CN110451395B

CN110451395B - 一种扶梯故障监测方法

Info

Publication number: CN110451395B
Application number: CN201910653549.3A
Authority: CN
Inventors: 倪伟; 梁衡; 吴健申
Original assignee: Guangdong Global Smart Technology Co ltd
Current assignee: Anmason Intelligent Technology Guangdong Co ltd
Priority date: 2019-07-19
Filing date: 2019-07-19
Publication date: 2021-01-05
Anticipated expiration: 2039-07-19
Also published as: CN110451395A

Abstract

本发明公开了一种扶梯故障监测方法，包括数据采集步骤，根据扶梯运行时扶梯电机的电流和转速来区分工况，按工况条件采集主驱动轴承和张紧架轴承的振动信号；数据判断步骤，利用商函数判断信号的有效性；数据剔除步骤，利用自适应阀值消噪去除信号中的干扰成分，获得有效信号；数据特征指标求取步骤，利用有效的信号数据，求取特征指标均方根RMS，方差Var和峰峰值Xpp；状态评估步骤，建立特征指标构成的特征向量X，带入对数线性回归模型,求取主驱动轴承和张紧架轴承属于正常的概率。本发明的一种扶梯故障监测方法，可以对扶梯实时监测，评估扶梯的状态，及时的根据扶梯状态进行预警和维护调整，避免扶梯发生故障。

Description

一种扶梯故障监测方法

技术领域

本发明涉及电梯领域，尤其涉及一种扶梯故障监测方法。

背景技术

现有技术中，扶梯被广泛的应用于商场、机场、车站、人行天桥、轨道交通站等公共场所，给人们生活带来了极大的方便。

同时，由于使用磨损，扶梯会发生故障，因扶梯故障而导致的安全事故也屡见不鲜。

经调查发现，扶梯故障主要集中于扶梯的主驱动轴承和张紧架轴承。

常规的，通过定期注入润滑油来进行维护。

然而，现有方式并不能对扶梯进行实时监控，无法准确的预测和判断扶梯状态，无法杜绝扶梯故障的问题出现。

发明内容

本发明旨在解决上述所提及的技术问题，提供一种扶梯故障监测方法，可以对扶梯实时监测，评估扶梯的状态，及时的根据扶梯状态进行预警和维护调整，避免扶梯发生故障。

本发明是通过以下的技术方案实现的：

本发明的第一方面，是提供一种扶梯故障监测方法，包括以下步骤：

数据采集步骤，根据扶梯运行时扶梯电机的电流和转速来区分工况，按工况条件采集主驱动轴承和张紧架轴承的振动信号。

数据判断步骤，利用商函数判断信号的有效性，商函数为SIG_CVG＝

max(difference of SIG_Xpp)代表不同时刻的最大峰峰值之差，SIG_Xpp代表这段时间的信号的峰峰值，当商函数趋近于0，表示信号无干扰，反之，表示信号受到干扰。

数据剔除步骤，利用自适应阀值消噪去除信号中的干扰成分，获得有效信号，阀值公式为Threshold＝μ+k*σ,μ为信号的均值，σ为信号的标准差，k为选取值。

数据特征指标求取步骤，利用有效的信号数据，求取特征指标均方根RMS，方差Var和峰峰值Xpp。

状态评估步骤，建立特征指标构成的特征向量X，带入对数线性回归模型,求取主驱动轴承和张紧架轴承属于正常的概率，对数线性回归模型公式为

ω表示回归模型的系数，b表示回归模型的截距。

有益效果是：与现有技术相比，本发明的一种扶梯故障监测方法先通过监测扶梯上主驱动轴承和张紧架轴承的振动，获得振动数据；再通过商函数识别干扰信号；进而，通过自适应阀值消噪去除干扰信号，获得属于主驱动轴和张紧架轴承的有效的振动信号；再通过求取振动信号的特征指标，获得特征向量；最后将特征向量带入回归模型，获得主驱动轴承和张紧架轴承属于正常状态的概率；因而，可以评估扶梯的运行状态，提前对轴承的故障进行判断，提早的开展维护，避免发生故障，避免发生安全事故。

