CN103678952A - 一种电梯风险评估方法 - Google Patents

一种电梯风险评估方法 Download PDF

Info

Publication number
CN103678952A
CN103678952A CN201310564039.1A CN201310564039A CN103678952A CN 103678952 A CN103678952 A CN 103678952A CN 201310564039 A CN201310564039 A CN 201310564039A CN 103678952 A CN103678952 A CN 103678952A
Authority
CN
China
Prior art keywords
elevator
index
risk assessment
neural network
risk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201310564039.1A
Other languages
English (en)
Inventor
孙云波
王�华
桑秀丽
苏俞真
陶然
徐建新
李新仕
肖汉杰
胡建杭
魏永刚
梁波
郭澍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
YUNNAN SPECIAL EQUIPMENT SAFETY DETECTION ENGINEERING AND TECHNOLOGY RESEARCH CENTER
Kunming University of Science and Technology
Original Assignee
YUNNAN SPECIAL EQUIPMENT SAFETY DETECTION ENGINEERING AND TECHNOLOGY RESEARCH CENTER
Kunming University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by YUNNAN SPECIAL EQUIPMENT SAFETY DETECTION ENGINEERING AND TECHNOLOGY RESEARCH CENTER, Kunming University of Science and Technology filed Critical YUNNAN SPECIAL EQUIPMENT SAFETY DETECTION ENGINEERING AND TECHNOLOGY RESEARCH CENTER
Priority to CN201310564039.1A priority Critical patent/CN103678952A/zh
Publication of CN103678952A publication Critical patent/CN103678952A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Maintenance And Inspection Apparatuses For Elevators (AREA)

Abstract

本发明涉及一种电梯风险评估方法，属于电梯风险的实时评估及过程与安全控制技术领域。本发明首先采用指标分析方法层次分析法对可能引起电梯故障的因素进行分析，并建立电梯风险评估指标层次结构；再获取电梯风险评估指标层次结构中各指标实测参数值，并对各指标的实测参数值做初始化处理；然后通过人工神经网络确定电梯风险评估层次结构中指标的权重；最后通过带时序学习算法的前馈神经网络对电梯进行风险评估，并划分电梯风险等级。本发明的评估方法对于很多领域都有可参考和应用的价值，比如工业锅炉、大型电力变压器、工业管道等的风险评估。

