一種基於物聯網技術的電梯運行故障預測方法與流程

2023-07-22 04:16:21 1

本發明涉及一種故障預測方法，具體涉及一種基於物聯網技術的電梯運行故障預測方法。本發明涉及物聯網/傳感網領域。

背景技術：

國內解決電梯安全問題主要通過兩個途徑：一是故障發生後的故障診斷，二是維 修人員定期的維護保養。而目前廣泛應用的故障診斷技術主要有專家系統、模糊推理、神經網絡等。但這些技術嚴重依賴於專家知識，專家知識獲取困難成為故障診斷實施的瓶頸。另外，大多數故障診斷方法都不能提供故障預測功能，被動型診斷無法阻止故障的發生，只能依靠於電梯定期維護保養。目的不明確的定期維修保養不僅成本高、效率低，而且依靠人工檢查也很難發現電梯的安全隱患。

專利號為『CN201210064642.9』，名稱為『電梯運行性能在線分析儀及在線分析方法』的專利，電梯運行性能在線分析儀及在線分析方法，屬於電梯技術領域，其特徵在於上位機用於實現信號的統計和分析，但設備的成本太高、且技術不成熟，存在比較高的差錯率，導致在使用時容易出現故障。

專利號為『CN201210176351.9』，名稱為『基於數據驅動的電梯故障診斷與預警方法』的專利，該發明採取的技術方案是，基於數據驅動的電梯故障診斷與預警方法，藉助於遠程服務中心、故障診斷與預測終端和電梯控制器實現，但是並沒有給出具體的實現方式，功能不夠具體。

技術實現要素：

為解決現有技術的不足，本發明的目的在於提供一種基於物聯網技術的電梯運行故障預測方法。

為了實現上述目標，本發明採用如下的技術方案：

一種基於物聯網技術的電梯運行故障預測方法，其特徵在於，包括如下步驟：

步驟一：在電梯的轎頂，轎廂，轎底安裝傳感設備，通過DTU以及DTU中的數據卡，實現監控數據的傳輸；

步驟二：建立電梯故障維護預測的模型，並利用它們預測出故障維護等的未來確定值；

步驟三：對模型結果進行評估。

前述的一種基於物聯網技術的電梯運行故障預測方法，其特徵在於，所述步驟二包括：移動平均法利用歷史的數據，在時間序列上進行平滑移動，同時對現有項進行計算得到時序平均值，因移動平均法只是簡單的平移，各元素的權值是一樣的，從而很好的消除季節性因素和隨機波動帶來的影響；根據樣本數n，設權值序列為w1，w2，…wn,且滿足w1+ w2+…+ wn = 1,則有f(t)= w1Zt-1+ w2Zt-2+…+ wnZt-n；調整各個權重，使預測值接近實際值。

前述的一種基於物聯網技術的電梯運行故障預測方法，其特徵在於，所述步驟三包括：把預測對象的歷史數據按一定的時間間隔進行排列，構成一個隨時間變化的統計序列，建立相應的數據隨時間變化的模型，並將該模型外推到未來進行預測；根據己知的歷史數據擬合一條曲線，使得這條曲線能反映預測對象隨時間變化的趨勢；按照變化趨勢曲線，對於未來的某一時刻，從曲線上估計出該時刻的預測值。

本發明的有益之處在於：本發明能夠及早發現電梯的故障隱患，給維修留出充裕的時間，避免了重大損失的發生。本發明應用於電梯物聯網領域會極大提升區域範圍內電梯運行的安全性與可靠性。

附圖說明

圖1是本發明的一個優選實施的結構示意圖。

具體實施方式

以下結合附圖和具體實施例對本發明作具體的介紹。

參照圖1所示，本發明

故障預測方法包括以下步驟：

（1）在電梯的轎頂，轎廂，轎底安裝傳感設備，通過DTU以及DTU中的數據卡，實現監控數據的傳輸。

（2）隨著電梯遠程監控系統的研究，以數理統計、趨勢分析等數學方法以及路面力學經驗法為指導思想，在分析歷史故障的積累數據的基礎上，建立電梯故障維護預測的模型，並利用它們預測出故障維護等的未來確定值，其結果是唯一的。移動平均法利用歷史的數據，在時間序列上進行平滑移動，同時對現有項進行計算得到時序平均值，因移動平均法只是簡單的平移，各元素的權值是一樣的，從而很好的消除季節性因素和隨機波動帶來的影響。根據樣本數n，設權值序列為w1，w2，…wn,且滿足w1+ w2+…+ wn = 1,則有f(t)= w1Zt-1+ w2Zt-2+…+ wnZt-n。

