CN107814288B - 一种电梯制动器智能监测预警的方法 - Google Patents

Abstract

本发明公开了一种电梯制动器智能监测预警的方法，包括：一、在电梯机房中搭建电梯制动器智能监测预警系统硬件结构；二、采集小样本监测数据，利用小波包分解重构提取信号的特征向量，建立健康模式库；三、实时监测电梯制动器运行状态，通过SVM聚类分析算法对可能出现的故障进行预警；四、根据故障预测结果，指导电梯维保人员调整和优化维修计划，进行预测性维修，将制动器故障消除在萌芽状态，避免造成事故。通过非接触式测量方法对电梯制动器间隙、闸瓦磨损量、制动距离、制动器线圈电压、曳引机工作电流、制动器温度和噪音等关键参数进行实时监测，并对大量监测数据进行数据挖掘与分析，及时预测电梯制动器的故障隐患，保障电梯的安全运行。

Description

一种电梯制动器智能监测预警的方法

技术领域

本发明涉及机电类特种设备安全与节能领域，具体涉及一种电梯制动器智能监测预警的方法。

背景技术

制动器是确保电梯正常运行且动作频繁的重要安全部件之一，电梯到站唯一依靠制动器抱闸，使电梯停止在相应层站。一旦制动器失效，在电梯层门入口处极易发生剪切事故，后果极其严重。大量事故案例表明，电梯人身伤亡事故发生的主要原因之一是电梯制动器制动力不足，从而导致电梯出现冲顶、蹲底、溜车、停层失控、剪切及冲击等严重事故。

但是，相比于门锁、安全钳等电梯安全部件，在标准规范的要求上对制动器的设计和检查要求规定还不够全面和详细。电梯制动器在使用过程中产生的失效模式是一个系统问题，产生的原因不存在唯一性，对于制动器失效故障问题，国内还没有预防措施，只有当制动器出现问题后，才进行人工修理，这样就增加了电梯的安全隐患。

发明内容

本发明的目的在于提供一种电梯制动器智能监测预警的方法，解决现有技术中不能及时预测电梯制动器故障隐患的技术问题。

本发明为了解决上述技术问题，采用如下技术方案：

一种电梯制动器智能监测预警的方法，包括如下步骤：

步骤一、在电梯机房中搭建电梯制动器智能监测预警系统硬件结构：

所述电梯制动器智能监测预警系统包括顺次通过导线连接的数据采集模块、A/D转换模块、通信模块和上位机，采集模块设置在制动器本体上；

步骤二、采集小样本监测数据，利用小波包分解重构提取信号的能量特征值和特征向量，建立健康模式库：

现场完成电梯制动器智能监测系统安装后，通过数据采集模块采集电梯制动器运行时的模拟信号，通过A/D转换模块将采集到的模拟信号转化为数字信号，经通信模块传递给上位机并存储在存储器中；连续采集至少60天，上位机根据采集的信号利用小波包分解重构提取信号的能量特征值，构造制动器正常运行时的特征向量，建立健康模式库，作为SVM聚类器的样本数据；

步骤三、实时监测电梯制动器运行状态，对可能出现的故障进行预警：

建立健康模式库后，采用智能监测预警系统实时监测电梯制动器运行状态，通过采集模块采集制动器运行信号，并对实时监测的信号进行特征值提取，作为SVM聚类器的测试数据，然后对测试数据与样本数据进行比较：

i)、当测试数据落入健康模式库范围内时，可认为制动器运行于健康状态；

ii)、当测试数据偏离健康模式库的范围时，但偏离的进程比较慢，先将其放入待观察数据库，维保人员现场进行分析和判断，如果制动器仍属于正常运行，可将此时的测试数据补充到健康模式库，对健康模式库进行不断完善；

