CN112390127A - 基于健康度模型的自动扶梯预防性维修策略生成方法 - Google Patents

Abstract

本发明提出基于健康度模型的自动扶梯预防性维修策略生成方法，获取自动扶梯系统组件的故障指标值，生成反映自动扶梯系统组件的实时故障指标值曲线；将所述实时故障指标值曲线与标准故障指标值曲线比对获得残差曲线；将当前残差曲线与残差曲线的阈值走廊对比，若有节点未落入则需要执行未落入故障组件的维修，若落入，生成健康度阈值走廊，依据所述健康度阈值走廊的分类提出分级预防性维修策略。按照本发明实现的维修策略生成方法，依据整个自动扶梯健康值阈值走廊选择相应的自动扶梯预测性维修策略从而避免自动扶梯的周期修和故障修所造成的过度修或者维修不及时，同时选用预防性维修策略可以减少维修费用、提高检修效率，保证乘客安全与交通顺畅。

Description

基于健康度模型的自动扶梯预防性维修策略生成方法

技术领域

本发明属于安全监测技术领域，特别是涉及一种基于健康度模型的自动扶梯预防性维修策略生成方法及系统。

背景技术

目前，自动电扶梯作为城市轨道交通重要的设备之一，是一种以运输带方式运送行人的运输工具，为保证乘客安全，减少事故的发生概率，需对自动电扶梯开展定期维修，检修相关梳齿板故障、扶手带故障、梯级故障、曳引链故障、驱动装置故障、安全保护装置故障，从而保证乘客安全与交通顺畅。目前自动扶梯的检修主要涉及周期修和故障修，需要拆卸电梯的机箱外壳时，拆开及拧上螺钉，可能造成过度维修或者维修不及时，导致耗费大量时间与费用，从而影响电扶梯正常投入使用。

在自动电扶梯中设置有可以检测监测电梯普遍存在的状况的安全组件，例如传感器等各种，上述安全组件一般分散性地设置在电梯设备上，以监视安全运行，而以上不同的组件都可能发生故障或损坏对安全性造成影响，在自动扶梯完成运送工作的期间，必须确保电扶梯设备的设备组件，以及电扶梯的安全组件正确发挥功能并且正确安装，并且在后续的监视、维护以及必要时更换组件的复杂的工作范围内，依据自动电扶梯的检测监测状况等生成维修策略，并且在上述维修策略对应的情况下，不会造成过渡的维修或者维修不及时。

目前现有技术中的自动扶梯维修策略中，一般仅仅涉及自动扶梯的局部监测检测，例如进行传感器设置来进行局部组件的工作状态进行监测等，例如发明专利CN111741918A，公开了一种用于在机器辅助下报告关于人员运送设备的组件的故障状态以及用于在机器辅助下向事件装置通知所报告的故障状态的方法和装置，主要是解决能够更可靠的是辨识人员运送设备的组件故障状态，并且导出关于组件所报告的故障状态的有用信息，上述专利中公开了解决系统故障信息的问题，但是仅仅从系统的故障原因能够以简单的方式并且标准化地得到报告和收集，并且在确定的故障原因可能性特别频繁地出现时，通知监视装置，采取必要的检修措施，但在上述现有技术中，并不涉及如何将系统性的监测检测的故障指标与维修指标紧密结合起来，无法有效解决系统性合理且预防性维修策略生成的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明专利提出基于健康度模型的自动扶梯预防性维修策略生成方法。

为实现上述目的，按照本发明，首先提出一种基于健康度模型的自动扶梯预防性维修策略生成方法，其特征在于，该方法主要包括如下工作步骤：

获取自动扶梯系统组件的故障指标值，生成反映自动扶梯系统组件的实时故障指标值曲线；

将所述实时故障指标值曲线与标准故障指标值曲线比对获得残差曲线；

将当前残差曲线与残差曲线的阈值走廊对比，若有节点未落入则需要执行未落入对应故障组件的维修，若落入，生成健康度阈值走廊，依据所述健康度阈值走廊的分类提出分级预防性维修策略。

进一步地，所述残差曲线的阈值走廊生成方法包括：

以系统组件一一对应的故障指标值阈值范围生成一初始故障指标阈值走廊；

将实时故障指标值曲线与上述故障指标阈值走廊对比获得初始残差曲线的阈值走廊；

通过不断的实时故障指标值曲线的数据搜集训练生成获得残差曲线的阈值走廊。

进一步地，所述健康度模型为：

依据实时故障指标值获取对应组件的安全值，所述安全值为当前实时信号在所述残差曲线的阈值走廊中时可能发生故障的概率值，将系统中的组件的安全值与组件相应的权重系数相乘，以此健康度模型为基础计算整个自动扶梯的健康度值；

