CN110371815A - 一种基于物联网的电梯按需维保系统 - Google Patents
一种基于物联网的电梯按需维保系统 Download PDFInfo
- Publication number
- CN110371815A CN110371815A CN201910599949.0A CN201910599949A CN110371815A CN 110371815 A CN110371815 A CN 110371815A CN 201910599949 A CN201910599949 A CN 201910599949A CN 110371815 A CN110371815 A CN 110371815A
- Authority
- CN
- China
- Prior art keywords
- elevator
- maintenance
- leveling
- data
- sensor
- 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.)
- Granted
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 138
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 28
- 229910000831 Steel Inorganic materials 0.000 claims description 16
- 239000010959 steel Substances 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 210000002569 neuron Anatomy 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0087—Devices facilitating maintenance, repair or inspection tasks
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
一种基于物联网的电梯按需维保系统,可解决现有的电梯维保方式,安全隐患较大的技术问题。包括运行数据采集模块采集电梯运行数据发送给物联网设备终端;物联网设备终端通过对获取的数据进行分析,得到电梯警示数据发送到系统服务器;维保用户APP终端将电梯基本信息数据及电梯维保数据发送到系统服务器;系统服务器基于接收到的数据对电梯安全状态进行分析评价,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期。本发明根据电梯风险状况来确定电梯维保项目和周期,在物联网远程监控技术基础上实施“物联网+维保”的维护保养模式,提高电梯维保工作的科学性、有效性,提升电梯维保工作质量。
Description
技术领域
本发明涉及电梯维保技术领域,具体涉及一种基于物联网的电梯按需维保系统。
背景技术
现在电梯行业基本上施行的是“定期维保”,也就是每15天给电梯维护保养一次,而国家对每次电梯维护保养的内容也做了具体的规定。虽然电梯设备各异且使用情况不同,但电梯维保周期的规定却是一样的。实际情况,许多电梯的维保并没有按照规定执行,大量存在弄虚作假的现象,欠保(欠缺维保)情况普遍存在。对于按照规定按期维保的电梯,由于电梯状况和使用情况不同,许多电梯实际上是过保(过度保养)状态。由于电梯使用和维保工作的问题,国内许多电梯(20%以上)故障率高,安全隐患大。
当前,物联网技术应用越来越多,电梯作为公共交通工具,也成为物联网技术应用的目标和对象。可以通过加装电梯智能监测设备(电梯黑匣子)方式实现。加装电梯黑匣子,采集电梯运行数据,通过无线通讯方式,传送数据信息。通过电梯黑匣子实现的电梯物联,由于是第三方监测,数据更加客观,可以适当弥补电梯本身的监测问题和不足。再由于不依赖于电梯数据协议,不直接接触电梯设备本身的机械和电子部件,适合于大规模对现有电梯的物联化改造。
通过物联网设备对电梯状态、运行数据、问题信息、前次维保时效等相关数据和信息进行综合分析,判断下次电梯维保需求及维保预期时间。对于具体在用电梯,由于电梯品牌、电梯使用年限、电梯安全状态、电梯使用状况、相同时间电梯运行程度等方面各不相同,如果按照统一时间标准(如半个月)进行电梯维保工作,显然是不合理、不科学的。电梯维保工作既关乎电梯安全,也关乎管理单位的使用成本、关乎维保企业的工作效益。实施电梯按需维保,既是电梯运维服务科学化的客观需要,也是电梯维保服务行业进步和发展的必然。
发明内容
本发明提出的一种基于物联网的电梯按需维保系统,可解决现有的电梯维保方式,安全隐患较大的技术问题。
为实现上述目的,本发明采用了以下技术方案:
一种基于物联网的电梯按需维保系统,包括:
依次通讯连接的运行数据采集模块、物联网设备终端、系统服务器;还包括分别与系统服务器相互通讯连接的数据库、维保用户APP终端;
其中,