iii)、如果测试数据与健康状态模式库的数据有明显偏离，则表明制动器此时处于非健康状态，上位机的显示器显示检测数据，并对可能出现的制动器故障进行预警；

步骤四、根据故障预测结果，指导电梯维保人员调整和优化维修计划，进行预测性维修，将制动器故障消除在萌芽状态，避免造成事故。

采用适应小样本条件和追求现有信息条件下的最优结果(结构风险最小化)方向具有明显优势的支持向量机(SVM)方法来完成制动器健康诊断与故障预警。

进一步改进，所述用小波包分析提取制动器监测信号的能量特征值和特征向量，具体的步骤如下：

1)、对信号进行小波包分解和重构，将正交小波分解运用在小波包分析中，小波包的分解和重建算法如下：

设定待分析原始信号为对其进行小波包分解运算：

式中表示小波包分解树中第k层第l个结点的小波包分解系数，g_k-2l、h_l-2k是多分辨率分析中的滤波器系数，Z为整数，Z⁺为正整数，k＝1,2,…,N，N为分解层数；根据系统采集的信号复杂度不同，分解层数N也不同，利用小波包对信号分解，获取第N层中各个频率成分的特征值，即小波包分解系数/>(i＝1,2,…,2^N)，/>表示小波包分解树中第N层第i个结点；

再根据式(9)对第N层小波包分解系数(i＝1,2,…,2^N)进行重构运算，得到的各频带范围信号为/>

2)、计算各个频带信号的能量：

设是信号小波包分析之后得到的重构信号/>的能量，可按下式计算:

其中x_ij(i＝1,2,…,2^N,j＝1,2,…,n)，n为正整数，表示采样点数；

3)、构造特征向量和特征值：

构造制动器正常运行时的特征向量和特征值作为健康模式库的依据，得到由小波包各个子频带构造的信号能量特征向量如下：

进一步改进，所述采集模块采集的模拟信号包括电梯制动器闸瓦间隙、磨损量、制动距离、制动器线圈电压、曳引机工作电流、制动器温度和制动噪音值。电梯制动器有开闸、合闸两个过程，这两个过程的运行模式当然也有不同，健康模式库中包括这两种过程的数据。

所述采集模块包括用于测量制动轮与闸瓦之间间隙以及闸瓦磨损量的非接触式位移传感器、用于测量制动距离的角度传感器、用于测量制动电磁线圈电压的电压传感器、用于测量曳引机工作电流的电流传感器、用于测量制动器温度的温度传感器和用于测量制动器噪音的噪音传感器。

进一步改进，所述位移传感器为非接触式位移传感器，数量为两个，将两个位移传感器分别安装在两个制动导靴的一侧端面上，两个位移传感器探头到制动轮的距离相同，且两个位移传感器之间的夹角为180°，位移传感器探头位于制动轮外周面的法线上,且位移传感器位于制动轮旋入侧对的应闸瓦端面上。

设制动器的定闸瓦允许的最大磨损量为X mm，闸瓦在未磨损的正常情况下，测量开闸时位移传感器探头到制动轮外周面的距离为y₀mm,合闸时位移传感器探头到制动轮外周面的距离为x₀mm；闸瓦磨损后，测量开闸时传感器探头到制动轮外周面的距离为y₁mm,合闸时位移传感器探头到制动轮外周面的距离为x₁mm，则：

闸瓦未磨损的正常条件下，闸瓦内侧与制动轮外周面间隙为：

z₀＝y₀–x₀ (12)；

闸瓦磨损后，闸瓦内侧与制动轮外周面间隙为：

z₁＝y₁–x₁ (13)；

闸瓦磨损量为：

z₂＝x₀-x₁ (14)；

当闸瓦磨损量为z₂大于等于X时，上位机进行预警。

在测量过程中，通过电压传感器测量电磁制动线圈的电压值来判断制动器处于开闸还是合闸状态。

进一步改进，所述角度传感器为旋转编码器，旋转编码器与制动轮同轴固定设置，旋转编码器的角度测量电路与制动线圈电压、曳引机电流测量电路并联，旋转编码器测量从制动器失电瞬间(制动线圈电压为零)开始计时，到下次曳引机得电(曳引机电流从零开始增大)这段时间制动轮转过的角度，然后按下式计算制动距离

