CN112149289A - 电梯抱闸故障确定方法、装置、设备及存储介质 - Google Patents
电梯抱闸故障确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112149289A CN112149289A CN202010952165.4A CN202010952165A CN112149289A CN 112149289 A CN112149289 A CN 112149289A CN 202010952165 A CN202010952165 A CN 202010952165A CN 112149289 A CN112149289 A CN 112149289A
- Authority
- CN
- China
- Prior art keywords
- brake
- elevator
- target
- fault
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000004927 fusion Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明公开了一种电梯抱闸故障确定方法、装置、设备及存储介质。该方法包括:通过获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片;在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障,从而无需人工定期对电梯抱闸检查与维修,就能够实时获取电梯抱闸的状态,降低了电梯发生故障并造成安全事故的风险。
Description
技术领域
本发明属于电梯技术领域,尤其涉及一种电梯抱闸故障确定方法、装置、设备及存储介质。
背景技术
目前,在我国城镇化的建设过程中,高层建筑是城市建设的重要组成部分。对于高层建筑而言,电梯的应用非常普遍。电梯是现代建筑不可或缺的一部分,其不仅承担了运输功能,也是解决高层住户出行的重要方式。在实际生活中,电梯给人们带来了更多便利的同时,其故障问题也会严重影响人们的安全。近年来,我国很多地方都出现了电梯安全事故,电梯困人、电梯挤压和电梯坠落等现象频繁出现,也造成了很大的人员伤亡,电梯安全问题也成为了当前社会最关心的问题之一。
由于电梯抱闸是电梯安全最重要的保障装置之一,由于电梯需要长时间运行,电梯抱闸也会随着时间慢慢损坏,导致电梯的安全隐患很大。通过定期对电梯抱闸检查与维修具有一定的滞后性,导致电梯发生故障并造成安全事故的风险高。
发明内容
本发明实施例提供一种电梯抱闸故障确定方法、装置、设备及存储介质,能够解决相关技术中电梯故障监测的方式导致电梯发生故障并造成安全事故的风险高的问题。
第一方面,提供了一种电梯抱闸故障确定方法,该方法包括:
获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;
将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片;
在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障。
在一种可能的实现方式中,将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和电梯抱闸,包括:
将每个抱闸片在目标时间段内的N个目标数据输入至故障预测模型中,确定每个抱闸片的多个第二特征值,多个第二特征值包括欧式距离、均值、标准差和峰值;
根据每个抱闸片的欧式距离、均值、标准差和峰值,计算目标抱闸片的故障概率值和第一特征值。
在一种可能的实现方式中,在将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和电梯抱闸之前,方法还包括:
对M个抱闸片在目标时间段内的N个目标数据进行归一化。
在一种可能的实现方式中,该方法还包括:
生成报警信息,报警信息用于指示电梯抱闸故障。
在一种可能的实现方式中,目标数据为摩擦力。
第二方面,提供了一种电梯抱闸故障确定装置,该装置包括:
获取模块,用于获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;
确定模块,用于将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片;
确定模块,还用于在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障。
在一种可能的实现方式中,确定模块,具体用于:
将每个抱闸片在目标时间段内的N个目标数据输入至故障预测模型中,确定每个抱闸片的多个第二特征值,多个第二特征值包括欧式距离、均值、标准差和峰值;
根据每个抱闸片的欧式距离、均值、标准差和峰值,计算目标抱闸片的故障概率值和第一特征值。
在一种可能的实现方式中,该装置还包括:
归一化模块,用于对M个抱闸片在目标时间段内的N个目标数据进行归一化。
在一种可能的实现方式中,该装置还包括:
生成模块,用于生成报警信息,报警信息用于指示电梯抱闸故障。
在一种可能的实现方式中,目标数据为摩擦力。
第三方面,提供了一种电子设备,该设备包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时实现如第一方面或者第一方面的任一可能实现方式中的方法。
