CN115659812A - 基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 - Google Patents
基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115659812A CN115659812A CN202211339387.4A CN202211339387A CN115659812A CN 115659812 A CN115659812 A CN 115659812A CN 202211339387 A CN202211339387 A CN 202211339387A CN 115659812 A CN115659812 A CN 115659812A
- Authority
- CN
- China
- Prior art keywords
- escalator
- data
- target
- iscs
- target escalator
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims description 104
- 230000002159 abnormal effect Effects 0.000 claims description 89
- 230000036541 health Effects 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000003449 preventive effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000003862 health status Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000005195 poor health Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Escalators And Moving Walkways (AREA)
Abstract
本申请涉及一种基于城轨ISCS的电扶梯寿命预测方法、系统、设备及介质，其包括实时获取目标电扶梯使用状态下的ISCS监测数据，根据所述ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集，获取目标电扶梯的历史运营数据，对所述历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型，将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测。本申请具有使剩余寿命预测模型的退役报废策略更加贴合电扶梯的真实使用情况，提高目标电扶梯的真实剩余使用寿命与寿命预测结果的适配性的效果。
Description
技术领域
本发明涉及电扶梯寿命预测的技术领域，尤其是涉及一种基于城轨ISCS的电扶梯寿命预测方法、系统、设备及介质。
背景技术
目前，出于群众出行便利性的需求，电扶梯也广泛应用在各大人群活动场所，电梯作为一种耗损型机械设备，随着使用时间的增加其性能和使用寿命会逐渐降低，容易出现电扶梯事故，随着电扶梯事故的频发，群众对电扶梯的安全使用剩余寿命的维保制度也提出了更严格的要求。
现有的电梯维保制度是通过对电扶梯进行定期预防性维修，和故障后的紧急抢修相结合的方式来保证电扶梯的安全使用剩余寿命，但是电扶梯作为耗损型设备，定期的预防性维修并不适用于每个时期下的电扶梯，如当电扶梯处于两个定期维保的时间节点之间，其零部件的部分零部件达到需要更换的“报废点”，则继续使用该“报废”零部件直到下一维保时间，显然会增加电扶梯事故的发生概率，因此，通过定期维保来检测电扶梯的安全使用剩余寿命的方式，不能与电扶梯的实际使用寿命的衰减程度进行很好的适配，与电扶梯的真实使用寿命的适配性较低。
上述对电扶梯的使用寿命进行维保的技术方案存在以下缺陷：通过定期维保来检测电扶梯的安全使用剩余寿命的方式，不能与电扶梯的实际使用寿命的衰减程度进行很好的适配，与电扶梯的真实使用寿命的适配性较低。
发明内容
为了提高电扶梯的真实剩余使用寿命与寿命预测结果的适配性，本申请提供一种基于城轨ISCS的电扶梯寿命预测方法、系统、设备及介质。
本申请的上述发明目的一是通过以下技术方案得以实现的：
提供一种基于城轨ISCS的电扶梯寿命预测方法，所述基于城轨ISCS的电扶梯寿命预测方法包括：
实时获取目标电扶梯使用状态下的ISCS监测数据；
根据所述ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集；
获取目标电扶梯的历史运营数据，对所述历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型；
将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测。
通过采用上述技术方案，由于电扶梯的定期维修往往不能监测到相邻维修节点之间出现的电扶梯故障数据，容易造成电扶梯安全事故，且ISCS系统监测到的电扶梯ISCS数据通常为开关量数据，且通常是对运行状态下的电扶梯进行监测，监测状态有限，运行状态下的电扶梯ISCS数据在同一使用状态下呈周期性平稳变化的状态，通常电扶梯的故障数据出现在使用状态切换时，因此，通过对目标电扶梯的实际使用状态下的ISCS监测数据对目标电扶梯的故障情况进行分析，从而得到疑似故障集，便于对符合疑似故障集的电扶梯运营状态进行重点监控，通过目标电扶梯的剩余寿命预测模型的构建，提高对目标电扶梯的剩余使用寿命的预测效率，通过将疑似故障集中的电扶梯运营数据输入至剩余寿命预测模型中进行快速分析，从而生成符合目标电扶梯的实际使用情况和实际寿命衰减情况的退役报废策略，有助于根据退役报废策略对目标电扶梯的剩余使用寿命进行预测，本申请根据符合目标电扶梯的真实使用情况的ISCS监测数据，来进行电扶梯剩余使用寿命预测，从而使剩余寿命预测模型的退役报废策略更加贴合电扶梯的真实使用情况，从而提高目标电扶梯的真实剩余使用寿命与寿命预测结果的适配性。
本申请在一较佳示例中可以进一步配置为：所述根据所述ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集，具体包括：
对所述ISCS监测数据中的运营时序数据进行计算，得到目标电扶梯的相邻使用状态变化的时序相关关系；
