CN115159285A - 电梯状态监测方法及电梯状态监测装置 - Google Patents

Abstract

本发明属于曳引机状态监测技术领域，具体公开了一种电梯状态监测方法及电梯状态监测装置，该方法利用曳引机转轴的运行温度、转速、振动和噪声信息，输出电梯的启停状态及运转情况，计算曳引机转轴当前温度信号与初始温度信号变化的温升速率，利用噪声信号和振动信号，分别计算声音A计权指标，以及振动信号的时域特征均方根值和峭度因子；对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子，进行综合决策，判断曳引机的运行状态。采用本技术方案，融合曳引机转轴的运行温度、转速、振动和噪声信息，准确获取曳引机运作时的轴承的运行状态。

Description

电梯状态监测方法及电梯状态监测装置

技术领域

本发明属于曳引机状态监测技术领域，涉及一种电梯状态监测方法及电梯状态监测装置。

背景技术

电梯曳引机是电梯升降的主要部件，其性能直接影响电梯的稳定性和安全性。曳引机轴承作为其中的关键部件，直接影响着曳引机的工作性能。曳引机轴承工作时有长历时、高变载荷、高密闭、强电磁、复杂工况等工作特点。由于其工作条件较为复杂和恶劣，其发生故障的概率也较大。而曳引机轴承发生故障，轻则降低曳引机系统效能，引起停机；重则产生事故，造成重大经济损失与人员伤亡。鉴于曳引机轴承在电梯运行中的重要性，对电梯曳引机轴承的运行状态进行监控显得尤为重要。

目前，在传统技术中对于曳引机的状态监测通常是对其转速、加速度、温度、噪声等一个或者两个参数分别进行实时监测，选择将传感器设置于轿厢、电动机、制动器或减速箱上，无法准确获取曳引机运作时的轴承的运行状态，不能直接有效的反馈曳引机的状况，难以准确判断电梯故障，而且传统监测数据通常都是通过有线方式传输，布线复杂，成本及故障率高。

因此，鉴于以上问题，有必要提出一种可实现对曳引机的运行状态进行实时监控的系统，当曳引机运行状态出现异常时可报警，并可指导相关人员进行维护，实现超早期运维管理。

发明内容

本发明的目的在于提供一种电梯状态监测方法及电梯状态监测装置，实现准确获取曳引机运作时的轴承的运行状态。

为了达到上述目的，本发明的基础方案为：一种电梯状态监测方法，包括如下步骤：

实时采集曳引机转轴的运行温度、转速、振动和噪声信息；

根据曳引机转轴的转速信号，输出电梯的启停状态；

电梯处于启动状态时，基于曳引机转轴的温度信号，计算曳引机转轴当前温度信号与初始温度信号变化的温升速率；

利用噪声信号和振动信号，分别计算声音A计权指标，以及振动信号的时域特征均方根值和峭度因子；

对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子，进行综合决策，判断曳引机的运行状态。

本基础方案的工作原理和有益效果在于：本方案实时采集曳引机转轴的运行温度、转速、振动和噪声信息，利用多种信息，全面分析曳引机的运行情况，对轴承的运行状态判断更准确。且当曳引机运行状态出现异常时可报警，指导相关人员进行维护，实现超早期运维管理。

在电梯处于启动状态时对温度信号和振动、噪声信号进行分析处理，从而获取曳引机工作状态的运行数据，避免对电梯静止状态的曳引机数据进行分析而增大数据处理负担，从而缩短运算时长、降低通信带宽压力。提取温度、振动和噪声信息中的特征参数，并对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子等特征参数进行综合决策，分析更全面，能更充分和更有效的利用多传感器之间的互补信息，降低由于单一传感器信息所导致的不确定性，大幅提高多传感器故障诊断的准确性和可靠性，从而更加准确获取曳引机运作时的轴承的运行状态。

进一步，计算曳引机转轴当前温度信号与初始温度信号变化的温升速率的方法为：

其中，T_m表示曳引机转轴的当前温度信号，T₁表示曳引机转轴的初始温度信号，t_m表示曳引机转轴当前温度信号对应的时间，t₁表示曳引机转轴初始温度信号对应的时间。

操作简单，便于使用。

进一步，计算声音A计权指标的方法如下：

噪声的大小用A计权指标x_Ak进行衡量，A计权指标值越大，说明噪声越大，进一步说明故障越严重，表达式为：

x_Ak＝α_A(f_k)x_k

其中，滤波器系数

f_k＝kΔf，频率分辨率

x_k为将原始噪声信号数据x_i进行离散傅里叶变换得到的数据，

f_s为采样频率，N为采样点数，f_k表示对应点的频域离散值。

在噪声信号中提取A计权指标，便于后续分析操作，利于使用。

进一步，计算振动信号的时域特征均方根值和峭度因子的方法如下：

提取振动信号的时域特征均方根值x_rms和峭度因子K_v，时域特征均方根值反映振动的大小，均方根值越大说明振动越大；峭度因子数值就越大，说明故障越严重，计算式为：