第四方面,提供了一种计算机存储介质,该计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面或者第一方面的任一可能实现方式中的方法。
基于提供的电梯抱闸故障确定方法、装置、设备及存储介质,通过获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,通过故障预测模型能够确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片;如此,根据目标抱闸片的故障概率值、第一特征值、第一预设阈值和第二预设阈值,就能够确定电子抱闸是否出现故障。其中,在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障,从而无需人工定期对电梯抱闸检查与维修,就能够实时获取电梯抱闸的状态,降低了电梯发生故障并造成安全事故的风险。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,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的附图。
图1是本发明实施例提供的一种电梯抱闸故障确定方法的流程示意图;
图2是本发明实施例提供的一种电梯抱闸故障确定装置的结构示意图;
图3是本发明实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
目前,在我国城镇化的建设过程中,高层建筑是城市建设的重要组成部分。对于高层建筑而言,电梯的应用非常普遍。电梯是现代建筑不可或缺的一部分,其不仅承担了运输功能,也是解决高层住户出行的重要方式。在实际生活中,电梯给人们带来了更多便利的同时,其故障问题也会严重影响人们的安全。近年来,我国很多地方都出现了电梯安全事故,电梯困人、电梯挤压和电梯坠落等现象频繁出现,也造成了很大的人员伤亡,电梯安全问题也成为了当前社会最关心的问题之一。
由于电梯抱闸是电梯安全最重要的保障装置之一,由于电梯需要长时间运行,电梯抱闸也会随着时间慢慢损坏,导致电梯的安全隐患很大。通过定期对电梯抱闸检查与维修具有一定的滞后性,导致电梯发生故障并造成安全事故的风险高。
因此,本发明实施例提供了一种电梯抱闸故障确定方法、装置、设备及存储介质,无需人工定期对电梯抱闸检查与维修,就能够实时获取电梯抱闸的状态,降低了电梯发生故障并造成安全事故的风险。
图1是本发明实施例提供的一种电梯抱闸故障确定方法100的流程示意图。
如图1所示,本发明实施例提供的电梯抱闸故障确定方法100可以包括:S101-S103。
S101:获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数。
电梯的抱闸片与电梯之间产生一定的摩擦力后,电梯抱闸才能够制止电梯运行时。因此,一旦电梯抱闸中的任意一个抱闸片无法与电梯之间产生一定的摩擦力,均会导致电梯故障的发生。进而,需要获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据。其中,可以设置传感器,通过传感器获取电梯抱闸中每个抱闸片在目标时间段内的N个目标数据。例如,可以通过摩擦力传感器获取电梯抱闸中每个抱闸片和电梯之间产生的摩擦力。
为了进一步保证电梯安全,可以每隔一定的周期,获取电梯抱闸在一段时间内目标时间段内的N个目标数据。
S102:将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片。
获取到每个抱闸片在目标时间段内的N个目标数据后,将目标时间段内的N个目标数据输入至预设的故障预测模型中,从而确定目标抱闸片的故障概率值和电梯抱闸。在这里,目标抱闸片可以是M个抱闸片中的任一个抱闸片或者M个抱闸片中的多个抱闸片。
例如,电梯抱闸有三个抱闸片,将三个抱闸片的目标数据分别输入至预设的故障预测模型中,故障预测模型可以计算出每个抱闸片的故障概率值和第一特征值。
在一个实施例中,由于不同的电梯有一定的差异性,且同一个电梯在不同时间段的使用频率是不同的,因此,传感器获取的数据分布也各不相同。为了提高故障预测模型的准确性,可以将目标时间段内的N个目标数据进行归一化处理,将目标时间段内的N个目标数据均归一到[0,1]区间。
其中,归一化处理满足下述公式(1):
其中,Xi是归一化后第i个时间点的目标数据,xi是第i个时间点的目标数据,xmin是预设的最小参数,xmax是预设的最大参数。
将每个抱闸片在目标时间段内的N个目标数据输入到故障预测模型中后,能够计算得到目标抱闸片的故障概率值和第一特征值。
在一个实施例中,S102具体包括:将每个抱闸片在目标时间段内的N个目标数据输入至故障预测模型中,确定每个抱闸片的多个第二特征值,多个第二特征值包括欧式距离、均值、标准差和峰值;根据每个抱闸片的欧式距离、均值、标准差和峰值,计算目标抱闸片的故障概率值和第一特征值。
在这里,目标抱闸片可以是M个抱闸片中的任意一个抱闸片。
欧式距离f1满足下述公式(2):
均值f2满足下述公式(3)
标准差f3满足下述公式(4)
峰值f4满足下述公式(5)
在上述公式(2)至公式(5)中,M表示电梯抱闸中抱闸片的数量,N表示目标数据的数量,xin表示第i个抱闸片的第n个目标数据,xdn表示第d个抱闸片的第n个目标数据,d∈[1,M];表示第i个抱闸片的所有目标数据的平均值,表示第d个抱闸片的所有目标数据的平均值,xn,max每个抱闸片最大的目标数据。
将每个抱闸片在目标时间段内的N个目标数据输入到故障预测模型中后,故障预测模型能够计算得到目标抱闸片的欧式距离、均值、标准差和峰值。
