CN112830358B - 一种利用机器学习预测电梯按需维保周期的系统及方法 - Google Patents

一种利用机器学习预测电梯按需维保周期的系统及方法 Download PDF

Info

Publication number
CN112830358B
CN112830358B CN202011615610.4A CN202011615610A CN112830358B CN 112830358 B CN112830358 B CN 112830358B CN 202011615610 A CN202011615610 A CN 202011615610A CN 112830358 B CN112830358 B CN 112830358B
Authority
CN
China
Prior art keywords
elevator
data
maintenance
machine learning
sensor unit
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.)
Active
Application number
CN202011615610.4A
Other languages
English (en)
Other versions
CN112830358A (zh
Inventor
雷世翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Houqi Technology Co ltd
Original Assignee
Chongqing Houqi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Houqi Technology Co ltd filed Critical Chongqing Houqi Technology Co ltd
Priority to CN202011615610.4A priority Critical patent/CN112830358B/zh
Publication of CN112830358A publication Critical patent/CN112830358A/zh
Application granted granted Critical
Publication of CN112830358B publication Critical patent/CN112830358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0012—Devices monitoring the users of the elevator system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0018—Devices monitoring the operating condition of the elevator system
    • B66B5/0025—Devices monitoring the operating condition of the elevator system for maintenance or repair
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0018—Devices monitoring the operating condition of the elevator system
    • B66B5/0031—Devices monitoring the operating condition of the elevator system for safety reasons
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0037—Performance analysers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0087—Devices facilitating maintenance, repair or inspection tasks

Abstract

本发明公开了一种利用机器学习预测电梯按需维保周期的系统及方法，其中，系统包括：基础数据模块，用于建立完整的电梯基础信息及履历信息；数据采集模块，用于采集实时的电梯环境数据、运行数据、故障数据；样本模块，用于根据实时的电梯环境数据、运行数据、故障数据与维保周期的关系，形成样本数据；周期预测模块，用于通过样本数据进行机器学习，并建立预测模型，以预测电梯按需维保周期。本发明利用机器学习建立数学模型，更能客观的反映电梯安全运行状态，按每部电梯，个性化计算出符合客观实际的维保周期，有效的提高维保效率、降低维保费用，减少设备故障率，实现了电梯按需维保的要求，保护群众乘梯安全。

