CN112214909A

CN112214909A - 一种电扶梯健康管理及故障诊断的方法及系统

Info

Publication number: CN112214909A
Application number: CN202011155488.7A
Authority: CN
Inventors: 李年丰; 何晶
Original assignee: Wuhan Xinda Tiancheng Internet Of Things Technology Co ltd
Current assignee: Wuhan Xinda Tiancheng Internet Of Things Technology Co ltd
Priority date: 2020-10-26
Filing date: 2020-10-26
Publication date: 2021-01-12

Abstract

本发明公开了一种电扶梯健康管理及故障诊断的方法及系统，其中方法包括以下步骤：S1：构建离散数据集；S2：设定报警阈值；S3：构建报警阈值矩阵；S4：风险预测；S5：做曲线；S6：计算三级指标；S7：编序；S8：计算；S9：整合；一种电扶梯健康管理及故障诊断的系统，包括数据采集单元、一级指标单元、状态指标单元、网络通讯单元和大数据平台。本发明建立了描述故障性质的特征指标，可视化处理后，使电扶梯的健康状态一目了然，同时构建了指标超标报警和风险预测方法，提供了一种电扶梯健康状态的管理和故障诊断的方法，满足电扶梯安全风险管控和预知性维修对健康劣化和早期故障识别的需求。

Description

一种电扶梯健康管理及故障诊断的方法及系统

技术领域

本发明涉及机械设备预知性维修技术领域，尤其涉及电扶梯健康状态在线监测过程中，对设备健康状态进行管理，对早期故障实施诊断的方法，应用范围为电扶梯设备健康管理与预知性维修。

背景技术

电扶梯的设备维修一般执行定周期维修，其健康状态管理一般是定期或不定期巡视检查、监测，并据此建立健康档案进行状态管理和维修决策。这种维修管理方式存在以下缺陷：其一是为保证电扶梯的安全运行，维修周期一般设置偏于保守，其结果是维修频次过高，普遍存在维修过度的问题；其二是不能预知设备健康的技术状态的劣化和设备缺陷与安全风险的提早发现，导致设备运行过程中出现故障，其中有些故障直接导致人身伤亡，后果极为严重；其三是由于不能提早发现设备缺陷和维修需求，更不可能对设备早期故障的原因进行分析诊断，也就不能提前做好消缺和维修的技术准备和物资准备，难免使得事后维修时的工期和成本增加。

目前普遍采用的这种电扶梯维修管理方式不利于保持设备的健康完好水平，难以避免电扶梯使用过程中的事故发生，对使用人员构成一定的安全威胁。同时，由于采用定期维修与事后维修结合的方式，维修成本高居不下。因此构建对电扶梯设备健康状态的监测管理和早期故障诊断方法和系统，对于提高对电扶梯安全管理水平，减少或杜绝电扶梯使用过程中的人身伤亡事故，降低电扶梯的运维成本具有重要意义。

发明内容

本发明的目的是为了解决上述问题，而提出的一种电扶梯健康管理及故障诊断的方法及系统。

为了实现上述目的，本发明采用了如下技术方案：

一种电扶梯健康管理及故障诊断的方法，包括以下步骤：

S1：构建离散数据集：将通过电扶梯健康状态在线监测数据采集的传感器所采集到的各种参数，定义为一级指标，根据这些指标各自的物理性质进行相应的运算处理，提取处理后的有分析价值的指标，并定义为二级指标，下文所称的状态指标包含一级指标和二级指标，按设定采样频率对状态指标进行采集，构建各状态指标的离散数据集；

S2：设定报警阈值：根据相关规范，设定各一级指标的报警阈值；

S3：构建报警阈值矩阵：选择多项式模型表达设备的健康状态劣化进程，用S表示，即：

设定数据采集周期，经若干周期数据采集，形成离散数据里，按最小二乘法原理对上述模型进行回归运算，根据相关规程规定和状态管理要求设定各状态指标的报警阈值，构建报警阈值矩阵D，将矩阵

