的精准定量化分析，且无法对电梯曳引轮的剩余寿命作出准确的判断。
因此，如何实现电梯曳引轮磨损精准定量化分析、找到电梯曳引力磨损程度与曳引力之间的关系、判断电梯曳引轮的剩余寿命是现阶段亟需解决的问题。
发明内容
本发明的目的是通过对电梯曳引轮模型进行精准化重构、曳引轮磨损程度的精准定量化分析、确定曳引轮磨损程度与曳引力的定量匹配关系、对曳引轮进行寿命进行精准预测。
为实现上述目的，本发明采用如下的技术方案：
一种电梯曳引轮磨损程度定量化分析及寿命预测方法，包括以下步骤：
基于获取曳引轮磨损程度与曳引力之间的定量关系，得到最大曳引力；
基于最大曳引力在不同工况下进行动力学分析，用于预测曳引轮寿命。
优选地，获取曳引轮磨损程度与曳引力之间的定量关系包括：建立电梯曳引轮磨损的特征信息数据库以及对应的曳引力数据库，通过神经网络模型反向传播及多次迭代的自训练学习，得到电梯曳引轮磨损程度与曳引力之间的最优变化参数，进而确定曳引轮磨损程度与曳引力的定量匹配关系。
优选地，所述曳引轮磨损程度基于第一三维模型与第二三维模型进行对比，得到磨损数据，所述曳引力基于实测的曳引力得到，每个所述磨损数据基于所述定量关系，都能够得到一个实际的曳引力。
优选地，所述第一三维模型通过三维扫描装置对电梯曳引轮的轮槽表面进行扫描，构建电梯曳引轮轮槽表面的实际三维重构模型得到；所述第二三维模型通过构建理论无磨损的电梯曳引轮轮槽的表面三维模型得到。
优选地，基于所述第一三维模型、所述第二三维模型、所述磨损数据融合得到第三三维模型,对所述第三三维模型在不同工况下进行动力学分析。
优选地，所述理论无磨损的电梯曳引轮为同规格的全新曳引轮。
优选地，所述三维扫描装置包括：
电磁铁吸盘，所述电磁铁吸盘的一端吸附在曳引轮的凸起上，所述电磁铁吸盘的另一端固定在旋转电机的底座上，所述旋转电机的输出轴固定连接有滑轨，用于驱动所述滑轨旋转,所述滑轨的两端各设有一凸台，所述凸台分别与第一电推杆、第二电推杆固定连接，所述第一电推杆和所述第二电推杆的杆顶分别固定连接有第一滑块和第二滑块，通过所述第一电推杆和所述第二电推杆的推拉实现所述第一滑块和所述第二滑块沿着所述滑轨的滑槽运动，所述第一滑块上安装有第一扫描仪，所述第二滑块上安装有第二扫描仪。
优选地，所述电磁铁吸盘的一端吸附在曳引轮的凸起上，用于实现所述电磁铁吸盘与所述曳引轮之间的相对固定。
优选地，所述第一滑块上安装有第一毛刷，所述第二滑块上安装有第二毛刷。
优选地，所述第一毛刷与所述第二毛刷以所述电磁铁吸盘的圆心为轴心对称布置。
本发明的技术效果为：本申请中先确定磨损程度与曳引力之间定量匹配关系，得到最大曳引力，通过最大曳引力进行动力学分析，用于预测曳引轮寿命，即曳引轮极限工作状态下的动力学分析，获得曳引轮的疲劳寿命，即使用寿命。本发明无需实测曳引力，只需通过计算得到磨损数据，就可以在定量关系匹配模型中找到对应的曳引力，相对于传统人工通过观测方法，能够更加准确预测寿命。
附图说明
图1为本发明实施例的流程示意图；
图2为本发明实施例的得到磨损程度与曳引力定量匹配关系的方法流程图；
图3为本发明实施例的三维扫描装置的结构示意图；
其中，1、曳引机；2、曳引轮；3、第一滑块；4、第一毛刷；5、第一扫描仪；6、第一电推杆；7、滑轨；8、电磁铁吸盘；9、旋转电机；10、第二电推杆；11、第二滑块；12、第二毛刷；13、第二扫描仪。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
如图1所示，本发明提出了一种电梯曳引轮磨损程度定量化分析及寿命预测方法，包括如下步骤：
S100、基于获取曳引轮磨损程度与曳引力之间的定量关系，得到最大曳引力；
S200、基于最大曳引力在不同工况下进行动力学分析，用于预测曳引轮寿命。
进一步优化方案，获取曳引轮磨损程度与曳引力之间的定量关系包括：建立电梯曳引轮磨损的特征信息数据库以及对应的曳引力数据库，通过神经网络模型反向传播及多次迭代的自训练学习，得到电梯曳引轮磨损程度与曳引力之间的最优变化参数，进而确定曳引轮磨损程度与曳引力的定量匹配关系。
进一步优化方案，曳引轮磨损程度基于第一三维模型与第二三维模型进行对比，得到磨损数据，曳引力基于实测的曳引力得到，每个磨损数据基于定量关系，都能够得到一个实际的曳引力。
进一步优化方案，第一三维模型通过三维扫描装置对电梯曳引轮的轮槽表面进行扫描，构建电梯曳引轮轮槽表面的实际三维重构模型得到；第二三维模型通过构建理论无磨损的电梯曳引轮轮槽的表面三维模型得到。
本实施例中，通过三维扫描装置对电梯曳引轮的轮槽表面进行扫描，得到电梯曳引轮的轮槽表面的点云数据，基于点云数据构建电梯曳引轮轮槽表面的理论三维重构模型，即第一三维模型；具体地，扫描时需对电梯曳引轮的轮槽表面进行全方位扫描，点云数据需要进行降噪、滤波处理，由点云数据构成点云图后进行图像精拼接，得到精准的第一三维模型；
