CN110540118A

CN110540118A - 一种用于检测轿厢运动状态的智能检测装置

Info

Publication number: CN110540118A
Application number: CN201910542107.1A
Authority: CN
Inventors: 劳凯垚; 颜钢锋; 赵家玉
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2019-06-21
Filing date: 2019-06-21
Publication date: 2019-12-06
Anticipated expiration: 2039-06-21
Also published as: CN110540118B

Abstract

本发明提供一种用于检测轿厢运动状态的智能检测装置。该装置安装在轿门外侧，通过加速度计及气压计采集轿厢门某位置的加速度与气压值，并传到MCU中进行数据处理。所述MCU对加速度计气压值修正后，根据所述加速度计垂直方向加速度与所述气压计读取的气压值，进行三阶卡尔曼滤波，得到当前轿厢高度、速度及加速度，并判断出轿厢上行、下行、停梯状态；所述加速度计水平方向加速度经过修正与卡尔曼滤波后，再使用频域二次积分法得到轿门的速度与位移，并判断出轿门开门、关门、开门到位、关门到位状态。该装置安装位置隐蔽，其得到的检测结果精确度高。

Description

一种用于检测轿厢运动状态的智能检测装置

技术领域

本发明涉及一种电梯运动状态检测技术，尤其设计一种用于检测轿厢运动状态的智能检测装置。

背景技术

随着电梯在楼宇中的普遍应用，其安全隐患造成的事故也逐渐增多，近年来电梯的安全运行问题受到了广泛关注。虽然投入运营的电梯产品均已符合国家标准，其安全性有一定的保障，但随着时间的推移，电梯出现故障的概率也会增加，存在诸多安全隐患。电梯维保行业以及部分物业公司逐渐开始采用原电梯系统之外的运行状态监测系统，提供第三方的监测信息，在主系统发生意外故障时监测系统仍能够获取足够的电梯运行信息从而实现减少误报，面对事故及时进行响应，与此同时第三方的监测信息可以一定程度上减少人工运维检测的成本，提升工作效率。

一般轿厢及轿门运行状态不能直接获取，现阶段用于电梯运行状态检测的系统均采用直接接入方式，将原有电梯控制系统的传感器信号、主板输入输出信号、电机驱动信号直接连接至监测系统的采集装置，这种方法的优点在于通过直接采集原有电梯控制系统的信息，实施简单、成本低。然而这种方式也造成了一些弊端，采样电路直接接入原有电梯控制回路不可避免地会对原有系统造成影响，严重时会干扰电梯的正常运行，造成电梯故障。

目前在不接入电梯原有系统的情况下，获取轿厢及轿门状态的方式往往采用多传感器结合的方式。若传感器数量太多，一方面会增加系统的复杂度，另一方面也提高了生产成本与安装难度；而传感器数量太少时，由于传感器本身测量误差或其他环境因素引起的测量误差很容易造成最后计算偏差或判断得到的轿厢及轿门状态不准确甚至出现严重偏差。因此如何选择传感器并将多个传感器的数据融合得到精准的结果是当前亟待解决的问题之一。

发明内容

本发明针对现有技术的不足，提出了一种用于检测轿厢运动状态的智能检测装置。

本发明一种用于检测轿厢运动状态的智能检测装置，包括：

一加速度计，所述加速度计需要能采集两轴或两轴以上的加速度，用于获取所述轿厢运动时加速度；

一气压计，所述气压计与用于获取所述轿厢当前位置的气压值或气压与环境温度；

一MCU，所述MCU用于接收所述加速度计及所述气压计采集到的所述轿厢及运动数据，然后使用三阶卡尔曼算法对运动数据进行处理最终得到所述轿厢的状态并输出。

所述三阶卡尔曼算法具体为：，所述MCU能够以所述加速度计得到的加速度以及所述气压计得到的气压值作为为观测值，进行三阶卡尔曼滤波得到所述轿厢当前加速度、速度以及高度，其中测量输入为垂直方向加速度以及当前位置的气压值，状态输出为加速度、速度以及高度。所述三阶卡尔曼状态方程为：