Description

一种电梯风险评估方法
技术领域
本发明涉及一种电梯风险评估方法，属于电梯风险的实时评估及过程与安全控制技术领域。
背景技术
随着我国经济建设的迅猛发展，人民物质文化生活水平的迅速提高，电梯已不仅是一种生产环节中的重要设备，更是一种工作和生活中的必需设备，电梯和汽车一样，已经是人民频繁乘用的交通运输设备。我国电梯数量由2001年底的28.5万台增至2011年底的163万台，且每年以20%左右的速度在增长，目前中国已经为世界上电梯拥有量最大的国家。而近年来频发的电梯事故，引发政府与社会各界对电梯的安全的广泛关注。根据国家质检总局的统计数据显示，近年来全国平均每年发生电梯事故40起左右，伤亡40余人，自2011年以来电梯事故有明显的上升趋势。
国家“十二五”特种设备安全与节能发展规划提到要“加大对电梯使用单位和维保单位的监督管理，建立电梯维保单位诚信评价体系，防范作业过程伤害事故，推动建立老旧电梯更新改造机制”；“十二五”特种设备科技发展规划对电梯等特种设备的安全监管模式、安全评价技术、检验检测技术和应急救援技术提出了更高要求。以上政策足以表明电梯的安全问题引发政府高度关注。
目前，关于电梯风险评估的方法有很多，如张广明等提出的基于模糊层次分析法与人工神经网络的电梯风险评估方法；郑祥盘以多层综合评价数学模型统计的方法为准则,实现电梯系统的综合安全评估。但现有方法的权值多以专家经验为依据，致使评估结果的准确性以及应用的有效性存在不足。尽管电梯问题普遍存在却很难定性和评价，导致政府监管、维保单位维护和事故预防只能凭经验判断，出现目前监管不力、维保不及时、预防不到位的现状。因此，提供一种简单易行，可以灵敏、快速、可靠、实时地评价电梯的整体运行状况，为预防各种类型的电梯故障提供一种可靠实用的评估方案显得尤为重要。
发明内容
本发明要解决的技术问题是：电梯事故中监管不力、维保不及时、预防不到位的问题，提供一种具有较高的应用价值的、简单易行的电梯风险评估方法。
本发明的技术方案是：一种电梯风险评估方法：
（1）该方法采用常用的指标分析方法层次分析法（AHP）对可能引起电梯故障的因素进行分析，并建立电梯风险评估指标层次结构；
（2）该方法采用现有成熟的计算机技术获取电梯风险评估指标层次结构中各指标实测参数值，并对各指标的实测参数值做初始化处理；
（3）该方法采用现有的人工神经网络（ANN）确定电梯风险评估层次结构中指标的权重；
（4）该方法采用带时序学习算法的前馈神经网络（EBP）对电梯进行风险评估，并划分电梯风险等级。
在文献综述、专家经验访谈的基础上，采用常用的评价指标分析方法层次分析法（AHP），对可能引起电梯风险的因素以层次的方式进行分析，最终“选定超载装置、超速保护装置、绳头组合、紧急电源装置、质量维保、极限开关动作次数”10个影响因素作为电梯风险评估指标，并建立如图2所示的电梯风险评估指标层次结构。
在电梯风险评估指标层次结构的基础上，选取20个样本，采用实地调研的方式获取电梯风险层次结构中各指标实测参数值；由于各样本中各指标的数据值相差很大，不能直接进行比较，故采用常用的评价指标隶属度函数对样本数据进行初始化处理。
由于电梯风险评估指标有的是值越大越好，有的是值越小越好，有的是取值适中较好，故将电梯风险评估指标归为正指标、逆指标、适度指标三类，本专利中正指标有：超载装置、超速保护装置、绳头组合、紧急电源装置、质量维保，逆指标有：极限开关动作次数、安全钳动作次数，适度指标：部件更换、电梯使用年数、平均负荷情况，定义正指标、逆指标、适度指标的隶属度函数如下：
（1）正指标
Figure 2013105640391100002DEST_PATH_IMAGE001
 
Figure 172830DEST_PATH_IMAGE002
（2）逆指标
Figure 2013105640391100002DEST_PATH_IMAGE003
 
Figure 168075DEST_PATH_IMAGE004
（3）适度指标
Figure 2013105640391100002DEST_PATH_IMAGE005
 
