CN107522052B - 一种电梯异常预警系统和方法 - Google Patents

Abstract

本发明公开了一种电梯异常预警系统和方法。一种电梯异常预警系统，由客户终端单元、集群单元、云平台单元组成；客户终端单元通过电梯上的传感器采集数据，并进行数据初步处理，客户终端单元与集群单元进行数据信息交互；集群单元接收客户终端单元上传的数据信息，提供基于密度的聚簇方法，在发现数据信息异常时向云平台单元预警；云平台单元接收集群单元上传的异常预警信息，并向展示层推送消息。一种电梯异常预警的方法，客户终端单元通过传感器采集的数据上传给集群单元，集群单元通过基于密度的聚簇方法来分析数据信息，在发现数据信息异常时向云平台单元预警。本发明的优点：能够提前发现、提前预告电梯的安全隐患，及时、准确预警。

Description

一种电梯异常预警系统和方法

说明书

技术领域

本发明涉及智能电梯技术领域，具体涉及一种基于密度聚簇算法的分布式电梯异常预警系统和方法。

背景技术

现今，厢式电梯被广泛应用于各式高层楼宇中，成为人们生活和工作中不可或缺的运输工具。由于厢式电梯的频繁使用，难免会出现安全事故，造成人们的生命财产安全受到威胁。

现有的电梯异常报警系统，是基于各类硬件数据对电梯的异常状态进行报警，但无法提前发现、提前预告电梯的潜在危险。

发明内容

本发明的目的是提供一种提前预测、准确预警、高效的电梯异常预警系统和方法。

为了达到上述目的，本发明通过以下技术方案来实现：

一种电梯异常预警系统，由客户终端单元、集群单元、云平台单元组成；

客户终端单元通过电梯上的传感器采集数据，并进行数据初步处理，客户终端单元与集群单元进行数据信息交互；

集群单元接收客户终端单元上传的数据信息，提供基于密度的聚簇方法，在发现数据信息异常时向云平台单元预警；

云平台单元接收集群单元上传的异常预警信息，并向展示层推送消息。

进一步地，集群单元向客户终端单元发送电梯健康运行状态的数据信息，用于客户终端单元对电梯实时数据的初步比较。

进一步地，所述传感器采集数据为电梯加速度数据或设备温度数据或负载重量数据。

进一步地，当集群单元的通讯连接异常时，客户终端单元可向云平台单元提交异常预警信息。

进一步地，云平台单元对接收到的异常预警信息按重要度分层，根据不同的重要度向不同层级的管理人员预警。

一种电梯异常预警的方法，客户终端单元通过传感器采集的数据上传给集群单元，集群单元通过基于密度的聚簇方法来分析数据信息，在发现数据信息异常时向云平台单元预警；

所述基于密度的聚簇方法包括如下步骤：

1)计算各个数据点间欧式距离d_ij，设定密度距离d_c；

2)计算各个点的局部密度ρ_i,局部密度ρ_i为该点周围密度距离d_c内的点数；

3)将局部密度ρ_i降序排序，生成局部密度ρ_i的降序集q_i；

4)根据降序集q_i计算局部距离δ_i，局部距离δ_i为所有局部密度ρ_i大于该点的点集合中与该点距离最近的点的距离，并记录距离该点局部距离δ_i最小的点n_i；