对所述运营时序数据进行数据滤波处理，得到目标电扶梯每个使用状态的变化时间节点所对应的状态切换结果集；
根据所述时序相关关系，对所述状态切换结果集中的异常状态数据进行数据筛选处理，得到符合目标电扶梯状态变化周期的疑似故障集。
通过采用上述技术方案，由于电扶梯的寿命衰减情况与电扶梯使用时限呈正相关关系，随着使用时间的不断增长，电扶梯的使用寿命也不断衰减，从而引起电扶梯故障的异常状态的频率也越高，因此，通过ISCS监测数据中的运营时序数据，来获取目标电扶梯的相邻使用状态变化时的时序相关关系，从而便于根据时序相关关系判断使用状态变化时是否发生异常，并通过对运营时序数据进行数据滤波处理，将呈周期性平稳变化且符合电扶梯正常衰减情况的数据进行滤除，从而有助于根据状态切换结果集对每个实用状态切换时是否存在数据异常进行精准监测，有助于减少剩余寿命预测模型的运算压力和提高监测精度；根据时序相关关系，对状态切换结果集中的异常状态数据进行再次筛选，将符合电扶梯正常衰减情况的状态切换数据清除，并保留存在异常变化的异常状态数据，得到符合电扶梯实际使用故障的疑似故障集，从而提高电扶梯实际使用故障与剩余寿命预测结果的关联性。
本申请在一较佳示例中可以进一步配置为：所述根据所述时序相关关系，对所述状态切换结果集中的异常状态数据进行数据筛选处理，得到符合目标电扶梯状态变化周期的疑似故障集，还包括：
将所述ISCS监测数据中的历史维保数据与所述疑似故障集进行关联，构建每个异常状态与对应的历史维保数据之间的故障关联关系；
根据所述故障关联关系，预测目标电扶梯的每个异常状态所对应的电扶梯故障模式，生成目标电扶梯的故障模式集合。
通过采用上述技术方案，通过ISCS监测数据中的历史维保数据，对疑似故障集中与历史维保数据相符合的非故障数据进行快速筛选，并根据每个异常状态的故障数据与历史维保数据之间的契合程度来构建故障关联关系，有助于根据故障关联关系来快速预测每个异常状态所对应的故障模式，提高目标电扶梯的故障模式预测效率，根据对每个异常状态的电扶梯故障模式的预测结果，得到目标电扶梯的故障模式合集，有助于根据故障模式合集对剩余寿命预测模型的预测结果的正确性进行验证，并对剩余寿命预测模型进行动态更新，使剩余寿命预测模型的预测结果更加符合电扶梯的实际寿命衰减情况，提高剩余寿命预测模型的预测正确性。
本申请在一较佳示例中可以进一步配置为：，所述将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测，具体包括：
将所述疑似故障集中的每个故障异常数据分别与所述剩余寿命预测模型中的异常指标进行比对，得到异常数据比对结果；
根据所述异常数据比对结果，对目标电扶梯的异常原因进行分析，得到目标电扶梯的异常原因数据；
根据所述异常原因数据，生成符合目标电扶梯的实际使用寿命衰减情况的，且用于对所述异常原因数据进行维修分析的退役报废策略。
通过采用上述技术方案，由于电扶梯卡门、电梯门无法正常合拢等异常情况、电扶梯的使用频率以及所采用的零部件等都属于电扶梯的故障发生原因，因此，通过每个故障异常数据与剩余寿命预测模型中对应的异常指标进行比对，判断当前的故障异常数据是否符合电扶梯的当前使用寿命的正常衰减情况，从而得到异常数据比对结果，有助于根据异常数据比对结果，并结果历史维保数据来对目标电扶梯的异常原因进行分析，并根据异常原因数据生成对应的退役报废策略，从而有助于维保人员根据退役报废策略快速获知目标电扶梯的实际使用寿命衰减情况，以及对应的故障异常原因和维修建议分析，从而提高维保人员对目标电扶梯的维保效率。
本申请在一较佳示例中可以进一步配置为：所述将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测，还包括：
根据所述目标电扶梯的退役报废策略，获取目标电扶梯实际使用寿命所对应的维修预警阈值；将所述ISCS监测数据中的运营数据与对应的所述维修预警阈值分别进行比对，得到运营比对结果；
根据所述运营比对结果对目标电扶梯进行健康状态评估处理，得到目标电扶梯的健康状态评估结果；
根据所述健康状态评估结果对目标电扶梯进行侦测预警处理，生成用于提醒运营人员进行维修的维修预警信号。
通过采用上述技术方案，通过目标电扶梯的退役报废策略来获知实际使用寿命对应的维修预警阈值，有助于根据维修预警阈值获知目标电扶梯的报废拐点，对达到报废拐点的电扶梯进行及时有效的监控，通过每个ISCS监测数据中的运营数据与对应的维修预警阈值的比对结果，来判断目标电扶梯的使用可靠性，从而便于对目标电扶梯的健康状态进行评估处理，根据健康状态评估结果获知不同健康状态下的目标电扶梯的实际寿命衰减情况，从而生成对目标电扶梯进行侦测预警的维修预警信号，便于提醒运营人员及时对目标电扶梯进行维修处理，通过对目标电扶梯进行及时的预防性维修，来减少电扶梯故障发生的频率，提高目标电扶梯的使用可靠性。
本申请在一较佳示例中可以进一步配置为：所述根据所述健康状态评估结果对目标电扶梯进行侦测预警处理，生成用于提醒运营人员进行维修的维修预警信号，还包括：
获取符合目标电扶梯实际维保情况的经济指标；
根据所述经济指标和所述维修预警信号，判断当前健康状态下的目标电扶梯是否需要进行维修；
若是，则生成符合所述经济指标的维修策略，以便于根据所述维修策略对目标电扶梯进行预防性维修。
通过采用上述技术方案，由于电扶梯的维护与保养情况不仅与电扶梯的使用寿命相关，也与电扶梯运维时所需要的经济成本相关联，因此，为了使目标电扶梯的实际运维情况更加贴合企业的运维成本，通过引入符合目标电扶梯实际维保情况的经济指标，将目标电扶梯的维保成本控制在企业的运维成本之下，符合企业的经济效益，且随着电扶梯的使用时限的增长、维修次数的增加以及相邻维修间隔的缩短等都会造成维修成本的增高，因此，通过符合企业运维成本的经济指标和维修预警信号，来判断当前健康状态下的目标电扶梯是否需要进行维修，从而使目标电扶梯的维保成本满足企业经济指标的需求，并生成符合经济指标和维修策略，从而便于运维人员在满足经济指标的需求下对目标电扶梯进行预防性维修，提高目标电扶梯的维保情况与企业经济指标的契合程度，降低维修资源和成本的浪费。
本申请在一较佳示例中可以进一步配置为：所述获取目标电扶梯的历史运营数据，对所述历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型，还包括：
获取无干扰状态下的电扶梯的正常衰减数据，并绘制成符合电扶梯正常衰减状态的标准寿命衰减曲线；
根据历史运营数据的数据训练结果，构建相邻使用状态下的数据拐点之间的衰减关联关系；根据所述衰减关联关系，计算符合目标电扶梯实际衰减情况的每个数据拐点的衰减系数；