根據經驗來調整各個權重，使預測值接近實際值，在季節性影響有關的情況下，可以根據季節性數據來調整，效果會更好。

（3）模型結果評估。

本發明把預測對象的歷史數據按一定的時間間隔進行排列，構成一個隨時間變化的統計序列，建立相應的數據隨時間變化的模型，並將該模型外推到未來進行預測。根據己知的歷史數據擬合一條曲線，使得這條曲線能反映預測對象隨時間變化的趨勢。按照變化趨勢曲線，對於未來的某一時刻，從曲線上可以估計出該時刻的預測值。本發明有效的前提是過去的發展模式會延續到未來，因而本發明對短期預測效果比較好。

在電梯的轎頂，轎廂，轎底安裝傳感設備，通過DTU以及DTU中的數據卡，實現監控數據的傳輸。

隨著電梯遠程監控系統的研究，以數理統計、趨勢分析等數學方法以及路面力學經驗法為指導思想，在分析歷史故障的積累數據的基礎上，建立電梯故障維護預測的模型，並利用它們預測出故障維護等的未來確定值，其結果是唯一的。移動平均法利用歷史的數據，在時間序列上進行平滑移動，同時對現有項進行計算得到時序平均值，因移動平均法只是簡單的平移，各元素的權值是一樣的，從而很好的消除季節性因素和隨機波動帶來的影響。

根據經驗來調整各個權重，使預測值接近實際值，在季節性影響有關的情況下，可以根據季節性數據來調整，效果會更好。

模型結果評估。

所述傳感設備包括設置於曳引機上的曳引機傳感器以及設置於轎廂上的轎廂傳感器，所述曳引機傳感器和轎廂傳感器分別與監控中心連接，所述監控中心內存有電梯正常運作時曳引機在各個運行階段的頻譜圖以及轎廂在各個運行階段的頻譜圖，且監控中心能夠對曳引機傳感器和轎廂傳感器的數據進行處理對比。曳引機傳感器和轎廂傳感器均為三軸加速度傳感器。電梯轎廂外設置有與監控中心連接的噪音傳感器，所述監控中心內存有電梯正常運作時轎廂外噪音在各個運行階段的頻譜圖，且監控中心能夠對噪音傳感器的數據進行處理對比。

預警的實現方法包括有如下步驟：

步驟一、電梯運作時，通過設置於曳引機上的曳引機傳感器、設置於轎廂上的轎廂傳感器以及設置在轎廂外噪音傳感器的採集電梯在不同運動階段下曳引機、轎廂的振動數據以及轎廂外的噪音數據，並傳輸至監控中心；

步驟二、監控中心對曳引機、轎廂的振動數據以及轎廂外的噪音數據進行快速傅立葉變換，得出曳引機、轎廂電梯在不同運動階段下的振動頻譜圖，以及轎廂外電梯在不同運動階段下的噪音頻譜圖；

步驟三、監控中心把採集的振動頻譜圖、噪音頻譜圖與監控中心內存的電梯正常運作的振動頻譜圖、噪音頻譜圖對比，若採集的曳引機振動頻譜圖、轎廂振動頻譜圖、轎廂外噪音頻譜圖中任意一個或者多個的頻譜圖在某個頻段或者多個頻段的幅值大於或等於該頻段下正常幅值的1.5 ～ 3 倍，則認定電梯出現或者將要出現故障，進行預警提示，並進行檢修，若在全頻段的幅值均未超出正常幅值的1.5 ～ 3 倍，則認為電梯在正常運作。

所述的步驟三中，若採集的曳引機振動頻譜圖、轎廂振動頻譜圖、轎廂外噪音頻譜圖中任意一個或者多個的頻譜圖個頻段或者多個頻段的幅值大於或等於該頻段下正常幅值2 倍，則認定電梯出現或者將要出現故障，進行預警提示，若在全頻段的幅值均未超出正常幅值的2 倍，則認為電梯在正常運作。

以上顯示和描述了本發明的基本原理、主要特徵和優點。本行業的技術人員應該了解，上述實施例不以任何形式限制本發明，凡採用等同替換或等效變換的方式所獲得的技術方案，均落在本發明的保護範圍內。