Y(k)＝HX(k)+V

其中其中h(k)、v(k)、a(k)为轿厢当前的高度、速度、加速度，h(k+1)、v(k+1)、a(k+1)为通过状态方程预测得到的下一时刻轿厢的高度、速度、加速度，T为采样周期，Pre(k)为轿厢当前位置气压观测值，acc(k)为当前垂直方向加速度观测值，K为气压高度系数，Pre_ref为参考平面气压值，气压高度系数K与参考平面气压值Pre_ref通过外部信号实时校正。

卡尔曼滤波可分为以下五个步骤：

第一步：计算本次状态预测将上一步得到的系统状态最优估计X(k-1)(即轿厢高度、速度、加速度)代入状态方程得到本次状态预测初始状态X(0)为零矩阵；

第二步：计算本次协方差矩阵预测协方差矩阵P为三阶矩阵，P(k-1)为上次协方差矩阵，初始协方差矩阵P(0)为对角阵，对角上每个 p值为三个变量对应的初始协方差，取1-10。本系统中，Γ为单位矩阵，环境噪声矩阵 Q为3阶对角阵，对角上的每个q值为三个变量对应的过程误差；

第三步：计算滤波增益矩阵由上一步得到的输出矩阵H以及初始化时设定好的观测噪声矩阵R计算得到本次滤波增益矩阵 K(k)；

第四步：计算本次状态最优估计对第一步得到预测状态进行修正得到本次最优估计。其中Y(k)为本次传感器得到的实际测量值。此时的状态X(k)即为卡尔曼滤波并数据融合得到的轿厢高度、速度和加速度；

第五步：更新协方差矩阵根据第三步得到的增益矩阵 K(k)与第二步得到的协方差矩阵得到本次协方差矩阵P(k)。

作为优选，安装位置为任意一扇轿门外侧的任意位置，开关轿门时所述检测装置位于厅门及轿门中间，且随轿门运动而运动。

作为优选，所述MCU由所述加速度计与所述气压计获取的数据，能够通过最小二乘法对所述加速度计采集的三轴加速度值进行修正，所述最小二乘法的拟合曲面为：

(k₁x+b₁)²+(k₂y+b₂)²+(k₃z+b₃)²＝G²

其中x、y、z分别为加速度计在固定姿态且保持静止时采集到的三轴原始加速度数据，k₁、k₂、k₃为线性校正系数，b₁、b₂、b₃为线性校正偏移，G为重力加速度。

记采集到所有姿态加速度为线性校正系数矩阵为线性校正偏移矩阵为则校正后加速度为计算得到的重力加速度为最优化问题可表示为：

上式展开可以得到：

令则上式可以简化为：

对进行求导，并令其等于0，则

化简可得

其中若可逆，那么

由此可以得到加速度计的校正系数。采集的姿态越多，加速度值校正越准确；另外，线性校正偏移矩阵B可进一步通过外部信号实时校正。

作为优选，所述MCU能够以水平方向的加速度作为时域数组，经过傅里叶变换后转为频域，在频域中分别进行一次积分与二次积分，使用窗函数对通带外的频率分量衰减或去除后，再使用傅里叶逆变换转回时域从而得到所述轿厢的轿门的速度以及位移。所述频域一次、二次积分公式为：

其中为τ采样时间点，f(τ)为加速度时域数组，ω为频率点F(ω)为加速度频域数组，δ(ω)为单位脉冲信号，j为虚数单位。当输入的水平方向的加速度作为时域数组经过最小二乘法校正时，得到更高精度的轿门状态数据；具体为：

对原有水平方向加速度时域数组进行FFT运算转到频域，通过上述公式在频域中对加速度进行积分后，滤除低频高频分量后返回时域得到轿门速度与位移。共分为六个步骤：

第一步：计算频域数组。记采样频率为sf，记录1秒内的水平加速度值作为时域数组，对其进行快速傅里叶变换得到频域数组，设长度为nfft，则频率间隔 df＝sf/nfft；

第二步：计算ω数组。由频率间隔df得到角频率间隔dω＝2π×df，则ω数组为

第三步：积分相位变换。根据频域积分公式，每次积分顺时针旋转90度。一次积分：F_i＝-imag(F_i)+j×real(F_i)，二次积分F_i＝-real(F_i)+j×imag(F_i)，其中 real(F_i)为F_i的实部，imag(F_i)为F_i的虚部；