所述权重系数的计算包括如下步骤：

依据N个准则层指标构建判断矩阵，所述判断矩阵的行列为准则层指标矩阵；判断矩阵内的数值选择为对应行列的指标相互对比所选定的指标数值矩阵；

求取判断矩阵每一行元素积的N次方根值生成向量集，将向量集归一化处理获取组件的权重系数。

进一步地，所述维修策略分级包括：

第一种情况：安全状态阈值走廊，自动扶梯正常运行；

第二种情况：存在维修隐患状态阈值走廊，把相应组件列入特别监控组件群；

第三种情况：存在维修故障阈值走廊，需要对自动扶梯预防性维修；

第四种情况：存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

本发明还公开了一种基于健康度模型的自动扶梯预防性维修策略生成方法，其特征在于，上述方法包括如下步骤：

建立自动扶梯的故障数据库：通过监测组件获取自动扶梯组件的故障指标值数据存储，生成故障标准数据库并自学习完善；

获得残差值阈值走廊，所述残差值阈值走廊的获取方法为将故障指标值数据归一化处理分析后与数据存储中心相应组件的理论指标参数进行曲线重合度比对，判断两个曲线之间的残差值，通过数据重复比对以及数据库自学习获得曲残差值的阈值走廊；

判断自动扶梯不同组件故障因素是否在许用安全值范围阈值走廊内，若不在许用安全值范围阈值走廊内则需要对对应组件进行针对性维修；

若在许用安全值范围阈值走廊内则依据健康度模型计算整体自动扶梯的健康度值；并依据其在所述健康度阈值走廊的分级输出相应的维修策略；

所述安全值为当前实时信号在所述残差曲线的阈值走廊中时可能发生故障的概率值；所述安全值范围阈值走廊为相应概率值的阈值走廊。

进一步地，所述自动扶梯的健康度模型计算方法为：依据层次分析法确定自动扶梯不同组件因素的权重系数，所述组件因素包括安全隐患、影响程度、维修时间、维修成本；以上述四个指标构建判断矩阵计算获得各个指标的权重系数；以所述安全值与所述权重系数之积相加获得自动扶梯的健康度模型。

进一步地，所述健康度阈值走廊的分级定义为：安全状态阈值走廊，扶梯正常运行；存在维修隐患状态阈值走廊，把相应组件列入监控；存在维修故障阈值走廊，需要对自动扶梯预防性维修；存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

本发明还公开了一种基于健康度模型的自动扶梯预防性维修策略生成方法，上述方法包括如下步骤：

STEP1：以数据存储中心为基础建立自动扶梯的故障数据库；

STEP1-1：通过监测自动扶梯的速度、加速度、振动、噪音以及图像采集设备获得故障指标值数据存入数据存储中心；

STEP1-2:所述数据存储中心通过已存储的故障指标值数据，建立故障数据库，并进行自学习及更新；

所述数据存储中心通过已有数据进行自学习与更新不断完善自动扶梯的故障数据库，生成故障标准数据库；

STEP2：依据健康度模型计算生成自动扶梯的健康度值；

STEP2-1:依据安全值阈值走廊判断是否利用健康度模型计算健康度值；步骤为：获得残差值阈值走廊，所述残差值阈值走廊的获取方法为将故障指标值数据归一化处理分析后与数据存储中心相应组件的理论指标参数进行曲线重合度比对，判断两个曲线之间的残差值，通过数据重复比对以及数据库自学习获得曲残差值的阈值走廊；

判断自动扶梯不同组件故障因素是否在许用安全值范围阈值走廊内，若不在许用安全值范围阈值走廊内则需要对对应组件进行针对性维修；

若在许用安全值范围阈值走廊内则执行STEP2-2及STEP2-3；

所述安全值为当前实时信号在所述残差曲线的阈值走廊中时可能发生故障的概率值；所述安全值范围阈值走廊为相应概率值的阈值走廊；

STEP2-2：依据层次分析法确定自动扶梯不同构件故障因素的权重系数，其中层次可分为目标层、准则层、方案层；其中准则层分为：安全隐患、影响程度、维修时间、维修成本；以上述四个指标构建判断矩阵计算获得各个指标的权重系数；