其中，图像精拼接过程如下：
加工标准件，用一扫描装置扫描；
将扫描得到的点云数据进行旋转平移，使得变换后的图形为标准件的标准尺寸；
记录旋转平移的角度和距离；
之后对曳引轮进行扫描之后，加入脚本，引入旋转平移的角度和距离，完成精拼接。
进一步优化方案，基于第一三维模型、第二三维模型、磨损数据融合得到第三三维模型,对第三三维模型在不同工况下进行动力学分析,第三三维模型即为完整的电梯曳引轮实际模型。
本实施例中，得到磨损数据的过程包括：将第一三维模型与第二三维模型进行比对，得到各个磨损处的表面信息，通过计算得到电梯曳引轮轮槽磨损处的体积变化量以及磨损密度。
其中，将各个磨损处用三重积分的方法计算出体积变化量；通过确定各个磨损处的质心的空间坐标位置，加上体积变化量作为磨损的权重，以此作为磨损密度。
其中，电梯曳引轮磨损的特征信息数据库，具体分为磨损上表面积、磨损深度和磨损位置，上述数据通过第一三维模型与第二三维模型进行比对获得。
进一步优化方案，理论无磨损的电梯曳引轮为同规格的全新曳引轮。
如图2所示，具体得到磨损程度与曳引力定量匹配关系的方法为：
将基于三维扫描重构得到的磨损上表面积、磨损深度和磨损位置数据结合成一个1*3的矩阵，作为神经网络的输入层。
将对应曳引轮的实测曳引力设定为一个1*1的矩阵，作为神经网络的输出层。
构建一个两层的神经网络，设定隐藏层为n维度，并且通过线性整流函数进行激活，那么通过磨损上表面积、磨损深度、磨损位置与曳引力，可以初步计算出输入层到隐藏层再到输出层的变换参数W1、b1、W2、b2。
对输出的曳引力结果进行正规化处理，得到一个曳引力的概率值结果，接下来对输出的曳引力做一个量化处理。
通过交叉熵损失量化当前网络的优劣，通过梯度下降法，改变变换参数W1、b1、W2、b2的值，使得交叉熵损失达到最小。
计算神经网络得到的曳引力与实际曳引力的损失值，将损失值反向传播，使W1、b1、W2、b2做相应微调。
再次计算W1、b1、W2、b2微调后得到的曳引力与实际曳引力的损失值，再将损失值反向传播，使W1、b1、W2、b2做相应更加细微的调整。
依次反复迭代，直到得到的曳引力损失值越来越小，符合技术要求，得到理想的W1、b1、W2、b2值。
由理想的W1、b1、W2、b2值进行磨损上表面积、磨损深度和磨损位置数据的变换，确定曳引轮磨损程度与曳引力的定量匹配关系，根据匹配关系，计算最大曳引力。
进一步优化方案，第二三维模型通过三维扫描装置扫描重构同规格的全新曳引轮获得。
进一步优化方案，曳引轮磨损程度基于第一三维模型与第二三维模型进行对比的过程如下，首先，定义曳引轮的边缘上的点作为关键点，然后将有磨损的模型与无磨损的模型之间的关键点对应重合在一起，由此两个模型重合在一起；最后，磨损处构成一个封闭空间，可以得到封闭空间的体积、质心位置等信息。
进一步优化方案，通过实际测量电梯曳引轮的曳引力得到实测曳引力模型数据库；
使用神经网络算法，对磨损特征数据库、实测曳引力模型数据库进行反向传播及多次迭代的自训练学习，得到电梯曳引轮磨损程度与曳引力之间的最优变化参数，进而确定曳引轮磨损程度与曳引力的定量匹配关系，即无需实测曳引力，只需通过计算得到磨损数据，就可以在定量关系匹配模型中找到对应的曳引力。
进一步优化方案，最优变化参数通过梯度下降法得到，不断调整变化参数，以使交叉熵损失达到最小。
进一步优化方案，不同工况，具体分为电梯曳引轮的启动、装载、滞留和制动工况。
进一步优化方案，磨损密度通过确定各个磨损处的质心的空间坐标位置，加上体积变化量作为磨损的权重，以此作为磨损密度。
得到磨损密度的过程如下：以曳引轮圆心为原点，构建空间坐标系；得到磨损处的质心坐标，即(x,y,z)；再加上磨损处的体积变化量，即(x,y,z,V),以此作为磨损密度的表现形式。
进一步优化方案，进行三维扫描时，通过三维扫描装置相对于对电梯曳引轮的运动，具体为三维扫描装置的三维扫描仪以曳引轮轮心为轴心旋转运动。
如图3所示，本发明还提出了一种基于电梯曳引轮磨损程度定量化分析及寿命预测方法的三维扫描装置，包括：电磁铁吸盘8，电磁铁吸盘8的一端吸附在曳引轮2的凸起上，电磁铁吸盘8的另一端固定在旋转电机9的底座上，曳引轮上连接有曳引机，曳引机驱动进行工作，旋转电机9的输出轴固定连接有滑轨7，用于驱动滑轨7旋转,滑轨7的两端各设有一凸台，凸台分别与第一电推杆6、第二电推杆10的底部固定连接，第一电推杆和第二电推杆的杆顶分别固定连接有第一滑块3和第二滑块11，通过第一电推杆6和第二电推杆10的推拉实现第一滑块3和第二滑块11沿着滑轨7的滑槽运动，第一滑块3上安装有第一扫描仪5，第二滑块11上安装有第二扫描仪13。