Figure 363433DEST_PATH_IMAGE006
式中：
Figure 2013105640391100002DEST_PATH_IMAGE007
指为指标的隶属度函数；
Figure 354522DEST_PATH_IMAGE008
为指标的实际取值；
Figure 2013105640391100002DEST_PATH_IMAGE009
为第
Figure 882718DEST_PATH_IMAGE010
个指标的最大值；
Figure 2013105640391100002DEST_PATH_IMAGE011
为第
Figure 301061DEST_PATH_IMAGE010
个指标的最小值；
Figure 780453DEST_PATH_IMAGE012
为第个指标的适度值，其值为第
Figure 269520DEST_PATH_IMAGE010
个指标的适度值平均值。
所述的人工神经网络（ANN）方法确定电梯风险评估层次结构中各指标的权重，包括三个阶段：第一阶段是人工神经网络模型的构建，建立一个10-6-1的3层神经网络模型，其中10表示输入层神经单元数（等于电梯风险指标层次结构中最低层指标数量），隐含层神经单元数可自行设定，但其应大于输入层神经元和输出层神经元数目和的一半，小于输入层神经元和输出层神经元数目的和，本方法选取其值为6，输出层神经单元数为1；第二阶段是人工神经网络模型的训练，选取20个样本对此神经网络进行训练，得到网络稳定时各神经元之间的权值系数；第三阶段是电梯风险评估层次结构中各指标权重的确定，由于建立神经网络学习算法的目的是确定电梯风险评估指标的权重，而神经网络训练得到的结果只是各神经网络神经元之间的关系，要想得到输入因素相对于输出因素之间的真实关系，也就是输入因素对输出因素的决策权重，还需要对各神经元之间的权重加以分析处理，为此利用相关显著性系数、相关指数以及绝对影响系数来描述输入因素和输出因素之间的关系，最终得到电梯风险评估层次结构中各指标权重。
利用相关显著性系数、相关指数以及绝对影响系数来描述神经网络输入因素和输出因素之间的关系，具体公式如下：
（1）相关显著性系数
Figure 921081DEST_PATH_IMAGE013
Figure 651883DEST_PATH_IMAGE014
（2）相关指数
Figure 47093DEST_PATH_IMAGE015
（3）绝对影响因素
Figure 808561DEST_PATH_IMAGE017
上述公式中：
Figure 75594DEST_PATH_IMAGE010
为神经网络输入单元，
Figure 946599DEST_PATH_IMAGE018
；
Figure 615477DEST_PATH_IMAGE019
为神经网络输出单元，；
Figure 989269DEST_PATH_IMAGE021
为神经网络的隐含单元，；
Figure 702196DEST_PATH_IMAGE023
为输入层神经元
Figure 866461DEST_PATH_IMAGE010
和隐含层神经元
Figure 45770DEST_PATH_IMAGE021
之间的权系数；为输出层神经元
Figure 649850DEST_PATH_IMAGE019
和隐含层神经元之间的权系数。上面三个相关系数中绝对影响系数S即为所求权重。
采用带时序学习算法的前馈神经网络（EBP）方法建立一个3层神经网络模型，输入层节点是电梯风险层次结构中的10个指标，隐含层节点数为6，输出层节点数为1，学习算法是BP算法，20个电梯安全状态的评估样本被分为训练样本和评估样本，前15个用于网络训练，后5个则用于测试网络性能，电梯风险检测结果由0-1的数值组成，并将电梯风险分成5个等级，各等级电梯风险检测值所属区间分别为（0，0.2]、（0.2，0.4] 、（04，0.6] 、（0.6，0.8] 、（0.8，1],它们表示的电梯状况分别为非常不好、不好、一般、较好、非常好。
本发明的有益效果是：
1、本发明电梯风险评估方法简单易行，能够及时、灵敏、可靠地评估电梯运行状况，并迅速给出比较准确的电梯风险等级；
2、本发明对电梯的运行状况进行实时监测，使有关部门能及时了解电梯运行状况，当电梯存在风险时能及时采取有效对策，降低电梯事故，保障电梯乘坐者的生命安全；
3、本发明的评估方法使得电梯风险评估响应速度快、实时性较高。
本发明的评估方法对于很多领域都有可参考和应用的价值，比如工业锅炉、大型电力变压器、工业管道等的风险评估。
附图说明
图1是本发明的电梯风险评估流程图；
图2是本发明的电梯风险评估指标层次结构；
图3是本发明的EBP神经网络的训练偏差曲线；
图4 是本发明的EBP神经网络输出值与参考值比较。
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
实施方式一：
某小区物业公司，按照附图1的流程对小区内的电梯进行风险评估。首先在文献综述、专家经验访谈的基础上，采用常用的评价指标分析方法层次分析法（AHP），对可能引起电梯风险的因素以层次的方式进行分析，最终选定10个影响因素作为电梯风险评估指标，并建立图2所示的电梯风险评估指标层次结构。在电梯风险评估指标层次结构的基础上，采用现有成熟的计算机技术获取20个电梯的风险指标实测参数，并采用常用的评价指标隶属度函数对样本数据进行初始化处理。采用现有的人工神经网络（ANN）方法建立一个10-6-1的3层神经网络模型，采用 20个电梯样本对此神经网络进行训练，得到网络稳定时各神经元之间的权值系数（如表1所示）。
表1  电梯风险评估各神经元权重表
Figure 651621DEST_PATH_IMAGE025
由于建立神经网络学习算法的目的是确定电梯风险评估指标的权重，而神经网络训练得到的结果只是各神经网络神经元之间的关系，要想得到输入因素相对于输出因素之间的真实关系，也就是输入因素对输出因素的决策权重，采用相关显著性系数、相关指数以及绝对影响系数来描述输入因素和输出因素之间的关系，最终得到电梯风险评估层次结构中各指标权重（如表2所示）。
表2  电梯风险评估指标权重表
Figure 182966DEST_PATH_IMAGE026
采用带时序学习算法的前馈神经网络（EBP）方法建立一个10-6-1的3层神经网络模型，20个电梯安全状态的评估样本被分为训练样本和评估样本，前15个用于网络训练，后5个则用于测试网络性能，图3给出了EBP神经网络训练偏差曲线，图4则给出了预测值和EBP神经网络计算出的实际输出值比较的结果,从图4可看出，20个样本中有4个电梯状况非常好，3个电梯状况较好，5个电梯状况一般，4个电梯状况不好，4个电梯状况非常不好，同时EBP网络的实际输出与预测值很接近，表明该方法的电梯风险评估效果很理想。通过该简单易行的评估方法，灵敏、快速、可靠、实时地检测了电梯的整体运行状况，从而为电梯风险评估提供了一种可靠实用的评估方案。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (7)

1.一种电梯风险评估方法，其特征在于：
（1）采用指标分析方法层次分析法对可能引起电梯故障的因素进行分析，并建立电梯风险评估指标层次结构；
（2）获取电梯风险评估指标层次结构中各指标实测参数值，并对各指标的实测参数值做初始化处理；
（3）通过人工神经网络确定电梯风险评估层次结构中指标的权重；
（4）通过带时序学习算法的前馈神经网络对电梯进行风险评估，并划分电梯风险等级。
2.根据权利要求1所述的电梯风险评估方法，其特征在于：采用评价指标分析方法层次分析法对可能引起电梯风险的因素以层次的方式进行分析，选定超载装置、超速保护装置、绳头组合、紧急电源装置、质量维保、极限开关动作次数、安全钳动作次数、部件更换、电梯使用年数、平均负荷情况作为电梯风险评估指标，并建立电梯风险评估指标层次结构。
3.根据权利要求1所述的电梯风险评估方法，其特征在于：在电梯风险评估指标层次结构的基础上，选取20个样本，通过分析获取电梯风险层次结构中各指标实测参数值，通过评价指标隶属度函数对样本数据进行初始化处理。
4.根据权利要求1所述的电梯风险评估方法，其特征在于：将电梯风险评估指标归为正指标、逆指标、适度指标三类，其中：
正指标有：超载装置、超速保护装置、绳头组合、紧急电源装置、质量维保；
逆指标有：极限开关动作次数、安全钳动作次数；
适度指标：部件更换、电梯使用年数、平均负荷情况；
定义正指标、逆指标、适度指标的隶属度函数如下：
（1）正指标
Figure 241817DEST_PATH_IMAGE001
  
（2）逆指标
Figure 414489DEST_PATH_IMAGE003
 
Figure 294721DEST_PATH_IMAGE004
（3）适度指标
Figure 670338DEST_PATH_IMAGE005
 
Figure 90955DEST_PATH_IMAGE006
式中：
Figure 999743DEST_PATH_IMAGE007
指为指标的隶属度函数；
Figure 847614DEST_PATH_IMAGE008
为指标的实际取值；
Figure 710527DEST_PATH_IMAGE009
为第个指标的最大值；
Figure 199595DEST_PATH_IMAGE011
为第
Figure 421629DEST_PATH_IMAGE010
个指标的最小值；为第
Figure 32793DEST_PATH_IMAGE010
个指标的适度值，其值为第
Figure 214376DEST_PATH_IMAGE010
个指标的适度值平均值。
5.根据权利要求1所述的电梯风险评估方法，其特征在于：所述人工神经网络方法确定电梯风险评估层次结构中各指标的权重，包括三个阶段：
第一阶段是人工神经网络模型的构建，建立一个10-6-1的3层神经网络模型，其中10表示输入层神经单元数，隐含层神经单元数可自行设定，但其应大于输入层神经元和输出层神经元数目和的一半，小于输入层神经元和输出层神经元数目的和；
第二阶段是人工神经网络模型的训练，选取20个样本对此神经网络进行训练，得到网络稳定时各神经元之间的权值系数；
第三阶段是电梯风险评估层次结构中各指标权重的确定，对各神经元之间的权重加以分析处理，利用相关显著性系数、相关指数以及绝对影响系数来描述输入因素和输出因素之间的关系，得到电梯风险评估层次结构中各指标权重。
6.根据权利要求1所述的电梯风险评估方法，其特征在于：利用相关显著性系数、相关指数以及绝对影响系数来描述神经网络输入因素和输出因素之间的关系，具体公式如下：
（1）相关显著性系数
Figure 507134DEST_PATH_IMAGE014
（2）相关指数
Figure 10928DEST_PATH_IMAGE015
Figure 47017DEST_PATH_IMAGE016
（3）绝对影响因素
Figure 610853DEST_PATH_IMAGE017
式中：
Figure 997972DEST_PATH_IMAGE010
为神经网络输入单元，
Figure 538413DEST_PATH_IMAGE018
；
Figure 694588DEST_PATH_IMAGE019
为神经网络输出单元，
Figure 429325DEST_PATH_IMAGE020
；
Figure 38161DEST_PATH_IMAGE021
为神经网络的隐含单元，
Figure 149337DEST_PATH_IMAGE022
；为输入层神经元
Figure 65657DEST_PATH_IMAGE010
和隐含层神经元
Figure 598008DEST_PATH_IMAGE021
之间的权系数；
Figure 44032DEST_PATH_IMAGE024
为输出层神经元
Figure 112482DEST_PATH_IMAGE019
和隐含层神经元
Figure 251340DEST_PATH_IMAGE021
之间的权系数，上面三个相关系数中绝对影响系数S即为所求权重。
7.根据权利要求1所述的电梯风险评估方法，其特征在于：采用带时序学习算法的前馈神经网络方法建立一个3层神经网络模型，输入层节点是电梯风险层次结构中的10个指标，隐含层节点数为6，输出层节点数为1，学习算法是BP算法，20个电梯安全状态的评估样本被分为训练样本和评估样本，前15个用于网络训练，后5个则用于测试网络性能，电梯风险检测结果由0-1的数值组成，并将电梯风险分成5个等级，各等级电梯风险检测值所属区间分别为（0，0.2]、（0.2，0.4] 、（04，0.6] 、（0.6，0.8] 、（0.8，1]，分别表示电梯状况分别为非常不好、不好、一般、较好、非常好。
CN201310564039.1A 2013-11-14 2013-11-14 一种电梯风险评估方法 Pending CN103678952A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310564039.1A CN103678952A (zh) 2013-11-14 2013-11-14 一种电梯风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310564039.1A CN103678952A (zh) 2013-11-14 2013-11-14 一种电梯风险评估方法

Publications (1)

Publication Number Publication Date
CN103678952A true CN103678952A (zh) 2014-03-26

Family

ID=50316482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310564039.1A Pending CN103678952A (zh) 2013-11-14 2013-11-14 一种电梯风险评估方法

Country Status (1)

Country Link
CN (1) CN103678952A (zh)

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105035902A (zh) * 2015-08-10 2015-11-11 广州特种机电设备检测研究院 一种电梯安全状况评估方法
CN105752783A (zh) * 2016-01-29 2016-07-13 重庆和航安全技术服务有限公司 电梯质量综合评价方法及系统
CN105800400A (zh) * 2016-05-03 2016-07-27 昆明理工大学 一种优化电梯调度管理的方法
CN106202668A (zh) * 2016-07-01 2016-12-07 中国航天标准化研究所 基于质量问题数据和反向传导神经网络的复杂装备质量风险评估方法
CN107085644A (zh) * 2017-04-24 2017-08-22 武汉理工大学 一种复杂风险源下的混凝土桥梁悬臂施工风险评估方法
CN107784406A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于adas的驾驶风险综合判断系统
CN107934712A (zh) * 2017-11-30 2018-04-20 江苏省特种设备安全监督检验研究院 基于统计学模型的电梯健康度检测方法及装置
CN107991870A (zh) * 2017-12-05 2018-05-04 暨南大学 一种电扶梯设备的故障预警与寿命预测方法
CN108373088A (zh) * 2018-03-01 2018-08-07 南京理工大学 电梯功能安全评估方法
CN108416520A (zh) * 2018-03-01 2018-08-17 南京理工大学 基于Hopfield神经网络的电梯体系完整性水平评估方法
CN108529372A (zh) * 2018-03-23 2018-09-14 南京航空航天大学 基于云模型和证据理论的电梯运行状态评估方法
CN108569607A (zh) * 2018-06-22 2018-09-25 西安理工大学 基于双向门控循环神经网络的电梯故障预警方法
CN108892014A (zh) * 2018-09-19 2018-11-27 歌拉瑞电梯股份有限公司 一种基于Elman神经网络的电梯抱闸故障预警方法
CN109190872A (zh) * 2018-07-05 2019-01-11 珠海许继芝电网自动化有限公司 一种配电网供电安全性综合评价方法
CN109191316A (zh) * 2018-09-03 2019-01-11 辽宁华盾安全技术股份有限公司 电梯保险的处理方法和装置
CN109292569A (zh) * 2018-09-21 2019-02-01 上海光华国瑞物联网信息科技有限公司 一种电梯设备故障率的检测分析系统及分析方法
CN110371815A (zh) * 2019-07-04 2019-10-25 安徽中科福瑞科技有限公司 一种基于物联网的电梯按需维保系统
CN110526065A (zh) * 2019-09-16 2019-12-03 东北大学 一种电梯按需维保策略的获取方法及系统
CN111186741A (zh) * 2020-01-07 2020-05-22 北京天泽智云科技有限公司 电梯门系统健康维护方法及装置
CN111275306A (zh) * 2020-01-16 2020-06-12 上海三菱电梯有限公司 电梯改造评估方法及电梯改造评估系统
CN111392538A (zh) * 2020-03-17 2020-07-10 浙江新再灵科技股份有限公司 一种基于多维物联网图谱大数据的电梯综合故障预警方法
US10829344B2 (en) 2017-07-06 2020-11-10 Otis Elevator Company Elevator sensor system calibration
CN112079223A (zh) * 2020-11-03 2020-12-15 南京市特种设备安全监督检验研究院 电梯按需维保工作质量评价方法
CN112777442A (zh) * 2021-02-03 2021-05-11 浙江新再灵科技股份有限公司 基于物联网大数据的电梯安全区域风险预测方法
US11014780B2 (en) 2017-07-06 2021-05-25 Otis Elevator Company Elevator sensor calibration
CN113071966A (zh) * 2021-04-26 2021-07-06 平安国际智慧城市科技股份有限公司 电梯故障预测方法、装置、设备及存储介质
CN113242835A (zh) * 2018-12-24 2021-08-10 因温特奥股份公司 人员运送设备
CN113269399A (zh) * 2021-04-27 2021-08-17 重庆千跬科技有限公司 电梯质量安全自动检查方法及系统
CN113935571A (zh) * 2021-09-01 2022-01-14 应急管理部通信信息中心 一种加油站安全风险评估分级方法及系统
US12012307B2 (en) 2018-07-27 2024-06-18 Otis Elevator Company Elevator safety system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867110A (zh) * 2012-08-22 2013-01-09 广东电网公司电力科学研究院 一种输电线路杆塔基础边坡暴雨灾害风险评估方法
CN102930348A (zh) * 2012-10-19 2013-02-13 广东电网公司电力科学研究院 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867110A (zh) * 2012-08-22 2013-01-09 广东电网公司电力科学研究院 一种输电线路杆塔基础边坡暴雨灾害风险评估方法
CN102930348A (zh) * 2012-10-19 2013-02-13 广东电网公司电力科学研究院 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙会君等: "应用人工神经网络确定评价指标的权重", 《山东科技大学学报（自然科学版）》, vol. 20, no. 3, 30 September 2001 (2001-09-30) *