所述运行数据采集模块采集电梯运行数据,并发送给物联网设备终端;
所述物联网设备终端包括故障分析模块和数据发送模块;故障分析模块通过对运行数据采集模块获取的数据进行分析,得到电梯警示数据,并通过数据发送模块将电梯警示数据发送到系统服务器;
维保用户APP终端用于电梯基本信息数据及电梯维保数据的录入端,并将电梯基本信息数据及电梯维保数据发送到系统服务器;
系统服务器基于接收到的电梯警示数据、电梯基本信息数据及电梯维保数据对电梯安全状态进行分析评价,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期。
进一步的,所述运行数据采集模块采集电梯运行数据,所述电梯运行数据包括电梯的启动/停止状态、运行方向、楼层位置信息、轿厢门状态、曳引机与控制柜的温度、轿厢噪声、运行速度、运行时间、运行距离。
进一步的,所述运行数据采集模块包括安装在电梯轿顶的上平层传感器和下平层传感器、分别安装在电梯各平层位置处的T型导轨上的平层磁条、以及安装在电梯一楼与二楼之间的T型导轨上的磁钢;
通过上平层传感器、下平层传感器与磁条、磁钢的组合状态检测电梯的运行状态,其中,上平层传感器与下平层传感器的输出端分别与物联网设备终端的输入端连接;
所述运行数据采集模块还包括安装在轿厢门机位置的接近开关与感应铁片用于检测电梯轿门的开关状态,其中接近开关的输出端与物联网终端设备的输入端相连;
所述运行数据采集模块还包括分别安装在曳引机与控制柜的温度传感器,温度传感器通过射频发送模块传送给物联网设备终端的射频接收模块;
所述运行数据采集模块还包括集成在物联网设备终端上的三维加速度传感器与噪声传感器。
进一步的,所述维保用户APP终端用于电梯基本信息数据及电梯维保数据的录入端,并将电梯基本信息数据及电梯维保数据发送到系统服务器;
其中,电梯基本信息数据包括电梯名称、电梯编号、电梯位置信息及电梯已使用年数;
所述电梯维保数据包括电梯维保日期及维保信息。
进一步的,所述系统服务器基于接收到的电梯警示数据、电梯基本信息数据及电梯维保数据对电梯安全状态进行分析评价,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期;
包括以下步骤:
S31、建立层次结构模型;
目标层O1={电梯安全评价体系};
风险因素层:A={电梯警示情况};B={电梯维保情况};C={电梯使用情况};
子风险因素层:A1={轿厢三维振动预警};A2={轿厢噪声预警};A3={控制柜、曳引机温度预警};A4={非平层停梯预警};A5={门故障预警};A6={运行速度预警};A7={易损件磨损预警};B1={维保情况};C1={已使用年数};C2={日平均使用时间};
S32、构建影响因素比较矩阵,对电梯安全评价指标两两进行比较,构件判断矩阵,矩阵中元素值表示评价指标对于电梯安全评价指标的相对重要性程度;
S33、运用极差法将比较矩阵转化为判断矩阵;
S34、影响因素权重计算;
S35、确定BP神经网络模型输入层的神经元个数,并将电梯安全评价的等级作为模型的输出;
S36、初始化BP神经网络参数,选取样本对其进行训练和学习,从而建立电梯按需维保模型;
S37、以数据库中该电梯一段时间内的相关数据作为输入,采用建立的按需维保模型对电梯安全状态进行分析,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期。
进一步的,所述S32、构建影响因素比较矩阵,对电梯安全评价指标两两进行比较,构件判断矩阵,矩阵中元素值表示评价指标对于电梯安全评价指标的相对重要性程度;具体包括:
S321、假设构造10×10的矩阵;
S322、矩阵对角线元素,aii=1;i代表矩阵的行数,j代表矩阵列数;
S323、先填写矩阵右上三角元素,各元素赋值规则如下:
当两指标具有同样的重要性,赋值为1;
当vi指标比vj指标稍显重要,赋值为3;
当vi指标比vj指标明显重要,赋值为5;
当vi指标比vj指标强烈重要,赋值为7;
当vi指标比vj指标极端重要,赋值为9;
反之则填该数值的倒数。
进一步的,所述S34、影响因素权重计算;包括:
S341、假设计算判断矩阵每一行元素的乘积Mi=ci1×ci2×···×ci10;
S342、计算Mi的n次方根
S343、对Vi归一化
则wi=(w1,w2,···,wn)即为判断矩阵的特征向量,也就是各影响因素的权重。
与现有技术相比,本发明存在以下技术效果:本发明基于物联网的电梯按需维保系统,通过建立物联网系统对电梯状态、运行数据、故障数据及前次维保时效、维保情况等相关数据和信息进行综合分析,基于AHB的层次分析法与BP神经网络算法建立数学模型,判断电梯下次维保预估日期,实施“物联网+维保”的维护保养模式,提高电梯维保工作的科学性、有效性,提升电梯维保工作质量。既是电梯运维服务科学化的客观需要,也是电梯维保服务行业进步和发展的必然。
附图说明
图1是本发明系统的结构框图;
图2是本发明方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
