CN108584588B - 一种基于大规模流数据的电梯门故障检测方法 - Google Patents

Abstract

一种基于大规模流数据的电梯门故障检测方法，包括构建了面向大规模流数据的电梯故障分析框架，建立了电梯状态转移图，给出了基于流数据的电梯门故障检测算法。本发明的优势在于能够基于大规模流数据对电梯门的故障类型进行实时检测，提高检测的准确性和实时性。

Description

一种基于大规模流数据的电梯门故障检测方法

技术领域

本发明专利涉及一种基于大规模流数据的电梯门故障检测方法。

背景技术

电梯是人们生活中不可缺少的交通工具，其类型主要包括垂直电梯、自动扶梯和自动人行道等。随着我国经济的快速发展，电梯保有量也在快速增长，截至2015年底，我国电梯总量超过400万台，且目前国内电梯年增长50-60万台，已成为世界电梯保有量最多的国家。

然而，电梯在方便人们工作和生活的同时，作为特种装备所导致的事故却不断发生，在此背景下，利用物联网技术、大数据技术等新一代信息技术提高电梯安全监测能力成为提高电梯安全性有效途径之一。

传统的电梯故障检测方法主要包括专家系统、向量机、遗传神经网络等。宗群等(控制工程，2013)提出基于故障树的电梯故障诊断专家系统，通过构建故障树和电梯故障知识库来判断电梯故障。郑建军等(机床与液压，2012)提出使用最小二乘支持向量机对电梯故障进行诊断。冯鑫等(起重运输机械，2017)使用基于遗传神经网络的电梯故障诊断方法来监测电梯的故障。薛涛等(信息技术，2015)，提出基于故障树的电梯门系统故障分析，建立门系统故障树模型，集中从电气结构和结构系统两方面对门系统进行安全分析。包健等(计算机应用，2012)提出基于有限状态机的电梯控制系统故障检测方法，利用电梯控制开关量和电梯运行模拟量作为状态机的状态特征。

为了充分获得电梯实时的运行状态数据，物联网技术在近几年被广泛应用。刘松国等(IEEE International Conference on Computer Vision，2015)开发了电梯运行参数采集与故障远程报警终端，该系统为能够采集电梯的状态数据，为电梯安全监测提供技术支撑；梯联网(贵州)科技有限公司开发了电梯公共安全服务平台，通过电梯监测探头，实时监控电梯运行情况，自动通知工作人员干预排除隐患，提升事故预防能力；上海三菱电梯、青岛电梯等企业提出智能电梯方案，通过在电梯中安装“黑匣子”，使电梯能够实时传输自己的“健康状况”，技术人员据此能够判定电梯的运行状态；微软与ThyssenKrupp电梯公司和IT服务提供商CGI合作开发了一款智能电梯监控系统，用成千上万的传感器监测电梯的一切，并将收集的数据传送到微软的Azure云智能系统中，根据预先设定好的算法采取全新的预防性维护措施。

基于物联网技术采集到的电梯数据具有体量大、类型多和产生速度快等特点，符合大数据的基本特征。基于所采集的数据并对电梯故障进行检测是近些年研究的热点。苏建等(探求，2014)对基于大数据技术建立广州电梯安全监管的可行性进行了初步探讨，指出运用大数据模式可有效弥补线性监管机制的不足，促使各电梯相关市场主体加大投入，有利于提升电梯的安全运行水平；金国祥等(中国技术监督，2014)初步开发了电梯大数据平台，该平台主要存储了与电梯相关的八类数据，采取“预防为先、防消结合”的原则，目前该平台主要应用于维保监管上，还无法实现电梯的实时监管和故障预警；电梯巨头日立电梯公司对此展开了积极研究，通过存储单台电梯的历史运行数据，形成电梯运行的健康报告，为该企业的电梯研发和售后提供数据支撑。

发明内容

本发明要克服现有技术对电梯门故障的检测准确性和实时性不好的缺点，提出一种基于大规模流数据的电梯门故障检测方法，该方法能够对电梯物联网采集到的大规模流数据进行分析，根据电梯门在数据流中的前后状态的关系判定电梯门的故障类型。