根据本发明的第一方面的一种扶梯故障监测方法，优选的，在所述数据判断步骤中，以SIG_CVG＝0.25为判断基准。

有益的是，为了合理的识别干扰信号，避免振动信号被错误剔除，商函数取值应适当选取，以SIG_CVG＝0.25最为适宜。

根据本发明的第一方面的一种扶梯故障监测方法，优选的，在所述数据剔除步骤中，选取k＝3。

有益的是，k＝3满足测试要求，可以更好的将异常干扰信号去除。

根据本发明的第一方面的一种扶梯故障监测方法，优选的，在所述数据特征指标求取步骤中，还须求取的特征指标有峰值Xp、偏度skew、峰值指标Cf和峭度kurtosis。

有益的是，通过求取多个特征指标，避免遗漏，避免对轴承状态评估不全面。

根据本发明的第一方面的一种扶梯故障监测方法，进一步的，在所述数据特征指标求取步骤中，还需建立特征指标与主驱动轴承和张紧架轴承状态的特征矩阵，评估特征指标与主驱动轴承和张紧架轴承状态的相关性。

有益的是，剔除不相关或相关性差的特征指标，避免对轴承状态进行误判。

根据本发明的第一方面的一种扶梯故障监测方法，进一步的，在所述状态评估步骤中，根据特征指标与主驱动轴承和张紧架轴承状态的相关性，建立特征指标构成的的特征向量。

有益的是，通过建立特征向量，获得与特征指标精密相关的判断函数，准确的判断轴承状态。

根据本发明的第一方面的一种扶梯故障监测方法，优选的，在所述状态评估步骤中，利用最大似然法，以似然函数L(ω)的最大值求取ω和b，

有益的是，利用最大似然法获得模型参数值，避免模型参数取值所造成的评估失误风险。

根据本发明的第一方面的一种扶梯故障监测方法，进一步的，在所述状态评估步骤中，利用随机梯度法求取似然函数L(ω)最大值，max[L(ω)]＝max(∑[y_i*logf(x_i)+(1-y_i)*log(1-f(x_i))])。

有益的是，利用随机梯度法求取似然函数L(ω)的最大值，降低求取难度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做简单说明。

显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。

图1为本发明的一种扶梯故障监测方法的流程图；

图2为图1监测方法的逻辑判断图。

具体实施方式

本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

如图1所示，提供一种扶梯故障监测方法，包括以下5大步骤。

1、数据采集步骤，根据扶梯运行时扶梯电机的电流和转速来区分工况，按工况条件采集主驱动轴承和张紧架轴承的振动信号。

2、数据判断步骤，利用商函数判断信号的有效性，商函数为

3、数据剔除步骤，利用自适应阀值消噪去除信号中的干扰成分，获得有效信号，阀值公式为Threshold＝μ+k*σ,μ为信号的均值，σ为信号的标准差，k为选取值。

4、数据特征指标求取步骤，利用有效的信号数据，求取特征指标均方根RMS，方差Var和峰峰值Xpp。

5、状态评估步骤，建立特征指标构成的特征向量X，带入对数线性回归模型,求取主驱动轴承和张紧架轴承属于正常的概率，对数线性回归模型公式为

ω表示回归模型的系数，b表示回归模型的截距。

简单的说，本实施例的监测方法的工作原理如图2所述，详述如下：

先通过监测扶梯上主驱动轴承和张紧架轴承的振动，获得振动数据。

再通过商函数识别干扰信号。

进而，通过自适应阀值消噪去除干扰信号，获得属于主驱动轴和张紧架轴承的有效的振动信号。

再通过求取振动信号的特征指标，获得特征向量。

最后将特征向量带入回归模型，获得主驱动轴承和张紧架轴承属于正常状态的概率。

当获得轴承属于正常状态的概率后，也就获得了轴承属于故障状态的概率，因而，可以评估扶梯的运行状态，提前对轴承的故障进行判断，提早的开展维护，避免发生故障，避免发生安全事故。

非常有益的是，在数据采集步骤中，结合扶梯电机运行参数进行数据采集，保证了数据采集的一致性，避免工况不同造成的诊断失效。

更为有益的是，在数据判断步骤中，基于信号的特征指标收敛与否进行判断，避免了外界振动干扰，避免产生错误判断。

愈佳有益的是，利用自阀值消噪方法，剔除随机振动的干扰，提高了信号的信噪比，更加有力的保证信号的有效性。

而最终要的是，通过多种特征指标与主驱动轴承和张紧架轴承状态的相关性矩阵求取，选取了与轴承状态密切相关的特征指标，使特征指标与轴承状态密切相关，提高了判断的准确性。