根据所述衰减系数与对应状态下的所述标准寿命衰减曲线的拟合程度，生成目标电扶梯每个数据拐点的预警阈值。
通过采用上述技术方案，通过无干扰的理想状态下的电扶梯正常衰减数据，来绘制目标电扶梯的标准寿命衰减曲线，有助于根据标准寿命衰减曲线对投入使用的目标电扶梯的寿命衰减情况提供一个衰减参考，从而有助于判断目标电扶梯是否在运行过程中出现故障，根据相邻数据拐点之间的衰减关联关系，计算相邻使用状态之间的衰减斜率作为衰减系数，并根据每个数据拐点的衰减系数与对应状态下的标准寿命衰减曲线的拟合程度，来生成目标电扶梯的预警阈值，从而有助于根据预警阈值判断对应数据拐点处是否存在数据异常，从而快速对目标电扶梯的故障进行判断，根据每个数据拐点的预警阈值对剩余寿命预测模型的故障判断策略进行更新，从而提高剩余寿命预测模型对目标电扶梯的故障预测准确性。
本申请的上述发明目的二是通过以下技术方案得以实现的：
一种基于城轨ISCS的电扶梯寿命预测系统，所述基于城轨ISCS的电扶梯寿命预测系统包括：
数据获取模块，用于实时获取目标电扶梯使用状态下的ISCS监测数据；
数据筛选模块，用于根据所述ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集；
数据训练模块，用于获取目标电扶梯的历史运营数据，对所述历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型；
数据分析模块，用于将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测。
通过采用上述技术方案，由于电扶梯的定期维修往往不能监测到相邻维修节点之间出现的电扶梯故障数据，容易造成电扶梯安全事故，且ISCS系统监测到的电扶梯ISCS数据通常为开关量数据，且通常是对运行状态下的电扶梯进行监测，监测状态有限，运行状态下的电扶梯ISCS数据在同一使用状态下呈周期性平稳变化的状态，通常电扶梯的故障数据出现在使用状态切换时，因此，通过对目标电扶梯的实际使用状态下的ISCS监测数据对目标电扶梯的故障情况进行分析，从而得到疑似故障集，便于对符合疑似故障集的电扶梯运营状态进行重点监控，通过目标电扶梯的剩余寿命预测模型的构建，提高对目标电扶梯的剩余使用寿命的预测效率，通过将疑似故障集中的电扶梯运营数据输入至剩余寿命预测模型中进行快速分析，从而生成符合目标电扶梯的实际使用情况和实际寿命衰减情况的退役报废策略，有助于根据退役报废策略对目标电扶梯的剩余使用寿命进行预测，本申请根据符合目标电扶梯的真实使用情况的ISCS监测数据，来进行电扶梯剩余使用寿命预测，从而使剩余寿命预测模型的退役报废策略更加贴合电扶梯的真实使用情况，从而提高目标电扶梯的真实剩余使用寿命与寿命预测结果的适配性。
本申请的上述目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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上述基于城轨ISCS的电扶梯寿命预测方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于城轨ISCS的电扶梯寿命预测方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1、通过对目标电扶梯的实际使用状态下的ISCS监测数据对目标电扶梯的故障情况进行分析，从而得到疑似故障集，便于对符合疑似故障集的电扶梯运营状态进行重点监控，通过目标电扶梯的剩余寿命预测模型的构建，提高对目标电扶梯的剩余使用寿命的预测效率，通过将疑似故障集中的电扶梯运营数据输入至剩余寿命预测模型中进行快速分析，从而生成符合目标电扶梯的实际使用情况和实际寿命衰减情况的退役报废策略，有助于根据退役报废策略对目标电扶梯的剩余使用寿命进行预测，本申请根据符合目标电扶梯的真实使用情况的ISCS监测数据，来进行电扶梯剩余使用寿命预测，从而使剩余寿命预测模型的退役报废策略更加贴合电扶梯的真实使用情况，从而提高目标电扶梯的真实剩余使用寿命与寿命预测结果的适配性；
2、通过ISCS监测数据中的运营时序数据，来获取目标电扶梯的相邻使用状态变化时的时序相关关系，从而便于根据时序相关关系判断使用状态变化时是否发生异常，并通过对运营时序数据进行数据滤波处理，将呈周期性平稳变化且符合电扶梯正常衰减情况的数据进行滤除，从而有助于根据状态切换结果集对每个实用状态切换时是否存在数据异常进行精准监测，有助于减少剩余寿命预测模型的运算压力和提高监测精度；根据时序相关关系，对状态切换结果集中的异常状态数据进行再次筛选，将符合电扶梯正常衰减情况的状态切换数据清除，并保留存在异常变化的异常状态数据，得到符合电扶梯实际使用故障的疑似故障集，从而提高电扶梯实际使用故障与剩余寿命预测结果的关联性；
3、通过ISCS监测数据中的历史维保数据，对疑似故障集中与历史维保数据相符合的非故障数据进行快速筛选，并根据每个异常状态的故障数据与历史维保数据之间的契合程度来构建故障关联关系，有助于根据故障关联关系来快速预测每个异常状态所对应的故障模式，提高目标电扶梯的故障模式预测效率，根据对每个异常状态的电扶梯故障模式的预测结果，得到目标电扶梯的故障模式合集，有助于根据故障模式合集对剩余寿命预测模型的预测结果的正确性进行验证，并对剩余寿命预测模型进行动态更新，使剩余寿命预测模型的预测结果更加符合电扶梯的实际寿命衰减情况，提高剩余寿命预测模型的预测正确性。
附图说明
图1是一实施例中一种基于城轨ISCS的电扶梯寿命预测方法的实现流程图。
图2是一实施例中一种基于城轨ISCS的电扶梯寿命预测方法步骤S20的实现流程图。
图3是一实施例中基于城轨ISCS的电扶梯寿命预测方法步骤S20的另一实现流程图。
图4是一实施例中基于城轨ISCS的电扶梯寿命预测方法步骤S20的另一实现流程图。
图5是一实施例中基于城轨ISCS的电扶梯寿命预测方法步骤S40的实现流程图。
图6是一实施例中基于城轨ISCS的电扶梯寿命预测方法步骤S40的另一实现流程图。
图7是一实施例中基于城轨ISCS的电扶梯寿命预测方法步骤S504的另一实现流程图。
图8是一实施例中一种基于城轨ISCS的电扶梯寿命预测系统的结构示意图。
图9是实施例中实现基于城轨ISCS的电扶梯寿命预测方法的计算机设备的内部结构图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中，如图1所示，本申请公开了一种基于城轨ISCS的电扶梯寿命预测方法方法，具体包括如下步骤：
S10：实时获取目标电扶梯使用状态下的ISCS监测数据。