一种基于大规模流数据的电梯门故障检测方法，包括以下步骤：

步骤1.建立能够对电梯大规模流数据处理与分析的框架；

该框架主要由数据分发层、数据传输层、数据处理层以及分布式协调服务组件组成，能够对电梯大规模流数据进行分发、传输、分析和判定；

(1.1)数据分发层；

电梯数据具有明显的分布式特征，数据分发系统用于收集每台电梯状态采集系统发送过来的实时电梯流数据，同时数据分发系统还将负责对不同电梯厂家生产的不同型号电梯的状态信号值进行统一化处理，将状态信号的格式进行统一化，确保电梯门故障分析系统能够对不同型号的电梯流数据进行统一分析；

(1.2)数据传输层；

大数据环境下，对消息传递机制的要求较高，因此需要可靠的数据传输层提供高效的以及可靠的数据传输，同时处理大规模流数据需要分布式的大数据处理平台，通过消息中间件解决分布式环境下系统数据传输的需求；

(1.3)流数据处理层；

分布式流数据处理层是电梯门故障分析架构的核心，该层负责处理电梯大规模流数据，同时高效地运行电梯门故障检测算法分析各个电梯的流数据，检测电梯是否发生故障；

(1.4)分布式协调服务组件；

分布式协调服务组件为整个框架提供协调服务，用来解决分布式环境下数据管理的问题，作为分布式集群的管理者可以保证分布式架构中数据与服务的一致性，构建高性能和高可用性的分布式系统；

步骤2.构建电梯状态转移图；

电梯门中存在众多的传感器来检测电梯门开关时的状态，例如开关门是否到位，厅门门锁开闭情况，在电梯运行特定过程中，电梯门的状态信号的转移过程是确定的，通过分析电梯在特定运行过程中的流数据的变化来判断电梯门的故障类型；

与电梯门相关的状态包括电梯停止、电梯运行、电梯静止、电梯开门、电梯门开启到位、电梯关门和电梯关门到位共7个状态，它们的状态转移图如图1所示；

根据电梯流数据能够检测到的电梯门故障包括：

(1)电梯到站不开门故障；

(2)电梯不能正常关门故障；

(3)电梯门卡人卡物故障；

(4)运行中开门故障；

(5)按开门按钮不能正常开门故障；

检测以上电梯门故障需要用到流数据信号类型如表1所示：

表1电梯信号类型说明

步骤3.基于大规模流数据的电梯门故障检测算法

通过对电梯流数据进行分析，已检测电梯门的具体故障，其方法是先需通过设定滑动窗口检测出电梯当前时刻的运行状态，然后根据检测算法检测电梯门的故障类型，电梯门故障检测算法如下：

输入:电梯流数据，滑动窗口t

输出:故障类型

步骤：

Step1:根据滑动窗口大小接受电梯流数据D,即根据时间t划分微数据批次；

Step2:数据预处理，过滤无用状态参数，提取电梯ID作为key值，用于记

录电梯门故障的电梯号和区分不同电梯的流数据；

Step3:根据Key值将数据进行聚类，同一台电梯的数据聚集到同一组中；

Step4:取出组中第一条数据根据状态转移图匹配该微批次数据所处的初始

运行状态，记为S1；

Step5:逐条将之后的数据与状态转移图中各个状态进行匹配，若当前数据

未匹配成功，则表明当前电梯正在由一个状态转移至下一个状态中，直至

成功匹配到下一确定状态,记为S2；

Step6:判断状态S1和状态S2的转移是否为与开关门相关的状态转移过程，

若符合则执行Step7，否则执行Step8；

Step7:if S1为电梯停止并且S2为电梯到站then

S2下一状态不为电梯开门状态，则故障为电梯到站不开门；

if S1为电梯关门then

if超过阈值时间t无法转移至关门到位状态then

if光幕信号始终为1then

故障电梯卡人卡物；

else then

故障为电梯不能正常关门；

if S1为电梯运行状态then

if厅门门锁打开，则为运行中开门故障；

if S1位电梯静止状态且开门按钮为开启状态then

故障为按开门按钮不能正常开门故障；

Step8:电梯无故障，返回Step5，处理下一组数据；

在电梯大规模流数据处理框架下，运行上述电梯门故障检测算法，能够同时检测出不同电梯门的故障类型，并提示结果。

本发明的优点是：

本发明提出一种基于大规模流式数据的电梯门故障检测方法，建立了基于大规模流数据的电梯门故障检测框架，构建了电梯门状态转移图，通过分析电梯流数据，基于电梯门故障检测算法能够实时地检测出各类电梯门故障类型。