STEP2-3：由步骤2-1获得的安全值与步骤2-3中所获得的权重系数计算获得自动扶梯的健康度值；

STEP3:以所述健康度值生成健康度阈值走廊，以上述健康度阈值走廊分级生成相应的维修策略，分类为：

安全状态阈值走廊，扶梯正常运行；

存在维修隐患状态阈值走廊，把相应构件列入特别监控构件组；

存在维修故障阈值走廊，需要对自动扶梯预防性维修；

存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

与传统自动电扶梯维修相比，本发明最大的特点是提出了基于健康度模型的自动扶梯预防性维修策略。该预防性维修策略通过监测自动扶梯的速度、加速度、振动、噪音以及扶梯相关载客情况，把监测得到的数据存入数据存储中心，数据存储系统根据历史数据以及系统通过已有数据进行自学习，不断完善自动扶梯的故障数据库；并把故障指标值数据归一化处理分析后与数据存储中心相应构件的理论指标参数进行比对反映自动扶梯构件的安全值，依据层次分析法建立自动扶梯健康度模型得到整个自动扶梯健康值，根据整个自动扶梯健康值阈值走廊选择相应的自动扶梯预测性维修策略从而避免自动扶梯的周期修和故障修所造成的过度修或者维修不及时，同时选用预防性维修策略可以减少维修费用、提高检修效率，保证乘客安全与交通顺畅。

附图说明

图1为按照本发明实现的自动扶梯健康度模型示意图；

图2为按照本发明实现的数据存储中心逻辑示意图；

图3为按照本发明实现的层析分析法模型示意图；

图4为按照本发明实现的基于健康度模型的自动扶梯预测维修策略示意图；

图5中为按照本发明所示层析分析方法中的方案层判断指标的具体构成图；

图6为按照本发明中所示的健康度模型及阈值走廊生成流程示意图；

图7为按照本发明中所示为执行维修策略生成方法的系统组成示意图；

图8为按照本发明中所示的生成故障指标值和阈值走廊的实施方案一；

图9为按照本发明中所示的生成故障指标值和阈值走廊的实施方案二。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1中所示，是按照本发明实现的自动扶梯的维修策略生成所涉及的故障性因素组成结构示意图：将故障因素分为外在因素和自动扶梯自身因素；外在因素可能表征为自动扶梯乘客忽视乘梯安全、电梯安装不科学、维护管理不到位；这类因素故障表征指标主要为使用年限、利用监控设备采集的客流量，历史维修、故障记录以及乘客的偶然性不安全操作等；自动扶梯内在故障因素依据其构件结构可分为梳齿板故障、扶手带故障、梯级故障、曳引链故障、驱动装置故障、安全保护装置故障，更多自动扶梯内在故障因素还包括：曳引机、主机驱动、梯级驱动、轴及轴承、主驱动链、梯级驱动链、梯级滚轮、梯级链条滚轮、扶手带、金属桁架、梯级、梯级轴、导轨等。

而在外在故障因素端，自动扶梯乘客因素和电梯安装、维护管理不到位等因素，在某些情况下会造成乘客自身不安全，在某些情况下上述问题映射至自动扶梯内在故障的问题，例如经常性的客载量增大会造成电机的运行载荷过高或者是梳齿板的磨损故障等，但是这种外在因素可能引起的异常和故障通常会体现在用于监测电机的传感器的信号异常(这类信号异常又可能体现在光、声、振动等信号的异常)；因此，以自动扶梯的组件状态来综合判断自动扶梯系统的健康运行状态，而这些多变量之间的信息融合，分析与利用并如何与自动扶梯的维修维护策略联系，是保证自动扶梯获得合理及预防性维修需要解决的问题。

一般来说，自动扶梯通过设置在各种组件上的传感器监测自动扶梯速度、加速度、振动、噪音、视频监控等信息，并进行分析处理量化为自动扶梯组件自身故障的相关指标参考值，从而指示出自动扶梯可能存在的故障，本发明所提出的技术方案的重点，在于如何利用上述指标参考值来系统性的获取自动扶梯的预防性维修策略。