进一步优化方案，第一滑块3上安装有第一毛刷4，第二滑块11上安装有第二毛刷12。
进一步优化方案，电磁铁吸盘8的一端吸附在曳引轮2的凸起上，用于实现电磁铁吸盘8与曳引轮2之间的相对固定。
进一步优化方案，第一毛刷4与第二毛刷12以电磁铁吸盘8的圆心为轴心对称布置。
进一步优化方案，第一扫描仪5与第二扫描仪13以电磁铁吸盘8的圆心为轴心对称布置。
本装置的工作过程为：在需要对曳引轮2进行三维扫描时，将第一电推杆6和第二电推杆10上电推动第一滑块3和第二滑块11至最远处。
将三维扫描装置的电磁铁吸盘8卡在曳引轮2的凸圆上，电磁铁吸盘8通电后可将整个三维扫描装置牢牢吸附在曳引轮2上。
将第一电推杆6和第二电推杆10上电使得第一滑块3和第二滑块11回缩至适当位置，以此可实现不同外径的曳引轮扫描。
旋转电机9驱动滑轨7逆时针旋转，第一毛刷4与第二毛刷12可清理曳引轮2轮槽表面的油污等杂物，保证扫描的精准性。
滑轨7旋转的同时，第一扫描仪5与第二扫描仪13发射激光对曳引轮2轮槽表面进行扫描。
第一扫描仪5与第二扫描仪13扫描得到的点云数据上传到上位机进行拼接、降噪处理，最终得到曳引轮2轮槽的表面模型。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，包括以下步骤：基于获取曳引轮磨损程度与曳引力之间的定量关系，得到最大曳引力；基于最大曳引力在不同工况下进行动力学分析，用于预测曳引轮寿命；
所述获取曳引轮磨损程度与曳引力之间的定量关系包括：建立电梯曳引轮磨损的特征信息数据库以及对应的曳引力数据库，通过神经网络模型反向传播及多次迭代的自训练学习，得到电梯曳引轮磨损程度与曳引力之间的最优变化参数，进而确定曳引轮磨损程度与曳引力的定量匹配关系。
2.如权利要求1所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，所述曳引轮磨损程度基于第一三维模型与第二三维模型进行对比，得到磨损数据，所述曳引力基于实测的曳引力得到，每个所述磨损数据基于所述定量关系，都能够得到一个实际的曳引力。
3.如权利要求2所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，所述第一三维模型通过三维扫描装置对电梯曳引轮的轮槽表面进行扫描，构建电梯曳引轮轮槽表面的实际三维重构模型得到；所述第二三维模型通过构建理论无磨损的电梯曳引轮轮槽的表面三维模型得到。
4.如权利要求3所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，基于所述第一三维模型、所述第二三维模型、所述磨损数据融合得到第三三维模型,对所述第三三维模型在不同工况下进行动力学分析。
5.如权利要求3所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，所述理论无磨损的电梯曳引轮为同规格的全新曳引轮。
6.如权利要求3所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，所述三维扫描装置包括：电磁铁吸盘(8)，所述电磁铁吸盘(8)的一端吸附在曳引轮(2)的凸起上，所述电磁铁吸盘(8)的另一端固定在旋转电机(9)的底座上，所述旋转电机(9)的输出轴固定连接有滑轨(7)，用于驱动所述滑轨(7)旋转,所述滑轨(7)的两端各设有一凸台，所述凸台分别与第一电推杆(6)、第二电推杆(10)固定连接，所述第一电推杆(6)和所述第二电推杆(10)的杆顶分别固定连接有第一滑块(3)和第二滑块(11)，通过所述第一电推杆(6)和所述第二电推杆(10)的推拉实现所述第一滑块(3)和所述第二滑块(11)沿着所述滑轨(7)的滑槽运动，所述第一滑块(3)上安装有第一扫描仪(5)，所述第二滑块(11)上安装有第二扫描仪(13)。
7.如权利要求6所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，所述电磁铁吸盘(8)的一端吸附在曳引轮(2)的凸起上，用于实现所述电磁铁吸盘(8)与所述曳引轮(2)之间的相对固定。
8.如权利要求7所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，所述第一滑块(3)上安装有第一毛刷(4)，所述第二滑块(11)上安装有第二毛刷(12)。