基于目标抱闸片的欧式距离、均值、标准差和峰值,能够计算得到目标抱闸片发生故障的故障概率值。其中,目标抱闸片的故障概率值P满足下述公式(6):
其中,Fw表示目标抱闸片的融合特征,Fk表示M个抱闸片中抱闸片k的融合特征。
其中,抱闸片的融合特征F满足下述公式(7):
fi表示抱闸片的第二特征值。
基于每个抱闸片的融合特征,能够确定电梯抱闸的融合特征。其中,电梯抱闸的融合特征满足下述公式(8):
Fk表示M个抱闸片中抱闸片k的融合特征。
在这里,故障预测模型中包括上述公式(2)至公式(8)。
S103:在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障。
确定了电梯抱闸的第一特征值和目标抱闸片的故障概率值后,判断电梯抱闸的第一特征值是否大于第一预设阈值,以及故障概率值是否大于第二预设阈值。在第一特征值大于第一预设阈值且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障。
在这里,第一预设阈值和第二预设阈值是对未出现故障的电梯抱闸的历史数据分析得到的。
具体地,获取电梯抱闸在多个时间段的历史数据。根据电梯抱闸在每个时间段的历史数据,计算每个时间段中电梯抱闸中抱闸片的欧式距离、均值、标准差和峰值。在这里,欧式距离满足上述公式(2)、均值满足上述公式(3)、标准差满足上述公式(4)、峰值满足上述公式(5)。
根据每个时间段内的抱闸片的欧式距离、均值、标准差和峰值确定第二预设阈值和第一预设阈值。
为了提高故障预测模型的准确性,可以将每个时间段内的历史数据进行归一化处理,将将每个时间段内的历史数据均归一到[0,1]区间。
可选地,在一个实施例中,为了能够及时通知工作人员,电梯抱闸出现故障时,还可以生成报警信息,以用于指示电梯抱闸故障。
本发明实施例提供的电梯抱闸故障确定方法,通过获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,通过故障预测模型能够确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片;如此,根据目标抱闸片的故障概率值、第一特征值、第一预设阈值和第二预设阈值,就能够确定电子抱闸是否出现故障。其中,在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障,从而无需人工定期对电梯抱闸检查与维修,就能够实时获取电梯抱闸的状态,降低了电梯发生故障并造成安全事故的风险。
基于上述实施例提供的电梯抱闸故障确定方法,本发明实施例还提供了一种电梯抱闸故障确定装置。下面对本发明实施例提供的电梯抱闸故障确定装置进行详细介绍。
图2是本发明实施例提供的一种电梯抱闸故障确定装置200的结构示意图。
如图2所示,本发明实施例提供的一种电梯抱闸故障确定装置200,可以包括:获取模块201,确定模块202。
获取模块201,用于获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;
确定模块,用于将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片;
确定模块,还用于在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障。
可选地,在本发明的一个实施例中,确定模块202,具体用于:
将每个抱闸片在目标时间段内的N个目标数据输入至故障预测模型中,确定每个抱闸片的多个第二特征值,多个第二特征值包括欧式距离、均值、标准差和峰值;
根据每个抱闸片的欧式距离、均值、标准差和峰值,计算目标抱闸片的故障概率值和第一特征值。
可选地,在本发明的一个实施例中,该装置200还包括:
归一化模块203,用于对M个抱闸片在目标时间段内的N个目标数据进行归一化。
可选地,在本发明的一个实施例中,该装置还包括:
生成模块204,用于生成报警信息,报警信息用于指示电梯抱闸故障。
可选地,在本发明的一个实施例中,目标数据为摩擦力。
本发明实施例提供的电梯抱闸故障确定装置,通过获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;将每个抱闸片在目标时间段内的N个目标数据输入至预设的故障预测模型中,通过故障预测模型能够确定目标抱闸片的故障概率值和电梯抱闸;M个抱闸片包括目标抱闸片;如此,根据目标抱闸片的故障概率值、第一特征值、第一预设阈值和第二预设阈值,就能够确定电子抱闸是否出现故障。其中,在电梯抱闸的第一特征值大于第一预设阈值,且故障概率值大于第二预设阈值的情况下,确定电梯抱闸故障,从而无需人工定期对电梯抱闸检查与维修,就能够实时获取电梯抱闸的状态,降低了电梯发生故障并造成安全事故的风险。
本发明实施例提供的电梯抱闸故障确定装置执行图1所示的方法中的各个步骤,并能够达到无需人工定期对电梯抱闸检查与维修,就能够实时获取电梯抱闸的状态,降低了电梯发生故障并造成安全事故的风险的技术效果,为简洁描述,在此不再详细赘述。
图3示出了本发明实施例提供的电子设备300的硬件结构示意图。
在电子设备300可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器302可在综合网关容灾设备的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。