d＝ФR (15)；

式中d为制动距离，Ф为制动轮或曳引轮转过的角度，R为制动轮半径。

进一步改进，所述温度传感器为非接触式红外线温度传感器，温度传感器固定制动导靴的另一侧端面上，温度传感器探头位于制动轮外周面的法线上,且温度传感器位于制动轮旋出侧对的应闸瓦端面上。因为制动轮与闸瓦经过摩擦，旋出侧温度更高，测量更精确。

进一步改进，所述噪声传感器为三个，三个噪声传感器均匀设置在距制动轮外周面0.5m的支架上，三个噪声传感器中心点共圆，并且与制动轮同心；

采用测量噪声传感器对制动器开闸、抱闸噪音进行监测，取10倍实测声压的平方值与基准声压的平方之比的常用对数作为噪声值，如下式所示

Nos＝lg[(10P)²/Pre²](dB) (16)；

式中P为实测声压，Pre为基准声压，Nos为噪声值。当制动器噪声值超过70dB时，上位机进行预警，其中基准声压为20μPa。

进一步改进，采用WB V121S07电压传感器测量制动电磁线圈电压，通过线性光电隔离原理实现制动电磁线圈电压的隔离跟踪测量，将其变换为标准的跟踪电压(Ug)输出；采用WB I412F21电流传感器测量曳引机工作电流，采用特制电流互感器隔离模块，对曳引机工作电流进行实时测量，将其变换为标椎的直流电压(UZ)输出。

进一步改进，所述步骤一中，所述采集模块还包括微动开关，微动开关设置在制动器抱闸部位，通过采集微动开关的输出参数对制动器铁芯是否发生卡阻进行监测。对微动开关的输出状态参数进行采集和监测，确认闸瓦的上闸或释放，从而检测制动器松闸与抱闸是否正常动作。若制动器厂家没有设置微动开关，则在原制动器线圈部位安装一个微动开关，对制动器是否发生卡阻进行监测。

进一步改进，所述上位机中软件系统包括制动器监测参数显示与存储模块、制动器故障预警与预测性维修模块，并提供软件的二次开发接口。电梯制动器监测参数显示与存储模块，用于在上位机软件界面上显示制动器闸瓦间隙、磨损量、制动距离、制动器线圈电压、曳引机工作电流、制动器温度和噪音、微动开关输出参数等关键运行参数，并对这些参数进行存储，以便于下一步分析。

与现有技术相比，本发明的有益效果是：

电梯制动器智能监测与故障预警系统一方面可以实时监测并显示制动器关键运行参数，提高电梯制动器检验检测效率，减少检验的人力成本的投入，减低人力成本和管理成本，有效提升电梯安全监督管理水平；另一方面可以对制动器闸瓦磨损、带闸运行等常见故障进行诊断与预警，可以将制动器故障引起的安全隐患消除在萌芽状态，提高电梯的安全使用水平，降低电梯运行的风险，为使用单位带来明显的间接经济效益。电梯制造、维保单位通过对该专利技术方案的应用，能够及时发现电梯制动器的薄弱环节，改进产品设计和维保方案。

通过非接触式测量方法对电梯制动器间隙、闸瓦磨损量、制动距离、制动器线圈电压(包括开闸电压和维持电压)、曳引机工作电流、制动器温度和噪音等关键参数进行实时监测，通过对大量监测数据进行数据挖掘与分析，及时预测电梯制动器的故障隐患，将制动器的故障隐患消除在萌芽状态，避免电梯制动器失效引起的安全事故，保障电梯的安全运行。