具体的，ISCS监测数据为城市轨道交通综合监控系统对监测范围内的电扶梯设备的实时状态采集到的数据；目标电扶梯的使用状态为电扶梯投入使用后的故障早发期、故障偶发期、故障耗损期直至故障报废期等，通过城市轨道交通综合监控系统对不同使用阶段下的目标电扶梯的运营情况进行监测，得到目标电扶梯的ISCS监测数据。
S20：根据ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集。
具体的，如图2所示，步骤S20具体包括以下步骤：
S101：对ISCS监测数据中的运营时序数据进行计算，得到目标电扶梯的相邻使用状态变化的时序相关关系。
具体的，城市轨道交通综合监控系统所提供的电扶梯监测数据为呈周期性平稳变化的开关量，以奇偶时序变化形式表现不同使用状态的切换，通过对ISCS监测数据中的运营时序数据进行计算，如对相邻时序的奇偶变化之间的起始时间和结束时间进行减运算，从而得到每个使用状态的起始时间和结束时间节点，根据目标电扶梯使用时间的顺序，将对应的使用状态的切换状态的ISCS数据与对应的使用时间进行关联，从而得到目标电扶梯的相邻使用状态变化的时序相关关系。
S102：对运营时序数据进行数据滤波处理，得到目标电扶梯每个使用状态的变化时间节点所对应的状态切换结果集。
具体的，通过数字滤波器对运营时序数据进行数据滤波处理，将部分异常抖动数据进行过滤，如将同一使用状态过程中的电扶梯履带异常抖动所引起的数据拨动进行滤除，从而得到电扶梯每个使用状态下，呈平稳变化的每个使用状态的状态切换数据，并按照电扶梯的运营时间顺序将每个使用状态的变化时间节点所对应的状态切换数据进行汇总得到状态切换结果集。
S103：根据时序相关关系，对状态切换结果集中的异常状态数据进行数据筛选处理，得到符合目标电扶梯状态变化周期的疑似故障集。
具体的，异常状态数据包括电扶梯超载、电扶梯异常启停或清洁时设备进水等异常情况导致电扶梯出现不符合正常运营状态的状态切换，按照时序相关关系对异常状态切换下所产生的异常状态切换数据进行汇总，得到疑似故障集。
具体的，如图3所示，步骤S20还包括：
S201：将ISCS监测数据中的历史维保数据与疑似故障集进行关联，构建每个异常状态与对应的历史维保数据之间的故障关联关系。
具体的，目标电扶梯的历史维保数据为目标电扶梯从投入使用到当前的维修与保养所产生的数据，根据历史维保数据中的目标电扶梯的性能参数与维修数据与疑似故障集中的相关数据进行匹配，根据匹配结果得到疑似故障集中的每个异常状态与历史维保数据之间的故障关联关系，如电扶梯进水、电扶梯老化、电扶梯异常启停或电扶梯载人数量超过对应使用寿命的负载能力等所对应的异常状态的每一项参数数据与历史维保数据分别进行匹配，根据匹配相似性，来获取每个异常状态可能对应的故障情况，从而得到故障关联关系。
S202：根据故障关联关系，预测目标电扶梯的每个异常状态所对应的电扶梯故障模式，生成目标电扶梯的故障模式集合。
具体的，根据故障关联关系中每个异常参数的匹配相似性，对超过预设相似性阈值的异常状态判定为符合历史维修数据中所匹配的电扶梯故障模式，从而生成目标电扶梯的每个异常状态所对应的电扶梯故障模式集合。
S30：获取目标电扶梯的历史运营数据，对历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型。
具体的，按照目标电扶梯的运营时间顺序，通过威布尔分布函数对历史运营数据进行计算，调取历史运营数据中的故障数据，并将相邻两次故障的时间间隔作为计算参数对目标电扶梯的故障率λ进行计算，计算公式为
其中，其中，β>0，0<θ≤90°，t≥0，其中β代表目标电扶梯的使用面积，θ代表目标电扶梯的运行角度，如轿厢式电梯的θ值为90°，t代表相邻两次故障的时间间隔，λ(t)表示运营时间节点下的目标电扶梯的故障率，按照运营时间顺序对相邻故障率之间的斜率进行计算，从而得到按运营时间排列的目标电扶梯的寿命衰减值，将目标电扶梯从投入使用到当前时间节点的所有寿命衰减值绘制成寿命衰减曲线，根据目标电扶梯的寿命衰减曲线得到剩余寿命预测模型。
在一实施例中，为了更好地验证剩余寿命预测结果的准确性，如图4所示，步骤S30具体包括以下步骤：
S301：获取无干扰状态下的电扶梯的正常衰减数据，并绘制成符合电扶梯正常衰减状态的标准寿命衰减曲线。
具体的，在目标电扶梯投入使用之前，将与目标电扶梯同批次的电扶梯作为测试电扶梯进行运行性能测试，并获取测试电扶梯在无干扰情况下的运行参数，并根据运行时间绘制成寿命衰减曲线，作为标准寿命衰减曲线。
S302：根据历史运营数据的数据训练结果，构建相邻使用状态下的数据拐点之间的衰减关联关系。
具体的，根据历史运营数据的数据训练结果，对历史运营数据中相邻使用状态的数据拐点进行标记，并计算相邻使用状态下的数据拐点的衰减斜率，如将目标电扶梯的性格耗损差值和相邻两次状态切换时间间隔之间的商值作为衰减斜率，其中，性能耗损差值可以包括零件磨损值、运行速率包括启动或停止时的变化值等，根据衰减斜率得到相邻使用状态下的数据拐点之间的衰减关联关系。
S303：根据衰减关联关系，计算符合目标电扶梯实际衰减情况的每个数据拐点的衰减系数。
具体的，根据衰减关联关系，将每个数据拐点处的衰减斜率值与目标电扶梯的剩余寿命衰减值之间的商值作为对应数据拐点的衰减系数，其中，目标电扶梯的剩余寿命衰减值由剩余寿命预测模型计算得出，为目标电扶梯从投入使用至当前运行时间节点时的综合的剩余寿命衰减值。
S304：根据衰减系数与对应状态下的标准寿命衰减曲线的拟合程度，生成目标电扶梯每个数据拐点的预警阈值。
具体的，根据目标电扶梯的运行阶段和运行时间，将对应运行状态的衰减系数与标准衰减曲线进行拟合，根据拟合结果计算衰减误差，如将对应运行时间节点处的标准衰减数值与衰减系数进行减运算，当差值≥0时，说明目标电扶梯的衰减情况符合标准寿命衰减曲线，此时将标准寿命衰减曲线的标准衰减数值作为对应数据拐点的预警阈值；当差值＜0时，说明目标电扶梯的实际寿命衰减情况超过了标准寿命衰减曲线的标准衰减值，则将实际的衰减系数作为当前数据拐点的预警阈值，使预警阈值符合目标电扶梯的实际使用情况。
S40：将疑似故障集输入至剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据退役报废策略对目标电扶梯的剩余使用寿命进行预测。
具体的，如图5所示，步骤S40具体包括以下步骤：
S401：将疑似故障集中的每个故障异常数据分别与剩余寿命预测模型中的异常指标进行比对，得到异常数据比对结果。