本发明所涉及的维修策略生成方法中，首先需要获取自动扶梯组件的故障指标参考值，该故障指标参考值可以是从某个传感器件中获取的反映该组件是否异常的信号值，或者是从多个或多组传感器件中获取信号进行分析后的反映该组件是否异常的指标值或者是由多个类型指标值组成的矩阵(例如由前述多参数传感器设置所采集的多种参数，或者是经由故障参数处理提取的故障特征等)，总之故障指标参考值及其范围指示出了在一定范围内，所涉及的组件正常运行的区间。

本发明首先公开了一种基于健康库模型的自动扶梯预防性维修策略生成方法，该方法主要包括如下工作步骤：

(1)获取自动扶梯系统组件的故障指标值，生成反映自动扶梯系统组件的实时故障指标值曲线；

(2)将实时故障指标值曲线与标准故障指标值曲线比对获得残差曲线；

(3)将当前残差曲线与残差曲线的阈值走廊对比，若落入上述范围，说明系统组件都处于较为安全的运行状态，不需要开展具体的维修，但是未落入上述范围的情况下，说明其中的一个或多个组件已经出现了信号异常，此时已经需要开展维修；

(4)当前残差曲线落入阈值走廊的情况下，进一步生成健康度阈值走廊，依据所述健康度阈值走廊的分类提出预防性维修策略，其中上述策略包括不限于如下情况：

第一种情况：安全状态阈值走廊，自动扶梯正常运行；

第二种情况：存在维修隐患状态阈值走廊，把相应组件列入特别监控组件群；

第三种情况：存在维修故障阈值走廊，需要对自动扶梯预防性维修；

第四种情况：存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

其中，针对本发明所涉及的维修策略生成方法中，其中选择故障指标值曲线的组件可包括自动扶梯所有在监控状态的组件，或者是从其中选择能够典型反映自动扶梯运行状态的部分组件，本方案实质是从系统性的角度能反映自动扶梯的安全运行状态曲线，并不严格限定具体数值，进一步地，在本发明中所涉及的故障指标值，优选为使用归一化的数据表达。

其中，针对本发明所涉及的维修策略生成方法中，残差曲线的阈值走廊生成方法包括：

(1)以系统组件一一对应的故障指标值阈值范围生成一初始故障指标阈值走廊；

(2)将实时故障指标值曲线与上述故障指标阈值走廊对比获得残差曲线的阈值走廊；

(3)通过不断的实时故障指标值曲线的数据搜集训练生成获得残差曲线地阈值走廊。

其中，所述健康度模型的生成方法包括如下步骤：

依据实时故障指标值获取对应组件的安全值，所述安全值为当前实时信号在残差曲线的阈值走廊中时发生故障的概率值，具体概率值的计算方法主要为：故障概率＝计算所得残差值/残差期望值，其中残差期望值为，通过计算样本获得的残差标准值，将系统中的组件的安全值与组件相应的权重系数相乘，以此健康度模型为基础生成整个自动扶梯的健康度值；

所述权重系数的计算包括如下步骤：

依据N个准则层指标构建判断矩阵，所述判断矩阵的行列为准则层指标；判断矩阵内的数值选择为对应行列的指标相互对比所选定的指标数值；

求取判断矩阵每一行元素积的N次方根值生成向量集，将向量集归一化处理获取组件的权重系数；

所述准则层指标包括不限于安全隐患、影响程度、维修时间、维修成本；

所述指标数值的选定考虑对上述安全隐患、影响程度、维修时间、维修成本指标的分级。

其中，所述健康度模型的生成方法包括如下步骤：

上述本发明涉及的基于健康库模型的自动扶梯预防性维修策略生成方法中，充分利用大数据技术和神经网络自学习技术，建立数据库，利用实时采集的故障指标值曲线，不断对标准故障指标值曲线进行大数据学习和优化修正，使得标准故障指标值曲线的数据更贴合自动扶梯实际情况，使得残差曲线的获取更为精确；

同时残差曲线的阈值走廊也是在实时采集的数据中被不断学习修正，从而形成了残差曲线的标准阈值走廊，也是在实时的动态更新中进一步优化，由此而确定的健康模型计算中的安全值也是实时学习而动态变化的，进而以此健康度模型也能帮助更为精细化地构建整个自动扶梯的健康度阈值走廊，从而可辅助更为精细化的进行自动扶梯在正常运行范围内所对应的维修状态。