第四步：积分频域变换。第二步中FFT的结果依次除以ω数组

第五步：滤波。将第四步得到的积分后的频域数组进行滤波(即相关频率分量置零或根据窗口函数做相应衰减)，低通与高通频率点计算公式分别为

其中Fmin为低通截止频率，Fmax为高通截止频率。

第六步：返回时域得到积分。把第五步得到的频域数组通过快速傅里叶逆变换返回时域，得到最终积分结果。

经过以上六步的计算得到的积分结果基本无频域积分产生的累计误差，且得到的积分结果基本比较准确。

作为优选，所述MCU与所述加速度计及气压计的通信方式包括UART、I2C、 SPI，所述MCU轿厢状态输出方式包括UART、蓝牙、WIFI、RS485/232/422、以太网。

作为优选，所述MCU能根据加速度计及气压计采集的数据处理得到的所述轿厢当前加速度、速度、高度及其轿门的加速度、速度、位移判断所述轿厢处于上行、下行或静止状态以及所述轿门开门、关门、开门到位及关门到位状态，并能将轿厢当前加速度、速度、高度、上行、下行及静止状态和所述轿门的加速度、速度、位置、开门、关门、开门到位及关门到位状态作为轿厢及轿门状态通过通信接口输出。

优选的，本发明提供的轿厢及轿门运动状态检测装置外部通信接口采用RS485，通信距离远、干扰小，适用于电梯井道中复杂的电气环境；MCU采用STM32F407ZG，其内部携带FPU，浮点运算速度是常规MCU的4倍，该芯片还具有对应的DSP库，能高效进行FFT运算，另外芯片内部RAM有196KB，提供了足够大的空间存放采集到的数据以及运算产生的中间变量；加速度计采用MPU6050，该加速度计应用广泛且十分常见，具有较高的性价比；气压计采用DPS310，该气压计精度可达0.2m远超常规气压计的精度，由此计算到的高度信息更加准确。

本发明相对有现有技术所具有的效果：采用本发明可对已有较高精度传感器的数据进一步滤波与数据融合，从而得到高精度的电梯运行状态。

附图说明

图1是本发明提供的轿厢及轿门运动状态智能检测装置的安装位置示意图；

图2是本发明提供的轿厢及轿门运动状态智能检测装置的硬件结构图；

图3是本发明提供的轿厢及轿门运动状态智能检测装置的数据处理流程图；

图4为最小二乘法校正前的重力加速度离散图；

图5为三阶卡尔曼滤波前竖直方向的原始加速度波形和卡尔曼滤波后的加速度波形图；

图6为加速度计直接积分、经过卡尔曼数据融合、引入平层信号对加速度及速度校正后的曲线对比图；

图7为通过气压直接计算得到的高度和通过卡尔曼算法滤波后的高度对比图；

图8为水平方向加速度波形和水平方向速度波形图。

具体实施例

下面结合附图对本发明所提供的一种轿厢及轿门运动状态智能检测装置作进一步说明，需要指出的是，下面仅以一种最优化的技术方案对本发明的技术方案以及设计原理进行详细阐述。

参阅图1，本发明提供的轿厢及轿门运动状态智能检测装置4安装在轿门2与厅门3中间的空隙中，固定在轿门2的外侧，电梯正常开关门时，无法被观察到，安装位置隐蔽。另外轿厢及轿门运动状态智能检测装置4体积小、重量轻，易于固定，对轿门及厅门的开关无影响。

参阅图2，本发明提供的轿厢及轿门运动状态智能检测装置4，主要包括用于外部通信的接口41，用于数据处理的MCU42，用于加速度采集的加速度计43以及用于气压采集的气压计44。外部通信的接口41常规采用RS485通信，但其他通信方式如UART、 RS232、以太网等也同样视为外部通信接口，本发明中MCU采用STM32F407，加速度计 43采用MPU6050，气压计44采用DPS310。