具体的，当疑似故障集中的数据输入到剩余寿命预测模型中后，在模型中将每个故障异常数据分别与对应的时间序列下的异常指标进行比对，如在电扶梯的运行过程中出现的异常抖动，使本应平稳变化的数据突然出现异常高或异常低的波动数据，从而将该对应的异常波动数据作为异常数据比对结果输出；再或者在电梯的正常启停过程中出现外力影响使电梯的启动或停止状态保持时间过长，从而造成电梯零部件的异常耗损，将该对应的异常耗损数据作为异常数据比对结果输出。
S402：根据异常数据比对结果，对目标电扶梯的异常原因进行分析，得到目标电扶梯的异常原因数据。
具体的，根据目标电扶梯的异常数据比对结果，结合目标电扶梯的历史维保数据，对目标电扶梯的异常数据产生原因进行分析，如根据异常数据产生的时序数据，获取对应时间节点下的实际电梯运营情况，如获取电扶梯的监控视频进行图像识别，获取对应时间节点下的电梯抖动图像数据、电梯门启闭异常图像数据或设备的具体进水图像数据等，并结合目标电扶梯的历史维保数据判断目标电扶梯是否存在相匹配的故障场景，并根据异常数据的匹配结果，调用历史维保数据中对应的故障分析数据，与对应时间节点下的图像数据，得到目标电扶梯的异常原因数据，如电梯门存在障碍物抵挡电梯正常启闭、电梯零部件存在进水情况或电梯超载等。
S403：根据异常原因数据，生成符合目标电扶梯的实际使用寿命衰减情况的，且用于对异常原因数据进行维修分析的退役报废策略。
具体的，根据异常原因数据，生成与目标电扶梯的实际使用情况相对应的，且用于对异常原因数据进行维修分析的退役报废策略，如对进水的具体零部件进行及时更换、提醒运维人员及时将影响启闭的障碍物移开或对超过当前使用性能的运行重量发出提醒等。
在一实施例中，为了提高退役报废策略和实际使用寿命的契合程度，如图6所示，步骤S40还包括：
S501：根据目标电扶梯的退役报废策略，获取目标电扶梯实际使用寿命所对应的维修预警阈值。
具体的，根据目标电扶梯的退役报废策略，获取目标电扶梯的实际使用寿命的维修预警阈值，如根据使用时间的不断正常，电梯履带的磨损耗损情况加剧，导致承载重量从500公斤下降至200公斤，则此时对于承载重量的维修预警阈值从500公斤变更为200公斤，从而使维修预警阈值更加贴合目标电扶梯的实际使用寿命。
S502：将ISCS监测数据中的运营数据与对应的维修预警阈值分别进行比对，得到运营比对结果。
具体的，将ISCS监测数据中的电扶梯的运营数据与对应的维修预警阈值分别进行比对，如可承载重量、运行速率、惯性缓冲距离和状态切换间隔等多个运营数据的比对，从而得到目标电扶梯的运营比对结果。
S503：根据运营比对结果对目标电扶梯进行健康状态评估处理，得到目标电扶梯的健康状态评估结果。
具体的，根据每项运营比对结果，对当前运营阶段的目标电扶梯的健康状态进行评估，如根据目标电扶梯的故障早发期、故障偶发期、故障耗损期直至故障报废期分别对应设置目标电扶梯的健康状态为优、良、中、差等四种健康状态，并根据运营比对结果如零部件的耗损情况、电梯多次启闭异常导致电梯门无法对准闭合等多个运营比对结果，并结合电扶梯的实际使用寿命来综合判断目标电扶梯的当前健康状态，从而得到健康状态评估结果。
S504：根据健康状态评估结果对目标电扶梯进行侦测预警处理，生成用于提醒运营人员进行维修的维修预警信号。
具体的，当目标电扶梯的当前使用寿命下的健康状态评估结果为中时，则说明电扶梯出现故障的几率较大，需要运维人员重点关注或者对目标电扶梯进行保养；当目标电扶梯的健康状态评估结果为差时，说明目标电扶梯中已经出现了到达使用寿命的零部件或者目标电扶梯达到可退役的时间节点，则需要对目标电扶梯进行及时的维修或者进行目标电扶梯的报废更换等，从而根据目标电扶梯的健康状态评估结果生成对应的维修预警信号，通过对目标电扶梯的提前预警，减少目标电扶梯的故障发生概率。
本实施例中，为了使目标电扶梯的实际维保情况符合企业的电梯运维成本指标，如图7所示，步骤S504还包括：
S601：获取符合目标电扶梯实际维保情况的经济指标。
具体的，在电梯设置的特定位置人为输入目标电扶梯的运维经济指标，并通过对特定位置的字符段进行提取，得到符合目标电扶梯实际维保情况的经济指标。
S602：根据经济指标和维修预警信号，判断当前健康状态下的目标电扶梯是否需要进行维修。
具体的，根据经济指标和对应的维修预警信号来综合判断当前健康状态下的目标电扶梯是否需要进行维修，如在不考虑经济指标的情况下，对健康状态为中或差的目标电扶梯需要进行全面检查或零部件更换，并对应生成全面检查或零部件更换的维修预警信号；在引入经济指标后，若经济指标较低，不能满足当前健康状态下的全面检查或多个零部件同时更换经济成本需求，则根据零部件的具体磨损情况，对部分必须更换的零部件进行更换，从而使当前健康状态下的维修状况符合企业的经济指标。
S603：若是，则生成符合经济指标的维修策略，以便于根据维修策略对目标电扶梯进行预防性维修。
具体的，目标电扶梯在满足经济指标的前提下，根据具体的零部件坏损情况，生成对应的维修策略，从而便于维修人员根据维修策略对目标电扶梯进行预防性维修，减少对电扶梯全面检查所需的检查成本。
S604：若否，则对目标电扶梯的运维情况进行持续监控。
具体的，若当前健康状态下的目标电扶梯不需要维修，即目标电扶梯的各个零部件以及目标电扶梯的整体运行性能都符合经济指标且满足当前寿命衰减情况，则不需要对目标电扶梯进行维修，通过ISCS系统对目标电扶梯进行持续监控。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种基于城轨ISCS的电扶梯寿命预测系统，该基于城轨ISCS的电扶梯寿命预测系统与上述实施例中基于城轨ISCS的电扶梯寿命预测方法一一对应。如图8所示，该基于城轨ISCS的电扶梯寿命预测系统包括数据获取模块、数据筛选模块、数据训练模块和数据分析模块。各功能模块详细说明如下：
数据获取模块，用于实时获取目标电扶梯使用状态下的ISCS监测数据。
数据筛选模块，用于根据ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集。
数据训练模块，用于获取目标电扶梯的历史运营数据，对历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型。
数据分析模块，用于将疑似故障集输入至剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据退役报废策略对目标电扶梯的剩余使用寿命进行预测。