具体来说，上述基于健康度模型的自动扶梯预防性维修策略生成方法中所涉及的阈值走廊的学习更新的主要流程示意如图6中所示：

首先从监测装置中分析获得自动扶梯系统组件的故障指标值，由多个组件的故障指标值构成了故障指标值曲线，并且由故障指标值结合寿命、维修历史等指标综合计算出故障指标阈值走廊，安全值的阈值走廊及健康度模型计算得到的健康度值的阈值走廊，两个都是通过安全值和健康度值的计算结果，无数个点组合起来的一个动态范围为相应的阈值走廊，通过阈值走廊地数据管理，能够将预防性故障指标进行更为精细化的管理；其中，由多个故障指标值曲线可生成标准故障指标值曲线库，并在不断接收的故障指标值曲线下进行训练更新生成新的标准故障指标值曲线库，用于下一次比对；

将当前接收的故障指标值曲线与标准故障指标值曲线进行对比获得残差曲线，同时将故障指标值曲线与故障指标阈值走廊进行对比，获得残差曲线阈值走廊，同样，残差曲线阈值走廊也在不断更新的数据中被训练生成残差曲线阈值走廊标准库；

同时由残差曲线在残差曲线阈值走廊标准库中的对比，第一层次是可以由残差曲线所在位置计算出安全值，并且计算出安全值阈值走廊，在此基础之上，由健康度模型中的权重系数计算出健康度值和健康度阈值走廊，对健康度阈值走廊进行分类来结合当前系统的健康度值来生成维修策略；

由于上述学习更新是链式的更新，并且在其中的健康度模型建立的过程中，始终以阈值走廊来进行健康度的分类判断，第一能够提供精细化的预防性维修策略参考，第二在于通过以组件组成的反映系统化指标的阈值走廊，来进行数据的计算和判断，使得故障的评估被限定在合理的范围之内，尽量不产生过度维修。

进一步地，结合上述训练更新的过程，本发明提出了一种基于健康度模型的自动扶梯预防性维修策略生成方法，其中主要示意图如图4中所示，该方法主要包括如下步骤：

STEP1：以数据存储中心为基础建立自动扶梯的故障数据库；

STEP1-1：通过监测自动扶梯的速度、加速度、振动、噪音以及利用监控设备和图像处理得到故障指标值数据存入数据存储中心，其中上述故障指标值数据已按照大数据分析与自动扶梯的组件进行映射，也即是说所采集的数据能够明确被判断和指向为哪个组件发生了故障；

STEP1-2:如图2中所示，数据存储中心通过已存储的故障指标值数据，建立故障数据库，并进行自学习及更新；

数据存储中心通过已有数据进行自学习与更新，其中自学习与更新的方法包括有基于BP神经网络的自学习等，不断完善自动扶梯的故障数据库，从而生成故障标准数据库并完善；

STEP2：生成自动扶梯的健康度模型；

STEP2-1:数据存储中心通过已有数据进行自学习与更新，不断完善自动扶梯的故障数据库，并把故障指标值数据归一化处理分析后与数据存储中心相应构件的理论指标参数进行曲线重合度比对，判断两个曲线之间的残差，通过数据重复比对以及数据库自学习功能得到曲线比对残差值的阈值走廊，不同的阈值对应构件发生故障的概率，称之为安全值，当安全值在安全值阈值走廊范围之外时需要对该构件进行针对性维修，安全值阈值走廊对应了组件不发生故障的概率范围；首先判断自动扶梯不同构件故障因素是否在许用安全值范围阈值走廊内，若不在许用安全值范围阈值走廊内则需要对该构件进行针对性维修；若在许用安全值范围阈值走廊内则自动扶梯不同构件故障的安全值(STEP2-1)与相应权重系数(STEP2-2)之积相加以此健康度模型计算整个自动扶梯的健康度值；

STEP2-2：依据层次分析法确定自动扶梯不同构件故障因素的权重系数，其中层次可分为目标层、准则层、方案层；其中准则层分为：安全隐患、影响程度、维修时间、维修成本；以上述四个指标构建判断矩阵计算获得各个指标的权重系数；

STEP2-3：由步骤2-1获得的安全值与步骤2-3中所获得的权重系数计算获得自动扶梯的健康度模型，其中具体的实施方式为自动扶梯不同构件故障的安全值与权重系数之积相加，由健康度模型计算得到自动扶梯健康度值。