9.如权利要求8所述的电梯曳引轮磨损程度定量化分析及寿命预测方法，其特征在于，所述第一毛刷(4)与所述第二毛刷(12)以所述电磁铁吸盘(8)的圆心为轴心对称布置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111018782.8A CN113720716B (zh) | 2021-09-01 | 2021-09-01 | 一种电梯曳引轮磨损程度定量化分析及寿命预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111018782.8A CN113720716B (zh) | 2021-09-01 | 2021-09-01 | 一种电梯曳引轮磨损程度定量化分析及寿命预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113720716A CN113720716A (zh) | 2021-11-30 |
| CN113720716B true CN113720716B (zh) | 2022-08-19 |
Family
ID=78680378
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111018782.8A Active CN113720716B (zh) | 2021-09-01 | 2021-09-01 | 一种电梯曳引轮磨损程度定量化分析及寿命预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113720716B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114803743B (zh) * | 2022-05-05 | 2022-11-01 | 桂林电子科技大学 | 一种基于电梯综合性能感知识别的群控方法和系统 |
| CN115180476B (zh) * | 2022-08-24 | 2023-04-14 | 桂林电子科技大学 | 一种基于三维重构的电梯曳引轮轮槽形态检测方法 |
| CN117218301B (zh) * | 2023-11-09 | 2024-02-09 | 常熟理工学院 | 基于多通道立体视觉的电梯曳引轮轮槽重建方法及系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG141343A1 (en) * | 2006-09-29 | 2008-04-28 | Inventio Ag | Synthetic fibre cable and lift installation with such a synthetic fibre cable |
| CN104949834B (zh) * | 2015-06-11 | 2018-11-20 | 广州广日电梯工业有限公司 | 一种模拟电梯运行的曳引钢带试验方法及装置 |
| CN106395514B (zh) * | 2016-11-01 | 2018-07-10 | 湖南科技大学 | 曳引电梯动态平衡、节能与降低自重要求的方法及装置 |
| CN206126513U (zh) * | 2016-11-01 | 2017-04-26 | 湖南科技大学 | 曳引电梯动态平衡、节能与降低自重要求的装置 |
| CN107991870B (zh) * | 2017-12-05 | 2020-10-27 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
| CN209383225U (zh) * | 2018-10-29 | 2019-09-13 | 叶荣伟 | 一种滑轮以及包含该滑轮的电梯提升系统 |
| CN111665045A (zh) * | 2020-07-10 | 2020-09-15 | 菱王电梯股份有限公司 | 一种曳引轮使用寿命的模拟测试方法及其专用装置 |
| CN213239480U (zh) * | 2020-11-09 | 2021-05-18 | 丹阳市嘉赐精密机械有限公司 | 一种电梯曳引机机座静载实验装置 |
| CN113158362B (zh) * | 2021-03-18 | 2023-11-28 | 浙江理工大学 | 一种物理失效和数据驱动融合的电梯剩余寿命预测方法 |
-
2021
- 2021-09-01 CN CN202111018782.8A patent/CN113720716B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113720716A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113720716B (zh) | 一种电梯曳引轮磨损程度定量化分析及寿命预测方法 | |