关于基于城轨ISCS的电扶梯寿命预测系统的具体限定可以参见上文中对于基于城轨ISCS的电扶梯寿命预测方法的限定，在此不再赘述。上述基于城轨ISCS的电扶梯寿命预测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标电扶梯的ISCS监测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于城轨ISCS的电扶梯寿命预测方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述一种基于城轨ISCS的电扶梯寿命预测方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于城轨ISCS的电扶梯寿命预测方法，其特征在于，所述基于城轨ISCS的电扶梯寿命预测方法包括：
实时获取目标电扶梯使用状态下的ISCS监测数据；
根据所述ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集；
获取目标电扶梯的历史运营数据，对所述历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型；
将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测。
2.根据权利要求1所述的基于城轨ISCS的电扶梯寿命预测方法，其特征在于，所述根据所述ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集，具体包括：
对所述ISCS监测数据中的运营时序数据进行计算，得到目标电扶梯的相邻使用状态变化的时序相关关系；
对所述运营时序数据进行数据滤波处理，得到目标电扶梯每个使用状态的变化时间节点所对应的状态切换结果集；
根据所述时序相关关系，对所述状态切换结果集中的异常状态数据进行数据筛选处理，得到符合目标电扶梯状态变化周期的疑似故障集。
3.根据权利要求2所述的基于城轨ISCS的电扶梯寿命预测方法，其特征在于，所述根据所述时序相关关系，对所述状态切换结果集中的异常状态数据进行数据筛选处理，得到符合目标电扶梯状态变化周期的疑似故障集，还包括：
将所述ISCS监测数据中的历史维保数据与所述疑似故障集进行关联，构建每个异常状态与对应的历史维保数据之间的故障关联关系；
根据所述故障关联关系，预测目标电扶梯的每个异常状态所对应的电扶梯故障模式，生成目标电扶梯的故障模式集合。
4.根据权利要求1所述的基于城轨ISCS的电扶梯寿命预测方法，其特征在于，所述将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测，具体包括：
将所述疑似故障集中的每个故障异常数据分别与所述剩余寿命预测模型中的异常指标进行比对，得到异常数据比对结果；
根据所述异常数据比对结果，对目标电扶梯的异常原因进行分析，得到目标电扶梯的异常原因数据；
根据所述异常原因数据，生成符合目标电扶梯的实际使用寿命衰减情况的，且用于对所述异常原因数据进行维修分析的退役报废策略。
5.根据权利要求1所述的基于城轨ISCS的电扶梯寿命预测方法，其特征在于，所述将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测，还包括：
根据所述目标电扶梯的退役报废策略，获取目标电扶梯实际使用寿命所对应的维修预警阈值；
将所述ISCS监测数据中的运营数据与对应的所述维修预警阈值分别进行比对，得到运营比对结果；
根据所述运营比对结果对目标电扶梯进行健康状态评估处理，得到目标电扶梯的健康状态评估结果；
根据所述健康状态评估结果对目标电扶梯进行侦测预警处理，生成用于提醒运营人员进行维修的维修预警信号。
6.根据权利要求5所述的基于城轨ISCS的电扶梯寿命预测方法，其特征在于，所述根据所述健康状态评估结果对目标电扶梯进行侦测预警处理，生成用于提醒运营人员进行维修的维修预警信号，还包括：
获取符合目标电扶梯实际维保情况的经济指标；
根据所述经济指标和所述维修预警信号，判断当前健康状态下的目标电扶梯是否需要进行维修；
若是，则生成符合所述经济指标的维修策略，以便于根据所述维修策略对目标电扶梯进行预防性维修。
7.根据权利要求1所述的基于城轨ISCS的电扶梯寿命预测方法，其特征在于，所述获取目标电扶梯的历史运营数据，对所述历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型，还包括：
获取无干扰状态下的电扶梯的正常衰减数据，并绘制成符合电扶梯正常衰减状态的标准寿命衰减曲线；
根据历史运营数据的数据训练结果，构建相邻使用状态下的数据拐点之间的衰减关联关系；
根据所述衰减关联关系，计算符合目标电扶梯实际衰减情况的每个数据拐点的衰减系数；
根据所述衰减系数与对应状态下的所述标准寿命衰减曲线的拟合程度，生成目标电扶梯每个数据拐点的预警阈值。
8.一种基于城轨ISCS的电扶梯寿命预测系统，其特征在于，所述基于城轨ISCS的电扶梯寿命预测系统包括：
数据获取模块，用于实时获取目标电扶梯使用状态下的ISCS监测数据；
数据筛选模块，用于根据所述ISCS监测数据对目标电扶梯的故障数据进行数据筛选处理，生成目标电扶梯的疑似故障集；
数据训练模块，用于获取目标电扶梯的历史运营数据，对所述历史运营数据进行数据训练，构建目标电扶梯的剩余寿命预测模型；
数据分析模块，用于将所述疑似故障集输入至所述剩余寿命预测模型进行数据分析，生成目标电扶梯的退役报废策略，以便于根据所述退役报废策略对目标电扶梯的剩余使用寿命进行预测。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于城轨ISCS的电扶梯寿命预测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于城轨ISCS的电扶梯寿命预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211339387.4A CN115659812B (zh) | 2022-10-29 | 2022-10-29 | 基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211339387.4A CN115659812B (zh) | 2022-10-29 | 2022-10-29 | 基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115659812A true CN115659812A (zh) | 2023-01-31 |
| CN115659812B CN115659812B (zh) | 2023-06-09 |