Description

一种利用机器学习预测电梯按需维保周期的系统及方法
技术领域
本发明涉及电梯维保技术领域，特别是涉及一种利用机器学习预测电梯按需维保周期的系统及方法。
背景技术
目前，我国对电梯维保的时间约束是根据《电梯维护保养规则(TSG-T5002-2017)》要求分为半月、季度、半年、年度等四类，定期进行维保工作。这种维保方式理论上可以实现全面覆盖检查、排除隐患、降低风险，保证电梯的正常运行。但是，随着我国在用电梯数量的增加，持证维保人员数量增长不足，造成“人机比”的不断增大，导致了现在电梯维保低质量、低效率、高风险、高危险。而且随着技术的进步，电梯零部件的可靠性已得到极大的提升，沿用现有要求进行维保势必造成资源的浪费。
2018年2月09日，国务院办公厅颁布《国务院办公厅关于加强电梯质量安全工作的意见国办发(2018)8号》文件，明确指出：推动维护保养模式转变，依法推进按需维保，推广“全包维保”、“物联网+维保”等新模式，加强维保质量监督抽查，全面提升维保质量。
因此本领域技术人员致力于开发一种利用机器学习预测电梯按需维保周期的系统及方法。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种利用机器学习预测电梯按需维保周期的系统及方法。
为实现上述目的，本发明提供了一种利用机器学习预测电梯按需维保周期的系统，包括：
基础数据模块，用于建立完整的电梯基础信息及履历信息；
数据采集模块，用于采集实时的电梯环境数据、运行数据、故障数据；
样本模块，用于根据实时的电梯环境数据、运行数据、故障数据与维保周期的关系，形成样本数据；
周期预测模块，用于通过样本数据进行机器学习，并建立预测模型，以预测电梯按需维保周期；
所述预测模型的算法如下：
Figure GDA0003567058680000021
其中，
Figure GDA0003567058680000022
为按需维保预测周期天数，θ0为上次维保后截止预测时已运行天数，θ1～θn为特征参数的权重，
Figure GDA0003567058680000023
为影响电梯按需维保周期的特征向量。
较佳的，通过历史样本数据并利用多元线性回归分析理论获得特征参数的权重θ1～θn，使损失函数最小，损失函数为：
Figure GDA0003567058680000024
其中，yi为历史样本数据中电梯按需维保天数，m为样本数量。
较佳的，所述电梯按需维保周期的特征向量包括里程、运行时长、电梯风险等级、困人次数、超速次数、非门区停车次数、开门走车次数、冲顶次数、蹲底次数、抖动次数、速度异常次数、加速度异常次数。
较佳的，将所述特征向量与对应的电梯维保周期天数建立关联，形成样本数据。
较佳的，所述数据采集模块包括：
基层传感器单元，用于校准运行数据；
加速度传感器单元，用于获取电梯在x、y、z三轴的加速度数值；
平层传感器单元，用于判断电梯是否平层停车、电梯运行状态和方向；
人体传感器单元，用于检测电梯轿厢内是否有人滞留；
门磁传感器单元，用于感测电梯轿厢门是否闭合，结合平层传感器单元来判断是否存在开门走车故障；
温度湿度传感器单元，用于输出电梯的温度湿度信息；
振动传感器单元，用于输出电梯的振动信息。
本发明的有益效果是：本发明利用机器学习预测电梯按需维保周期的系统利用物联网技术把实时的电梯环境数据、运行数据、故障数据进行采集、分析并与维保内容项目进行关联,利用机器学习建立数学模型，更能客观的反映电梯安全运行状态，按每部电梯，个性化计算出符合客观实际的维保周期，有效的提高维保效率、降低维保费用，减少设备故障率，实现了电梯按需维保的要求，保护群众乘梯安全。
附图说明
图1是本发明一具体实施方式中利用机器学习预测电梯按需维保周期的系统的框架图。
图2是本发明一具体实施方式中数据采集模块采集数据的示意图。
图3是本发明一具体实施方式中利用机器学习预测电梯按需维保周期的方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，需注意的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”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、以特定的方式构造和操作，因此不能理解为对本发明的限制。术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
如图1所示，一种利用机器学习预测电梯按需维保周期的系统，包括：
基础数据模块10，用于建立完整的电梯基础信息及履历信息；
数据采集模块20，用于采集实时的电梯环境数据、运行数据、故障数据；
样本模块30，用于根据实时的电梯环境数据、运行数据、故障数据与维保周期的关系，形成样本数据；
周期预测模块40，用于通过样本数据进行机器学习，并建立预测模型，以预测电梯按需维保周期。
预测模型的算法如下：
Figure GDA0003567058680000041
其中，
Figure GDA0003567058680000042
为按需维保预测周期天数，θ0为上次维保后截止预测时已运行天数，θ1～θn为特征参数的权重(通过机器学习获得)，
Figure GDA0003567058680000043
为影响电梯按需维保周期的特征向量。
电梯按需维保周期的特征向量包括里程、运行时长、电梯风险等级、困人次数、超速次数、非门区停车次数、开门走车次数、冲顶次数、蹲底次数、抖动次数、速度异常次数、加速度异常次数。
将特征向量与对应的电梯维保周期天数建立关联，形成样本数据。
通过历史样本数据并利用多元线性回归分析理论获得特征参数的权重θ1～θn，使损失函数最小，损失函数为：
Figure GDA0003567058680000051
其中，yi为历史样本数据中电梯按需维保天数，m为样本数量。
本实施例中，数据采集模块20包括：
基层传感器单元21，即霍尔传感器，安装在井道底层，用于校准运行数据，复位故障造成的楼层数据错乱问题；
加速度传感器单元22，用于获取电梯在x、y、z三轴的加速度数值，本实施例中，加速度传感器单元22提供±2G至±16G的加速度测量范围；
平层传感器单元23，采用双光电开关，用于判断电梯是否平层停车、电梯运行状态和方向；
人体传感器单元24，人体接近传感器是以微波多普勒原理为基础，平面型天线作为感应系统，以微处理器作控制的一种感应器，用于检测电梯轿厢内是否有人滞留；
门磁传感器单元25，采用磁性接近开关，用于感测电梯轿厢门是否闭合，结合平层传感器单元来判断是否存在开门走车故障；
温度湿度传感器单元26，用于输出电梯的温度湿度信息，本实施例中，以温度湿度一体式的探头作为测温元件，将温度和湿度信号采集出来，经过稳压滤波、运算放大、非线性校正、V/I转换、恒流及反向保护等电路处理后，转换成与温度和湿度成线性关系的电流信号或电压信号输出；
振动传感器单元27，能把被测的机械振动参数的变化转换成为电参量信号的变化的传感器，用于输出电梯的振动信息。
如图2所示，为数据采集模块20采集数据的示意图，其中，①黑匣子(内置温度湿度传感器、加速度传感器、振动传感器)，②平层传感器，③基层传感器，④摄像头，⑤人体传感器，⑥云平台,⑦维保系统。
实施例2
如图3所示，一种利用机器学习预测电梯按需维保周期的方法的流程图，该方法包括以下步骤：
S1、建立完整的电梯基础信息及履历信息；
S2、采集实时的电梯环境数据、运行数据、故障数据；
S3、根据实时的电梯环境数据、运行数据、故障数据与维保周期的关系，形成样本数据；
S4、通过样本数据进行机器学习，并建立预测模型，以预测电梯按需维保周期。
本实施例中，预测模型的算法如上述的预测模型的算法。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (5)