最终，以特征指标构成特征向量，进而，带入回归模型，获得轴承的状态评估，可以对轴承的故障进行判断，提前预警，及早维护，避免实际运行中出现故障和危险。

在一些实施例中，可以使所述数据判断步骤中的SIG_CVG＝0.25作为判断基准。也即，SIG_CVG小于0.25为收敛而SIG_CVG大于或等于0.25为非收敛。

将判断基准设定为SIG_CVG＝0.25，可以合理的识别干扰信号，避免振动信号被错误剔除。

在一些实施例中，可以使所述数据剔除步骤k＝3。

选取k＝3，已满足测试要求，可以更好的将异常干扰信号去除。

在一些实施例中，还须求取的特征指标有峰值Xp、偏度skew、峰值指标Cf和峭度kurtosis。

通过求取多个特征指标，可以避免遗漏，避免对轴承状态评估不全面或评估失效。

在一些获取多个特征指标的实施例中，还需建立特征指标与主驱动轴承和张紧架轴承状态的特征矩阵，评估特征指标与主驱动轴承和张紧架轴承状态的相关性。

最为重要的是，剔除不相关或相关性差的特征指标，避免对轴承状态进行误判。

在一些获取多个特征指标的实施例中，还需根据特征指标与主驱动轴承和张紧架轴承状态的相关性，建立特征指标构成的的特征向量。

也就是说，通过建立特征向量，获得与特征指标精密相关的判断函数，准确的判断轴承状态。

为了获得准确的主驱动轴承和张紧架轴承属于正常的概率的函数，可以利用最大似然法，以似然函数L(ω)的最大值求取ω和b，

利用最大似然法获得模型参数值，避免模型参数取值所造成的评估失误风险。

为了方便计算，在所述状态评估步骤中，利用随机梯度法求取似然函数L(ω)最大值，max[L(ω)]＝max(∑[y_i*logf(x_i)+(1-y_i)*log(1-f(x_i))])。

利用随机梯度法求取似然函数L(ω)的最大值，降低求取难度。

以上实施例不局限于该实施例自身的技术方案，实施例之间可以相互结合成新的实施例。以上实施例仅用以说明本发明的技术方案而并非对其进行限制，凡未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明技术方案的范围内。

Claims

1.一种扶梯故障监测方法，其特征在于，包括以下步骤：

数据采集步骤，根据扶梯运行时扶梯电机的电流和转速来区分工况，按工况条件采集主驱动轴承和张紧架轴承的振动信号；

max(difference of SIG_Xpp)代表不同时刻的最大峰峰值之差，SIG_Xpp代表这段时间的信号的峰峰值，当商函数趋近于0，表示信号无干扰，反之，表示信号受到干扰；

数据剔除步骤，利用自适应阀值消噪去除信号中的干扰成分，获得有效信号，阀值公式为Threshold＝μ+k*σ,μ为信号的均值，σ为信号的标准差，k为选取值；

数据特征指标求取步骤，利用有效的信号数据，求取特征指标均方根RMS，方差Var和峰峰值Xpp；

ω表示回归模型的系数，b表示回归模型的截距；

其中，在所述状态评估步骤中，利用最大似然法，以似然函数L(ω)的最大值求取ω和b，

其中，在所述状态评估步骤中，利用随机梯度法求取似然函数L(ω)最大值，max[L(ω)]＝max(∑[y_i*logf(x_i)+(1-y_i)*log(1-f(x_i))])。

2.根据权利要求1所述的一种扶梯故障监测方法，其特征在于，在所述数据判断步骤中，以SIG_CVG＝0.25为判断基准。

3.根据权利要求1所述的一种扶梯故障监测方法，其特征在于，在所述数据剔除步骤中，选取k＝3。

4.根据权利要求1所述的一种扶梯故障监测方法，其特征在于，在所述数据特征指标求取步骤中，还须求取的特征指标有峰值Xp、偏度skew、峰值指标Cf和峭度kurtosis。

5.根据权利要求4所述的一种扶梯故障监测方法，其特征在于，在所述数据特征指标求取步骤中，还需建立特征指标与主驱动轴承和张紧架轴承状态的特征矩阵，评估特征指标与主驱动轴承和张紧架轴承状态的相关性。

6.根据权利要求5所述的一种扶梯故障监测方法，其特征在于，在所述状态评估步骤中，根据特征指标与主驱动轴承和张紧架轴承状态的相关性，建立特征指标构成的的特征向量。