Family
ID=84993455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211339387.4A Active CN115659812B (zh) | 2022-10-29 | 2022-10-29 | 基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115659812B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116136987A (zh) * | 2023-02-21 | 2023-05-19 | 北京思维实创科技有限公司 | 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 |
| CN116187981A (zh) * | 2023-04-21 | 2023-05-30 | 广东工业大学 | 一种基于历史维修数据的微波炉智能检测方法 |
| CN116452187A (zh) * | 2023-04-07 | 2023-07-18 | 北京思维实创科技有限公司 | 一种基于城轨iscs的电扶梯故障预测方法及系统 |
| CN117077873A (zh) * | 2023-10-18 | 2023-11-17 | 金现代信息产业股份有限公司 | 一种工器具报废预测方法、系统、设备及介质 |
| CN117113102A (zh) * | 2023-09-04 | 2023-11-24 | 贵州省机械电子产品质量检验检测院(贵州省农业机械质量鉴定站) | 一种电子元器件寿命预测方法 |
| CN117710759A (zh) * | 2024-02-06 | 2024-03-15 | 青岛哈尔滨工程大学创新发展中心 | 一种载人潜器故障和寿命预测系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06156965A (ja) * | 1992-11-24 | 1994-06-03 | Toshiba Erebeeta Technos Kk | エスカレータの遠隔監視システム |
| CN107991870A (zh) * | 2017-12-05 | 2018-05-04 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
| CN110654948A (zh) * | 2018-06-29 | 2020-01-07 | 哈尔滨工业大学 | 一种无维保情况下的电梯安全剩余使用寿命确定方法 |
| CN111401583A (zh) * | 2020-03-18 | 2020-07-10 | 北京天泽智云科技有限公司 | 基于预测性维护的自动扶梯全生命周期健康管理系统 |
| CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
| WO2022105266A1 (zh) * | 2020-11-17 | 2022-05-27 | 日立楼宇技术（广州）有限公司 | 电梯故障预测方法、系统、装置、计算机设备和存储介质 |
-
2022
- 2022-10-29 CN CN202211339387.4A patent/CN115659812B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06156965A (ja) * | 1992-11-24 | 1994-06-03 | Toshiba Erebeeta Technos Kk | エスカレータの遠隔監視システム |
| CN107991870A (zh) * | 2017-12-05 | 2018-05-04 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
| CN110654948A (zh) * | 2018-06-29 | 2020-01-07 | 哈尔滨工业大学 | 一种无维保情况下的电梯安全剩余使用寿命确定方法 |
| CN111401583A (zh) * | 2020-03-18 | 2020-07-10 | 北京天泽智云科技有限公司 | 基于预测性维护的自动扶梯全生命周期健康管理系统 |
| WO2022105266A1 (zh) * | 2020-11-17 | 2022-05-27 | 日立楼宇技术（广州）有限公司 | 电梯故障预测方法、系统、装置、计算机设备和存储介质 |
| CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| MILTOS KYRIAKIDIS等: "Metro railway safety: An analysis of accident precursors", 《SAFETY SCIENCE》, vol. 50, no. 7, pages 1535 - 1548, XP028423160, DOI: 10.1016/j.ssci.2012.03.004 * |
| 郝伟: "北京地铁电梯物联网监测系统的研究与应用", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑（月刊）》, no. 7 * |
| 高臻等: "车辆基地机电设备故障监测及诊断系统", 《城市轨道交通研究》, no. 12 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116136987A (zh) * | 2023-02-21 | 2023-05-19 | 北京思维实创科技有限公司 | 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 |
| CN116136987B (zh) * | 2023-02-21 | 2023-08-15 | 北京思维实创科技有限公司 | 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 |
| CN116452187A (zh) * | 2023-04-07 | 2023-07-18 | 北京思维实创科技有限公司 | 一种基于城轨iscs的电扶梯故障预测方法及系统 |
| CN116187981A (zh) * | 2023-04-21 | 2023-05-30 | 广东工业大学 | 一种基于历史维修数据的微波炉智能检测方法 |