STEP3:生成健康度阈值走廊，以上述健康度阈值走廊生成响应的维修策略；

通过数据库自学习功能确定不同维修状态的健康度阈值走廊，其中阈值走廊分别定义为：

安全状态阈值走廊，扶梯正常运行；

存在维修隐患状态阈值走廊，把相应构件列入特别监控构件组；

存在维修故障阈值走廊，需要对自动扶梯预防性维修；

存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

以此为基础，通过健康值历史数据与实际维修情况，基于故障数据中心BP神经网络自学习功能，设置相应的动态阈值走廊，分别为：相对安全状态阈值范围走廊，扶梯正常运行；存在维修隐患状态阈值范围走廊，列入重点监控组；存在维修故障状态阈值范围走廊，关键构件预防性维修；存在安全隐患阈值范围走廊，停止运行并进行全面维修。根据健康度模型计算得到健康值与健康值动态阈值走廊范围值比较，选择相对应的维修策略。

其中进一步地，按照本发明地一种实施方式，STEP2-1中的权重系数的具体计算实施如下：依据层次分析法(AHP)确定自动扶梯不同组件故障因素的权重系数，分为：目标层、准则层、方案层，其中准则层分为四个层次：安全隐患(C1)、影响程度(C2)、维修时间(C3)、维修成本(C4)，通过构建一个判断矩阵B，矩阵B中各元素b_ij表示横行指标C_i对各列指标C_j的相对重要程度的两两比较值的选定，其中上述值在故障数据库中存储有相应的参考选择数据，可以依据准则层的指标依据来进行相应的选择。

则，判断矩阵B的每一行元素积的n次方根值：

其中n为准则层所选取的指标数量，其中i、j、l均为范围在1到n之间的自然数，为矩阵的行列标号，矩阵元素的乘积决定了在进行判断矩阵元素选取尽量保持指标维度的统一；

将向量

归一化处理，计算如下：

w_p即为所求的当前判断矩阵的权重系数系数，也即是求出了当前构件健康度模型的权重系数。

其中，进一步地STEP2-3中的健康度模型计算方案的实施方式如下：自动扶梯健康度模型如下所示：

式中：α_m为自动扶梯不同组件故障的安全值，ω_i自动扶梯不同组件故障所对应的权重系数，其中m为计入健康度模型计算的自动扶梯组件的数量；

进一步地，其中对应于图3中的层析分析法所对应的模型，目标层主要对应于故障影响程度的评价，而准则层则为通过安全隐患、故障程度、维修时间和维修成本等因素对故障影响程度进行评价，而方案层则是针对上述准则层中的因素和分析标进行分级提示，例如图3中所示的分为一级、二级、三级(其中级别分别对应图5中所示的各类指标)等，其中上述准则层指标可依据更多分析指标来设置更多因素指标，另外方案层也可细分为更多层级指标，以上图3中所示仅为本发明中的其中一种实施方式。

如图8中所示，为按照本发明的实施方式所实现的一个实施例，其中为：

首先采集设置于自动扶梯一个构件中的三个传感器传来的传感器数据，作为该构件的监测指标即为故障指标值，在一定数值范围内的值能够反映该构件的工作状态指标，反映构件工作性能的多个传感器的故障指标值可示作一条曲线，综合反映该构件的工作状态，当然，由上述传感器数可深度挖掘融合多个信息，从而形成更为丰富的反映构件工作状态的故障特征值指标矩阵，或者融合成如图9中实施例二中所示的由构件信息组成的反映自动扶梯整体健康度的构件故障指标值所生成的曲线，来进行按照本发明方法中的阈值走廊的生成方案；

另外一方面，本发明提供了一种基于健康度模型的自动扶梯预防性维修策略生成系统，该系统主要包括如图7中所示的组成部分：

数据存储中心和数据计算(处理)中心，其中数据存储中心包括有故障数据库，以及准则层判断矩阵元素库，以使得在进行权重系数计算时能够进行数据的选择并调取，故障数据库中包括有标准故障指标值曲线库、标准残差曲线阈值走廊库、标准安全值阈值走廊库、标准健康度阈值走廊库；

其中数据计算(处理)中心包括有故障指标值曲线生成模块、故障指标阈值生成模块、残差曲线生成模块、残差曲线阈值走廊生成模块、安全值计算模块、安全阈值走廊生成模块、健康度值生成模块、健康度阈值走廊生成模块以及权重系数计算模块；进一步的，上述数据计算(处理)中心还包括有用于对以上模块的输出数据进行训练的神经网络模块，用于接收实时采集计算的数据对故障数据库的标准库进行学习更新；