5)计算参考值γ_i＝ρ_i*δ_i；

6)取参考值γ_i最大的五个点形成聚簇中心集m_i，不在聚簇中心集m_i中的点都是非聚簇中心点；

7)对于非聚簇中心点，根据γ_i降序排列并进行归类；

8)将每个簇中的数据点进行中心及边缘数据的划分。

进一步地，所述的归类方法为距离某数据点局部距离δ_i最小的点n_i的所属。

进一步地，所述中心及边缘数据划分方式如下：

ⅰ)对每个簇中的数据点按局部密度ρ_i降序排序；

ⅱ)按降序排序循环，对每个簇中数据点两两对比，若两点间距离小于密度距离d_c则继续进行步骤ⅲ)；

ⅲ)计算两点平均局部密度

ⅳ)取一个簇中最大的平均局部密度

作为该簇中心平均密度；

ⅴ)对该簇每个点遍历，若该点局部密度小于该簇中心平均密度则标记为边缘，反之则标记为中心。

本发明与现有技术相比，具有以下优点：

1、本发明的电梯异常预警系统，能够提前发现、提前预告电梯的安全隐患，及时、准确预警。

2、本系统采用分布式系统，保证系统的可拓展性。

3、本发明的电梯中具有采集频率高的各类传感器，由于电梯数据具有数据量大、有效数据分布稀疏的特点，这些传感器能够有效过滤非运行状态下采集的数据。

4、本发明的电梯预警标准可认为设定，以满足不同层级管理人员对电梯安全的敏感度要求。

附图说明

图1是本发明一种电梯异常预警系统和方法实施例1的数据信息传输示意图。

图2是本发明一种电梯异常预警系统和方法实施例1的客户终端单元流程图。

图3是本发明一种电梯异常预警系统和方法实施例1的集群单元流程图。

图4是本发明一种电梯异常预警系统和方法实施例1的云平台单元流程图。

具体实施方式

下面结合附图，对本发明的实施例作进一步详细的描述。

实施例1

如图1所示，一种电梯异常预警系统，由客户终端单元、集群单元、云平台单元组成。

客户终端单元设于电梯管控服务器，在本地存有本地数据集，客户终端单元通过电梯上的传感器采集数据，并进行数据初步处理，客户终端单元与集群单元进行数据信息交互。

集群单元接收客户终端单元上传的数据信息，提供基于密度的聚簇方法，在发现数据信息异常时向云平台单元预警。

云平台单元接收集群单元上传的异常预警信息，并向展示层推送消息；云平台单元在平台存有平台数据集，可比较同类电梯的详细信息、运行环境信息及历史信息，用于更新客户终端单元的本地数据集。

如图2、3、4所示，客户终端单元向集群单元传送完整运行状态数据和个别非运行状态数据，当客户终端单元与集群单元通讯中断时，客户终端单元直接向云平台单元预警；集群单元向客户终端单元发送电梯健康运行状态的数据信息，用于客户终端单元对电梯实时数据的初步比较，集群单元向客户终端单元发放更新后的简要簇信息，集群单元向云平台单元传送异常预警信息；云平台单元接收集群单元及客户终端单元的异常预警信息，云平台单元对接收到的异常预警信息按重要度分层，根据不同的重要度向不同层级的管理人员预警，并进行异常发生时间、偏差大小等的信息记录。

客户终端单元，存储与运行状态直接相关性较大的简要信息簇，保证在与本地运行数据计算时，快速得出结果；集群单元，存储一段完整时间段内由各个客户终端单元提交的全部信息，在信息记录时间与当前时间相差过大以至于被认为与电梯当前状态相关性过低时，考虑进行数据迁移；云平台单元，存储电梯的历史预警信息，便于相关管理人员查询及参考。

本系统根据电梯运行状态下单位时间点的数据进行相应计算。客户终端单元，简单计算当前运行状态下一段时间内电梯各传感器数据的极端数据与历史峰值的比对情况，保证预警的高效性、及时性，客户终端单元保有自身不同时间段的数据，方便本地查询；集群单元，在客户终端单元传送初步处理的数据后，使用基于密度的聚簇算法提供分布式计算服务，减小了客户终端单元的性能要求；云平台单元不提供计算服务。

所述传感器采集数据为电梯加速度数据，包含单次运行时间内的电梯加速度、运行位移、运行方向和运行时间。本系统采用基于密度的聚簇方法，计算步骤如下：

1)计算各个数据点间欧式距离d_ij，设定密度距离d_c；

2)计算各个点的局部密度ρ_i,局部密度ρ_i为该点周围密度距离d_c内的点数；

3)将局部密度ρ_i降序排序，生成局部密度ρ_i的降序集q_i；

4)根据降序集q_i计算局部距离δ_i，局部距离δ_i为所有局部密度ρ_i大于该点的点集合中与该点距离最近的点的距离，并记录距离该点局部距离δ_i最小的点n_i；

5)计算参考值γ_i＝ρ_i*δ_i；

6)取参考值γ_i最大的五个点形成聚簇中心集m_i，不在聚簇中心集m_i中的点都是非聚簇中心点；

7)对于非聚簇中心点，根据γ_i降序排列并进行归类；

8)将每个簇中的数据点进行中心及边缘数据的划分。

所述的归类方法为距离某数据点局部距离δ_i最小的点n_i的所属。

对于步骤4)的解释如下：假设现在需要计算局部距离的点A，所有数据点中局部密度比A大的点的集合X，X中距离点A最近的点，该点到点A的距离即为点A的局部距离。从意义上而言，该方法为聚类方法的预处理步骤，即计算聚类中心。在该方法中认为聚类中心应该满足两个条件，一个是附近的点相对多(即局部密度)，二是距离其他聚类中心相对远(即局部距离)。最后根据每个点的局部密度*局部距离得出一个参考值，根据此参考值判断聚类中心。

所述中心及边缘数据划分方式如下：

i)对每个簇中的数据点按ρ_i降序排序；

ii)按降序排序循环，对每个簇中数据点两两对比，若两点间距离小于密度距离d_c则继续进行步骤3)；

iii)计算两点平均局部密度

iv)取一个簇中最大的平均局部密度

作为该簇中心平均密度；

v)对该簇每个点遍历，若该点局部密度小于该簇中心平均密度则标记为边缘，反之则标记为中心。

实际情况下，聚簇的结果是依照电梯加速度变化率将电梯运行途中的启动、加速、稳定、减速、停止等状态进行划分。当加速度变化率在某个状态下偏高或偏低(即不在原有簇范围内)时，即认为该电梯的运行处于不可靠状态，进行预警。