1.一种利用机器学习预测电梯按需维保周期的系统，其特征在于，包括：
基础数据模块，用于建立完整的电梯基础信息及履历信息；
数据采集模块，用于采集实时的电梯环境数据、运行数据、故障数据；
样本模块，用于根据实时的电梯环境数据、运行数据、故障数据与维保周期的关系，形成样本数据；
周期预测模块，用于通过样本数据进行机器学习，并建立预测模型，以预测电梯按需维保周期；
所述预测模型的算法如下：
Figure FDA0003567058670000011
其中，
Figure FDA0003567058670000012
为按需维保预测周期天数，θ0为上次维保后截止预测时已运行天数，θ1～θn为特征参数的权重，
Figure FDA0003567058670000013
为影响电梯按需维保周期的特征向量。
2.如权利要求1所述的利用机器学习预测电梯按需维保周期的系统，其特征在于，通过历史样本数据并利用多元线性回归分析理论获得特征参数的权重θ1～θn，使损失函数最小，损失函数为：
Figure FDA0003567058670000014
其中，yi为历史样本数据中电梯按需维保天数，m为样本数量。
3.如权利要求1或2所述的利用机器学习预测电梯按需维保周期的系统，其特征在于，所述电梯按需维保周期的特征向量包括里程、运行时长、电梯风险等级、困人次数、超速次数、非门区停车次数、开门走车次数、冲顶次数、蹲底次数、抖动次数、速度异常次数、加速度异常次数。
4.如权利要求3所述的利用机器学习预测电梯按需维保周期的系统，其特征在于，将所述特征向量与对应的电梯维保周期天数建立关联，形成样本数据。
5.如权利要求1所述的利用机器学习预测电梯按需维保周期的系统，其特征在于，所述数据采集模块包括：
基层传感器单元，用于校准运行数据；
加速度传感器单元，用于获取电梯在x、y、z三轴的加速度数值；
平层传感器单元，用于判断电梯是否平层停车、电梯运行状态和方向；
人体传感器单元，用于检测电梯轿厢内是否有人滞留；
门磁传感器单元，用于感测电梯轿厢门是否闭合，结合平层传感器单元来判断是否存在开门走车故障；
温度湿度传感器单元，用于输出电梯的温度湿度信息；
振动传感器单元，用于输出电梯的振动信息。
CN202011615610.4A 2020-12-30 2020-12-30 一种利用机器学习预测电梯按需维保周期的系统及方法 Active CN112830358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011615610.4A CN112830358B (zh) 2020-12-30 2020-12-30 一种利用机器学习预测电梯按需维保周期的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011615610.4A CN112830358B (zh) 2020-12-30 2020-12-30 一种利用机器学习预测电梯按需维保周期的系统及方法

Publications (2)

Publication Number Publication Date
CN112830358A CN112830358A (zh) 2021-05-25
CN112830358B true CN112830358B (zh) 2022-05-20

Family

ID=75925564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011615610.4A Active CN112830358B (zh) 2020-12-30 2020-12-30 一种利用机器学习预测电梯按需维保周期的系统及方法

Country Status (1)

