CN118129683A - 绳槽磨损度的分析方法 - Google Patents

Abstract

本发明涉及一种绳槽磨损度的分析方法,包括以下步骤：(1)通过传感器对绳槽的轮廓特征进行数据采集，将采集的数据进行过滤去噪，该绳槽的轮廓特征包括绳槽深度、绳槽宽度、绳槽周长以及缠绕在绳槽上钢丝绳的偏心状态；(2)对过滤去噪后的数据上传至数据库。本发明的优点是：(1)有效的确保了保存数据都为有效数据，能有效避免造成数据错误。(2)实现了绳槽轮廓的精准分析，得出绳槽深度宽度周长以及是否钢丝绳发生偏心等结果参数，通过多个参数可以更好地得出绳槽磨损情况，突破了绳槽单一参数测量的局限。

Description

绳槽磨损度的分析方法

技术领域

本发明涉及一种绳槽磨损度的分析方法，属于绳槽的监测领域。

背景技术

传统的绳槽测量是采用标记法测量绳槽的周长误差，或是用标准尺直接测量，其测量方法虽然简单实用，但是效率低、数据少、精度不高，不能实时测量。

采用激光或雷达传感器获取绳槽数据的方案，只采集传感器与绳槽之间的距离数据，采集数据单一，绳槽数据处理算法也只是对一些简单的深度数据进行处理，较少考虑实际绳槽轮廓的特征，只用一种算法难以提取绳槽各维度值。因此，需要根据实际扫描得到的轮廓数据特点选择合适的处理方法，较好地提取目标参数，为后续数据分析处理奠定基础。

发明内容

为克服现有技术的缺陷，本发明提供一种绳槽磨损度的分析方法，本发明的技术方案是：

一种绳槽磨损度的分析方法，包括以下步骤：

(1)通过传感器对绳槽的轮廓特征进行数据采集，将采集的数据进行过滤去噪，该绳槽的轮廓特征包括绳槽深度、绳槽宽度、绳槽周长以及缠绕在绳槽上钢丝绳的偏心状态；

(2)对过滤去噪后的数据上传至数据库。

在所述的步骤(1)中，所述的数据过滤去噪的具体步骤为：依次选取扫描线上相邻的三个点，分别为：p i-1，pi，p i+1，每个点的坐标分别为(x i-1,y i-1),(xi,yi),(xi+1,y i+1),计算中间点到前后两点所连直线的距离h，并与设定的弦高阈值L进行对比，当h<L时，该点为有效点；当h＞L时，为坏点需要去除。

在所述的步骤(1)中，所述的绳槽深度的具体计算步骤为：

波峰是在一个波长的范围内，波幅的最大值；依次取出三个点，分别为：y i-1，yi，y i+1，如果出现任意一点y i，y i>yi-1且y>yi+1，则这个点就是波峰；在寻找出波峰后，增加prominence波峰凸起值来判断波峰凸起强度，设置波峰凸起值滤出最大波峰值y i,最大波峰点即为绳槽最深点。

在所述的步骤(1)中，通过提取出绳槽U型槽两端的边沿点进行计算绳槽宽度，所述的绳槽宽度的具体计算步骤为：

U型槽的曲率特征为由小变大，再由大变小，依次取相邻三点作差，差值W最大的两个突变点坐标X₁,X₂，W＝X₂-X₁；采用hampe l滤波算法选取数组值为滤波样本(X,W)，其中X的取值为X₁，X₂，X₃……Xi；在任一边取K＝2个邻居，产生的移动窗口的长度为n＝2x2+1＝5个样本值；

截断窗口，中位数M＝X(n+1)/2，再计算差值△X＝Xi-M；记录每个周围窗口的中位数；依次移动窗口，再找到每个元素相对于窗口中位数的绝对偏差的中位数Md；缩放中位数绝对偏差以获得正态分布标准偏差的估计值，再查找与中位数相差超过nd＝2个标准偏差的样本，将离群值替换为周围窗口的中间值；

设置阈值经过n次分组迭代得出整圈绳槽的边沿点，即起始点与结束点两点坐标相减得出绳槽宽度。

在所述的步骤(1)中，所述的绳槽周长的具体计算步骤为：

S＝P-2π(Q-T),其中，Q为传感器至预设标准边的距离；P为预设标准边的长度，T为绳槽的平均深度。

在所述的步骤(1)中，所述绳槽上钢丝绳的偏心状态采用偏心判断算法进行计算：

(2-1)最深点x坐标差值不得超过预设阈值σ：深度峰值点排序，基于Y轴径向比较第一高点x坐标差值，若大于σ阈值，则计算第二高点的x坐标差值，若差值都大于σ阈值，则该绳槽偏心；