附图说明

图1是本发明的电梯门状态转移图

图2是本发明的基于大规模流数据的电梯门故障检测框架

图3是本发明的电梯流数据处理过程图

具体实施方式

为了进一步说明本发明的具体实时方式，以某电梯流数据为例，数据格式详见下表2所示：

表2某电梯流数据样本

上述表格中ID表示数据ID号；UP_TIME表示数据上传时间；DO_P表示开门状态使用1或0表示是否正在开门；RUN表示电梯运行状态，1为正在运行，0为停止运行；DOL表示开门到位信号，1表示门开启到位，0表示为未开启到位；DW表示厅门门锁状态，1为门锁开启，0为门锁锁住；DCL表示关门到位状态，1为门关闭到位，0为未关闭到位；DZ表示平层区状态，1为轿箱处在平层区，0为轿厢不在平层区；FL表示电梯所在楼层；LV1、LV2表示上下平层区状态，1为轿厢处在上、下平层区，0为轿厢不处在上、下平层区；DOB表示开门按钮状态，1为开门按钮被按动，0为开门按钮未被按动；LRD表示光幕信号状态，1为有人通过光幕，0为人通过光幕。

以上述表格中的电梯流数据为例，结合图1、图2、图3对本发明的具体实施方式做进一步说明，具体步骤如下：

步骤1.建立能够对电梯大规模流数据处理与分析的框架；

(1.1)数据分发层；

构建一个电梯数据分发系统，对不同厂商、不同型号的电梯数据进行统一化，同时该系统将作为消息中间的消息生产者负责将电梯主控终端传出电梯状态数据按照电梯状态时间包装成实时流数据发送给消息中间件；

(1.2)数据传输层；

使用Kafka作为消息中间件，负责处理数据的传递，Kafka消息生产者负责将电梯主控终端传出电梯状态数据按照电梯状态时间包装成实时流数据发送给Kafka，由于电梯实时数据量巨大直接发送数据会有很低的性能，故需采用Kafka分布式集群负责实时流数据的接受与发送；

(1.3)流数据处理层；

采用Spark Streaming作为电梯流数据处理核心平台，通过滑动窗口机制捕获电梯门运行过程中的状态转移过程，并对这一过程中的状态数据进行分析和处理，判断电梯门是否发生故障以及发生了何种故障；

(1.4)分布式协调服务组件；

采用Zookeeper作为分布式协调服务组件，Zookeeper是一个分布式的，开放源码的分布式应用程序协调服务，是Google的Chubby一个开源的实现，它为分布式应用提供一致性服务的软件，提供的功能包括配置维护、域名服务、分布式同步、组服务；

步骤2.构建电梯状态转移图；

根据示例数据以及图1构建电梯状态转移图，电梯状态数据可以匹配电梯所处的运行状态，例如电梯停止状态、电梯运行状态、电梯到站、电梯开门4个状态，可以由表3中的电梯运行参数表示：

表3电梯运行状态及参数表

步骤3.电梯流数据处理算法；

将电梯流数据划分为微批次数据块，门故障检测算法首先需根据上述表2中的参数检测出电梯所处的运行状态及该微批次数据所显示的电梯运行过程，其次门故障检测算法将对状态转移的合法性进行检测，以此判断电梯门是否工作正常，若发生故障则检测出故障类型，并提示结果。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于大规模流数据的电梯门故障检测方法，包括以下步骤：

步骤1.建立能够对电梯大规模流数据处理与分析的框架；

该框架由数据分发层、数据传输层、数据处理层以及分布式协调服务组件组成，能够对电梯大规模流数据进行分发、传输、分析和判定；

(1.1)数据分发层；

电梯数据具有明显的分布式特征，数据分发系统用于收集每台电梯状态采集系统发送过来的实时电梯流数据，同时数据分发系统还将负责对不同电梯厂家生产的不同型号电梯的状态信号值进行统一化处理，将状态信号的格式进行统一化，确保电梯门故障分析系统能够对不同型号的电梯流数据进行统一分析；