如图1所示,本实施例公开了一种基于物联网的电梯按需维保系统,包括依次通讯连接的运行数据采集模块、物联网设备终端、系统服务器;还包括分别与系统服务器相互通讯连接的数据库、维保用户APP终端;
其中,
所述运行数据采集模块采集电梯运行数据,并发送给物联网设备终端;
所述物联网设备终端包括故障分析模块和数据发送模块;故障分析模块通过对运行数据采集模块获取的数据进行分析,得到电梯警示数据,并通过数据发送模块将电梯警示数据发送到系统服务器;
维保用户APP终端用于电梯基本信息数据及电梯维保数据的录入端,并将电梯基本信息数据及电梯维保数据发送到系统服务器;
系统服务器基于接收到的电梯警示数据、电梯基本信息数据及电梯维保数据对电梯安全状态进行分析评价,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期。
其中,所述运行数据采集模块采集电梯运行数据,所述电梯运行数据包括电梯的启动/停止状态、运行方向、楼层位置信息、轿厢门状态、曳引机与控制柜的温度、轿厢噪声、运行速度、运行时间、运行距离。
具体的说,运行数据采集模块包括安装在电梯轿顶的上平层传感器和下平层传感器,分别安装在电梯各平层位置处的T型导轨上的平层磁条,以及安装在电梯一楼与二楼之间的T型导轨上的磁钢,根据上平层传感器、下平层传感器与磁条、磁钢的组合状态检测电梯的运行状态,其中上平层传感器与下平层传感器的输出端与物联网设备终端的输入端连接;还包括安装在轿厢门机位置的接近开关与感应铁片用于检测电梯轿门的开关状态,其中接近开关的输出端与物联网终端设备的输入端相连、安装在曳引机与控制柜的温度传感器,温度传感器通过射频发送模块传送给物联网设备终端的射频接收模块、集成在物联网设备终端上的三维加速度传感器与噪声传感器。
所述物联网设备终端包括故障分析模块和数据发送模块组成;故障分析模块通过对运行数据采集模块抓取的数据进行分析,得到一系列电梯警示数据,并通过数据发送模块将电梯警示数据发送到系统服务器;维保用户APP终端作为电梯基本信息数据及电梯维保数据的录入端,将电梯基本信息数据及电梯维保数据发送到系统服务器;系统服务器将接收到的电梯警示数据、电梯基本信息数据及电梯维保数据存储到数据库,作为电梯按需维保数学模型的数据输入端。
所述电梯警示数据包括:轿厢三维振动预警、轿厢噪声预警、控制柜与曳引机温度预警、非平层停梯预警、门故障预警、运行速度预警、易损件磨损预警;
所述电梯基本信息数据主要包括:电梯名称、电梯编号、电梯位置信息及电梯已使用年数;所述电梯维保数据主要包括:电梯维保日期及维保情况。
具体的说,故障分析模块通过对运行数据采集模块获取的数据进行分析,得到电梯警示数据;包括以下步骤:
1、轿厢三维振动预警:三轴加速度传感器采集到的x、y、z轴振动值大于设定的阈值时进行预警,其中x、y轴振动阈值设为M1,z轴振动阈值设为M2;
2、轿厢噪声预警:噪声传感器采集到的轿厢噪声值大于设定的阈值时进行预警,其中噪声阈值设为S1;
3、控制柜、曳引机温度预警:温度传感器采集到的温度值大于设定的阈值时进行预警,其中温度阈值设为T1;
4、非平层停梯预警:若上平层传感器和下平层传感器均未感应到平层磁条且该未感应到平层磁条的状态维持时间超过t1秒,则判定此时电梯状态为非平层停梯;
5、门故障预警:主要包括反复开关门次数与长时间不关门次数,其中反复开关门的判定条件为,电梯在某个楼层位置,轿厢门反复开关次数超过N次,且两次开关门的间隔时间不超过T2时间;长时间不关门的判定条件为,电梯在某个楼层位置,轿厢门超过T3时间未关闭;
6、运行速度预警:电梯运行速度进行判断的具体包括以下步骤:
上平层传感器检测平层磁条感应状态,将其感应到平层磁条的最初时间记为t3,将其感应到平层磁条的最终时间记为t4;
采用以下公式计算电梯运行速度V:
V=L/(t4-t3),
其中,L为平层磁条的长度。
当电梯运行速度V大于设定的阈值时进行预警,其中速度预警值设为V1;
7、易损件磨损预警:主要根据电梯的启停次数与电梯的运行距离预判易损件磨损情况;当电梯启停次数累计大于N1次或累计运行距离大于M1时,判定易损件磨损预警。
其中电梯运行的判断如下,若由上平层传感器和下平层传感器均感应到平层磁条变换为上平层传感器未感应到平层磁条、下平层传感器感应到平层磁条,判定此时电梯运行方向向上;若由上平层传感器和下平层传感器均感应到平层磁条变换为上平层传感器感应到平层磁条、下平层传感器未感应到平层磁条,判定此时电梯运行方向向下;
电梯停止的判断如下,若上平层传感器和下平层传感器同时感应到平层磁条且感应时间超过t1秒,则判断电梯此时处于停止状态;每当判断电梯由启动到停止时,电梯启停次数加1;
电梯运行距离根据电梯运行的楼层量预估,其中电梯楼层量判断方法如下:若由上平层传感器感应到平层磁条、下平层传感器未感应到平层磁条变换为上平层传感器和下平层传感器均感应到平层磁条,且此时楼层量不是最大楼层量时,此时楼层量加1;
