基于机器视觉的螺杆启闭机智能防顶控制方案

2022-12-05金能，杨军，梁志开，吴刚，鲁晓军，李甘

人民长江 2022年11期

金能，杨军，梁志开，吴刚，鲁晓军，李甘

(1.长江勘测规划设计研究有限责任公司，湖北武汉 430010； 2.西藏自治区拉洛水利枢纽及灌区管理局，西藏拉萨 850000)

0 引言

启闭机主要用于水利工程中控制闸门的开启和关闭，常见的启闭机类型包括卷扬式、螺杆式、液压式等[1-3]。其中，螺杆式启闭机因结构简单、安装便捷、使用效果良好，在水利工程中得到了大量的应用[4]。然而，螺杆式启闭机也因其特殊结构存在着较大的顶闸风险，现场已发生过多起螺杆式启闭机顶闸事故，给相关设备以及运行人员的安全带来了不利影响[5]。

对现场已发生的螺杆式启闭机顶闸事故进行分析发现，造成顶闸事故的原因主要体现在以下几个方面：

(1) 在现地控制闸门关闭时，因运行人员操作失误或不熟练导致闸门下边缘在触底或遇障碍物后没有及时停机。此时，启闭机将带动闸门继续下压，下压的反作用力作用到螺杆、启闭机及机座上，出现顶闸事故[6]。

(2) 随着自动化程度的提升，现场一般会配置闸门开度仪实时检测闸门位置。运行人员在远程控制闸门关闭时，根据开度仪实时检测的闸门位置进行启停机操作，或设置闸门到底自动停机。但因闸门开度仪检测闸门位置存在误差，并且缺乏可靠有效的闸门下边缘触底或遇障碍物自动停机措施，螺杆式启闭机依然存在较大的顶闸风险[7]。

顶闸事故发生后轻则可能压弯螺杆、顶碎启闭机端盖和顶断启闭机台梁，重则可能顶翻启闭机台、烧毁电机，甚至造成人员伤亡。

针对螺杆式启闭机存在的顶闸问题，已有较多学者和现场工程人员开展了大量的研究，应对措施主要包括[8-10]：

(1) 在闸门触底或遇障碍物后，启闭机力矩会发生变化从而引起电机电流发生变化，通过检测该电流变化来判断闸门是否触底或遇障碍物。

(2) 安装轴销式称重传感器。闸门在上升、下降、触底或遇阻碍情况下传感器的受力存在差异，通过检测该差异判断闸门是否触底或遇障碍物。

(3) 加装弹簧或其他安全装置，配置触点式电路，发生顶闸事故时触发触点断开使启闭机停机。

以上方案能够一定程度上降低螺杆式启闭机顶闸的风险和危害，但依然存在检测精度低、闸门触底或遇障碍物停机不及时、相应传感器安装困难等问题，存在进一步优化的空间。

随着计算机技术的进步，人工智能相关应用如机器视觉、专家系统等飞速发展[11-12]。其中，机器视觉技术因具有无接触、易部署和准确度高等优点，在目标追踪、图像识别、缺陷以及行为检测等各个方向得到广泛应用[13-14]。目前，螺杆式启闭机旁一般装有高清摄像头，但仅用于运行监控，利用率不高。若能利用机器视觉技术充分挖掘视频监控的潜在价值，实现对螺杆启闭机的智能监控，不仅可以实时高精度非接触监测螺杆式启闭机的运行状态，还能减少其他设备如开度仪、称重传感器等的配置，降低成本。

为此，针对螺杆启闭机潜在的顶闸问题，本文引入机器视觉算法实时监测螺杆位置、运动速度等运行状态特征，对异常状况及时响应并停机。所提方案具有检测精度高、反应迅速、动作及时、部署灵活等优点，同时能够实现非接触式监测，无需额外安装传感器。

1 螺杆运行特征分析

顶闸事故主要发生在闸门下行过程中，图1给出了不同工况下螺杆的受力分析。

图1 不同工况下螺杆的受力

分析可知，闸门在正常下降时，螺杆主要受到闸门向下拉力Fl和启闭机向上拉力FN，如图1(a)所示。其中，闸门向下的拉力由闸门自重、闸门浮力和摩擦力合成。当闸门下降过程中遇到障碍物时，螺杆受到的拉力Fl逐渐减小至0，而后该力反向从0逐渐增大至启闭机额定出力，如图1(b)所示。此时，螺杆将受到挤压，进而发生顶闸事故。根据上述受力分析，容易得到闸门整个下降过程中加速度和速度变化如图2～3所示。