张广明等: "模糊层次分析法和人工神经网络模型在电梯风险评估中的应用", 《控制理论与应用》, vol. 26, no. 8, 15 August 2009 (2009-08-15) *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105035902A (zh) * 2015-08-10 2015-11-11 广州特种机电设备检测研究院 一种电梯安全状况评估方法
CN105035902B (zh) * 2015-08-10 2017-11-21 广州特种机电设备检测研究院 一种电梯安全状况评估方法
CN105752783A (zh) * 2016-01-29 2016-07-13 重庆和航安全技术服务有限公司 电梯质量综合评价方法及系统
CN105800400A (zh) * 2016-05-03 2016-07-27 昆明理工大学 一种优化电梯调度管理的方法
CN106202668B (zh) * 2016-07-01 2019-02-19 中国航天标准化研究所 基于质量问题数据和反向传导神经网络的复杂装备质量风险评估方法
CN106202668A (zh) * 2016-07-01 2016-12-07 中国航天标准化研究所 基于质量问题数据和反向传导神经网络的复杂装备质量风险评估方法
CN107784406A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于adas的驾驶风险综合判断系统
CN107085644A (zh) * 2017-04-24 2017-08-22 武汉理工大学 一种复杂风险源下的混凝土桥梁悬臂施工风险评估方法
US10829344B2 (en) 2017-07-06 2020-11-10 Otis Elevator Company Elevator sensor system calibration
US11014780B2 (en) 2017-07-06 2021-05-25 Otis Elevator Company Elevator sensor calibration
CN107934712A (zh) * 2017-11-30 2018-04-20 江苏省特种设备安全监督检验研究院 基于统计学模型的电梯健康度检测方法及装置
CN107991870B (zh) * 2017-12-05 2020-10-27 暨南大学 一种电扶梯设备的故障预警与寿命预测方法
CN107991870A (zh) * 2017-12-05 2018-05-04 暨南大学 一种电扶梯设备的故障预警与寿命预测方法
CN108373088A (zh) * 2018-03-01 2018-08-07 南京理工大学 电梯功能安全评估方法
CN108416520A (zh) * 2018-03-01 2018-08-17 南京理工大学 基于Hopfield神经网络的电梯体系完整性水平评估方法
CN108529372B (zh) * 2018-03-23 2019-12-03 南京航空航天大学 基于云模型和证据理论的电梯运行状态评估方法
CN108529372A (zh) * 2018-03-23 2018-09-14 南京航空航天大学 基于云模型和证据理论的电梯运行状态评估方法
CN108569607A (zh) * 2018-06-22 2018-09-25 西安理工大学 基于双向门控循环神经网络的电梯故障预警方法
CN109190872A (zh) * 2018-07-05 2019-01-11 珠海许继芝电网自动化有限公司 一种配电网供电安全性综合评价方法
US12012307B2 (en) 2018-07-27 2024-06-18 Otis Elevator Company Elevator safety system
CN109191316A (zh) * 2018-09-03 2019-01-11 辽宁华盾安全技术股份有限公司 电梯保险的处理方法和装置
CN108892014A (zh) * 2018-09-19 2018-11-27 歌拉瑞电梯股份有限公司 一种基于Elman神经网络的电梯抱闸故障预警方法
CN109292569A (zh) * 2018-09-21 2019-02-01 上海光华国瑞物联网信息科技有限公司 一种电梯设备故障率的检测分析系统及分析方法
CN113242835A (zh) * 2018-12-24 2021-08-10 因温特奥股份公司 人员运送设备
CN110371815A (zh) * 2019-07-04 2019-10-25 安徽中科福瑞科技有限公司 一种基于物联网的电梯按需维保系统
CN110526065A (zh) * 2019-09-16 2019-12-03 东北大学 一种电梯按需维保策略的获取方法及系统
CN111186741A (zh) * 2020-01-07 2020-05-22 北京天泽智云科技有限公司 电梯门系统健康维护方法及装置
CN111275306A (zh) * 2020-01-16 2020-06-12 上海三菱电梯有限公司 电梯改造评估方法及电梯改造评估系统
CN111275306B (zh) * 2020-01-16 2023-12-05 上海三菱电梯有限公司 电梯改造评估方法及电梯改造评估系统
CN111392538A (zh) * 2020-03-17 2020-07-10 浙江新再灵科技股份有限公司 一种基于多维物联网图谱大数据的电梯综合故障预警方法
CN112079223A (zh) * 2020-11-03 2020-12-15 南京市特种设备安全监督检验研究院 电梯按需维保工作质量评价方法
CN112079223B (zh) * 2020-11-03 2021-02-12 南京市特种设备安全监督检验研究院 电梯按需维保工作质量评价方法
CN112777442A (zh) * 2021-02-03 2021-05-11 浙江新再灵科技股份有限公司 基于物联网大数据的电梯安全区域风险预测方法
CN113071966A (zh) * 2021-04-26 2021-07-06 平安国际智慧城市科技股份有限公司 电梯故障预测方法、装置、设备及存储介质
CN113269399A (zh) * 2021-04-27 2021-08-17 重庆千跬科技有限公司 电梯质量安全自动检查方法及系统
CN113935571A (zh) * 2021-09-01 2022-01-14 应急管理部通信信息中心 一种加油站安全风险评估分级方法及系统