| CN110605393B (zh) | 一种激光立体成形过程检测方法及系统和应用 | |
| KR102256181B1 (ko) | 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템 | |
| Aydin et al. | Defect classification based on deep features for railway tracks in sustainable transportation | |
| Heinzl et al. | Surface extraction from multi-material components for metrology using dual energy CT | |
| KR102228939B1 (ko) | 3차원 자동 스캔 시스템 및 방법 | |
| CN116651971B (zh) | 一种汽车冲压模具在线检测方法及系统 | |
| CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
| KR20220150031A (ko) | 딥러닝을 이용한 초음파 비파괴 검사방법 및 시스템과 이에 사용되는 오토 인코더 기반의 예측모델 학습방법 | |
| Ye et al. | Method for automatic railway track surface defect classification and evaluation using a laser‐based 3D model | |
| CN110597065B (zh) | 一种用于送粉式激光增材自适应控制系统 | |
| Enhui et al. | The influences of light source and roughness ranges on colour image-based visual roughness measurement performance | |
| CN115180476B (zh) | 一种基于三维重构的电梯曳引轮轮槽形态检测方法 | |
| CN113343355B (zh) | 基于深度学习的飞机蒙皮型面检测路径规划方法 | |
| CN114187263A (zh) | 一种融合先验引导和域适应的磨损表面朗伯反射分离方法 | |
| Karasik | A complete, automatic procedure for pottery documentation and analysis | |
| CN114034772A (zh) | 一种轧辊潜在失效检测与剩余使用寿命预测专家系统 | |
| CN116564844A (zh) | 半导体测试方法、电子设备、存储介质及程序产品 | |
| CN116452944A (zh) | 一种表面裂纹识别方法及装置 | |
| CN115731155A (zh) | 基于机器视觉的单晶硅亚表面裂纹损伤检测方法 | |
| CN100335328C (zh) | 结构光视觉传感步进驱动型轮对测量方法及测量装置 | |
| CN117451849B (zh) | 在役车轴智能超声探伤装置 | |
| CN116740462B (zh) | 一种基于特征增强的单分支粗糙度检测方法 | |
| CN107843192B (zh) | 基于Kalman滤波的非接触测量装置及其测量方法 | |
| Malloch et al. | A class of adaptive model-and object-driven nonuniform sampling methods for 3-D inspection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20211130 Assignee: Guilin Dingzheng Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2022450000193 Denomination of invention: A Quantitative Analysis and Life Prediction Method of Elevator Traction Wheel Wear Granted publication date: 20220819 License type: Common License Record date: 20221125 |