若由上平层传感器未感应到平层磁条、下平层传感器感应到平层磁条变换为上平层传感器和下平层传感器均感应到平层磁条,且此时楼层量不是最小楼层量时,此时楼层量减1;
若上平层传感器和下平层传感器经过磁钢时,由于上平层传感器与下平层传感器不能同时感应磁钢,以此与其经过平层磁条的状态区分,作为基站信号;由于磁钢安装在电梯一楼与二楼平层位置之间,当电梯运行方向为向上时,上平层传感器和下平层传感器经过磁钢后,又同时感应到平层磁条时,将楼层强置为二楼;当电梯运行方向为向下时,上平层传感器和下平层传感器经过磁钢后,又同时感应到平层磁条时,将楼层强置为一楼。
如图2所示,所述系统服务器基于接收到的电梯警示数据、电梯基本信息数据及电梯维保数据对电梯安全状态进行分析评价,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期;具体包括以下步骤:
31)建立层次结构模型;
目标层(顶层)O1={电梯安全评价体系};
风险因素层(第一层):A={电梯警示情况};B={电梯维保情况};C={电梯使用情况};
子风险因素层(第二层):A1={轿厢三维振动预警};A2={轿厢噪声预警};A3={控制柜、曳引机温度预警};A4={非平层停梯预警};A5={门故障预警};A6={运行速度预警};A7={易损件磨损预警};B1={维保情况};C1={已使用年数};C2={日平均使用时间};
32)构建影响因素比较矩阵,对电梯安全评价指标两两进行比较,构件判断矩阵,矩阵中元素值表示评价指标对于电梯安全评价指标的相对重要性程度。
321)假设构造10×10的矩阵;
322)矩阵对角线元素,aii=1;i代表矩阵的行数,j代表矩阵列数;
323)先填写矩阵右上三角元素,各元素赋值规则如下:
当两指标具有同样的重要性,赋值为1;
当vi指标比vj指标稍显重要,赋值为3;
当vi指标比vj指标明显重要,赋值为5;
当vi指标比vj指标强烈重要,赋值为7;
当vi指标比vj指标极端重要,赋值为9;
反之则填该数值的倒数;
33)运用极差法将比较矩阵转化为判断矩阵,根据所得矩阵C=(cij)n×n为一致性判断矩阵,其中cb为一常量(一般在实践应用中常取cb=9);R=rmax-rmin,称为极差,式中rmax=max{r1,r2,···,rn},rmin=min{r1,r2,···,rn}。
34)影响因素权重计算;
341)计算判断矩阵每一行元素的乘积Mi=ci1×ci2×···×ci10;
342)计算Mi的n次方根
343)对Vi归一化
则wi=(w1,w2,···,wn)即为判断矩阵的特征向量,也就是各影响因素的权重。
35)确定BP神经网络模型输入层的神经元个数,并将电梯安全评价的等级作为模型的输出;
36)初始化BP神经网络参数,选取样本对其进行训练和学习,从而建立电梯按需维保模型;
37)以数据库中该电梯一段时间内的相关数据作为输入,相关数据分别为:前一天轿厢三维振动预警次数、轿厢噪声预警次数、控制柜与曳引机温度预警次数、非平层停梯预警次数、门故障预警次数、运行速度预警次数、易损件磨损次数、维保情况、已使用时间、日平均使用时间,其中易损件磨损次数主要根据所采集到的电梯运行距离及启停次数可得,维保情况通过维保用户APP终端对TSG T5002-2017中所规定的维护保养项目进行相关权重的分级,对维保人员上次所进行的维保项进行打分得知;再根据建立的按需维保模型对电梯安全状态进行分析,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期。
具体在本实施例中,当输出值小于0.3时,电梯需在3天内进行维保;
当输出值在0.3~0.6之间时,电梯需在从电梯上次维保日期起算,15天内进行维保;
当输出值在0.6~1之间时,电梯需在从电梯上次维保日期起算,30天内进行维保。
其中,
BP神经网络输入层的输出为:
神经网络隐含层的输入为:
神经网络隐含层的输出为:
隐含层神经元的活化函数取正负对称的Sigmoid函数:
网络输出层的输入为:
网络输出层的输出为:
输出层神经元的活化函数为非负的Sigmoid函数:
神经网络算法在matlab、python等多种编程语言中均有成熟实现,本发明实施例仅仅是利用了该成熟的算法,因此不作详细算法推导,对本领域技术人员来说,知晓此算法并能够利用此算法进行推导是常规技术手段。
与现有技术相比,本发明存在以下技术效果:本发明实施例基于物联网的电梯按需维保系统,通过建立物联网系统对电梯状态、运行数据、故障数据及前次维保时效、维保情况等相关数据和信息进行综合分析,基于AHB的层次分析法与BP神经网络算法建立数学模型,判断电梯下次维保预期时间,实施“物联网+维保”的维护保养模式,提高电梯维保工作的科学性、有效性,提升电梯维保工作质量。既是电梯运维服务科学化的客观需要,也是电梯维保服务行业进步和发展的必然。
由上述技术方案可知,本发明实施例的基于物联网的电梯按需维保系统以探索根据电梯风险状况来确定电梯维保项目和周期,在物联网远程监控技术基础上实施“物联网+维保”的维护保养模式,提高电梯维保工作的科学性、有效性,提升电梯维保工作质量。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于物联网的电梯按需维保系统,其特征在于:
包括依次通讯连接的运行数据采集模块、物联网设备终端、系统服务器;还包括分别与系统服务器相互通讯连接的数据库、维保用户APP终端;
其中,
所述运行数据采集模块采集电梯运行数据,并发送给物联网设备终端;
所述物联网设备终端包括故障分析模块和数据发送模块;故障分析模块通过对运行数据采集模块获取的数据进行分析,得到电梯警示数据,并通过数据发送模块将电梯警示数据发送到系统服务器;
维保用户APP终端用于电梯基本信息数据及电梯维保数据的录入端,并将电梯基本信息数据及电梯维保数据发送到系统服务器;
系统服务器基于接收到的电梯警示数据、电梯基本信息数据及电梯维保数据对电梯安全状态进行分析评价,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期。
2.根据权利要求1所述的基于物联网的电梯按需维保系统,其特征在于:所述运行数据采集模块采集电梯运行数据,所述电梯运行数据包括电梯的启动/停止状态、运行方向、楼层位置信息、轿厢门状态、曳引机与控制柜的温度、轿厢噪声、运行速度、运行时间、运行距离。
3.根据权利要求2所述的基于物联网的电梯按需维保系统,其特征在于:所述运行数据采集模块包括安装在电梯轿顶的上平层传感器和下平层传感器、分别安装在电梯各平层位置处的T型导轨上的平层磁条、以及安装在电梯一楼与二楼之间的T型导轨上的磁钢;
通过上平层传感器、下平层传感器与磁条、磁钢的组合状态检测电梯的运行状态,其中,上平层传感器与下平层传感器的输出端分别与物联网设备终端的输入端连接;
所述运行数据采集模块还包括安装在轿厢门机位置的接近开关与感应铁片用于检测电梯轿门的开关状态,其中接近开关的输出端与物联网终端设备的输入端相连;
所述运行数据采集模块还包括分别安装在曳引机与控制柜的温度传感器,温度传感器通过射频发送模块传送给物联网设备终端的射频接收模块;
所述运行数据采集模块还包括集成在物联网设备终端上的三维加速度传感器与噪声传感器。
4.根据权利要求3所述的基于物联网的电梯按需维保系统,其特征在于:
所述物联网设备终端包括故障分析模块和数据发送模块;其中,故障分析模块通过对运行数据采集模块获取的数据进行分析,得到电梯警示数据;
具体包括:
S21、轿厢三维振动预警:三轴加速度传感器采集到的x、y、z轴振动值大于设定的阈值时进行预警,其中x、y轴振动阈值设为M1,z轴振动阈值设为M2;
S22、轿厢噪声预警:噪声传感器采集到的轿厢噪声值大于设定的阈值时进行预警,其中噪声阈值设为S1;
S23、控制柜、曳引机温度预警:温度传感器采集到的温度值大于设定的阈值时进行预警,其中温度阈值设为T1;
S24、非平层停梯预警:若上平层传感器和下平层传感器均未感应到平层磁条且该未感应到平层磁条的状态维持时间超过t1秒,则判定此时电梯状态为非平层停梯;
S25、门故障预警:包括反复开关门次数与长时间不关门次数,其中反复开关门的判定条件为,电梯在某个楼层位置,轿厢门反复开关次数超过N次,且两次开关门的间隔时间不超过T2时间;
长时间不关门的判定条件为,电梯在某个楼层位置,轿厢门超过T3时间未关闭;
S26、运行速度预警:电梯运行速度进行判断的具体包括以下步骤:
上平层传感器检测平层磁条感应状态,将其感应到平层磁条的最初时间记为t3,将其感应到平层磁条的最终时间记为t4;
采用以下公式计算电梯运行速度V:
V=L/(t4-t3),
其中,L为平层磁条的长度;
当电梯运行速度V大于设定的阈值时进行预警,其中速度预警值设为V1;
S27、易损件磨损预警:根据电梯的启停次数与电梯的运行距离预判易损件磨损情况;当电梯启停次数累计大于N1次或累计运行距离大于M1时,判定易损件磨损预警;
其中电梯运行的判断如下,若由上平层传感器和下平层传感器均感应到平层磁条变换为上平层传感器未感应到平层磁条、下平层传感器感应到平层磁条,判定此时电梯运行方向向上;若由上平层传感器和下平层传感器均感应到平层磁条变换为上平层传感器感应到平层磁条、下平层传感器未感应到平层磁条,判定此时电梯运行方向向下;
电梯停止的判断如下,若上平层传感器和下平层传感器同时感应到平层磁条且感应时间超过t1秒,则判断电梯此时处于停止状态;每当判断电梯由启动到停止时,电梯启停次数加1;
电梯运行距离根据电梯运行的楼层量预估,其中电梯楼层量判断方法如下:若由上平层传感器感应到平层磁条、下平层传感器未感应到平层磁条变换为上平层传感器和下平层传感器均感应到平层磁条,且此时楼层量不是最大楼层量时,此时楼层量加1;
若由上平层传感器未感应到平层磁条、下平层传感器感应到平层磁条变换为上平层传感器和下平层传感器均感应到平层磁条,且此时楼层量不是最小楼层量时,此时楼层量减1;