| CN117113102A (zh) * | 2023-09-04 | 2023-11-24 | 贵州省机械电子产品质量检验检测院(贵州省农业机械质量鉴定站) | 一种电子元器件寿命预测方法 |
| CN117113102B (zh) * | 2023-09-04 | 2024-04-16 | 贵州省机械电子产品质量检验检测院(贵州省农业机械质量鉴定站) | 一种电子元器件寿命预测方法 |
| CN117077873A (zh) * | 2023-10-18 | 2023-11-17 | 金现代信息产业股份有限公司 | 一种工器具报废预测方法、系统、设备及介质 |
| CN117710759A (zh) * | 2024-02-06 | 2024-03-15 | 青岛哈尔滨工程大学创新发展中心 | 一种载人潜器故障和寿命预测系统及方法 |
| CN117710759B (zh) * | 2024-02-06 | 2024-04-26 | 青岛哈尔滨工程大学创新发展中心 | 一种载人潜器故障和寿命预测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115659812B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115659812A (zh) | 基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 | |
| Neves et al. | A condition-based maintenance policy and input parameters estimation for deteriorating systems under periodic inspection | |
| CN110765619B (zh) | 基于多状态参数的无失效屏蔽泵故障短期多步预测方法 | |
| CN111262750B (zh) | 一种用于评估基线模型的方法及系统 | |
| CN110703214B (zh) | 一种气象雷达状态评估和故障监测方法 | |
| Wang et al. | Preventive replacement for systems with condition monitoring and additional manual inspections | |
| KR102235728B1 (ko) | 전동차의 전기식 출입문 고장예측 장치 | |
| CN112232447A (zh) | 一种电力设备状态监测数据的完整样本集的构建方法 | |
| CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
| WO2022147853A1 (zh) | 一种基于混合预测模型的复杂装备电源组故障预测方法 | |
| CN116670608A (zh) | 用于物联网预测建模的混合系综方法 | |
| Wang et al. | An inspection-based replacement planning in consideration of state-driven imperfect inspections | |
| CN115759357A (zh) | 基于pscada数据的供电设备安全预测方法、系统、设备及介质 | |
| Jin et al. | An optimal maintenance strategy for multi-state deterioration systems based on a semi-Markov decision process coupled with simulation technique | |
| Xu et al. | An adaptive gamma process based model for residual useful life prediction | |
| CN114333317B (zh) | 一种交通事件的处理方法、装置、电子设备及存储介质 | |
| CN117114454B (zh) | 一种基于Apriori算法的直流套管状态评估方法及系统 | |
| RU2687848C1 (ru) | Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов | |
| Escobet et al. | A fault/anomaly system prognosis using a data-driven approach considering uncertainty | |
| CN106371030A (zh) | 一种非确定性推理的新能源汽车电池故障诊断方法 | |
| KR100795967B1 (ko) | 극치통계분석을 이용한 교량의 점검 및 유지관리 시스템 및방법 | |
| CN112966785B (zh) | 一种智能化星座状态识别方法和系统 | |
| CN112100919B (zh) | 一种基于re-cf-ekf算法的滚动轴承剩余寿命预测方法 | |
| Wani et al. | Data Drift Monitoring for Log Anomaly Detection Pipelines | |
| Wang et al. | An adapted Brownion motion model for plant residual life prediction |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240105 Address after: Room 1227-1, 12th floor, Haitai building, No. 229, Middle North Fourth Ring Road, Haidian District, Beijing 100089 Patentee after: Beijing maglev Co.,Ltd. Address before: 1021, 10th floor, No. 118, Xidazhi Street, Nangang District, Harbin, Heilongjiang Province, 150006 Patentee before: Thinking innovation (Harbin) Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |