CN114715752B - 用于电梯的异常检测方法及系统 - Google Patents

用于电梯的异常检测方法及系统 Download PDF

Info

Publication number
CN114715752B
CN114715752B CN202210638818.0A CN202210638818A CN114715752B CN 114715752 B CN114715752 B CN 114715752B CN 202210638818 A CN202210638818 A CN 202210638818A CN 114715752 B CN114715752 B CN 114715752B
Authority
CN
China
Prior art keywords
abnormal
elevator
power
sequence
degree
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
CN202210638818.0A
Other languages
English (en)
Other versions
CN114715752A (zh
Inventor
党晓飞
曹芹
王伟
李成桂
吴则论
陈建峰
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.)
Kyleryooen Shandong Elevator Co ltd
Original Assignee
Kyleryooen Shandong Elevator 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 Kyleryooen Shandong Elevator Co ltd filed Critical Kyleryooen Shandong Elevator Co ltd
Priority to CN202210638818.0A priority Critical patent/CN114715752B/zh
Publication of CN114715752A publication Critical patent/CN114715752A/zh
Application granted granted Critical
Publication of CN114715752B publication Critical patent/CN114715752B/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
    • B66B5/0018—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
    • B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies

Abstract

本发明涉及数据处理技术领域，具体涉及一种用于电梯的异常检测方法及系统，该方法将电梯刚开始使用的第一时段内的功率序列作为标准序列，对比当前时段的功率序列与标准序列之间的相似程度得到电梯导轨的整体磨损异常程度，通过检测当前时段内电梯的功率异常值和振动频率异常值，以获取当前时段内电梯导轨的局部异常位置数量，由局部异常位置数量和整体磨损异常程度获取电梯导轨的局部磨损异常程度，将电梯曳引轮的磨损量作为磨损因子，结合磨损因子和局部磨损异常程度得到电梯导轨的异常指标，以实现自动异常报警，减少检测误差，降低安全事故的发生。

Description

用于电梯的异常检测方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种用于电梯的异常检测方法及系统。
背景技术
电梯于20世纪后期进入中国市场，使得人们的生活更加便利，如今我国在用电梯数量日益增加，应用领域越来越广泛，进而电梯安全隐患也逐渐在人们的日常生活中出现。导轨对电梯升降运动起导向作用，它限制轿厢和对重在水平方向的移动，保证轿厢和对重在进道中的相互位置，并防止由于轿厢的偏载而产生的倾斜，电梯在运行的过程中，在导靴和导轨之间总会存在较大的摩擦力，长时间的运行会使得导轨表面发生磨损，而导轨和导靴之间的间隙增大，造成电梯出现晃动的现象，因此为确保电梯安全，需要对导轨进行异常检测。
目前大多数检测方法是通过人工定时进行检测维修，该方法效率低、实现成本高、检测不及时，无法实现实时异常检修。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种用于电梯的异常检测方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种用于电梯的异常检测方法，该方法包括以下步骤：
在电梯空载运行过程中，基于设定的采样频率采集曳引电机的功率，得到设定时段内的功率序列，根据功率序列构建功率与采样时刻之间的函数关系式；分别将电梯在第一时段内的每个采样时刻代入第一时段内的所述函数关系式得到对应的理论功率，构成第一时段内的理论功率序列，将第一时段的所述理论功率序列作为标准功率序列；
根据电梯在当前时段内的所述函数关系式获取当前时段的所述理论功率序列，由所述理论功率序列与所述标准功率序列之间的相似程度得到当前时段内电梯导轨的整体磨损异常程度；基于所述设定的采样频率采集电梯的振动频率，得到当前时段内的振动频率序列；分别对当前时段内的所述振动频率序列和所述功率序列进行异常数据检测，对应得到异常振动频率集合和异常功率集合；
根据所述异常振动频率集合中每个异常振动频率的采样时刻和所述异常功率集合中每个异常功率的采样时刻，得到异常振动频率和异常功率属于同一个采样时刻的数量，结合所述数量和所述整体磨损异常程度得到局部磨损异常程度；采集当前时段内电梯曳引轮的磨损量，结合所述磨损量和所述局部磨损异常程度得到电梯导轨的异常指标。
进一步的，所述根据功率序列构建功率与采样时刻之间的函数关系式的方法，包括：
分别构建电梯运行过程中加速阶段的函数关系式
Figure DEST_PATH_IMAGE002
、匀速阶段的函数关系式、减速阶段的函数关系式
Figure DEST_PATH_IMAGE004
，其中
Figure DEST_PATH_IMAGE006
为功率，
Figure DEST_PATH_IMAGE008
为功率对应的采样时刻，为对应函数关系式的系数，
Figure DEST_PATH_IMAGE010
为常数；
按照加速阶段、匀速阶段和减速阶段将功率序列划分为三个子功率序列，设置每个阶段的损失函数，
Figure DEST_PATH_IMAGE012
为对应阶段的函数关系式中第
Figure DEST_PATH_IMAGE014
个采样时间对应的理论功率，为对应阶段的子功率序列中第
Figure 856194DEST_PATH_IMAGE014
个采样时间对应的实际功率，
Figure DEST_PATH_IMAGE016
为对应阶段的子功率序列的长度，其中阶段包括加速阶段、匀速阶段和减速阶段；
分别获取对应迭代的损失函数等于0时，加速阶段的函数关系式中的最优
Figure DEST_PATH_IMAGE018
值和最优
Figure DEST_PATH_IMAGE020
值、减速阶段对应函数关系式的最优
Figure DEST_PATH_IMAGE022
值和最优
Figure DEST_PATH_IMAGE024
值以及匀速阶段对应函数关系式的最优值，相对应得到加速阶段的最优函数关系式、减速阶段的最优函数关系式和匀速阶段的最优函数关系式。
进一步的，所述整体磨损异常程度的计算公式为：
Figure DEST_PATH_IMAGE026
其中，
Figure DEST_PATH_IMAGE028
为第
Figure DEST_PATH_IMAGE030
天电梯导轨的整体磨损异常程度，
Figure DEST_PATH_IMAGE032
为标准功率序列，为第
Figure 15384DEST_PATH_IMAGE030
天电梯的理论功率序列，
Figure DEST_PATH_IMAGE034
为第
Figure 893342DEST_PATH_IMAGE030
天电梯的理论功率序列和标准功率序列之间的相似程度。
进一步的，所述异常振动频率集合的获取方法，包括：
对所述振动频率序列中的振动频率进行任意两个振动频率之间的振动频率差值计算，将振动频率差值的倒数作为对应两个振动频率之间的样本距离；基于两两振动频率之间的样本距离，采用TOF算法将所述振动频率序列分为正常振动频率集合和异常振动频率集合。
进一步的，所述异常功率集合的获取方法，包括：
对所述功率序列中的功率进行任意两个功率之间的功率差值计算，将功率差值的倒数作为对应两个功率之间的样本距离，基于两两功率之间的样本距离，采用TOF算法将功率序列分为正常功率集合和异常功率集合。
进一步的，所述局部磨损异常程度的计算公式为：
Figure DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE038
为第
Figure 56208DEST_PATH_IMAGE030
天电梯导轨的局部磨损异常程度，为所述数量，
Figure 954893DEST_PATH_IMAGE028
为第天电梯导轨的整体磨损异常程度。
进一步的，所述结合所述磨损量和所述局部磨损异常程度得到电梯导轨的异常指标的方法，包括：
基于设定的采样频率得到每个采样时刻电梯曳引轮的磨损量，将设定数量的磨损量构成磨损量序列，得到当前时段内的多个磨损量序列；
基于时序分别计算相邻两个磨损量序列之间的相似程度，根据多个磨损量序列中的磨损量获取最大磨损量，结合相似程度、最大磨损量和局部磨损异常程度计算电梯导轨的异常指标，则异常指标的计算公式为：
Figure DEST_PATH_IMAGE040
其中，
Figure DEST_PATH_IMAGE042
为第
Figure 42192DEST_PATH_IMAGE030
天电梯导轨的异常指标，
Figure DEST_PATH_IMAGE044
为第1个磨损量序列和第2个磨损量序列之间的相似程度，
Figure DEST_PATH_IMAGE046
为第
Figure DEST_PATH_IMAGE048
个的磨损量序列和第
Figure 661523DEST_PATH_IMAGE030
个磨损量序列之间的相似程度，为最大磨损量，
Figure DEST_PATH_IMAGE050
为磨损量序列之间的量两两组合数量。
第二方面，一种用于电梯的异常检测系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项方法所述的步骤。
本发明具有如下有益效果：将电梯刚开始使用的第一时段内的功率序列作为标准序列，对比当前时段的功率序列与标准序列之间的相似程度得到电梯导轨的整体磨损异常程度，通过检测当前时段内电梯的功率异常值和振动频率异常值，以获取当前时段内电梯导轨的局部异常位置数量，由局部异常位置数量和整体磨损异常程度获取电梯导轨的局部磨损异常程度，将电梯曳引轮的磨损量作为磨损因子，结合磨损因子和局部磨损异常程度得到电梯导轨的异常指标，使得检测结果更准确，减少检测误差，同时实现自动异常报警，降低安全事故的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为本发明一个实施例所提供的一种用于电梯的异常检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于电梯的异常检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于电梯的异常检测方法及系统的具体方案。
本发明实施例所针对的具体场景：电梯出于无人运行的状态下空载从底层到顶层往返运行一次的过程，且每天一次。
请参阅图1，其示出了本发明一个实施例提供的一种用于电梯的异常检测方法的步骤流程图，该方法包括以下步骤：
步骤S001, 在电梯空载运行过程中，基于设定的采样频率采集曳引电机的功率，得到设定时段内的功率序列，根据功率序列构建功率与采样时刻之间的函数关系式；分别将电梯在第一时段内的每个采样时刻代入第一时段内的函数关系式得到对应的理论功率，构成第一时段内的理论功率序列，将第一时段的理论功率序列作为标准功率序列。
具体的，已知电梯在运行过程中分为三个阶段：加速阶段、匀速阶段和减速阶段，相对应的电梯的曳引电机的功率在加速阶段和匀速阶段的功率变化应该保持相对稳定且相似的变化，即当电梯在完好状态下运行时，功率的变化应该是保持稳定持续的变化状态，而当电梯的导轨与导靴连接处发生较大的磨损，其表面变得粗糙，加大了摩擦力，使得电梯的轿厢经过损坏点时，曳引电机的扭矩增大，瞬时功率上升，因此以10Hz的采样频率、电梯空载运行一次的时间为设定时段，采集电梯空载运行过程中曳引电机的功率，得到功率序列。
根据功率序列分别获取电梯三个阶段中功率与采样时刻之间的函数关系式，具体过程为：
（1）基于电梯运行的三个阶段，对应将功率序列分为三个子功率序列；分别构建加速阶段的函数关系式
Figure 944474DEST_PATH_IMAGE002
、匀速阶段的函数关系式
Figure DEST_PATH_IMAGE052
、减速阶段的函数关系式
Figure 482903DEST_PATH_IMAGE004
，其中
Figure 680666DEST_PATH_IMAGE006
为功率，
Figure 228322DEST_PATH_IMAGE008
为功率对应的采样时刻，
Figure DEST_PATH_IMAGE054
为对应函数关系式的系数，
Figure 368710DEST_PATH_IMAGE010
为常数。
（2）设置加速阶段的损失函数，并令损失函数趋近于0，得到加速阶段的最优函数关系式。
具体的，损失函数为
Figure DEST_PATH_IMAGE056
，
Figure 343619DEST_PATH_IMAGE012
为加速阶段的函数关系式中第
Figure 966362DEST_PATH_IMAGE014
个采样时间对应的理论功率，
Figure DEST_PATH_IMAGE058
为加速阶段的子功率序列中第
Figure 786550DEST_PATH_IMAGE014
个采样时间对应的实际功率；为加速阶段对应子功率序列的长度；对于迭代训练中，设置迭代的损失函数趋近于0，即在损失函数等于0时，得到加速阶段的函数关系式中对应系数的最优值，也即是最优
Figure 873455DEST_PATH_IMAGE018
值和最优
Figure 783380DEST_PATH_IMAGE020
值，进而得到加速阶段的最优函数关系式。
（3）根据步骤（2）的方法分别得到减速阶段对应函数关系式的最优
Figure 690156DEST_PATH_IMAGE022
值和最优
Figure 782877DEST_PATH_IMAGE024
值以及匀速阶段对应函数关系式的最优
Figure 724288DEST_PATH_IMAGE010
值，进而分别得到减速阶段的最优函数关系式和匀速阶段的最优函数关系式。
基于上述函数关系式的获取方法，根据电梯每天空载运行一次的时段内所采集的曳引电机的功率序列，得到对应每天电梯空载过程中加速阶段、减速阶段和匀速阶段的最优函数关系式。将每天采集的功率序列中每个功率的采样时刻代入该天三个阶段对应的最优函数关系式中，得到对应的理论功率，进而构成一个理论功率序列，一天对应一个实际采集的功率序列和由三个最优函数关系式得到的理论功率序列。
由于电梯导轨的磨损是长时间工作造成的，且电梯在相同的工作环境下，其工作状态应是一致的，因此将电梯投入使用时的第一天的理论功率序列作为标准功率序列。
步骤S002,根据电梯在当前时段内的函数关系式获取当前时段的理论功率序列，由理论功率序列与标准功率序列之间的相似程度得到当前时段内电梯导轨的整体磨损异常程度；基于设定的采样频率采集电梯的振动频率，得到当前时段内的振动频率序列；分别对当前时段内的振动频率序列和功率序列进行异常数据检测，对应得到异常振动频率集合和异常功率集合。
具体的，利用步骤S001的步骤，采集第
Figure 572158DEST_PATH_IMAGE030
天电梯的曳引电机的功率序列，得到第
Figure 966230DEST_PATH_IMAGE030
天中加速阶段、减速阶段和匀速阶段的最优函数关系式，将功率序列中的每个功率代入对应的最优函数关系式中得到第
Figure 364107DEST_PATH_IMAGE030
天电梯的理论功率序列。计算第
Figure 894446DEST_PATH_IMAGE030
天电梯的理论功率序列和标准功率序列之间的相似程度，得到第
Figure 647638DEST_PATH_IMAGE030
天电梯导轨的整体磨损异常程度，则整体磨损异常程度的计算公式为：
Figure DEST_PATH_IMAGE026A
其中，
Figure 935531DEST_PATH_IMAGE028
为第天电梯导轨的整体磨损异常程度，
Figure 432371DEST_PATH_IMAGE032
为标准功率序列，
Figure DEST_PATH_IMAGE060
为第
Figure 50172DEST_PATH_IMAGE030
天电梯的理论功率序列，
Figure 974266DEST_PATH_IMAGE034
为第天电梯的理论功率序列和标准功率序列之间的相似程度。
进一步的，在电梯的运行过程中，导轨与导靴的连接处会有存在较大的磨损，则导轨的磨损会导致电梯轿厢的左右摇晃，会进一步加大电梯导轨的磨损，甚至会发生异物的卡入，会导致电梯的倾斜。当导轨与导靴连接处发生较大的磨损时，电梯运行会有金属摩擦的异响，这种金属摩擦的异响会伴随电梯运行一直发生，因此在电梯上方的导靴的连接处安装一个振动检测仪，监测电梯的振动频率。同理，以10Hz的采样频率、电梯空载运行一次的时间为设定时段，采集第
Figure 342930DEST_PATH_IMAGE030
天电梯的振动频率，得到振动频率序列。
对于电梯导轨的整体磨损异常程度进行评价时会忽略掉导轨的局部异常位置的特殊影响，即在导轨局部发生较大磨损时，局部磨损对电梯的安全影响更加严重，且电梯事故的出现大多是单一位置的磨损影响产生的，因此需要根据局部磨损位置进行评价。考虑到振动在电梯的运行过程中是均匀且持续的， 故磨损异常位置对振动数据的影响是独立的，且属于局部极值，因此对第
Figure 377882DEST_PATH_IMAGE030
天电梯的功率序列和振动频率序列分别进行异常数据的检测，具体的：对功率序列中的功率进行任意两个功率之间的功率差值计算，将功率差值的倒数作为对应两个功率之间的样本距离，进而得到两两功率之间的样本距离，基于样本距离采用TOF算法将功率序列分为正常功率集合和异常功率集合，异常功率集合中的每个异常功率是指局部的功率极值，在功率样本中也即是离散功率；同理，对振动频率序列中的振动频率进行任意两个振动频率之间的振动频率差值计算，将振动频率差值的倒数作为对应两个振动频率之间的样本距离，进而得到两两振动频率之间的样本距离，基于样本距离采用TOF算法将振动频率序列分为正常振动频率集合和异常振动频率集合，异常振动频率集合中的每个振动频率是指局部的振动频率极值，在振动频率样本中也即是离散振动频率。
步骤S003,根据异常振动频率集合中每个异常振动频率的采样时刻和异常功率集合中每个异常功率的采样时刻，得到异常振动频率和异常功率属于同一个采样时刻的数量，结合数量和整体磨损异常程度得到局部磨损异常程度；采集当前时段内电梯曳引轮的磨损量，结合磨损量和局部磨损异常程度得到电梯导轨的异常指标。
具体的，当导轨的局部异常位置出现较大磨损异常时，该位置的功率和振动频率都应是局部极值，也即是同一采样时刻的功率和振动频率都是局部极值，因此根据异常功率集合和异常振动频率集合分析导轨的局部异常位置的数量，具体为：对比异常振动频率集合中每个异常振动频率的采样时刻和异常功率集合中每个异常功率的采样时刻，统计异常振动频率和异常功率属于同一个采样时刻的数量，也即是局部异常位置的数量。
根据电梯导轨的局部异常位置的数量和整体磨损异常程度分析电梯导轨的局部磨损异常程度，则结合异常振动频率和异常功率属于同一个采样时刻的数量、第
Figure 148392DEST_PATH_IMAGE030
天电梯导轨的整体磨损异常程度计算第
Figure 977808DEST_PATH_IMAGE030
天电梯导轨的局部磨损异常程度，则局部磨损异常程度的计算公式为：
Figure DEST_PATH_IMAGE036A
其中，
Figure 464460DEST_PATH_IMAGE038
为第
Figure 303103DEST_PATH_IMAGE030
天电梯导轨的局部磨损异常程度，
Figure DEST_PATH_IMAGE062
为异常振动频率和异常功率属于同一个采样时刻的数量。
进一步的，电梯曳引轮的磨损会对电梯导轨的磨损产生一定的影响，因此以10Hz的采样频率、电梯空载运行一次的时间为设定时段，采集第天电梯曳引轮的磨损量，具体为：将图像采集设备安装在挂载与曳引轮上的钢丝绳上，通过调整角度使得镜头对准曳引轮的轮槽，得到曳引轮的多张绳槽图像，对绳槽图像进行图像处理分别得到对应的每个目标绳槽轮廓，以标准曳引轮的绳槽轮廓形状为模板，分别获取模板和每个目标绳槽轮廓的特征信息，根据特征信息之间的差异得到曳引轮的磨损量，特征信息为绳槽槽底到钢丝绳外缘间距。
由于采样频率为10Hz，则0.1S得到一个电梯曳引轮的磨损量，将1S内的磨损量构成一个磨损量序列，也即是10个磨损量构成一个磨损量序列，进而能够得到第
Figure 396961DEST_PATH_IMAGE030
天电梯曳引轮的多个磨损量序列。结合第
Figure 505600DEST_PATH_IMAGE030
天电梯曳引轮的多个磨损量序列和电梯导轨的局部磨损异常程度得到电梯导轨的异常指标，具体为：分别计算相邻2S内对应两个磨损量序列之间的相似程度，根据多个磨损量序列中的磨损量获取最大磨损量，结合相似程度、最大磨损量和局部磨损异常程度计算电梯导轨的异常指标，则异常指标的计算公式为：
Figure DEST_PATH_IMAGE040A
其中，为第
Figure 724223DEST_PATH_IMAGE030
天电梯导轨的异常指标，
Figure 868022DEST_PATH_IMAGE044
为第1秒内的磨损量序列和第2秒内的磨损量序列之间的相似程度，为第
Figure 613124DEST_PATH_IMAGE048
秒内的磨损量序列和第
Figure 49922DEST_PATH_IMAGE030
秒内的磨损量序列之间的相似程度，
Figure DEST_PATH_IMAGE064
为最大磨损量，
Figure 83737DEST_PATH_IMAGE050
为相邻秒之间的组合数量，也即是相似程度的数量。
需要说明的是，将电梯曳引轮的磨损量作为电梯导轨的影响因子，以规避掉曳引轮磨损对电梯导轨的磨损分析判断影响，使得电梯导轨的磨损分析结果更加准确。
设置异常指标阈值，当异常指标大于或等于异常指标阈值时，说明电梯导轨出现异常，需要进行检修，则应立即发生报警信号。
综上所述，本发明实施例提供了一种用于电梯的异常检测方法，将电梯刚开始使用的第一时段内的功率序列作为标准序列，对比当前时段的功率序列与标准序列之间的相似程度得到电梯导轨的整体磨损异常程度，通过检测当前时段内电梯的功率异常值和振动频率异常值，以获取当前时段内电梯导轨的局部异常位置数量，由局部异常位置数量和整体磨损异常程度获取电梯导轨的局部磨损异常程度，将电梯曳引轮的磨损量作为磨损因子，结合磨损因子和局部磨损异常程度得到电梯导轨的异常指标，以实现自动异常报警，减少检测误差，降低安全事故的发生。
基于与上述方法实施例相同的发明构思，本发明实施例还提供了一种用于电梯的异常检测系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序。处理器执行所述计算机程序时实现上述一种用于电梯的异常检测方法实施例中的步骤，例如图1所示的步骤。该一种用于电梯的异常检测方法在上述实施例中已经详细说明，不再赘述。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种用于电梯的异常检测方法，其特征在于，该方法包括以下步骤：
在电梯空载运行过程中，基于设定的采样频率采集曳引电机的功率，得到设定时段内的功率序列，根据功率序列构建功率与采样时刻之间的函数关系式；分别将电梯在第一时段内的每个采样时刻代入第一时段内的所述函数关系式得到对应的理论功率，构成第一时段内的理论功率序列，将第一时段的所述理论功率序列作为标准功率序列，所述第一时段是指电梯第一天投入使用时电梯空载运行一次的时间；
根据电梯在当前时段内的所述函数关系式获取当前时段的所述理论功率序列，由所述理论功率序列与所述标准功率序列之间的相似程度得到当前时段内电梯导轨的整体磨损异常程度；基于所述设定的采样频率采集电梯的振动频率，得到当前时段内的振动频率序列；分别对当前时段内的所述振动频率序列和所述功率序列进行异常数据检测，对应得到异常振动频率集合和异常功率集合；
根据所述异常振动频率集合中每个异常振动频率的采样时刻和所述异常功率集合中每个异常功率的采样时刻，得到异常振动频率和异常功率属于同一个采样时刻的数量，结合所述数量和所述整体磨损异常程度得到局部磨损异常程度；采集当前时段内电梯曳引轮的磨损量，结合所述磨损量和所述局部磨损异常程度得到电梯导轨的异常指标；
所述整体磨损异常程度的计算公式为：
Figure 840359DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为第
Figure 856375DEST_PATH_IMAGE004
天电梯导轨的整体磨损异常程度，
Figure DEST_PATH_IMAGE005
为标准功率序列，
Figure 873573DEST_PATH_IMAGE006
为第
Figure 300007DEST_PATH_IMAGE004
天电梯的理论功率序列，
Figure DEST_PATH_IMAGE007
为第
Figure 974702DEST_PATH_IMAGE004
天电梯的理论功率序列和标准功率序列之间的相似程度；
所述异常振动频率集合的获取方法，包括：
对所述振动频率序列中的振动频率进行任意两个振动频率之间的振动频率差值计算，将振动频率差值的倒数作为对应两个振动频率之间的样本距离；基于两两振动频率之间的样本距离，采用TOF算法将所述振动频率序列分为正常振动频率集合和异常振动频率集合；
所述异常功率集合的获取方法，包括：
对所述功率序列中的功率进行任意两个功率之间的功率差值计算，将功率差值的倒数作为对应两个功率之间的样本距离，基于两两功率之间的样本距离，采用TOF算法将功率序列分为正常功率集合和异常功率集合；
所述局部磨损异常程度的计算公式为：
Figure DEST_PATH_IMAGE009
其中，
Figure 701349DEST_PATH_IMAGE010
为第
Figure 301833DEST_PATH_IMAGE004
天电梯导轨的局部磨损异常程度，
Figure DEST_PATH_IMAGE011
为所述数量；
所述结合所述磨损量和所述局部磨损异常程度得到电梯导轨的异常指标的方法，包括：
基于设定的采样频率得到每个采样时刻电梯曳引轮的磨损量，将设定数量的磨损量构成磨损量序列，得到当前时段内的多个磨损量序列；
基于时序分别计算相邻两个磨损量序列之间的相似程度，根据多个磨损量序列中的磨损量获取最大磨损量，结合相似程度、最大磨损量和局部磨损异常程度计算电梯导轨的异常指标，则异常指标的计算公式为：
Figure DEST_PATH_IMAGE013
其中，
Figure 277879DEST_PATH_IMAGE014
为第
Figure 225106DEST_PATH_IMAGE004
天电梯导轨的异常指标，
Figure DEST_PATH_IMAGE015
为第1个磨损量序列和第2个磨损量序列之间的相似程度，
Figure 806260DEST_PATH_IMAGE016
为第
Figure DEST_PATH_IMAGE017
个的磨损量序列和第
Figure 843224DEST_PATH_IMAGE004
个磨损量序列之间的相似程度，
Figure 978670DEST_PATH_IMAGE018
为最大磨损量，
Figure DEST_PATH_IMAGE019
为磨损量序列之间的量两两组合数量。
2.如权利要求1所述的一种用于电梯的异常检测方法，其特征在于，所述根据功率序列构建功率与采样时刻之间的函数关系式的方法，包括：
分别构建电梯运行过程中加速阶段的函数关系式
Figure 260747DEST_PATH_IMAGE020
、匀速阶段的函数关系式
Figure DEST_PATH_IMAGE021
、减速阶段的函数关系式
Figure 696408DEST_PATH_IMAGE022
，其中
Figure DEST_PATH_IMAGE023
为功率，
Figure 169852DEST_PATH_IMAGE024
为功率对应的采样时刻，
Figure DEST_PATH_IMAGE025
为对应函数关系式的系数，
Figure 199119DEST_PATH_IMAGE026
为常数；
按照加速阶段、匀速阶段和减速阶段将功率序列划分为三个子功率序列，设置每个阶段的损失函数
Figure DEST_PATH_IMAGE027
，
Figure 19308DEST_PATH_IMAGE028
为对应阶段的函数关系式中第
Figure DEST_PATH_IMAGE029
个采样时间对应的理论功率，
Figure 79448DEST_PATH_IMAGE030
为对应阶段的子功率序列中第
Figure 553155DEST_PATH_IMAGE029
个采样时间对应的实际功率，
Figure DEST_PATH_IMAGE031
为对应阶段的子功率序列的长度，其中阶段包括加速阶段、匀速阶段和减速阶段；
分别获取对应迭代的损失函数等于0时，加速阶段的函数关系式中的最优
Figure 928773DEST_PATH_IMAGE032
值和最优
Figure DEST_PATH_IMAGE033
值、减速阶段对应函数关系式的最优
Figure 428018DEST_PATH_IMAGE034
值和最优
Figure DEST_PATH_IMAGE035
值以及匀速阶段对应函数关系式的最优
Figure 336806DEST_PATH_IMAGE026
值，相对应得到加速阶段的最优函数关系式、减速阶段的最优函数关系式和匀速阶段的最优函数关系式。
3.一种用于电梯的异常检测系统，其特征在于，该系统包括存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-2任意一项所述方法的步骤。
CN202210638818.0A 2022-06-08 2022-06-08 用于电梯的异常检测方法及系统 Active CN114715752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210638818.0A CN114715752B (zh) 2022-06-08 2022-06-08 用于电梯的异常检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210638818.0A CN114715752B (zh) 2022-06-08 2022-06-08 用于电梯的异常检测方法及系统

Publications (2)

Publication Number Publication Date
CN114715752A CN114715752A (zh) 2022-07-08
CN114715752B true CN114715752B (zh) 2022-08-23

Family

ID=82232560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210638818.0A Active CN114715752B (zh) 2022-06-08 2022-06-08 用于电梯的异常检测方法及系统

Country Status (1)

Country Link
CN (1) CN114715752B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116737085B (zh) * 2023-08-07 2023-10-20 凯尔菱电（山东）电梯有限公司 一种电梯维护数据高效存储方法
CN117800187A (zh) * 2024-02-29 2024-04-02 凯尔菱电（山东）电梯有限公司 一种电梯安全运行状态智能监测方法及系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3316399B2 (ja) * 1996-10-25 2002-08-19 三菱電機株式会社 エレベータのブレーキ装置
JPH10226470A (ja) * 1997-02-17 1998-08-25 Toshiba Elevator Kk エレベータの振動解析装置
JP2004075221A (ja) * 2002-08-12 2004-03-11 Hitachi Ltd エレベータ
CN103303757B (zh) * 2012-03-07 2015-10-28 上海三菱电梯有限公司 电梯驱动绳轮磨损检测装置与方法
CN103803366B (zh) * 2013-12-19 2016-04-27 西子奥的斯电梯有限公司 一种电梯抱闸力矩检测方法
JP6278859B2 (ja) * 2014-07-17 2018-02-14 株式会社日立製作所 エレベーターの保守方法及びエレベーターシステム
CN105293238B (zh) * 2015-11-04 2017-08-25 浙江大学 一种电梯健康状况检测方法
KR101867605B1 (ko) * 2017-11-13 2018-07-18 (주)아이티공간 엘리베이터 분석을 통한 예지 보전 및 고효율 운행방법
CN107991870B (zh) * 2017-12-05 2020-10-27 暨南大学 一种电扶梯设备的故障预警与寿命预测方法
CN108069308B (zh) * 2017-12-05 2019-11-19 暨南大学 一种基于序贯概率的电扶梯故障诊断方法
CN209536720U (zh) * 2018-12-19 2019-10-25 江苏省特种设备安全监督检验研究院 一种基于振动频率测量的电梯钢丝绳张力偏差检测装置
CN110647837B (zh) * 2019-09-19 2022-03-15 重庆工业职业技术学院 电梯曳引机特征数据收集分析方法和电梯曳引机
CN110963385B (zh) * 2019-12-27 2021-09-10 长沙慧联智能科技有限公司 一种用于曳引驱动电梯的电动机运行监测方法及装置
CN111412978B (zh) * 2020-04-22 2021-06-08 北京化工大学 一种基于无故障振动信号的往复机械异常检测方法
CN111847170A (zh) * 2020-07-31 2020-10-30 河池学院 基于算法模型的电梯曳引轮状态监测预警系统及方法
CN111847169A (zh) * 2020-07-31 2020-10-30 河池学院 基于算法模型的电梯曳引钢丝绳状态监测预警系统及方法
CN112320546A (zh) * 2020-11-04 2021-02-05 天津市航昊机电设备有限公司 一种提升罐笼变速机控制系统
CN112320520B (zh) * 2020-11-09 2022-12-06 浙江新再灵科技股份有限公司 基于残差分析的电梯异常振动检测方法
CN113526282B (zh) * 2021-06-28 2022-09-06 江苏威尔曼科技有限公司 一种电梯中长期老化故障诊断方法、装置、介质和设备

Also Published As

Publication number Publication date
CN114715752A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN114715752B (zh) 用于电梯的异常检测方法及系统
CN113284143B (zh) 基于图像数据处理的压铸件去毛刺精度检测系统
CN107344688B (zh) 机器人乘坐电梯时的楼层监测方法和装置
EP1626025A2 (en) Method for monitoring operating characteristics of a single axis machine
CN108189842B (zh) 一种基于加速度信号的坡道坡度识别方法及装置
CN108189859B (zh) 判断两个激光图像特征是相关冗余特征的方法
CN111311560A (zh) 钢轨扣件状态的检测方法及装置
CN106681478A (zh) 一种简易的便携式可穿戴设备状态判别方案
CN110255324B (zh) 一种电梯曳引轮滑移量检测装置及方法
CN103204416A (zh) 电梯驱动绳轮磨损检测装置
CN103115567A (zh) 轮毂参数的在线测量方法
CN103357672A (zh) 一种带钢边界在线检测方法
CN109019280A (zh) 自动扶梯运行质量检测方法
CN105741321A (zh) 基于跟踪点分布的视频目标运动趋势分析方法
CN112378633A (zh) 机械故障诊断方法
CN102879813B (zh) 一种微地震信号到时自动拾取的方法及装置
CN114140384A (zh) 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法
CN110182663A (zh) 电梯导靴预诊断方法及预诊断系统
CN210666820U (zh) 一种基于dsp边缘计算的行人异常行为检测系统
CN111273052A (zh) 一种基于机器视觉的自动扶梯扶手带测速方法
CN110920931A (zh) 一种旋转部件飞行测试静态载荷、动态载荷分离方法
CN108016990B (zh) 一种港口起重机小车轨道扣件松动的检测装置及检测方法
CN111082420B (zh) 一种改善交直流混联电网暂态稳定性的方法和系统
CN110490297B (zh) 一种铁路道岔动作功率曲线智能分段方法
CN210558711U (zh) 一种电梯曳引轮滑移量检测装置

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