以数据划分标准(环境影响、设备型号、厂家等)作为标识符记录数据。当聚簇效果图与健康状态下效果图偏差较大时，在集群单元预警，并告知相应的客户终端单元。聚簇效果图，即电梯运行数据聚簇后的所有效果图示；健康状态图，即电梯所有聚簇效果图中认为最接近电梯健康运行状态的聚簇效果图示，一般将系统安装后电梯初次运行时或电梯出厂时的运行状态默认为健康合格的运行状态。从时间维度上，根据一定时间内聚簇效果图与原有健康运行效果图比对，通过判断聚簇中心位置偏移、聚簇中心范围缩小等现象，告知云平台单元，由云平台单元向各层电梯管理员预警。具体判断上述现象的标准，如聚簇中心点偏移、聚簇中心范围过小的标准，由各层管理人员自由设定。举例而言，当新计算得出的聚簇中心范围低于健康状态下聚簇中心范围的90％时，向该电梯维护人员预警；低于80％时，向该电梯的管理人员预警。此数值可人为设定，以满足不同层级管理人员对电梯安全的敏感度要求。

进一步地，单次运行数据的预警标准可以适当降低，以减少误报率；一定时间段内平均数据的预警标准可以适当提高，以提升准确性。

实施例2

所述传感器采集数据为设备温度数据，其余同实施例1。

实施例3

所述传感器采集数据为负载重量数据，其余同实施例1。

以上所述仅是本发明优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。

Claims (7)

1.一种电梯异常预警系统，其特征在于：由客户终端单元、集群单元、云平台单元组成；客户终端单元通过电梯上的传感器采集数据，并进行数据初步处理 ，客户终端单元与集群单元进行数据信息交互；集群单元接收客户终端单元上传的数据信息 ，提供基于密度的聚簇方法 ，在发现数据信息异常时向云平台单元预警；云平台单元接收集群单元上传的异常预警信息，并向展示层推送消息；当集群单元的通讯连接异常时，客户终端单元可向云平台单元提交异常预警信息；

所述基于密度的聚簇方法包括如下步骤：

1 )计算各个数据点间欧式距离dij，设定密度距离dc ；

2)计算各个点的局部密度ρi ,局部密度ρi为该点周围密度距离dc内的点数；

3 )将局部密度ρi降序排序，生成局部密度ρi的降序集qi ；

4 )根据降序集qi计算局部距离δi ，局部距离δi为所有局部密度ρi大于该点的点集合中与该点距离最近的点的距离，并记录距离该点局部距离δi最小的点ni ；

5)计算参考值γi＝ρi*δi ；

6)取参考值γi最大的五个点形成聚簇中心集mi ，不在聚簇中心集mi中的点都是非聚簇中心点；

7 )对于非聚簇中心点，根据γi降序排列并进行归类；

8)将每个簇中的数据点进行中心及边缘数据的划分。

2.根据权利要求1所述的一种电梯异常预警系统，其特征在于：集群单元向客户终端单元发送电梯健康运行状态的数据信息，用于客户终端单元对电梯实时数据的初步比较。

3.根据权利要求1或2所述的一种电梯异常预警系统 ，其特征在于：所述传感器采集数据为电梯加速度数据或设备温度数据或负载重量数据。

4.根据权利要求1所述的一种电梯异常预警系统，其特征在于：云平台单元对接收到的异常预警信息按重要度分层，根据不同的重要度向不同层级的管理人员预警。

5.一种电梯异常预警的方法，其特征在于：客户终端单元通过传感器采集的数据上传给集群单元，集群单元通过基于密度的聚簇方法来分析数据信息，在发现数据信息异常时向云平台单元预警；当集群单元的通讯连接异常时，客户终端单元可向云平台单元提交异常预警信息；

所述基于密度的聚簇方法包括如下步骤：

1 )计算各个数据点间欧式距离dij，设定密度距离dc ；

2)计算各个点的局部密度ρi ,局部密度ρi为该点周围密度距离dc内的点数；

3 )将局部密度ρi降序排序，生成局部密度ρi的降序集qi ；

4 )根据降序集qi计算局部距离δi ，局部距离δi为所有局部密度ρi大于该点的点集合中与该点距离最近的点的距离，并记录距离该点局部距离δi最小的点ni ；

5)计算参考值γi＝ρi*δi ；

6)取参考值γi最大的五个点形成聚簇中心集mi ，不在聚簇中心集mi中的点都是非聚簇中心点；

7 )对于非聚簇中心点，根据γi降序排列并进行归类；

8)将每个簇中的数据点进行中心及边缘数据的划分。

6.根据权利要求5所述的一种电梯异常预警的方法，其特征在于：所述步骤7）中归类的方法为距离某数据点局部距离δi最小的点ni的所属。

7.根据权利要求5所述的一种电梯异常预警的方法，其特征在于：所述中心及边缘数据划分方式如下：

ⅰ)对每个簇中的数据点按局部密度ρi降序排序；

ⅱ)按降序排序循环，对每个簇中数据点两两对比，若两点间距离小于密度距离dc则继续进行步骤ⅲ）；

ⅲ )计算两点平均局部密度

ⅳ )取一个簇中最大的平均局部密度

作为该簇中心平均密度；

ⅴ)对该簇每个点遍历，若该点局部密度小于该簇中心平均密度则标记为边缘，反之则标记为中心。

Images