附图说明

图1为电梯制动器智能监测预警系统的整体框架图。

图2为电梯制动器智能监测与故障预警系统工作流程图。

图3为电梯制动器智能监测系统传感器布置图。

图4为电梯制动器抱闸间隙及闸瓦磨损量的测量方案示意图。

(a)、闸瓦未磨损，开闸时位移传感器端面与制动轮的结构图。

(b)、闸瓦未磨损，合闸时位移传感器端面与制动轮的结构图。

(c)、闸瓦磨损后，开闸时位移传感器端面与制动轮的结构图。

(d)、闸瓦磨损后，合闸时位移传感器端面与制动轮的结构图。

图5为电梯制动器温度测量方案框图。

具体实施方式

为使本发明的目的和技术方案更加清楚，下面将结合本发明实施例对本发明的技术方案进行清楚、完整地描述。

如图1、2所示，一种电梯制动器智能监测预警的方法，包括如下步骤：

步骤一、在电梯机房中搭建电梯制动器智能监测预警系统硬件结构：

所述电梯制动器智能监测预警系统包括顺次通过导线连接的采集模块、A/D转换模块、通信模块和上位机，采集模块设置在制动器本体上；

步骤二、采集小样本监测数据，利用小波包分解重构提取信号的能量特征值和特征向量，建立健康模式库：

现场完成电梯制动器智能监测系统安装后，通过采集模块采集电梯制动器运行时的模拟信号，通过A/D转换模块将采集到的模拟信号转化为数字信号，经通过串口传递给上位机并存储与存储器中；连续采集至少60天，上位机根据采集的信号利用小波包分解重构提取信号的能量特征值，构造制动器正常运行时的特征向量，建立健康模式库，作为SVM聚类器的样本数据；

步骤三、实时监测电梯制动器运行状态，对可能出现的故障进行预警：

建立健康模式库后，采用智能监测预警系统实时监测电梯制动器运行状态，通过采集模块采集制动器运行信号，并对实时监测的信号进行特征值提取，作为SVM聚类器的测试数据，然后对测试数据与样本数据进行比较：

i)、当测试数据落入健康模式库范围内时，可认为制动器运行于健康状态；

ii)、当测试数据偏离健康模式库的范围时，但偏离的进程比较慢，先将其放入待观察数据库，维保人员现场进行分析和判断，如果制动器仍属于正常运行，可将此时的测试数据补充到健康模式库，对健康模式库进行不断完善；

iii)、如果测试数据与健康状态模式库的数据有明显偏离，则表明制动器此时处于非健康状态，上位机的显示器显示检测数据，并对可能出现的制动器故障进行预警，如制动力不足、制动器卡阻、带闸运行等；

步骤四、根据故障预测结果，指导电梯维保人员调整和优化维修计划，进行预测性维修，将制动器故障消除在萌芽状态，避免造成事故。

采用适应小样本条件和追求现有信息条件下的最优结果(结构风险最小化)方向具有明显优势的支持向量机(SVM)方法来完成制动器健康诊断与故障预警。

在本实施例中，所述用小波包分析提取制动器监测信号的能量特征值和特征向量，具体的步骤如下：

1)、对信号进行小波包分解和重构，将正交小波分解运用在小波包分析中，小波包的分解和重建算法如下：

设定待分析原始信号为对其进行小波包分解运算：

式中表示小波包分解树中第k层第l个结点的小波包分解系数，g_k-2l、h_l-2k是多分辨率分析中的滤波器系数，Z为整数，Z⁺为正整数，k＝1,2,…,N，N为分解层数；根据系统采集的信号复杂度不同，分解层数N也不同，利用小波包对信号分解，获取第N层中各个频率成分的特征值，即小波包分解系数/>(i＝1,2,…,2^N)，/>表示小波包分解树中第N层第i个结点；

再根据式(16)对第N层小波包分解系数(i＝1,2,…,2^N)进行重构运算，得到的各频带范围信号为/>

2)、计算各个频带信号的能量：

设定是信号小波包分析之后得到的重构信号/>的能量，可按下式计算:

其中x_ij(i＝1,2,…,2^N,j＝1,2,…,n)，n为正整数，表示采样点数；

3)、构造特征向量和特征值：

构造制动器正常运行时的特征向量和特征值作为健康模式库的依据，得到由小波包各个子频带构造的信号能量特征向量如下：

在本实施例中，所述采集模块采集的模拟信号包括电梯制动器闸瓦间隙、磨损量、制动距离、制动器线圈电压、曳引机工作电流、制动器温度和制动噪音。电梯制动器有开闸、合闸两个过程，这两个过程的运行模式当然也有不同，健康模式库中包括这两种过重的数据。

所述采集模块包括用于测量制动轮与闸瓦之间间隙以及闸瓦磨损量的非接触式位移传感器4、用于测量制动距离的角度传感器7、用于测量曳引机工作电流的电流传感器8、用于测量制动电磁线圈电压的电压传感器、用于测量制动器温度的温度传感器6和用于测量制动器噪音的噪音传感器5。系统尽可能采用非接触式测量方法，建立与电梯制动器机械电器系统隔离的独立智能监测系统，将对电梯系统的干扰降至最低，传感器安装布置方案如图3所示。

在本实施例中，所述位移传感器4为电涡流传感器，数量为两个，将两个位移传感器分别安装在两个制动导靴2的一侧端面上，两个位移传感器4探头到制动轮1的距离相同，且两个位移传感器之间的夹角为180°，位移传感器探头位于制动轮外周面的法线上,且位移传感器位于制动轮旋入侧对的应闸瓦端面上，如图3所示。

如图4所示，设制动器的闸瓦3允许的最大磨损量为X mm，闸瓦在未磨损的正常情况下，测量开闸时位移传感器探头到制动轮外周面的距离为y₀mm,合闸时位移传感器探头到制动轮外周面的距离为x₀mm；闸瓦磨损后，测量开闸时传感器探头到制动轮外周面的距离为y₁mm,合闸时位移传感器探头到制动轮外周面的距离为x₁mm，则：

闸瓦未磨损的正常条件下，闸瓦内侧与制动轮外周面间隙为：

z₀＝y₀–x₀ (20)；

闸瓦磨损后，闸瓦内侧与制动轮外周面间隙为：

z₁＝y₁–x₁ (21)；

闸瓦磨损量为：

z₂＝x₀-x₁ (22)；

当闸瓦磨损量为z₂大于等于X时，上位机进行预警。

在测量过程中，通过电压传感器测量电磁制动线圈的电压值来判断制动器处于开闸还是合闸状态。

在本实施例中，为解决制动力难以直接接触测量的难题，将制动力的监测转化为制动距离的监测，通过高精度旋转编码器精密测量制动轮转过的角度来计算制动距离，角度传感器7的安装布置方案如图3所示。旋转编码器与制动轮同轴固定设置，旋转编码器的角度测量电路与制动线圈电压、曳引机电流测量电路并联，旋转编码器测量从制动器失电瞬间(制动线圈电压为零)开始，到下次曳引机得电(曳引机电流从零开始增大)这段时间制动轮转过的角度，然后按下式计算制动距离

d＝ФR (23)；

式中d为制动距离，Ф为制动轮或曳引轮转过的角度，R为制动轮半径。在测量过程中，根据电磁制动线圈的电压值来判断制动器处于开闸还是合闸状态。

如果电梯夜间运行时，从制动器失电瞬间到下次电动机得电时间过长，大于某一阈值T，应停止计数。此外，应区分检修状态和正常运行状态应，检修状态时应不计数。

如图5所示，在本实施例中，所述温度传感器为非接触式红外线温度传感器，温度传感器固定制动导靴的另一侧端面上，温度传感器探头位于制动轮外周面的法线上,且温度传感器位于制动轮旋出侧对的应闸瓦端面上。采用非接触式红外线温度传感器对制动器闸瓦处进行监测，主要监测制动器带闸运行时闸瓦过多摩擦引起的发热问题。制动器带闸运行的危害很大，首先当闸瓦过多摩擦后，其发热可能达到100℃以上，制动力会大大下降，并且无法制停轿厢导致安全事故。

