一种基于三维重构的电梯曳引轮轮槽形态检测方法

    公开(公告)号:CN115180476B

    公开(公告)日:2023-04-14

    申请号:CN202211019341.4

    申请日:2022-08-24

    Abstract: 本发明公开一种基于三维重构的电梯曳引轮轮槽形态检测方法,包括基于钢丝绳内外两侧点云数据,获得钢丝绳组三维模型;基于曳引轮顶部轮廓点云数据,获得曳引轮顶部轮廓三维模型;获得轿厢和对重的配重比数据;基于钢丝绳组三维模型、曳引轮顶部轮廓三维模型以及轿厢和对重的配重比数据,获得融合数据库和曳引轮轮槽形态数据库;带入神经网络进行训练,获得最优参数的变化函数;基于最优参数的变化函数,获得曳引轮轮槽形态检测模型;基于曳引轮轮槽形态检测模型,获得电梯曳引轮轮槽形态。本发明只需结合多重影响因素和轮槽形态的对应匹配关系,就可得到不同情况下的实际轮槽形态,相比于传统检测方法,更加方便准确。

    一种基于三维重构的电梯曳引轮轮槽形态检测方法

    公开(公告)号:CN115180476A

    公开(公告)日:2022-10-14

    申请号:CN202211019341.4

    申请日:2022-08-24

    Abstract: 本发明公开一种基于三维重构的电梯曳引轮轮槽形态检测方法,包括基于钢丝绳内外两侧点云数据,获得钢丝绳组三维模型;基于曳引轮顶部轮廓点云数据,获得曳引轮顶部轮廓三维模型;获得轿厢和对重的配重比数据;基于钢丝绳组三维模型、曳引轮顶部轮廓三维模型以及轿厢和对重的配重比数据,获得融合数据库和曳引轮轮槽形态数据库;带入神经网络进行训练,获得最优参数的变化函数;基于最优参数的变化函数,获得曳引轮轮槽形态检测模型;基于曳引轮轮槽形态检测模型,获得电梯曳引轮轮槽形态。本发明只需结合多重影响因素和轮槽形态的对应匹配关系,就可得到不同情况下的实际轮槽形态,相比于传统检测方法,更加方便准确。

    一种扶梯速度数据分析仪及其方法

    公开(公告)号:CN117849384A

    公开(公告)日:2024-04-09

    申请号:CN202311762296.6

    申请日:2023-12-20

    Abstract: 本发明提供一种扶梯速度数据分析仪,手检测结构、梯级检测结构及控制单元;扶手检测结构包括有扶手架体、检测轮及扶手速度检测单元;扶手速度检测单元用于检测检测轮的转动速度;扶手架体用于将检测轮固定在扶手带上表面上,检测轮用于与扶手带上表面接触并跟随扶手带的运动而转动;梯级检测结构包括有梯级架体、第二检测轮、梯级速度检测单元;梯级架体用于将第二检测轮放置在梯级上表面,第二检测轮用于与梯级上表面接触并跟随梯级的运动而转动;梯级速度检测单元设置在梯级架体上,用于检测第二检测轮的转动速度;控制单元包括有中央处理器;中央处理器分别与梯级速度检测单元及扶手速度检测单元通讯连接。

    基于图像识别的液压吊装系统
    9.
    发明公开

    公开(公告)号:CN117326461A

    公开(公告)日:2024-01-02

    申请号:CN202311364889.7

    申请日:2023-10-20

    Abstract: 本发明涉及液压吊装垂直度检测技术领域,具体涉及基于图像识别的液压吊装系统。其主要针对使用无人机测量时,受到外界天气的影响,导致成像糟糕,达不到系统识别的精度,无法准确测出垂直度的问题,提出如下技术方案:包括相机模块,用于用来拍摄方钢和桅杆的相对位置,WiFi无线传输模块,使得相机模块通过WLAN口连接WLAN模块,通过无线网络将拍到的照片实时传输到电脑上,计算机软件系统,用于计算机接收到摄像机采集到的图像后,利用图像处理的方法进行垂直度检测。本发明通过设置WiFi无线传输模块、计算机软件系统和编码器等部件,进而确保相机在拍摄完成后,能够快速准确地分析出是否发生倾斜,确保正常工作,且结构简单,硬件成本较低,结构稳定。

    一种电梯滑移量预测的方法、系统、电子装置及存储介质

    公开(公告)号:CN117290768A

    公开(公告)日:2023-12-26

    申请号:CN202311143808.0

    申请日:2023-09-06

    Abstract: 本发明提供一种电梯滑移量预测的方法,包括:获取历史的全周期滑移量退化信号及当前滑移量退化信号;导入退化信号至分类模型,该分类模型将退化信号分割为平稳运行状态与退化状态信号;及将退化状态信号输入CNN‑LSTM模型,利用卷积神经网络的局部特征提取能力与长短期记忆网络的长短期时序学习能力,对退化状态信号进行时序预测,其中退化状态信号包括滑移量数据、正常滑移范围状态、超出正常滑移范围状态。本发明通过融合与滑移量相关的特征输入至对抗学习驱动的预测模型,实现滑移量的高精度预测,同时实现滑移量两阶段的自适应划分且区间预警。

Patent Agency Ranking