另外，数据计算(处理)中心还包括有维修策略生成模块，其用于进行判定生成维修策略并进行显示推送；其整个模型所对应的数据处理流程如图6中所示，每一步实时采集的参数都进行了链式的训练，例如，实时采集的故障指值除了生成指标值曲线，并且在比对训练后生成标准故障指标曲线库，以方便进行残差曲线的比对生成，从而生成残差曲线阈值走廊，以方便生成安全值及其相应阈值走廊，最后生成健康度阈值走廊并分解，以健康度值评估自动扶梯的整体安全性，以在故障数据库中进行标准库的存储和更新，以方便生成标准的故障数据库，提高故障类型识别精准度和预防性维修分级策略的精准度。

总而言之，按照本发明实现的自动扶梯预防性维修策略生成方法，主要体现了如下方面：

(1)通过完善的自动扶梯组件构建故障数据库，并且充分应用自学习技术，用不断累积和新探测的数据来不断修正标准故障数据库；依据监测得到的故障指标值数据存入数据存储中心，历史数据以及系统通过已有数据进行自学习，不断完善自动扶梯的故障数据库，并把故障指标值数据归一化处理分析后与数据存储中心相应构件的理论指标参数进行曲线重合度比对，判断两个曲线之间的残差值；

通过不断地数据比对以及数据库自学习功能得到曲线残差值的阈值走廊，不同的阈值走廊对应构件不发生故障的概率，称之为安全值，当安全值低于安全阈值走廊最小值时需要对该构件进行针对性维修；把监测得到的数据与安全阈值走廊数据存入数据存储中心，历史数据以及系统通过已有数据进行自学习，不断完善自动扶梯的故障数据库与安全值阈值走廊库；并且在相应的阈值走廊范围内进行多变量信息融合来进一步分类维修策略；

(2)提出多变量信息融合的健康度模型并且依据上述模型生成维修策略的阈值走廊来给出维修策略，以层次分析法确定自动扶梯不同构件故障因素的权重系数，以自动扶梯不同组件故障的安全值与权重系数之积相加组成整个自动扶梯的健康度模型，由健康度模型计算得到自动扶梯健康度值，通过数据库自学习功能确定不同维修状态的阈值走廊分为：安全状态阈值走廊，扶梯正常运行；存在维修隐患状态阈值走廊，把相应构件列入特别监控构件组；存在维修故障阈值走廊，需要对自动扶梯预防性维修；存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修，由健康度模型计算得到自动扶梯健康度值，通过数据库自学习功能确定不同维修状态的阈值走廊，给出相对应的维修策略。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于健康度模型的自动扶梯预防性维修策略生成方法，其特征在于，该方法主要包括如下工作步骤：

获取自动扶梯系统组件的故障指标值，生成反映自动扶梯系统组件的实时故障指标值曲线；

将所述实时故障指标值曲线与标准故障指标值曲线比对获得残差曲线；

将当前残差曲线与残差曲线的阈值走廊对比，若有节点未落入则需要执行未落入对应故障组件的维修，若落入，生成健康度阈值走廊，依据所述健康度阈值走廊的分类提出分级预防性维修策略。

2.如权利要求1中所述的维修策略生成方法，其特征在于，所述残差曲线的阈值走廊生成方法包括：

以系统组件一一对应的故障指标值阈值范围生成一初始故障指标阈值走廊；

将实时故障指标值曲线与上述故障指标阈值走廊对比获得初始残差曲线的阈值走廊；

通过不断的实时故障指标值曲线的数据搜集训练生成获得残差曲线的阈值走廊。

3.如权利要求2中所述的维修策略生成方法，其特征在于，所述健康度模型为：

依据实时故障指标值获取对应组件的安全值，所述安全值为当前实时信号在所述残差曲线的阈值走廊中时可能发生故障的概率值，将系统中的组件的安全值与组件相应的权重系数相乘，以此健康度模型为基础计算整个自动扶梯的健康度值；