图2 闸门下降加速度示意

图3 闸门下降速度示意

由图2～3可知：当前，闸门关闭时一般采用匀速下降的方式，其下降过程中加速度为0，当闸门受阻时，其加速度逐渐增大，且与闸门运动方向相反，此时闸门下降速度将迅速减小至0。若能准确快速检测闸门下降过程中的物理量变化特征，则能有效对闸门下降全过程进行监测，及时发现异常工况。文献[10]提出采用称重传感器检测闸门下行过程中的受力变化来判断闸门的运行状态，然而该方法需对螺杆轴销进行改造，工作量较大。为此，本文考虑充分利用启闭机旁装设的高清摄像头，基于机器视觉算法对螺杆位置、运动速度、加速度进行检测，实时分析闸门运动状态，及时发现异常状况并停机。

2 螺杆启闭机智能防顶控制方案

2.1 基本原理

为了给视频智能分析提供基准，检测螺杆位置、速度及加速度，需选取视觉标志物。本文考虑在螺杆顶部以及启闭机旁的吊尺相关位置分别设置颜色标志线(见图4)。另外，考虑到障碍物一般沉积在闸门底部，闸门下降至底部时遇障碍物概率更大。为了减小闸门在触底或遇障碍物时的冲击力，减轻对闸门、螺杆等设备的损坏，将闸门下降分为匀速下降阶段和降速下降阶段2个阶段：匀速段用于保障闸门总体下降时间不至于太长；降速段用于保障闸门在触底或遇障碍物时速度不至于太高，减小冲击力。

图4 实施方案示意

如图4所示，在吊尺上标记调速线和停止线，将调速线以上的部分设为螺杆匀速下降区段，调速线和停止线之间的部分设为螺杆降速下降区段，螺杆标志线与吊尺停止线平齐时表明闸门刚好触底。在匀速段，通过调整启闭机出力使闸门下降速度不变；在降速段，通过调整启闭机出力使闸门下降速度按线性降低，设定闸门下降至底部或预设位置时速度刚好为0。匀速段和降速段的长度范围、速度大小和变化规律需要根据现场实际需求来确定，主要考虑闸门总体下降时间、安全下降速度等因素。

在完成上述设定后，基于机器视觉算法[14]，利用启闭机旁装设的高清摄像头识别螺杆顶部标记线与吊尺调速线和停止线的相对位置，以及相对位置变化速度，据此计算闸门的实时位置、下降速度和加速度。然后，将闸门实时运行状态量与预设状态量进行比较，在出现偏差时即判定闸门出现异常并发出停机命令。

2.2 可行性分析

为了保障所提方案的可行性，现阶段将所提方案的应用场景限定在光线充足、环境良好的螺杆启闭机房内，待机器视觉技术进一步成熟，可考虑将其应用于室外各种不同的复杂环境中。

另外，对于闸门顶闸事故一般要求做到秒级响应停机。本文所提方案仅需利用机器视觉检测螺杆位置、下降速度和加速度，场景相对简单，对软硬件要求均不高。经过调研，市面上常规的摄像机和机器视觉边缘机可轻松满足上述场景下秒级响应的需求。因此，将机器视觉应用于闸门防顶具有现实可行性。

2.3 运行状态监测判据

L1=V1t1

(1)

V2=-[V1/(t2-t1)]t+V1

(2)

L2=1/2V1(t2-t1)

(3)

由图5可知，在闸门遇障碍物后速度偏离预设速度线，并迅速降至0。结合2.2节分析可以得到所提方案下闸门下降过程中速度偏差和加速度变化示意图如图6～7所示。

图5 所提方案下闸门下降速度示意

图6 所提方案下闸门速度偏差示意

由图6～7可知，闸门遇阻后，其速度偏差和加速度均迅速偏离预设值，本文即通过检测速度偏差和加速度的偏离大小来进行启闭机异常运行状态监测，监测判据如式(4)所示：

ΔV>ΔVset或a>aset

(4)

式中：ΔVset和aset分别表示闸门下降速度偏差门槛值以及加速度门槛值，其整定需考虑启闭机速度控制误差、闸门下降速度和加速度识别计算误差等因素。当ΔV和a任意一个量大于门槛值时立即停机，并发异常告警信号，通过控制启闭机出力来控制闸门停止运动。由图6和图7还可看出，在无障碍物或者未接触障碍物的情况下闸门正常下降，速度偏差ΔV为0，加速度a在匀速段为0，在降速段为V1/(t1-t2)，此时闸门下降的速度偏差和加速度均位于门槛值以内，判定正常运行；当闸门在t′时刻遇障碍物后，下降速度出现偏离，速度偏差ΔV迅速增大，此时加速度绝对值也迅速增大，快速越过门槛值，此时则立即切断启闭机电源，并发异常告警信号。

图7 所提方案下闸门加速度变化示意

另外，由于高清视频数据量庞大，远传至控制中心存在通信延时，若在控制中心对视频进行处理分析，可能无法快速检测闸门出现的异常状态，进而无法及时下达停机指令造成设备损坏。因此，有必要将视频智能分析一体机部署在边缘侧，既能有效减少通信延时对闸门监控实时性带来的影响，实现异常状况快速停机，同时可减轻监控中心计算、存储和网络带宽压力。