其中，均值

n表示振动信号的采样点数；x_j表示第j个振动信号的幅值。

提取振动信号中的相关参数，操作简单，利于后续使用。

进一步，对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子，进行综合决策的方法如下：

设辨识框架Θ＝{轻微故障，严重故障，正常}，对温升速率T_v、均方根值x_rms、峭度因子K_v、A计权指标x_Ak四个特征，设置相应的基本概率分配函数分别为m1、m2、m3、m4；

由于单一传感器获得的信息具有局限性，传感器的可靠性无法保证，会出现误诊情况，诊断精度有时也难以达到要求，为了得到准确的识别结果，需多个传感器获取故障信息，运用D-S证据理论的Dempster合成规则提高诊断精度：

A为辨识框架Θ的一个子集，表示一种可能出现的情况；此时A有3种情况，它们之间是互斥的，即A1表示轻微故障，A2表示严重故障，A3表示正常；

A1∩A2∩A3＝A表示A1、A2和A3的公共部分为A；

表示对于情况A融合证据m1、m2、m3、m4得到的基本概率分配函数，即对A的信任程度；

K表示证据m1、m2、m3、m4之间的冲突程度系数；

根据决策规则：存在

满足：

若有

m(A₁)-m(A₂)＞ε₁,

m(Θ)＜ε₂,

m(A₁)＞m(Θ),

则A₁为决策的结果，其中ε₁、ε₂为预先设定的阈值，根据具体情况进行选择。

融合曳引机转轴的运行温度、振动和噪声信息，综合分析曳引机运行状态，提高判断准确度。

本发明还提供一种电梯状态监测装置，包括温度感知单元与转速感知单元、振动与声音感知单元和多信息智能处理单元；

所述温度与转速感知单元可拆卸安装在曳引机转轴端面上，温度与转速感知单元用于获取曳引机转轴的运行温度和转速信息；

所述振动与声音感知单元固定安装在曳引机外壳顶端中部，振动与声音感知单元用于获取曳引机的振动和噪声信息；

所述多信息智能处理单元用于实时接收温度与转速感知单元，以及振动与声音感知单元采集的振动、转速、噪声、温度信号，并执行本发明所述的方法，判断曳引机的运行状态。

该装置可对曳引机的运行状态进行实时监控，各单元安装结构简单，利于使用。

进一步，所述温度与转速感知单元包括温度传感器和转速传感器，所述振动与声音感知单元包括加速度传感器和声音传感器。

各单元采用适宜传感器采集所需的信号，便于使用。

进一步，还包括无线通信模块，所述温度与转速感知单元和振动与声音感知单元的输出端，通过无线通信模块与多信息智能处理单元连接。

通过无线通信模块连接，结构简单，减少布线，利于安装。

附图说明

图1是本发明电梯状态监测方法的流程示意图；

图2是本发明电梯状态监测装置的结构示意图；

图3是本发明电梯状态监测装置的结构框图。

说明书附图中的附图标记包括：温度传感器1、转速传感器2、加速度传感器3、声音传感器4、多信息智能处理单元5。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“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、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

当轴承发生故障时，故障点会周期性的随着轴承的运转而撞击其他部件，从而产生周期性的冲击。一方面，冲击会反映在振动信号以及声音信号当中；另一方面，冲击也会引起轴温的异常上升。因而，这些信号从各个角度反映了曳引机的健康状况。

本发明公开了一种电梯状态监测方法，基于智能轴承多维信息融合，进行曳引机运行状态实时监控，助力于智慧电梯监控的实现。如图1所示，该方法包括如下步骤：

实时采集曳引机转轴的运行温度、转速、振动和噪声信息；

根据曳引机转轴的转速信号，输出电梯的启停状态；

电梯处于启动状态时，基于曳引机转轴的温度信号，计算曳引机转轴当前温度信号与初始温度信号变化的温升速率；

利用噪声信号和振动信号，分别计算声音A计权指标，以及振动信号的时域特征均方根值和峭度因子；

对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子，进行综合决策，判断曳引机的运行状态。

本发明的一种优选方案中，计算曳引机转轴当前温度信号与初始温度信号变化的温升速率的方法为：

对于温度信号，当运转中的轴承出现故障时，其温度会异常上升，选用温升速率T_v作为特征参数，T_v较正常值越大，说明曳引机故障程度越严重：

其中，T_m表示曳引机转轴的当前温度信号，T₁表示曳引机转轴的初始温度信号，t_m表示曳引机转轴当前温度信号对应的时间，t₁表示曳引机转轴初始温度信号对应的时间。

本发明的一种优选方案中，计算声音A计权指标的方法如下：

噪声的大小用A计权指标x_Ak进行衡量，A计权指标值越大，说明噪声越大，进一步说明故障越严重，表达式为：

x_Ak＝α_A(f_k)x_k

其中，滤波器系数

f_k＝kΔf，频率分辨率

x_k为将原始噪声信号数据x_i进行离散傅里叶变换得到的数据，

f_s为采样频率，N为采样点数，f_k表示对应点的频域离散值。

本发明的一种优选方案中，计算振动信号的时域特征均方根值和峭度因子的方法如下：

提取振动信号的时域特征均方根值x_rms和峭度因子K_v，时域特征均方根值反映振动的大小，均方根值越大说明振动越大；峭度因子对轴承的故障冲击非常敏感，正常轴承振动信号的幅值基本满足正态分布，峭度因子接近3.0，当轴承出现故障时，使得信号幅值的分布偏离正态分布，从而导致峭度指标大于3.0；峭度因子数值就越大，说明故障越严重，计算式为：

其中，均值

n表示振动信号的采样点数；x_j表示第j个振动信号的幅值。

提取振动信号中的相关参数，操作简单，利于后续使用。

本发明的一种优选方案中，对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子，进行综合决策的方法如下：

设辨识框架Θ＝{轻微故障，严重故障，正常}，运用D-S证据理论对温升速率T_v、均方根值x_rms、峭度因子K_v、A计权指标x_Ak四个特征进行综合决策，设置相应的基本概率分配函数分别为m1、m2、m3、m4；

由于单一传感器获得的信息具有局限性，传感器的可靠性无法保证，会出现误诊情况，诊断精度有时也难以达到要求，为了得到准确的识别结果，需多个传感器获取故障信息，运用D-S证据理论的Dempster合成规则提高诊断精度：

A为辨识框架Θ的一个子集，表示一种可能出现的情况；此时A有3种情况，它们之间是互斥的，即A1表示轻微故障，A2表示严重故障，A3表示正常；

A1∩A2∩A3＝A表示A1、A2和A3的公共部分为A；

表示对于情况A融合证据m1、m2、m3、m4得到的基本概率分配函数，即对A的信任程度；

K表示证据m1、m2、m3、m4之间的冲突程度系数；

根据决策规则：存在

满足：

若有

m(A₁)-m(A₂)＞ε₁,

m(Θ)＜ε₂,

m(A₁)＞m(Θ),

则A₁为决策的结果，其中ε₁、ε₂为预先设定的阈值，根据具体情况进行选择。m(A1)为概率最大的值，m(A2)为概率第二大的值，若两者满足对应的比较关系，就认为m(A1)对应的A1情况可能性最大，即A1决策结果。

本发明还提供一种电梯状态监测装置，如图2和图3所示，包括温度感知单元与转速感知单元、振动与声音感知单元和多信息智能处理单元5。温度与转速感知单元包括温度传感器1和转速传感器2，振动与声音感知单元包括加速度传感器3和声音传感器4。

温度与转速感知单元用于获取曳引机转轴的运行温度和转速信息，便于对曳引机的运转情况与轴承部件的润滑情况进行监测。温度与转速感知单元可拆卸安装在曳引机转轴端面上，如以外置的方式通过螺纹联接安装在曳引机转轴端面，传递路径短，信号更可靠。

振动与声音感知单元固定安装在曳引机外壳顶端中部，如以外置的方式通过螺钉固定安装在曳引机外壳顶端中部。振动与声音感知单元用于获取曳引机的振动和噪声信息，便于对曳引轮的运转情况与振动冲击大小进行监测。

多信息智能处理单元5用于实时接收温度与转速感知单元，以及振动与声音感知单元采集的振动、转速、噪声、温度信号，并执行本发明所述方法，进行分析处理及数据融合，判断曳引机的运行状态。多信息智能处理单元5采用微处理器，微处理器通过I2C接口分别与温度传感器、加速度传感器、转速传感器和声音传感器电性连接，多信息智能处理单元5的串口可通过WiFi、蓝牙、4G/5G网络等无线通讯模块，将信息传输至远程终端或主机。温度感知单元与转速感知单元可通过内置电池供电，多信息智能处理单元5和振动与声音感知单元集成一体设置，采用螺钉固定在曳引机外壳顶端中部，将电源线连接至曳引机电源进行有线供电，如USB有线供电。

本发明的一种优选方案中，电梯状态监测装置还包括无线通信模块，温度与转速感知单元和振动与声音感知单元的输出端，通过无线通信模块与多信息智能处理单元5电性连接。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种电梯状态监测方法，其特征在于，包括如下步骤：

实时采集曳引机转轴的运行温度、转速、振动和噪声信息；

根据曳引机转轴的转速信号，输出电梯的启停状态；

电梯处于启动状态时，基于曳引机转轴的温度信号，计算曳引机转轴当前温度信号与初始温度信号变化的温升速率；

利用噪声信号和振动信号，分别计算声音A计权指标，以及振动信号的时域特征均方根值和峭度因子；

对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子，进行综合决策，判断曳引机的运行状态。

2.如权利要求1所述的电梯状态监测方法，其特征在于，计算曳引机转轴当前温度信号与初始温度信号变化的温升速率的方法为：

其中，T_m表示曳引机转轴的当前温度信号，T₁表示曳引机转轴的初始温度信号，t_m表示曳引机转轴当前温度信号对应的时间，t₁表示曳引机转轴初始温度信号对应的时间。

3.如权利要求1所述的电梯状态监测方法，其特征在于，计算声音A计权指标的方法如下：

噪声的大小用A计权指标x_Ak进行衡量，A计权指标值越大，说明噪声越大，进一步说明故障越严重，表达式为：

x_Ak＝α_A(f_k)x_k

其中，滤波器系数

f_k＝kΔf，频率分辨率

x_k为将原始噪声信号数据x_i进行离散傅里叶变换得到的数据，

f_s为采样频率，N为采样点数，f_k表示对应点的频域离散值。

4.如权利要求1所述的电梯状态监测方法，其特征在于，计算振动信号的时域特征均方根值和峭度因子的方法如下：

提取振动信号的时域特征均方根值xrms和峭度因子K_v，时域特征均方根值反映振动的大小，均方根值越大说明振动越大；峭度因子数值就越大，说明故障越严重，计算式为：

其中，均值

n表示振动信号的采样点数；x_j表示第j个振动信号的幅值。

5.如权利要求1所述的电梯状态监测方法，其特征在于，对温升速率，声音A计权指标，以及振动信号的时域特征均方根值和峭度因子，进行综合决策的方法如下：

设辨识框架Θ＝{轻微故障，严重故障，正常}，对温升速率T_v、均方根值x_rms、峭度因子K_v、A计权指标x_Ak四个特征，设置相应的基本概率分配函数分别为m1、m2、m3、m4；

由于单一传感器获得的信息具有局限性，传感器的可靠性无法保证，会出现误诊情况，诊断精度有时也难以达到要求，为了得到准确的识别结果，需多个传感器获取故障信息，运用D-S证据理论的Dempster合成规则提高诊断精度：

A为辨识框架Θ的一个子集，表示一种可能出现的情况；此时A有3种情况，它们之间是互斥的，即A1表示轻微故障，A2表示严重故障，A3表示正常；

A1∩A2∩A3＝A表示A1、A2和A3的公共部分为A；

表示对于情况A融合证据m1、m2、m3、m4得到的基本概率分配函数，即对A的信任程度；

K表示证据m1、m2、m3、m4之间的冲突程度系数；

根据决策规则：存在

满足：

若有

m(A₁)-m(A₂)＞ε₁,

m(Θ)＜ε₂,

m(A₁)＞m(Θ),

则A₁为决策的结果，其中ε₁、ε₂为预先设定的阈值，根据具体情况进行选择。

6.一种电梯状态监测装置，其特征在于，包括温度感知单元与转速感知单元、振动与声音感知单元和多信息智能处理单元；

所述温度与转速感知单元可拆卸安装在曳引机转轴端面上，温度与转速感知单元用于获取曳引机转轴的运行温度和转速信息；

所述振动与声音感知单元固定安装在曳引机外壳顶端中部，振动与声音感知单元用于获取曳引机的振动和噪声信息；

所述多信息智能处理单元用于实时接收温度与转速感知单元，以及振动与声音感知单元采集的振动、转速、噪声、温度信号，并执行权利要求1-5之一所述的方法，判断曳引机的运行状态。

7.如权利要求6所述的电梯状态监测装置，其特征在于，所述温度与转速感知单元包括温度传感器和转速传感器，所述振动与声音感知单元包括加速度传感器和声音传感器。

8.如权利要求6所述的电梯状态监测装置，其特征在于，还包括无线通信模块，所述温度与转速感知单元和振动与声音感知单元的输出端，通过无线通信模块与多信息智能处理单元连接。

Images