与阈值矩阵D进行比较，计算其差值矩阵H；

S4：风险预测：根据线性回归运算所得到的

矩阵，计算各状态指标在设定未来

时刻的预估值，计算

矩阵与D矩阵的差值，得L矩阵，

用于可视化，表述未来

时刻的预测值；

S5：做曲线：将系数矩阵

的第一列定义为健康劣化速度系数矩阵，记为

，将t时刻的速度系数矩阵表述为

，t-T时刻的速度系数矩阵表述为

,时序区间

的速度增量用矩阵B表述，其中T为计算周期，分别将矩阵B的各元素按时序做曲线；

S6：计算三级指标：以振动的一级指标为基准值，计算其对应的二级指标与基准值的比值，以正序电流为基准值，计算其对应的其余二级指标与基准值的比值，计算负序电压与正序电压的比值，其余的一级指标计算各自与报警阈值的比值，对所有三级指标按列进行编序，共n个三级指标，编为n列，按数据采集时序编列行序，终止时间为t，构建进行故障诊断的状态参数矩阵F；

S7：编序：确定描述故障类型或者故障原因与状态参数之间关系的知识矩阵R，其元素

的下标i为行序号，与矩阵F状态参数的列序号一致，下标j为列序号，按故障类型编序,

的赋值表示对应参数与对应故障之间的关系；

S8：计算：系统发出报警或风险提示预警，进行故障诊断运算，计算诊断结果，用矩阵U表示；

S9：整合：计算矩阵U的报警行的各元素数值之和，并计算所有元素的平均值，取所有大于平均值的元素为故障因子，计算所有故障因子在报警时刻对应的矩阵U的数值之和，分别计算各故障因子与所有故障因子在报警时刻对应的矩阵U的数值之和的比值，并以百分数表示，即为此次故障对应可能原因的概率。

作为上述技术方案的进一步描述：

所述S7中知识矩阵的初始赋值由已有的知识技术和经验决定，其知识的进化由系统的大数据平台中的深度学习功能对大数据中的实际故障案例的学习训练完成。

一种电扶梯健康管理及故障诊断的系统，包括数据采集单元、一级指标单元、状态指标单元、网络通讯单元和大数据平台。

作为上述技术方案的进一步描述：

所述数据采集单元包括用于采集电扶梯健康状态数据的传感器、信号预处理模组和模/数转换模组。

作为上述技术方案的进一步描述：

所述一级指标单元由功能模块和运算模块构成。

作为上述技术方案的进一步描述：

所述状态指标单元由运算模块构成。

作为上述技术方案的进一步描述：

所述网络通讯单元包括通讯地址管理和通讯协议管理。

作为上述技术方案的进一步描述：

所述大数据平台用于进行对全网在线电扶梯的健康管理数据运算、故障诊断、储存和数据挖掘。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明建立了描述故障性质的特征指标，可视化处理后，使电扶梯的健康状态一目了然，同时构建了指标超标报警和风险预测方法，提供了一种电扶梯健康状态的管理和故障诊断的方法，满足电扶梯安全风险管控和预知性维修对健康劣化和早期故障识别的需求，能有效提高电扶梯使用过程中的安全管理水平，降低安全风险，减少事故的发生，提高设备健康管理水平。

附图说明

图1为本发明中系统示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：

请参阅图1，一种电扶梯健康管理及故障诊断的方法，包括以下步骤：

S1：构建离散数据集：将通过电扶梯健康状态在线监测数据采集的传感器所采集到的各种参数，传感器所采集的参数包括但不限于电流、电压、温度、振动、噪声、距离、位置，定义为一级指标，根据这些指标各自的物理性质进行相应的运算处理，运算处理包括傅里叶变换、矢量运算、小波包分析，以及振动的峭度和波形因素计算，提取处理后的有分析价值的指标，有分析价值的指标包括但不限于振动的分频、一倍频、二倍频、三倍频、四倍频、五倍频、六倍频、100HZ、200HZ分量，电流的一倍频、边频、负序分量，电压的负序分量，并定义为二级指标，下文所称的状态指标包含一级指标和二级指标，按设定采样频率对状态指标进行采集，构建各状态指标的离散数据集；

S2：设定报警阈值：根据相关规范，设定各一级指标的报警阈值，当某一一级指标超过相应的阈值时，可发出即时数值超标报警；

或者

，

上述S表达式中，i为数据采集时间t对应的二级指标数值，各系数矩阵的行下标为状态指标的顺序编号，m为状态指标的个数，列序号与自变量指数相对应，n为多项式函数的项数，