Country Link
CN (1) CN112830358B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104401833A (zh) * 2014-11-17 2015-03-11 广州特种机电设备检测研究院 一种电梯维修保养记录方法、系统和装置
CN104925606A (zh) * 2015-06-03 2015-09-23 成都纺织高等专科学校 基于4g网络的电梯维保管理系统和方法
JP2017024859A (ja) * 2015-07-22 2017-02-02 株式会社日立ビルシステム 昇降機の保守システム
CN108083044A (zh) * 2017-11-21 2018-05-29 浙江新再灵科技股份有限公司 一种基于大数据分析的电梯按需维保系统及方法
CN110526065A (zh) * 2019-09-16 2019-12-03 东北大学 一种电梯按需维保策略的获取方法及系统
CN210150534U (zh) * 2019-04-30 2020-03-17 河北省特种设备监督检验研究院 一种具预警功能的电梯维保系统
CN111491882A (zh) * 2017-11-13 2020-08-04 It空间株式会社 一种基于电梯运行分析的电梯预维护及高效运行方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4863521B2 (ja) * 2008-06-30 2012-01-25 東芝エレベータ株式会社 昇降機の保守管理システム
CN102923538A (zh) * 2012-07-06 2013-02-13 天津大学 基于物联网的电梯健康管理与维护系统及采集和评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104401833A (zh) * 2014-11-17 2015-03-11 广州特种机电设备检测研究院 一种电梯维修保养记录方法、系统和装置
CN104925606A (zh) * 2015-06-03 2015-09-23 成都纺织高等专科学校 基于4g网络的电梯维保管理系统和方法
JP2017024859A (ja) * 2015-07-22 2017-02-02 株式会社日立ビルシステム 昇降機の保守システム
CN111491882A (zh) * 2017-11-13 2020-08-04 It空间株式会社 一种基于电梯运行分析的电梯预维护及高效运行方法
CN108083044A (zh) * 2017-11-21 2018-05-29 浙江新再灵科技股份有限公司 一种基于大数据分析的电梯按需维保系统及方法
CN210150534U (zh) * 2019-04-30 2020-03-17 河北省特种设备监督检验研究院 一种具预警功能的电梯维保系统
CN110526065A (zh) * 2019-09-16 2019-12-03 东北大学 一种电梯按需维保策略的获取方法及系统

Also Published As

Publication number Publication date
CN112830358A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
US11679955B2 (en) Weighting sensor data with environmental data in a system for transportation of passengers
CN108689271B (zh) 一种在线式电梯乘运质量检测系统及方法
CN105293238B (zh) 一种电梯健康状况检测方法
CN103544389B (zh) 基于故障树和模糊神经网络的汽车起重机故障诊断方法
CN108069308A (zh) 一种基于序贯概率的电扶梯故障诊断方法
CN208684174U (zh) 一种电梯安全检测系统
CN111650917A (zh) 一种设备的多维度状态在线监测方法及系统
CN105836560A (zh) 电梯舒适度测试系统
CN113401760B (zh) 一种基于大数据的电梯运行故障监管系统
CN103496625B (zh) 基于振动分析的多绳摩擦提升机载荷识别方法
CN101482540A (zh) 基于电磁层析成像技术的钢丝绳损伤检测装置及方法
CN108357997A (zh) 生命周期检测方法、装置、系统及电梯
CN110294380A (zh) 一种基于数据驱动的电梯制动器抱闸响应性能监测方法及监测装置
CN112830358B (zh) 一种利用机器学习预测电梯按需维保周期的系统及方法
CN112830357B (zh) 一种基于物联网和大数据的电梯健康值的测算系统及方法
CN111606177B (zh) 乘客输送装置及其故障检测监控方法和装置
CN110186384A (zh) 船体结构应力监测系统传感器偏差故障诊断方法
CN112766771A (zh) 一种基于svm的重型汽车整车质量预测方法
CN110127484B (zh) 一种电梯桥箱运行位置监控预警系统及方法
CN117171621A (zh) 一种基于单片机的闸机健康评估方法、装置及存储介质
CN112580266A (zh) 一种利用机器学习量化评估电梯乘坐舒适性的系统及方法
CN112811275B (zh) 一种基于物联网的电梯按需维保周期测算系统及方法
CN115959549A (zh) 基于数字孪生的扶梯故障诊断方法
CN112697308B (zh) 一种地铁轴承温度预警方法
EP3718942A1 (en) Power meter based monitoring of elevator usage

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
GR01 Patent grant
GR01 Patent grant