Алексей Викторович Панфилов, доцент кафедры, кандидат технических наук, доцент
кафедра «Эксплуатация транспортных систем и логистика»
344003
пл. Гагарина, 1
Ростов-на-Дону
ScopusID
Aleksey V. Panfilov
1, Gagarin Sq.
Rostov-on-Don
Николай Николаевич Николаев, доцент кафедры, кандидат технических наук, доцент
кафедра «Эксплуатация транспортных систем и логистика»
344003
пл. Гагарина, 1
Ростов-на-Дону
ResearcherID
ScopusID
Nikolay N. Nikolaev
1, Gagarin Sq.
Rostov-on-Don
Александр Рашидович Юсупов, старший преподаватель
кафедра «Робототехника и мехатроника»
344003
пл. Гагарина, 1
Ростов-на-Дону
Aleksandr R. Yusupov
1, Gagarin Sq.
Rostov-on-Don
Анатолий Аркадьевич Короткий, заведующий кафедрой, доктор технических наук, профессор
кафедра «Эксплуатация транспортных систем и логистика»
344000
пл. Гагарина, 1
Ростов-на-Дону
ScopusID
Anatoliy A. Korotkiy
1, Gagarin Sq.
Rostov-on-Don
Введение. В настоящее время техническое состояние канатов машин на канатной тяге оценивается периодически согласно нормативной документации. При этом применяются методы визуально-инструментального контроля, которые зависят от навыков и физических возможностей (зрения) персонала, выполняющего работы. Единая система непрерывной оценки технического состояния по совокупности факторов, не зависящая от человеческого фактора, отсутствует. В результате возникают аварийные ситуации даже при выполнении всех регламентных работ в срок. Для исправления этой ситуации предлагается использование системы компьютерного зрения и нейронных сетей, позволяющей по совокупности обнаруженных и идентифицированных дефектов определять его пригодность к дальнейшей эксплуатации по уровням риска с интерпретацией их результатов в цветовую гамму: зеленый — приемлемый, желтый — повышенный, красный — высокий.
Цель работы — предложить интегральный метод оценки риска эксплуатации машин с канатной тягой при обнаружении дефектов и их сочетаний в стальном канате с использованием компьютерного зрения при исключении влияния человеческого фактора. Материалы и методы. Обучение нейронной сети производилось на основе статистических данных дефектов, полученных по результатам технических освидетельствований машин с канатной тягой, на участках каната, кратных его шести и тридцати номинальным диаметрам по ГОСТ 33 718. Индексация рисков в цветовую гамму осуществлялась по ГОСТ 55 234.3 для выработки стратегии технического обслуживания стальных канатов. На программный код нейронной сети получено свидетельство о регистрации программы для ЭВМ. Нейронная сеть обрабатывает данные визуально-измерительного контроля на основе компьютерного зрения. Результаты исследования. Создана система интегральной оценки риска при диагностике стальных канатов с использованием компьютерного зрения, позволяющая своевременно обнаруживать дефекты стальных канатов, оценивать существующий риск дальнейшей эксплуатации и давать рекомендации специалистам эксплуатирующих организаций в режиме реального времени. Это позволит резко снизить риск аварий, травмирования и гибели людей на объектах, использующих стальные канаты. Обсуждение и заключения. Предлагаемая система интегральной оценки риска может быть применена в любом объекте с применением канатной тяги. Это лифты различного назначения, фуникулеры, канатные дороги, краны и многие другие машины. Следует отметить, что предполагаемая коммерческая стоимость системы является невысокой, следовательно, система доступна широкому кругу потребителей.
Introduction. Currently, the technical condition of ropes of cable-working machines is evaluated periodically according to regulatory documentation. At the same time, methods of visual and instrumental control are used, which depend on the skills and physical capabilities (vision) of the personnel performing the work. There is no unified system of continuous assessment of the technical condition based on a set of factors that does not depend on the human factor. As a result, emergencies occur even when all routine maintenance is carried out on time. To correct this situation, it is proposed to use a computer vision system and neural networks, which allows determining its suitability for further operation by risk levels based on the totality of detected and identified defects, with the interpretation of their results in the color scheme: green — acceptable, yellow — increased, red — high.
The work objective is to propose an integral method for risk assessment of operating machines with rope traction when defects and their combinations are detected in a steel rope using computer vision while excluding the influence of the human factor. Materials and Methods. Training of the neural network was carried out on the basis of statistical data of defects obtained from the results of technical inspections of machines with rope traction, on sections of the rope, multiples of its six and thirty nominal diameters according to GOST 33 718. Indexing of risks in the color scheme was carried out according to GOST 55 234.3 to develop a strategy for steel ropes maintenance. A certificate of registration of a computer program was obtained for the neural network program code. The neural network processes visual and measurement control data based on computer vision. Results. An integrated risk assessment system has been created for the diagnosis of steel ropes using computer vision, which allows you to detect defects in steel ropes timely, assess the existing risk of further operation and give recommendations to specialists of operating organizations in real time. This will dramatically reduce the risk of accidents, injury and death of people at facilities using steel ropes. Discussion and Conclusion. The proposed integrated risk assessment system can be applied in any facility that uses rope traction. These are elevators for various purposes, funiculars, cable cars, cranes and many other machines. It should be noted that the estimated commercial cost of the system is low; therefore, the system is available to a wide range of consumers.
The authors declare that there are no conflicts of interest present.