(2-2)在接近绳槽的中心点范围内，对于具有相同x坐标的点，深度差值不超过预设阈值，若超过预设的阈值，该绳槽偏心。

本发明的优点是：

(1)有效的确保了保存数据都为有效数据，能有效避免造成数据错误。

(2)实现了绳槽轮廓的精准分析，得出绳槽深度宽度周长以及是否钢丝绳发生偏心等结果参数，通过多个参数可以更好地得出绳槽磨损情况，突破了绳槽单一参数测量的局限。

具体实施方式

下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。

本发明涉及一种绳槽磨损度的分析方法，包括以下步骤：

(1)通过传感器对绳槽的轮廓特征进行数据采集，将采集的数据进行过滤去噪，该绳槽的轮廓特征包括绳槽深度、绳槽宽度、绳槽周长以及缠绕在绳槽上钢丝绳的偏心状态；通过对绳槽的深度、宽度、周长以及是否钢丝绳发生偏心参数，通过多个参数的分析，可以更好地得出绳槽磨损情况，突破了绳槽单一参数测量的局限。

(2)对过滤去噪后的数据上传至数据库。

在所述的步骤(1)中，所述的数据过滤去噪的具体步骤为：对得到的数据依次选取相邻的三个点，分别为：p i-1，p i，pi+1，每个点的坐标分别为(x i-1,yi-1),(xi,yi),(xi+1,yi+1),计算中间点到前后两点所连直线的距离h，并与设定的弦高阈值L进行对比，当h<L时，该点为有效点；当h＞L时，为坏点需要去除；采用相邻三点的均值取代坏点。

在所述的步骤(1)中，所述的绳槽深度的具体计算步骤为：

波峰是在一个波长的范围内，波幅的最大值；依次取出三个点，分别为：y i-1，yi，y i+1，如果出现任意一点y i，y i>yi-1且y>yi+1，则这个点就是波峰；在寻找出波峰后，增加波峰凸起值来判断波峰凸起强度，设置波峰凸起值滤出最大波峰值y i,最大波峰点即为绳槽最深点。

在所述的步骤(1)中，通过提取出绳槽U型槽两端的边沿点进行计算绳槽宽度，所述的绳槽宽度的具体计算步骤为：

U型槽的曲率特征为由小变大，再由大变小，依次取绳槽上的相邻三点作差，差值W最大的两个突变点坐标X₁,X₂，W＝X₂-X₁；采用hampe l滤波算法选取数组值为滤波样本(X,W)，其中X的取值为X₁，X₂，X₃……Xi；在任一边取K＝2个邻居，产生的移动窗口的长度为n＝2x2+1＝5个样本值；

截断窗口，中位数M＝X(n+1)/2，再计算差值△X＝Xi-M；记录每个周围窗口的中位数；依次移动窗口，再找到每个元素相对于窗口中位数的绝对偏差的中位数Md；缩放中位数绝对偏差以获得正态分布标准偏差的估计值，再查找与中位数相差超过nd＝2个标准偏差的样本，将离群值替换为周围窗口的中间值；

设置阈值经过n次分组迭代得出整圈绳槽的边沿点，即起始点与结束点两点坐标相减得出绳槽宽度。

在所述的步骤(1)中，所述的绳槽周长的具体计算步骤为：

S＝P-2π(Q-T),其中，Q为传感器至预设标准边的距离；P为预设标准边的长度，T为绳槽的平均深度。

在所述的步骤(1)中，所述绳槽上钢丝绳的偏心状态采用偏心判断算法进行计算：

(2-1)最深点x坐标差值不得超过预设阈值σ：深度峰值点排序，基于Y轴径向比较第一高点x坐标差值，若大于σ阈值，则计算第二高点的x坐标差值，若差值都大于σ阈值，则该绳槽偏心；

(2-2)在接近绳槽的中心点范围内，对于具有相同x坐标的点，深度差值不超过预设阈值，若超过预设的阈值，该绳槽偏心。

本发明通过对绳槽轮廓的精准分析，得出绳槽深度、宽度、周长以及是否钢丝绳发生偏心等结果参数，通过多样的参数更好地得出绳槽磨损情况，突破了绳槽单一参数测量的局限，对绳槽的磨损状态判断更为精确。