参阅图3，本发明提供的轿厢及轿门运动状态智能检测装置两个数据来源分别为加速度计与气压计，加速度计采集的数据通过I2C接口以1KHz的数据频率传输到MCU 中，气压计采集的数据通过I2C接口以100Hz的数据频率传输到MCU中。MCU中的加速度数据首先经过最小二乘法进行校正，然后对校正后的垂直方向加速度数据与气压数据进行三阶卡尔曼滤波，得到轿厢当前高度、速度及加速度，由轿厢速度可以得到轿厢当前上行、下行和停梯状态。校正后的水平方向加速度数据使用频域积分法得到轿门的位移和速度，根据轿门速度方向可以判断轿门的开门或关门动作，根据事先输入的轿门位移距离即可判断轿门是否开门到位或者关门到位。

参阅图4，图中离散的点为进行最小二乘法校正前的重力加速度，可以看出当加速度计以不同姿态静止时测得的重力加速度差别很大，这是由于加速度计本身自带的出厂线性误差导致的，因此需要进行线性校正，图中实线为采用最小二乘法校正后得到的重力加速度，很明显校正后的重力加速度基本保持在9.8g/s²左右，各个姿态间差别不大，较好得解决了加速度的线性失真问题。最小二乘法最小二乘法校正的具体操作如下：

本发明提供的轿厢运动状态的智能检测装置有一init键，按住init键上电后进入最小二乘法校正程序。

第一步，获得最小二乘法数组。将检测装置以某一姿态(如正面朝上)静止时，在按住init键1～2秒，程序将计算出该时间段内的平均加速度采用若干种不同姿态重复以上操作，即可得到用于最小二乘法的姿态数组X，假设重复n次操作，则姿态数组X＝[X₁,X₂,…,X_n]，其中

第二步，计算线性校正系数矩阵K与线性校正偏移矩阵B。将第一步得到的姿态数组X扩展为增广矩阵后代入推导得到的方程中

可得到线性校正矩阵将线性校正矩阵储存到非易失性存储单元中供后续步骤使用；

第三步，加速度数据实时校正。重启模块，从非易失性存储单元中读取上一步存储的线性校正矩阵后进入主程序，记主程序中由加速度计采集到的加速度原始数据为则校正后的加速度数据为

在主程序中，加速度计和气压计实时采集轿厢x、y、z三轴方向的加速度以及当前所在位置的气压值。假设本发明提供的检测装置以y轴为竖直方向，x轴为水平方向安装，则y轴的加速度可视为重力加速度与轿厢竖直方向运动的加速度的叠加，而 x轴的加速度可视为轿厢的轿门开关门时的加速度。现通过上面介绍的最小二乘法已得到校正后的三轴加速度，为得到轿厢竖直方向运动的加速度，y轴加速度需要减去当地重力加速度，即a_ver＝a_y-G，然后根据得到的电梯轿厢竖直方向加速度a_ver和气压计采集到的当前位置气压Pre进行卡尔曼滤波与数据融合。

参阅图5，细实线为进行三阶卡尔曼滤波前竖直方向的原始加速度波形，可以看出原始加速度的噪声非常大，抖动很剧烈，这不利于后续其他量的计算以及状态判断。粗实线为卡尔曼滤波后的加速度波形，相比滤波前的波形，滤波后噪声明显减小，波形光滑且跟随性好。

参阅图6，最细的实线为加速度计直接积分得到的速度，通过这种方法得到的速度具有明显的累积误差，中等粗细的实线为经过卡尔曼数据融合得到的速度，可以看到该速度波形没有明显累积误差，但由于其值同时受到加速度计和气压计的影响，而气压计在轿门开关门时气压变化较大，因此得到的速度不够平滑与准确，最粗的实线为引入平层信号对加速度及速度校正后的曲线，可以看到该曲线十分平滑，累积误差可以忽略，是理想的速度曲线。

参阅图7，细实线为气压直接计算得到的高度，粗实线为通过卡尔曼算法滤波后的高度，由于采用的气压计精度比较高，因此滤波效果没有那么明显，但对高度波形仍有较大的改善。卡尔曼滤波与数据融合具体步骤如下：

第一步，参数初始化。卡尔曼需要初始化的参数有测量误差方差矩阵R，过程误差方差矩阵Q，转移矩阵φ，输出矩阵H，初始协方差矩阵P₀，初始状态向量X₀，偏移矩阵V及采样时间T。由加速度、速度、位移间的关系可得转移矩阵假设轿厢初始状态为静止状态则由于观测输出向量根据压高公式 h＝(Pre_ref-Pre)×k可得因此输出矩阵便宜矩阵一般在低空中k＝0.09，Pre_ref为某一轿厢平层位置气压，初始协方差矩阵P₀仅影响滤波初始效果，取较小值即可，如测量误差R是反映传感器得到信息质量的优劣，传感器得到信号质量越差，则R应越大，从而有更强的滤波效果。虽然R越大滤波效果更强，但是响应速度会变慢，因此R不宜过大。而过程误差Q反映的是在测量过程中受到别的环境因素影响的大小，如气压计易受到风、温度的干扰之类的，当Q为0时，得到的滤波效果会非常平滑，但是会存在累积误差之类的缺点，当Q较大时，滤波效果会变差，一般Q取一个较小值比较合适，此处取

第二步，计算本次状态预测将上一步得到的系统状态最优估计X(k-1)(即轿厢高度、速度、加速度)代入状态方程得到本次状态预测初始状态X(0)为零矩阵；

第三步，计算本次协方差矩阵预测协方差矩阵P为三阶矩阵，P(k-1)为上次协方差矩阵，初始协方差矩阵P(0)为对角阵，对角上每个 p值为三个变量对应的初始协方差，取1-10。本系统中，Γ为单位矩阵，环境噪声矩阵 Q为3阶对角阵，对角上的每个q值为三个变量对应的过程误差；

第四步，计算滤波增益矩阵由上一步得到的输出矩阵H以及初始化时设定好的观测噪声矩阵R计算得到本次滤波增益矩阵 K(k)；

第五步，计算本次状态最优估计对第一步得到预测状态进行修正得到本次最优估计。其中Y(k)为经过最小二乘法校正并去除重力加速度的竖直加速度a_ver与气压计读取到的当前位置气压值Pre；

第六步，更新协方差矩阵根据第三步得到的增益矩阵K(k)与第二步得到的协方差矩阵得到本次协方差矩阵P(k)。

在第五步中得到的状态X(k)即为卡尔曼滤波并数据融合得到的轿厢高度、速度和加速度，根据轿厢的速度可判断出轿厢运行的方向为上行下行还是停梯，根据轿厢高度并结合已有的楼层高度课判断出轿厢当前的位置。

与轿厢状态判断同时进行的还有轿门状态判断。由于轿门一次开关时间较短，且位移较短，其状态可通过对加速度计水平方向的加速度进行频域积分得到。

参阅图8，上面的波形为水平方向加速度波形，下面的波形为水平方向速度波，形经过频域滤波后速度基本没有累积误差，判断准确，频域积分可分为以下几个步骤：

第一步，计算频域数组。以采样频率sf＝1kHz，记录1秒内的水平加速度值作为时域数组，对其进行快速傅里叶变换得到频域数组，为FFT计算方便起见，频域数组长度nfft取2的幂次个采样点如1024个点，则频率间隔使用FFT 算法将加速度时域数组转到频域后得到关于500Hz对称的频域数组；

第二步，计算ω数组。由频率间隔df得到角频率间隔dω＝2π×df＝6.139，则ω数组为

第三步，积分相位变换。根据频域积分公式，每次积分顺时针旋转90度。一次积分：F_i＝-imag(F_i)+j×real(F_i)，二次积分F_i＝-real(F_i)+j×imag(F_i)，其中 real(F_i)为F_i的实部，imag(F_i)为F_i的虚部；

第四步，积分频域变换。第三步相位变换后的结果依次除以ω数组

第五步，滤波。将第四步得到的积分后的频域数组进行滤波(即相关频率分量置零或根据窗口函数做相应衰减)，此处滤波采用的窗函数为矩形窗，低通与高通频率点计算公式分别为

其中Fmin为低通截止频率，Fmax为高通截止频率。

第六步，返回时域得到积分。把第五步得到的频域数组通过快速傅里叶逆变换返回时域，得到最终积分结果。

另外，检测装置可根据由外部通信接口得到的平层信号对竖直方向加速度进一步校正，具体方法为：

当接收到平层信号后，延迟两秒，开始记录竖直方向上的加速度，记录约3秒的加速度取其平均值，作为加速度偏移的补偿。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，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的保护范围。

Claims

1.一种用于检测轿厢运动状态的智能检测装置，其特征在于，其包括：

一MCU，所述MCU用于接收所述加速度计及所述气压计采集到的所述轿厢及运动数据，然后使用三阶卡尔曼算法对运动数据进行处理最终得到所述轿厢的状态并输出；

所述三阶卡尔曼算法具体为：，所述MCU能够以所述加速度计得到的加速度以及所述气压计得到的气压值作为为观测值，进行三阶卡尔曼滤波得到所述轿厢当前加速度、速度以及高度，其中测量输入为垂直方向加速度以及当前位置的气压值，状态输出为加速度、速度以及高度；所述三阶卡尔曼状态方程为：

Y(k)＝HX(k)+V

其中ΓW＝0，其中h(k)、v(k)、a(k)为轿厢当前的高度、速度、加速度，h(k+1)、v(k+1)、a(k+1)为通过状态方程预测得到的下一时刻轿厢的高度、速度、加速度，T为采样周期，Pre(k)为轿厢当前位置气压观测值，acc(k)为当前垂直方向加速度观测值，K为气压高度系数，Pre_ref为参考平面气压值，气压高度系数K与参考平面气压值Pre_ref通过外部信号实时校正。

2.根据权利要求1所述一种用于检测轿厢运动状态的智能检测装置，其特征在于，安装位置为任意一扇轿门外侧的任意位置，开关轿门时所述检测装置位于厅门及轿门中间，且随轿门运动而运动。

3.根据权利要求1或2所述一种用于检测轿厢运动状态的智能检测装置，其特征在于，所述MCU由所述加速度计与所述气压计获取的数据，能够通过最小二乘法对所述加速度计采集的三轴加速度值进行修正，所述最小二乘法的拟合曲面为：

(k₁x+b₁)²+(k₂y+b₂)²+(k₃z+b₃)²＝G²

其中x、y、z分别为加速度计在固定姿态且保持静止时采集到的三轴原始加速度数据，k₁、k₂、k₃为线性校正系数，b₁、b₂、b₃为线性校正偏移，G为重力加速度；

最优化方程为：

其中G为重力加速度，K为线性校正系数矩阵B为线性校正偏移矩阵X_i为原始三轴加速度

线性校正计算公式为：

其中为1×n矩阵，每个元素为G²；

另外，线性校正偏移矩阵B可进一步通过外部信号实时校正。

4.根据权利要求3所述一种用于检测轿厢运动状态的智能检测装置，其特征在于，所述MCU能够以水平方向的加速度作为时域数组，经过傅里叶变换后转为频域，在频域中分别进行一次积分与二次积分，使用窗函数对通带外的频率分量衰减或去除后，再使用傅里叶逆变换转回时域从而得到所述轿厢的轿门的速度以及位移；所述频域一次、二次积分公式为：

其中为τ采样时间点，f(τ)为加速度时域数组，ω为频率点F(ω)为加速度频域数组，δ(ω)为单位脉冲信号，j为虚数单位；当输入的水平方向的加速度作为时域数组经过最小二乘法校正时，得到更高精度的轿门状态数据。

5.根据权利要求1所述一种用于检测轿厢运动状态的智能检测装置，其特征在于，所述MCU与所述加速度计及气压计的通信方式包括UART、I2C、SPI，所述MCU轿厢状态输出方式包括UART、蓝牙、WIFI、RS485/232/422、以太网。

6.根据权利要求1所述一种用于检测轿厢运动状态的智能检测装置，其特征在于，所述MCU能根据加速度计及气压计采集的数据处理得到的所述轿厢当前加速度、速度、高度及其轿门的加速度、速度、位移判断所述轿厢处于上行、下行或静止状态以及所述轿门开门、关门、开门到位及关门到位状态，并能将轿厢当前加速度、速度、高度、上行、下行及静止状态和所述轿门的加速度、速度、位置、开门、关门、开门到位及关门到位状态作为轿厢及轿门状态通过通信接口输出。