若上平层传感器和下平层传感器经过磁钢时,由于上平层传感器与下平层传感器不能同时感应磁钢,以此与其经过平层磁条的状态区分,作为基站信号;由于磁钢安装在电梯一楼与二楼平层位置之间,当电梯运行方向为向上时,上平层传感器和下平层传感器经过磁钢后,又同时感应到平层磁条时,将楼层强置为二楼;当电梯运行方向为向下时,上平层传感器和下平层传感器经过磁钢后,又同时感应到平层磁条时,将楼层强置为一楼。
5.根据权利要求4所述的基于物联网的电梯按需维保系统,其特征在于:所述维保用户APP终端用于电梯基本信息数据及电梯维保数据的录入端,并将电梯基本信息数据及电梯维保数据发送到系统服务器;
其中,电梯基本信息数据包括电梯名称、电梯编号、电梯位置信息及电梯已使用年数;
所述电梯维保数据包括电梯维保日期及维保信息。
6.根据权利要求5所述的基于物联网的电梯按需维保系统,其特征在于:所述系统服务器基于接收到的电梯警示数据、电梯基本信息数据及电梯维保数据对电梯安全状态进行分析评价,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期;
包括以下步骤:
S31、建立层次结构模型;
目标层O1={电梯安全评价体系};
风险因素层:A={电梯警示情况};B={电梯维保情况};C={电梯使用情况};
子风险因素层:A1={轿厢三维振动预警};A2={轿厢噪声预警};A3={控制柜、曳引机温度预警};A4={非平层停梯预警};A5={门故障预警};A6={运行速度预警};A7={易损件磨损预警};B1={维保情况};C1={已使用年数};C2={日平均使用时间};
S32、构建影响因素比较矩阵,对电梯安全评价指标两两进行比较,构件判断矩阵,矩阵中元素值表示评价指标对于电梯安全评价指标的相对重要性程度;
S33、运用极差法将比较矩阵转化为判断矩阵;
S34、影响因素权重计算;
S35、确定BP神经网络模型输入层的神经元个数,并将电梯安全评价的等级作为模型的输出;
S36、初始化BP神经网络参数,选取样本对其进行训练和学习,从而建立电梯按需维保模型;
S37、以数据库中该电梯一段时间内的相关数据作为输入,采用建立的按需维保模型对电梯安全状态进行分析,并输出评价结果,根据评价结果结合电梯上次维保时间,确定电梯下次维保预估日期。
7.根据权利要求6所述的基于物联网的电梯按需维保系统,其特征在于:
所述S32、构建影响因素比较矩阵,对电梯安全评价指标两两进行比较,构件判断矩阵,矩阵中元素值表示评价指标对于电梯安全评价指标的相对重要性程度;具体包括:
S321、假设构造10×10的矩阵;
S322、矩阵对角线元素,aii=1;i代表矩阵的行数,j代表矩阵列数;
S323、先填写矩阵右上三角元素,各元素赋值规则如下:
当两指标具有同样的重要性,赋值为1;
当vi指标比vj指标稍显重要,赋值为3;
当vi指标比vj指标明显重要,赋值为5;
当vi指标比vj指标强烈重要,赋值为7;
当vi指标比vj指标极端重要,赋值为9;
反之则填该数值的倒数。
8.根据权利要求7所述的基于物联网的电梯按需维保系统,其特征在于:
所述S34、影响因素权重计算;包括:
S341、假设计算判断矩阵每一行元素的乘积Mi=ci1×ci2×···×ci10;
S342、计算Mi的n次方根
S343、对Vi归一化
则wi=(w1,w2,···,wn)即为判断矩阵的特征向量,也就是各影响因素的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599949.0A CN110371815B (zh) | 2019-07-04 | 2019-07-04 | 一种基于物联网的电梯按需维保系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599949.0A CN110371815B (zh) | 2019-07-04 | 2019-07-04 | 一种基于物联网的电梯按需维保系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110371815A true CN110371815A (zh) | 2019-10-25 |
CN110371815B CN110371815B (zh) | 2021-02-26 |
Family
ID=68251892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910599949.0A Active CN110371815B (zh) | 2019-07-04 | 2019-07-04 | 一种基于物联网的电梯按需维保系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110371815B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111212147A (zh) * | 2020-01-14 | 2020-05-29 | 成都智造天下科技有限公司 | 一种机械设备全方位数据采集系统 |
CN111680806A (zh) * | 2020-06-11 | 2020-09-18 | 河南财政金融学院 | 一种建筑设备管理系统 |