本发明还涉及一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述绳槽磨损度的分析方法。

所述电子设备可以包括处理器、存储器和总线，还可以包括存储在所述存储器中，并可在所述处理器上运行的计算机程序，如基于机器视觉的鱼类进食状态识别方法的程序。

所述存储器至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器不仅可以用于存储安装于电子设备的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器内的程序或者模块(例如基于优先关系的数据资源调度方法程序等)，以及调用存储在所述存储器内的数据，以执行电子设备的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-F i模块等，在此不再赘述。

进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包有线接口和/或无线接口(如WI-F I接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现绳槽磨损度的分析方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种绳槽磨损度的分析方法，其特征在于，包括以下步骤：

(1)通过传感器对绳槽的轮廓特征进行数据采集，将采集的数据进行过滤去噪，该绳槽的轮廓特征包括绳槽深度、绳槽宽度、绳槽周长以及缠绕在绳槽上钢丝绳的偏心状态；

(2)对过滤去噪后的数据上传至数据库。

2.根据权利要求1所述的绳槽磨损度的分析方法，其特征在于，在所述的步骤(1)中，所述的数据过滤去噪的具体步骤为：依次选取扫描线上相邻的三个点，分别为：pi-1，pi，pi+1，每个点的坐标分别为(xi-1,yi-1),(xi,yi),(xi+1,yi+1),计算中间点到前后两点所连直线的距离h，并与设定的弦高阈值L进行对比，当h<L时，该点为有效点；当h＞L时，为坏点需要去除。

3.根据权利要求1所述的绳槽磨损度的分析方法，其特征在于，在所述的步骤(1)中，所述的绳槽深度的具体计算步骤为：

波峰是在一个波长的范围内，波幅的最大值；依次取出三个点，分别为：yi-1，yi，yi+1，如果出现任意一点yi，yi>yi-1且y>yi+1，则这个点就是波峰；在寻找出波峰后，增加prominence波峰凸起值来判断波峰凸起强度，设置波峰凸起值滤出最大波峰值yi,最大波峰点即为绳槽最深点。

4.根据权利要求1或2所述的绳槽磨损度的分析方法，其特征在于，在所述的步骤(1)中，通过提取出绳槽U型槽两端的边沿点进行计算绳槽宽度，所述的绳槽宽度的具体计算步骤为：

U型槽的曲率特征为由小变大，再由大变小，依次取相邻三点作差，差值W最大的两个突变点坐标X₁,X₂，W＝X₂-X₁；采用hampel滤波算法选取数组值为滤波样本(X,W)，其中X的取值为X₁，X₂，X₃……Xi；在任一边取K＝2个邻居，产生的移动窗口的长度为n＝2x2+1＝5个样本值；

截断窗口，中位数M＝X(n+1)/2，再计算差值△X＝Xi-M；记录每个周围窗口的中位数；依次移动窗口，再找到每个元素相对于窗口中位数的绝对偏差的中位数Md；缩放中位数绝对偏差以获得正态分布标准偏差的估计值，再查找与中位数相差超过nd＝2个标准偏差的样本，将离群值替换为周围窗口的中间值；

设置阈值经过n次分组迭代得出整圈绳槽的边沿点，即起始点与结束点两点坐标相减得出绳槽宽度。

5.根据权利要求1或2所述的绳槽磨损度的分析方法，其特征在于，在所述的步骤(1)中，所述的绳槽周长的具体计算步骤为：

S＝P-2π(Q-T),其中，Q为传感器至预设标准边的距离；P为预设标准边的长度，T为绳槽的平均深度。

6.根据权利要求4所述的绳槽磨损度的分析方法，其特征在于，在所述的步骤(1)中，所述绳槽上钢丝绳的偏心状态采用偏心判断算法进行计算：

(2-1)最深点x坐标差值不得超过预设阈值σ：深度峰值点排序，基于Y轴径向比较第一高点x坐标差值，若大于σ阈值，则计算第二高点的x坐标差值，若差值都大于σ阈值，则该绳槽偏心；

(2-2)在接近绳槽的中心点范围内，对于具有相同x坐标的点，深度差值不超过预设阈值，若超过预设的阈值，该绳槽偏心。