(1.2)数据传输层；

大数据环境下，对消息传递机制的要求较高，因此需要可靠的数据传输层提供高效的以及可靠的数据传输，同时处理大规模流数据需要分布式的大数据处理平台，通过消息中间件解决分布式环境下系统数据传输的需求；

(1.3)流数据处理层；

分布式流数据处理层是电梯门故障分析架构的核心，该层负责处理电梯大规模流数据，同时高效地运行电梯门故障检测算法分析各个电梯的流数据，检测电梯是否发生故障；

(1.4)分布式协调服务组件；

分布式协调服务组件为整个框架提供协调服务，用来解决分布式环境下数据管理的问题，作为分布式集群的管理者可以保证分布式架构中数据与服务的一致性，构建高性能和高可用性的分布式系统；

步骤2.构建电梯状态转移图；

电梯门中存在众多的传感器来检测电梯门开关时的状态，在电梯运行特定过程中，电梯门的状态信号的转移过程是确定的，通过分析电梯在特定运行过程中的流数据的变化来判断电梯门的故障类型；

与电梯门相关的状态包括电梯停止、电梯运行、电梯静止、电梯开门、电梯门开启到位、电梯关门和电梯关门到位共7个状态；

根据电梯流数据能够检测到的电梯门故障包括：

(1)电梯到站不开门故障；

(2)电梯不能正常关门故障；

(3)电梯门卡人卡物故障；

(4)运行中开门故障；

(5)按开门按钮不能正常开门故障；

检测以上电梯门故障需要用到流数据信号类型包括：

(1)电梯运行状态，描述电梯是处在停止状态中还是处在运行状态中；

(2)开门状态，指示电梯门状态：打开状态或关闭状态；

(3)开门到位，指示电梯门是否开启到位；

(4)厅门门锁，指示门锁状态，是否锁住；

(5)关门到位，指示电梯门是否已关门到位；

(6)电梯数据上传时间；

(7)楼层，指示电梯当前楼层；

(8)光幕信号，指示是否有物体或人正在通过光幕；

(9)开门按钮，指示开门按钮按动情况；

(10)平层区状态，指示轿厢是否处在平层区；

步骤3.基于大规模流数据的电梯门故障检测算法

通过对电梯流数据进行分析，已检测电梯门的具体故障，其方法是先需通过设定滑动窗口检测出电梯当前时刻的运行状态，然后根据检测算法检测电梯门的故障类型，电梯门故障检测算法如下：

输入:电梯流数据，滑动窗口t

输出:故障类型

步骤：

Step1:根据滑动窗口t将电梯流数据D划分为一系列数据块，称为微数据，作为算法处理的对象；

Step2:数据预处理，过滤无用状态参数，提取电梯ID作为Key值，用于记录电梯门故障的电梯号和区分不同电梯的流数据；

Step3:根据Key值将数据进行聚类，同一台电梯的数据聚集到同一组中；

Step4:取出并分析组中第一个微数据，根据状态转移图匹配微数据，以判断电梯所处的初始运行状态，记为S1；

Step5:逐条将之后的微数据与状态转移图中各个状态进行匹配，若当前微数据未匹配成功，则表明当前电梯正在由一个状态转移至下一个状态中，直至成功匹配到下一确定状态,记为S2；

Step6:判断状态S1和状态S2的转移是否为与开关门相关的状态转移过程，若符合则执行Step7，否则执行Step8；

Step7:if S1为电梯停止并且S2为电梯到站then

{{if S2下一状态不为电梯开门状态then

故障为电梯到站不开门；}

{if S1为电梯关门then

{if超过阈值时间t无法转移至关门到位状态then

if光幕信号始终为1then

故障电梯卡人卡物；

else then

故障为电梯不能正常关门；}

{if S1为电梯运行状态then

if厅门门锁打开then

电梯运行中开门故障；}

{if S1为电梯静止状态且开门按钮为开启状态then

故障为按开门按钮不能正常开门故障；}}}

Step8:电梯无故障，返回Step5，处理下一组数据；

在电梯大规模流数据处理框架下，运行上述电梯门故障检测算法，能够同时检测出不同电梯门的故障类型，并提示结果。