为降低夏季电梯机房高温、潮湿等环境因素对温度测量的干扰，系统采用高精密数字型MLX90614非接触式红外测温传感器采集闸瓦与制动轮表面摩擦处的温度，传感器内部集成了红外温度检测芯片、低噪音放大器、17位ADC、DSP单元、光学滤波器，光学滤波器波长通带为5.5-14μm，一方面可阻碍可见光和近红外光辐射，减少可见光和近红外光对MLX90614探头感知产生影响，另一方面可过滤掉更多水蒸气吸收的红外光谱，只要在检测过程中探头不结露就可以保证传感器测量精度。传感器被测目标温度范围是-70℃～380℃，出厂校准的环境温度范围是-40℃～+125℃，在此温度范围内会对环境温度引起的误差进行自动补偿，并根据被测目标表面的发射率对测量距离进行补偿，在50cm测温距离内，测量精度为±0.5℃。

利用温度采样将温度变化转化为电压变化，再利用A/D转换技术把变化电压转化为二进制数值送给单片机处理。用串行通信的方式把温度数据传给PC进行显示和分析，利用Maxim公司的MAX232芯片实现TTL电平和RS-232电平的双向转换，利用MAX489芯片实现RS-232/RS-422转换，由使用双绞线传输的，具有很强抑制共模干扰能力的RS-422实现通信。

在本实施例中，所述噪声传感器为三个，三个噪声传感器均匀设置在距制动轮外周面0.5m的支架上，三个噪声传感器中心点所共圆与制动轮同轴；

采用测量噪声传感器对制动器开闸、抱闸噪音进行监测，取10倍实测声压的平方值与基准声压的平方之比的常用对数作为噪声值，如下式所示

Nos＝lg[(10P)²/Pre²](dB) (24)；

式中P为实测声压，Pre为基准声压，Nos为噪声值。当制动器噪声值超过70dB时，上位机进行预警，其中基准声压为20μPa。

测试制动器开闸、闭闸过程中的噪声，取噪声测量值的最大值作为最终结果，用于监测开闸缓冲垫磨损引起的开闸噪音、抱闸间隙过大或上闸时间过短引起的抱闸噪音，为制动器故障诊断与分析预警提供更多的支撑数据。根据国家标准GB 24478《电梯曳引机》第4.2.3.3条中对制动噪音的要求，一般的常规电梯制动器噪音需要控制在70dB以内，当制动器噪音超过70dB时，应进行预警。

在本实施例中，采用WB V121S07电压传感器和WB I412F21电流传感器分别测量制动电磁线圈电压和曳引机工作电流，用于监测开闸电压或维持电压下降时引起的制动力不足问题，以及带闸运行引起的曳引机工作电流骤增问题，及时发现带闸运行故障隐患。同时，通过制动线圈电压、曳引机电流的监测数值来判断制动器及电动机的失电、得电状态，为制动距离的测量提供触发信号。

WB V121S07电压传感器通过线性光电隔离原理实现制动电磁线圈电压的隔离跟踪测量，将其变换为标准的跟踪电压(Ug)输出；WB I412F21电流传感器采用特制电流互感器隔离模块，对曳引机工作电流进行实时测量，将其变换为标椎的直流电压(UZ)输出。两个传感器模块均采用卡装式结构，安装、拆卸方便，其安装布置方案如图3所示，被测电流、被测电压信号之间在传感器内部互相隔离，从而建立与电梯制动器机械电器系统隔离的独立智能监测系统，将对电梯系统的干扰降至最低。