Similar Documents

Publication Publication Date Title
CN103678952A (zh) 一种电梯风险评估方法
CN106712713B (zh) 一种光伏电站的监测系统以及监测和异常定位方法
Wang et al. Coal mine safety production forewarning based on improved BP neural network
Chong et al. Application of set pair analysis method on occupational hazard of coal mining
CN100470416C (zh) 一种电厂热工设备智能状态诊断分析系统
CN105117602A (zh) 一种计量装置运行状态预警方法
CN107831300B (zh) 一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法
CN106682781A (zh) 一种电力设备多指标预测方法
CN103810328A (zh) 一种基于混合模型的变压器维修决策方法
CN105095963A (zh) 一种精确诊断与预测风洞设备故障的方法
CN105225020A (zh) 一种基于bp神经网络算法的运行状态预测方法和系统
CN105046389A (zh) 一种用于电力安全风险评估的智能风险评估方法及其系统
WO2018205570A1 (zh) 一种充电站运行状态风险评估方法
CN106126901B (zh) 一种多维度信息融合的变压器可用状态在线评估方法
CN110046812A (zh) 城市安全发展水平的综合评价方法
CN103413207A (zh) 基于定性标准化和影响因子评价法的科技人才评价方法
CN115953252A (zh) 一种建工安责险保费的确定方法
CN104218571A (zh) 一种风力发电设备的运行状态评估方法
CN105205732A (zh) 一种基于设备风险特征模型的风险评估和检修方法
CN104462787A (zh) 基于rst/iahp的航空维修人因可靠性评估方法
CN107886159A (zh) 虚拟站点
CN112701678A (zh) 一种电网演变趋势分析方法
CN108846640A (zh) 一种用于电网项目管理的横纵指标管控体系及其构建方法
Xu et al. [Retracted] Application of Distributed Network in Bridge Structure Safety Inspection
CN107368899A (zh) 电力自动化设备维护方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20140326

RJ01 Rejection of invention patent application after publication