存储器可包括只读存储器(Read-Only Memory,ROM),随机存取存储器(RandomAccess Memory,RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器301通过读取并执行存储器302中存储的计算机程序指令,以实现上述实施例中的任意一种电梯抱闸故障确定方法。
在一个示例中,电子设备300还可包括通信接口303和总线310。其中,如图3所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该电子设备300可以执行本发明实施例中的电梯抱闸故障确定方法,从而实现结合图2和图3描述的电梯抱闸故障确定方法和电梯抱闸故障确定装置。
另外,结合上述实施例中的电梯抱闸故障确定方法,本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种电梯抱闸故障确定方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种电梯抱闸故障确定方法,其特征在于,所述方法包括:
获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中,M和N均为正整数;
将每个所述抱闸片在所述目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和所述电梯抱闸的第一特征值;所述M个抱闸片包括所述目标抱闸片;
在所述电梯抱闸的第一特征值大于第一预设阈值,且所述故障概率值大于第二预设阈值的情况下,确定所述电梯抱闸故障。
2.根据权利要求1所述的方法,其特征在于,所述将每个所述抱闸片在所述目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和所述电梯抱闸的第一特征值,包括:
将每个所述抱闸片在所述目标时间段内的N个目标数据输入至所述故障预测模型中,确定每个所述抱闸片的多个第二特征值,所述多个第二特征值包括欧式距离、均值、标准差和峰值;
根据每个所述抱闸片的所述欧式距离、所述均值、所述标准差和所述峰值,计算所述目标抱闸片的所述故障概率值和所述电梯抱闸的第一特征值。
3.根据权利要求1或2所述的方法,其特征在于,在将每个所述抱闸片在所述目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和所述电梯抱闸之前,所述方法还包括:
对所述M个抱闸片在目标时间段内的N个目标数据进行归一化。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
生成报警信息,所述报警信息用于指示所述电梯抱闸故障。
5.根据权利要求1或2所述的方法,其特征在于,所述目标数据为摩擦力。
6.一种电梯抱闸故障确定装置,其特征在于,所述装置包括:
获取模块,用于获取电梯抱闸中M个抱闸片在目标时间段内的N个目标数据,其中M和N均为正整数;
确定模块,用于将每个所述抱闸片在所述目标时间段内的N个目标数据输入至预设的故障预测模型中,确定目标抱闸片的故障概率值和所述电梯抱闸;所述M个抱闸片包括所述目标抱闸片;
所述确定模块,还用于在所述电梯抱闸的第一特征值大于第一预设阈值,且所述故障概率值大于第二预设阈值的情况下,确定所述电梯抱闸故障。
7.根据权利要求1所述的装置,其特征在于,所述确定模块,具体用于:
将每个所述抱闸片在所述目标时间段内的N个目标数据输入至所述故障预测模型中,确定每个所述抱闸片的多个第二特征值,所述多个第二特征值包括欧式距离、均值、标准差和峰值;
根据每个所述抱闸片的所述欧式距离、所述均值、所述标准差和所述峰值,计算所述目标抱闸片的所述故障概率值和所述第一特征值。
8.根据权利要求6或7所述的装置,其特征在于,所述装置还包括:
归一化模块,用于对所述M个抱闸片在目标时间段内的N个目标数据进行归一化。
9.根据权利要求6或7所述的装置,其特征在于,所述装置还包括:
生成模块,用于生成报警信息,所述报警信息用于指示所述电梯抱闸故障。
10.根据权利要求6或7所述的装置,其特征在于,所述目标数据为摩擦力。
11.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如权利要求1-5任意一项所述的方法。
12.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-5任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010952165.4A CN112149289A (zh) | 2020-09-11 | 2020-09-11 | 电梯抱闸故障确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010952165.4A CN112149289A (zh) | 2020-09-11 | 2020-09-11 | 电梯抱闸故障确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149289A true CN112149289A (zh) | 2020-12-29 |
Family
ID=73891022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010952165.4A Pending CN112149289A (zh) | 2020-09-11 | 2020-09-11 | 电梯抱闸故障确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149289A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105692383A (zh) * | 2016-04-11 | 2016-06-22 | 西人马(厦门)科技有限公司 | 电梯故障诊断装置、方法以及控制器 |
CN107194053A (zh) * | 2017-05-16 | 2017-09-22 | 歌拉瑞电梯股份有限公司 | 一种智能化电梯控制系统运行故障预测方法 |
KR20180010634A (ko) * | 2016-07-22 | 2018-01-31 | 현대엘리베이터주식회사 | 엘리베이터의 고장 예측 시스템 |
CN108892014A (zh) * | 2018-09-19 | 2018-11-27 | 歌拉瑞电梯股份有限公司 | 一种基于Elman神经网络的电梯抱闸故障预警方法 |
CN109726736A (zh) * | 2018-11-27 | 2019-05-07 | 西人马(西安)测控科技有限公司 | 训练电梯抱闸故障诊断模型、抱闸故障诊断的方法及系统 |
-
2020
- 2020-09-11 CN CN202010952165.4A patent/CN112149289A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105692383A (zh) * | 2016-04-11 | 2016-06-22 | 西人马(厦门)科技有限公司 | 电梯故障诊断装置、方法以及控制器 |
KR20180010634A (ko) * | 2016-07-22 | 2018-01-31 | 현대엘리베이터주식회사 | 엘리베이터의 고장 예측 시스템 |
CN107194053A (zh) * | 2017-05-16 | 2017-09-22 | 歌拉瑞电梯股份有限公司 | 一种智能化电梯控制系统运行故障预测方法 |
CN108892014A (zh) * | 2018-09-19 | 2018-11-27 | 歌拉瑞电梯股份有限公司 | 一种基于Elman神经网络的电梯抱闸故障预警方法 |
CN109726736A (zh) * | 2018-11-27 | 2019-05-07 | 西人马(西安)测控科技有限公司 | 训练电梯抱闸故障诊断模型、抱闸故障诊断的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109748170B (zh) | 电梯故障告警方法、装置、设备及介质 | |
CN114331046A (zh) | 一种告警事件处理方法、装置、设备及计算机存储介质 | |
CN112465367B (zh) | 一种利用计算机仿真分析软件检测电力线路故障的方法 | |
CN112629905A (zh) | 基于深度学习的设备异常检测方法、系统及计算机介质 | |
CN114844762B (zh) | 告警真实性检测方法和装置 | |
CN115059634B (zh) | 鼓风设备的故障诊断方法及装置、电子设备 | |
CN112240829A (zh) | 用于检测转动设备的缺陷的装置 | |
WO2020147710A1 (zh) | 电梯故障诊断方法、装置、设备和介质 | |
CN112149289A (zh) | 电梯抱闸故障确定方法、装置、设备及存储介质 | |
CN115905341A (zh) | 数据质量异常的检测方法、装置、电子设备及存储介质 | |
CN110763445B (zh) | 制动器监测方法、装置、设备及存储介质 | |
CN113986659A (zh) | 故障分析方法、装置、设备及计算机存储介质 | |
CN113879357B (zh) | 列车轴温检测方法及装置 | |
CN114275009B (zh) | 基于全电子联锁的防止进路错误解锁方法、设备及介质 | |
CN112581727B (zh) | 桥梁的位移漂移预警方法、装置、设备及存储介质 | |
CN115184808A (zh) | 电池热失控风险检测方法、装置、设备及计算机存储介质 | |
CN111780809B (zh) | 轨道车辆零部件温度和振动监测预警方法及其系统 | |
CN113885610A (zh) | 一种温度控制系统、方法、装置、设备及可读存储介质 | |
CN115905907A (zh) | 风机主轴承的异常监测方法、装置、电子设备及存储介质 | |
CN112607555A (zh) | 用于电梯导轨状态检测的模型的训练方法、检测方法 | |
CN115630850A (zh) | 业务管理方法、装置、设备、存储介质及程序产品 | |
CN105584913A (zh) | 一种电梯故障诊断系统 | |
CN111098892B (zh) | 列车自动监控系统的空间位置信息定位方法及装置 | |
CN110626904B (zh) | 升降机安全检测方法、装置、电子设备及可读存储介质 | |
CN113707232A (zh) | 一种催化剂管理系统及催化剂监测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201229 |
|
WD01 | Invention patent application deemed withdrawn after publication |