在本实施例中，所述步骤一中，所述采集模块还包括微动开关，微动开关设置在在制动器抱闸部位，利用开关的通断来监测抱闸线圈吸合或释放时铁心产生的位移，从而确认闸瓦的上闸或释放，检测制动器松闸与抱闸是否动作，通过采集微动开关的输出参数对制动器铁芯是否发生卡阻进行监测。

在本实施例中，所述上位机中软件系统包括制动器监测参数显示与存储模块、制动器故障预警与预测性维修模块，并提供软件的二次开发接口。

本发明中未做特别说明的均为现有技术或者通过现有技术即可实现，而且本发明中所述具体实施案例仅为本发明的较佳实施案例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应作为本发明的技术范畴。

Claims (3)

1.一种电梯制动器智能监测预警的方法，其特征在于，包括如下步骤：

步骤一、在电梯机房中搭建电梯制动器智能监测预警系统硬件结构：

所述电梯制动器智能监测预警系统包括顺次通过导线连接的数据采集模块、A/D转换模块、通信模块和上位机，采集模块设置在制动器本体上；

步骤二、采集小样本监测数据，利用小波包分解重构提取信号的能量特征值和特征向量，建立健康模式库：

现场完成电梯制动器智能监测系统安装后，通过数据采集模块采集电梯制动器运行时的模拟信号，通过A/D转换模块将采集到的模拟信号转化为数字信号，经通信模块传递给上位机并存储在存储器中；连续采集至少60天，上位机根据采集的信号利用小波包分解重构提取信号的能量特征值，构造制动器正常运行时的特征向量，建立健康模式库，作为SVM聚类器的样本数据；

步骤三、实时监测电梯制动器运行状态，对可能出现的故障进行预警：

建立健康模式库后，采用智能监测预警系统实时监测电梯制动器运行状态，通过采集模块采集制动器运行信号，并对实时监测的信号进行特征值提取，作为SVM聚类器的测试数据，然后对测试数据与样本数据进行比较：

i)、当测试数据落入健康模式库范围内时，可认为制动器运行于健康状态；

ii)、当测试数据偏离健康模式库的范围时，但偏离的进程比较慢，先将其放入待观察数据库，维保人员现场进行分析和判断，如果制动器仍属于正常运行，可将此时的测试数据补充到健康模式库，对健康模式库进行不断完善；

iii)、如果测试数据与健康状态模式库的数据有明显偏离，则表明制动器此时处于非健康状态，上位机的显示器显示检测数据，并对可能出现的制动器故障进行预警；

步骤四、根据故障预测结果，指导电梯维保人员调整和优化维修计划，进行预测性维修，将制动器故障消除在萌芽状态，避免造成事故；

所述数据采集模块采集的模拟信号包括电梯制动器闸瓦间隙、磨损量、制动距离、制动器线圈电压、曳引机工作电流、制动器温度和制动器噪音；

所述数据采集模块包括用于测量制动轮与闸瓦之间间隙以及闸瓦磨损量的非接触式位移传感器、用于测量制动距离的角度传感器、用于测量制动电磁线圈电压的电压传感器、用于测量曳引机工作电流的电流传感器、用于测量制动器温度的温度传感器和用于测量制动器噪音的噪音传感器；

所述位移传感器为非接触式位移传感器，数量为两个，将两个位移传感器分别安装在两个制动导靴的一侧端面上，两个位移传感器探头到制动轮的距离相同，且两个位移传感器之间的夹角为180°，位移传感器探头位于制动轮外周面的法线上,且位移传感器位于制动轮旋入侧对应的导靴端面上；

设制动器闸瓦允许的最大磨损量为X mm，闸瓦在未磨损的正常情况下，测量开闸时位移传感器探头到制动轮外周面的距离为y₀ mm,合闸时位移传感器探头到制动轮外周面的距离为x₀ mm；闸瓦磨损后，测量开闸时传感器端面与制动轮的距离为y₁ mm，合闸时位移传感器探头到制动轮外周面的距离为x₁ mm，则：