所述权重系数的计算包括如下步骤：

依据N个准则层指标构建判断矩阵，所述判断矩阵的行列为准则层指标矩阵；判断矩阵内的数值选择为对应行列的指标相互对比所选定的指标数值矩阵；

求取判断矩阵每一行元素积的N次方根值生成向量集，将向量集归一化处理获取组件的权重系数。

4.如权利要求1-3中任意一项中所述的维修策略生成方法，其特征在于，所述维修策略分级包括：

第一种情况：安全状态阈值走廊，自动扶梯正常运行；

第二种情况：存在维修隐患状态阈值走廊，把相应组件列入特别监控组件群；

第三种情况：存在维修故障阈值走廊，需要对自动扶梯预防性维修；

第四种情况：存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

5.一种基于健康度模型的自动扶梯预防性维修策略生成方法，其特征在于，上述方法包括如下步骤：

建立自动扶梯的故障数据库：通过监测组件获取自动扶梯组件的故障指标值数据存储，生成故障标准数据库并自学习完善；

获得残差值阈值走廊，所述残差值阈值走廊的获取方法为将故障指标值数据归一化处理分析后与数据存储中心相应组件的理论指标参数进行曲线重合度比对，判断两个曲线之间的残差值，通过数据重复比对以及数据库自学习获得曲残差值的阈值走廊；

判断自动扶梯不同组件故障因素是否在许用安全值范围阈值走廊内，若不在许用安全值范围阈值走廊内则需要对对应组件进行针对性维修；

若在许用安全值范围阈值走廊内则依据健康度模型计算整体自动扶梯的健康度值；并依据其在所述健康度阈值走廊的分级输出相应的维修策略；

所述安全值为当前实时信号在所述残差曲线的阈值走廊中时可能发生故障的概率值；所述安全值范围阈值走廊为相应概率值的阈值走廊。

6.如权利要求5中所述的自动扶梯预防性维修策略生成方法，其特征在于，所述自动扶梯的健康度模型计算方法为：依据层次分析法确定自动扶梯不同组件因素的权重系数，所述组件因素包括安全隐患、影响程度、维修时间、维修成本；以上述四个指标构建判断矩阵计算获得各个指标的权重系数；以所述安全值与所述权重系数之积相加获得自动扶梯的健康度模型。

7.如权利要求6中所述的自动扶梯预防性维修策略生成方法，其特征在于，所述健康度阈值走廊的分级定义为：安全状态阈值走廊，扶梯正常运行；存在维修隐患状态阈值走廊，把相应组件列入监控；存在维修故障阈值走廊，需要对自动扶梯预防性维修；存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

8.一种基于健康度模型的自动扶梯预防性维修策略生成方法，上述方法包括如下步骤：

STEP1：以数据存储中心为基础建立自动扶梯的故障数据库；

STEP1-1：通过监测自动扶梯的速度、加速度、振动、噪音以及图像采集设备获得故障指标值数据存入数据存储中心；

STEP1-2:所述数据存储中心通过已存储的故障指标值数据，建立故障数据库，并进行自学习及更新；

所述数据存储中心通过已有数据进行自学习与更新不断完善自动扶梯的故障数据库，生成故障标准数据库；

STEP2：依据健康度模型计算生成自动扶梯的健康度值；

STEP2-1:依据安全值阈值走廊判断是否利用健康度模型计算健康度值；步骤为：获得残差值阈值走廊，所述残差值阈值走廊的获取方法为将故障指标值数据归一化处理分析后与数据存储中心相应组件的理论指标参数进行曲线重合度比对，判断两个曲线之间的残差值，通过数据重复比对以及数据库自学习获得曲残差值的阈值走廊；

判断自动扶梯不同组件故障因素是否在许用安全值范围阈值走廊内，若不在许用安全值范围阈值走廊内则需要对对应组件进行针对性维修；

若在许用安全值范围阈值走廊内则执行STEP2-2及STEP2-3；

所述安全值为当前实时信号在所述残差曲线的阈值走廊中时可能发生故障的概率值；所述安全值范围阈值走廊为相应概率值的阈值走廊；

STEP2-2：依据层次分析法确定自动扶梯不同构件故障因素的权重系数，其中层次可分为目标层、准则层、方案层；其中准则层分为：安全隐患、影响程度、维修时间、维修成本；以上述四个指标构建判断矩阵计算获得各个指标的权重系数；

STEP2-3：由步骤2-1获得的安全值与步骤2-3中所获得的权重系数计算获得自动扶梯的健康度值；

STEP3:以所述健康度值生成健康度阈值走廊，以上述健康度阈值走廊分级生成相应的维修策略，分类为：

安全状态阈值走廊，扶梯正常运行；

存在维修隐患状态阈值走廊，把相应构件列入特别监控构件组；

存在维修故障阈值走廊，需要对自动扶梯预防性维修；

存在较大安全隐患阈值走廊，需要对自动扶梯进行停运预防性全面维修。

Images