CN112390105A (zh) * | 2020-10-28 | 2021-02-23 | 日立楼宇技术(广州)有限公司 | 电梯运行检测方法、装置、计算机设备和存储介质 |
CN112723073A (zh) * | 2020-12-31 | 2021-04-30 | 广东伟邦科技股份有限公司 | 一种电梯运行数据的集中管理及评价的方法 |
CN112723075A (zh) * | 2021-01-04 | 2021-04-30 | 浙江新再灵科技股份有限公司 | 一种数据不平衡的电梯振动影响因素分析方法 |
CN112777443A (zh) * | 2021-02-07 | 2021-05-11 | 猫岐智能科技(上海)有限公司 | 电梯运行评估方法、设备及计算机可读介质 |
CN113511572A (zh) * | 2021-06-01 | 2021-10-19 | 广州特种机电设备检测研究院 | 基于大数据的电梯维保质量评价方法、系统和存储介质 |
CN115015623A (zh) * | 2022-06-02 | 2022-09-06 | 淮北工科检测检验有限公司 | 一种基于大数据的矿山设备运行安全评价系统 |
CN115258867A (zh) * | 2022-08-12 | 2022-11-01 | 杭州电子科技大学 | 一种电梯按需维保系统及方法 |
CN116142914A (zh) * | 2023-02-24 | 2023-05-23 | 深圳市卓越信息技术有限公司 | 一种基于物联网和大数据的电梯按需维保系统及其方法 |
CN118014222A (zh) * | 2024-04-09 | 2024-05-10 | 天津三号线轨道交通运营有限公司 | 基于权重算法的地铁线网设备运行状态预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678952A (zh) * | 2013-11-14 | 2014-03-26 | 昆明理工大学 | 一种电梯风险评估方法 |
JP5930189B2 (ja) * | 2012-05-25 | 2016-06-08 | 三菱電機ビルテクノサービス株式会社 | 保全作業推定装置および保全作業推定方法 |
CN108083044A (zh) * | 2017-11-21 | 2018-05-29 | 浙江新再灵科技股份有限公司 | 一种基于大数据分析的电梯按需维保系统及方法 |
CN108408526A (zh) * | 2018-05-16 | 2018-08-17 | 安徽中科福瑞科技有限公司 | 一种无基站的电梯运行状态检测装置及其检测方法 |
CN110171757A (zh) * | 2019-06-06 | 2019-08-27 | 广州商学院 | 基于物联网大数据支撑的电梯维保系统 |
-
2019
- 2019-07-04 CN CN201910599949.0A patent/CN110371815B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5930189B2 (ja) * | 2012-05-25 | 2016-06-08 | 三菱電機ビルテクノサービス株式会社 | 保全作業推定装置および保全作業推定方法 |
CN103678952A (zh) * | 2013-11-14 | 2014-03-26 | 昆明理工大学 | 一种电梯风险评估方法 |
CN108083044A (zh) * | 2017-11-21 | 2018-05-29 | 浙江新再灵科技股份有限公司 | 一种基于大数据分析的电梯按需维保系统及方法 |
CN108408526A (zh) * | 2018-05-16 | 2018-08-17 | 安徽中科福瑞科技有限公司 | 一种无基站的电梯运行状态检测装置及其检测方法 |
CN110171757A (zh) * | 2019-06-06 | 2019-08-27 | 广州商学院 | 基于物联网大数据支撑的电梯维保系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111212147A (zh) * | 2020-01-14 | 2020-05-29 | 成都智造天下科技有限公司 | 一种机械设备全方位数据采集系统 |
CN111680806A (zh) * | 2020-06-11 | 2020-09-18 | 河南财政金融学院 | 一种建筑设备管理系统 |
CN112390105A (zh) * | 2020-10-28 | 2021-02-23 | 日立楼宇技术(广州)有限公司 | 电梯运行检测方法、装置、计算机设备和存储介质 |
CN112723073A (zh) * | 2020-12-31 | 2021-04-30 | 广东伟邦科技股份有限公司 | 一种电梯运行数据的集中管理及评价的方法 |