闸瓦未磨损的正常条件下，闸瓦内侧与制动轮外周面间隙为：

z₀＝y₀–x₀ (4)；

闸瓦磨损后，闸瓦内侧与制动轮外周面间隙为：

z₁＝y₁–x₁ (5)；

闸瓦磨损量为：

z₂＝x₀-x₁ (6)；

当闸瓦磨损量为z₂大于等于X时，上位机进行预警；

所述角度传感器为旋转编码器，旋转编码器与制动轮同轴固定设置，旋转编码器的角度测量电路与制动线圈电压、曳引机电流测量电路并联，旋转编码器测量从制动器失电瞬间开始计时，到下次曳引机得电这段时间制动轮转过的角度，然后按下式计算制动距离

d＝ФR (7)；

式中d为制动距离，Ф为制动轮或曳引轮转过的角度，R为制动轮半径；

所述温度传感器为非接触式红外线温度传感器，温度传感器固定制动导靴的另一侧端面上，温度传感器探头位于制动轮外周面的法线上,且温度传感器位于制动轮旋出侧对应的导靴端面上；

所述噪声传感器为三个，三个噪声传感器均匀设置在距制动轮外周面0.5m的支架上，三个噪声传感器中心点共圆，并三个噪声传感器中心点所共圆且与制动轮同心；

采用测量声压级传感器对制动器开闸、抱闸噪音进行监测，取10倍实测声压的平方值与基准声压的平方之比的常用对数作为噪声值，如下式所示

Nos＝lg[(10P)²/Pre²](dB) (8)；

式中P为实测声压，Pre为基准声压，Nos为噪声值，当制动器噪声值超过70dB时，上位机进行预警，其中基准声压为20μPa；

采用WB V121S07电压传感器测量制动电磁线圈电压，通过线性光电隔离原理实现制动电磁线圈电压的隔离跟踪测量，将其变换为标准的跟踪电压输出；采用WB I412F21电流传感器测量曳引机工作电流，采用特制电流互感器隔离模块，对曳引机工作电流进行实时测量，将其变换为标椎的直流电压输出；

所述步骤一中，所述采集模块还包括微动开关，微动开关设置在制动器抱闸部位，利用微动开关的通断来监测抱闸线圈吸合或释放时铁心产生的位移，从而确认闸瓦的上闸或释放，检测制动器松闸与抱闸是否动作，通过采集微动开关的输出参数对制动器铁芯是否发生卡阻进行监测。

2.根据权利要求1所述的电梯制动器智能监测预警的方法，其特征在于，所述用小波包分析提取制动器监测信号的能量特征值和特征向量，具体的步骤如下：

1)、对信号进行小波包分解和重构，将正交小波分解运用在小波包分析中，小波包的分解和重建算法如下：

设定待分析原始信号为对其进行小波包分解运算：

式中表示小波包分解树中第k层第l个结点的小波包分解系数，g_k-2l、h_l-2k是多分辨率分析中的滤波器系数，Z为整数，Z⁺为正整数，k＝1,2,···,N，N为分解层数；根据系统采集的信号复杂度不同，分解层数N也不同，利用小波包对信号分解，获取第N层中各个频率成分的特征值，即小波包分解系数/> 表示小波包分解树中第N层第i个结点；

再根据式(1)对第N层小波包分解系数进行重构运算，得到的各频带范围信号为/>

2)、计算各个频带信号的能量：

设为信号小波包分析之后得到的重构信号/>的能量，可按下式计算:

其中x_ij(i＝1,2,···,2^N,j＝1,2,···,n)，n为正整数，表示采样点数；

3)、构造特征向量和特征值：

构造制动器正常运行时的特征向量和特征值作为健康模式库的依据，得到由小波包各个子频带构造的信号能量特征向量如下：

。

3.根据权利要求1所述的电梯制动器智能监测预警的方法，其特征在于，所述上位机中软件系统包括制动器监测参数显示与存储模块、制动器故障预警与预测性维修模块，并提供软件的二次开发接口。