为随机误差；

设定数据采集周期，经若干周期数据采集，形成离散数据里，按最小二乘法原理对上述模型进行回归运算，其运算结果用下式表述：

,

以上矩阵可用于显示时序趋势曲线；

根据相关规程规定和状态管理要求设定各状态指标的报警阈值，构建报警阈值矩阵D如下：

,

将矩阵

与阈值矩阵D进行比较，计算其差值，其矩阵H为：

,

当出现

大于0，则可发出状态指标

趋势值超标报警；

S4：风险预测：根据线性回归运算所得到的

矩阵，计算各状态指标在设定未来

时刻的预估值，即：

式中矩阵

为系数矩阵；

计算

矩阵与D矩阵的差值，得L矩阵如下：

,

当L矩阵的某一元素

大于0，可发出

指标未来

时刻超标风险提示预警；

可用于可视化，表述未来

时刻的预测值；

S5：做曲线：将系数矩阵

的第一列定义为健康劣化速度系数矩阵，记为：

，

将t时刻的速度系数矩阵表述为

，t-T时刻的速度系数矩阵表述为

,其中T为计算周期，时序区间

的速度增量用矩阵B表述：

，

分别将矩阵B的各元素按时序做曲线，如果其中某一个或者多个元素在几个计算周期内呈单调上升，考察周期数根据准确性与灵敏性要求确定，一般取2-5个周期，则说明该元素所对应的二级指标

已进入加速区间，如果此前已发出于此元素相关的报警，可发出故障加速报警，如果此前尚无报警发出，则可发出健康劣化加速风险提示；

S6：计算三级指标：以振动的一级指标为基准值，计算其对应的二级指标与基准值的比值，对振动指标进行计算，以正序电流为基准值，计算其对应的其余二级指标与基准值的比值，对电流指标进行计算，计算负序电压与正序电压的比值，对电压指标进行计算，其余的一级指标计算各自与报警阈值的比值，对所有三级指标按列进行编序，共n个三级指标，编为n列，按数据采集时序编列行序，终止时间为t，构建进行故障诊断的状态参数矩阵F如下：

;

的赋值表示对应参数与对应故障之间的关系，知识矩阵R表示为：

;

S8：计算：当系统发出报警或风险提示预警时，进行故障诊断运算，计算诊断结果，用矩阵U表示：

，

元素

的行下标为时序编号，t为本计算时间区间的最终时刻，列序号为为故障类型编号，m为故障分类总数；

S7中知识矩阵的初始赋值由已有的知识技术和经验决定，其知识的进化由系统的大数据平台中的深度学习功能对大数据中的实际故障案例的学习训练完成。

一种电扶梯健康管理及故障诊断的系统，能用上述电扶梯健康管理及故障诊断方法进行健康管理和故障诊断，包括数据采集单元、一级指标单元、状态指标单元、网络通讯单元和大数据平台；数据采集单元，包含用于采集电扶梯健康状态数据的传感器，传感器的类型包括但不限于振动传感器、温度传感器、电流传感器、电压传感器、噪声传感器，以及信号预处理模块和模/数转换模块，完成上述方法的S1所需的各种数据的采集和生成，并发送采集和处理后的实时数据到一级指标单元，各种数据的采样频率可根据各自的特点分别设定和调整；一级指标单元，主要由功能模块和运算模块构成，用于一级状态指标的定义，并执行S2的即时数值超标报警决策，决策的结果用于远程和就地报警发送，向状态指标单元发送数据；状态指标单元，主要由运算模块构成，用于执行S1二级指标的定义和运算，执行S3状态指标的回归运算，趋势指标超标报警决策，决策的结果用于远程和就地报警发送，S4的预测时刻的故障风险提示预警决策，以及S5的故障加速报警和健康劣化风险提示决策，决策后的结果用于远程和就地报警发送，回归运算后的状态指标

与时间的关系表述为状态指标趋势曲线，S3回归算法所需的离散数据的数据量，和取值时间区间长短，根据S4所需风险预测时间的长短确定，预测的时间越长，所需数据样本的量越大，数据采样时间越长；网络通讯单元，包括通讯地址管理和通讯协议管理，用于建立与大数据平台互联，进行数据传输；大数据平台，用于进行对全网在线电扶梯的健康管理数据运算、故障诊断、储存和数据挖掘，包括执行S6、S7、S8和S9，实现对电扶梯健康状态历史趋势管理，故障诊断，以及深度学习，知识矩阵进化，实现对故障的人工智能诊断，属于本发明的核心内容。

以上所述，仅为本发明较佳的具体实施方式，但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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。