CN112723075B (zh) * | 2021-01-04 | 2022-07-19 | 浙江新再灵科技股份有限公司 | 一种数据不平衡的电梯振动影响因素分析方法 |
CN112723075A (zh) * | 2021-01-04 | 2021-04-30 | 浙江新再灵科技股份有限公司 | 一种数据不平衡的电梯振动影响因素分析方法 |
CN112777443A (zh) * | 2021-02-07 | 2021-05-11 | 猫岐智能科技(上海)有限公司 | 电梯运行评估方法、设备及计算机可读介质 |
CN113511572A (zh) * | 2021-06-01 | 2021-10-19 | 广州特种机电设备检测研究院 | 基于大数据的电梯维保质量评价方法、系统和存储介质 |
CN115015623A (zh) * | 2022-06-02 | 2022-09-06 | 淮北工科检测检验有限公司 | 一种基于大数据的矿山设备运行安全评价系统 |
CN115258867A (zh) * | 2022-08-12 | 2022-11-01 | 杭州电子科技大学 | 一种电梯按需维保系统及方法 |
CN116142914A (zh) * | 2023-02-24 | 2023-05-23 | 深圳市卓越信息技术有限公司 | 一种基于物联网和大数据的电梯按需维保系统及其方法 |
CN116142914B (zh) * | 2023-02-24 | 2023-12-05 | 深圳市卓越信息技术有限公司 | 一种基于物联网和大数据的电梯按需维保系统及其方法 |
CN118014222A (zh) * | 2024-04-09 | 2024-05-10 | 天津三号线轨道交通运营有限公司 | 基于权重算法的地铁线网设备运行状态预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110371815B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110371815B (zh) | 一种基于物联网的电梯按需维保系统 | |
CN108083044B (zh) | 一种基于大数据分析的电梯按需维保系统及方法 | |
CN106219367B (zh) | 一种基于智能视觉光幕的电梯运维监控方法 | |
Toqué et al. | Forecasting dynamic public transport origin-destination matrices with long-short term memory recurrent neural networks | |
CN107742127A (zh) | 一种改进的防窃电智能预警系统及方法 | |
CN109413188A (zh) | 一种工业设备物联网管理系统及方法 | |
CN108418841A (zh) | 基于ai的下一代关键信息基础设施网络安全态势感知系统 | |
CN103832904B (zh) | 一种基于物联网的智能电梯维保方法及系统 | |
CN105022021B (zh) | 一种基于多智能体的关口电能计量装置的状态识别方法 | |
CN103020591A (zh) | 一种基于因果网络分析的中等规模人群异常行为检测方法 | |
CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
CN103544389A (zh) | 基于故障树和模糊神经网络的汽车起重机故障诊断方法 | |
CN105752783A (zh) | 电梯质量综合评价方法及系统 | |
CN104925613A (zh) | 一种电梯在线安全检测预警装置及其检测预警方法 | |
CN108763729A (zh) | 基于网络结构熵的流程工业机电系统耦合状态评估方法 | |
CN106372799A (zh) | 一种电网安全风险预测方法 | |
CN108052092A (zh) | 一种基于大数据分析的地铁机电设备状态异常检测方法 | |
CN205862561U (zh) | 一种基于物联网的桥梁健康分布式监控系统 | |
CN108154256A (zh) | 预测风险值的确定方法及装置、存储介质 | |
CN106516923A (zh) | 一种基于物联网技术的电梯运行故障预测方法 | |
CN108921305B (zh) | 一种部件生命期监测方法 | |
CN114002597A (zh) | 基于gru网络定子电流分析的电机故障诊断方法与系统 | |
CN114757365A (zh) | 一种基于深度学习的高速铁路路基沉降预测及预警方法 | |
CN105515888A (zh) | 基于多维熵序列分类的智能变电站通信网络异常检测方法 | |
CN110763286A (zh) | 登机廊桥状态监测与故障诊断系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |