CN115744521B - 一种电梯物联网维保远程监督管理方法及系统 - Google Patents
一种电梯物联网维保远程监督管理方法及系统 Download PDFInfo
- Publication number
- CN115744521B CN115744521B CN202211423978.XA CN202211423978A CN115744521B CN 115744521 B CN115744521 B CN 115744521B CN 202211423978 A CN202211423978 A CN 202211423978A CN 115744521 B CN115744521 B CN 115744521B
- Authority
- CN
- China
- Prior art keywords
- elevator
- sample
- parameters
- stability
- prediction
- 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
Links
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
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明提供了一种电梯物联网维保远程监督管理方法及系统,涉及电梯技术领域,通过试运行电梯获得电梯稳定性参数和噪音参数,根据上述参数获得电梯状态检测结果,并在在电梯状态检测结果为不正常时,采集电梯内多个部件的多个机械参数和多个图像信息并输入电梯问题预测模型,获得机械问题预测结果和图像问题预测结果,将上述预测结果作为电梯问题监督结果参考进行检修管理。解决了现有技术中电梯依赖于人工经验进行检修完成维护保养,存在电梯故障分析确定耗时较长,导致电梯维护保养对于用户正常使用干扰较多的技术问题。达到了提高电梯运维保养过程中电梯故障缺陷识别效率和准确度,降低电梯故障分析对于人工经验的依赖性的技术效果。
Description
技术领域
本发明涉及电梯技术领域,具体涉及一种电梯物联网维保远程监督管理方法及系统。
背景技术
随着城市化建设进程的不断推进,城市规模不断扩大,城市高层住宅及办公建筑鳞次栉比的出现,城市吸纳人口能力上升。高层建筑通过加装轿厢式电梯提高较高楼层住宅及办公便捷性。
轿厢式电梯作为机械装置在长期高频使用过程中,存在电梯机械组件设备损坏或润滑不足导致电梯停摆甚至坠毁事故发生的风险。现有技术往往通过设置电梯维修周期,基于工作人员周期性前往电梯所在地进行实地检修维护保养以保障轿厢式电梯运行安全。
现有技术中电梯依赖于人工经验进行检修完成维护保养,存在电梯故障分析确定耗时较长,导致电梯维护保养对于用户正常使用干扰较多的技术问题。
发明内容
本申请提供了一种电梯物联网维保远程监督管理方法及系统,用于针对解决现有技术中电梯依赖于人工经验进行检修完成维护保养,存在电梯故障分析确定耗时较长,导致电梯维护保养对于用户正常使用干扰较多的技术问题。
鉴于上述问题,本申请提供了一种电梯物联网维保远程监督管理方法及系统。
本申请的第一个方面,提供了一种电梯物联网维保远程监督管理方法,所述方法包括:对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数;检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数;将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内;构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支;将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。
本申请的第二个方面,提供了一种电梯物联网维保远程监督管理系统,所述系统包括:运行测试执行模块,用于对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数;噪音参数获得模块,用于检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数;检测结果获得模块,用于将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;检测结果处理模块,用于若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内;预测模型构建模块,用于构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支;预测结果输出模块,用于将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;检修管理执行模块,用于将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数,所述实施稳定性参数获得可准确反映目标电梯运行稳定性;检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数,所述实时噪音参数可较为客观科学反映目标电梯运行过程中产生噪音情况;将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内,为后续进行机械问题预测和图像问题预测提供科学准确的可用参考数据;构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支,实现了基于目标电梯部件运行机械参数以及部件图像即可进行目标电梯组成部件故障问题的准确预测,实现减少进行造成目标电梯运行故障的组成部件分析定位的时间消耗;将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。达到了提高电梯运维保养过程中电梯故障缺陷识别效率和准确度,降低电梯故障分析对于人工经验的依赖性,维保人员无需实地检修,远程即可获知电梯故障状况,减少电梯维保工作对于人力资源的消耗的技术效果。
附图说明
图1为本申请提供的一种电梯物联网维保远程监督管理方法流程示意图;
图2为本申请提供的一种电梯物联网维保远程监督管理方法中检测电梯运行过程稳定性的流程示意图;
图3为本申请提供的一种电梯物联网维保远程监督管理方法中获得电梯状态初步检测结果的流程示意图;
图4为本申请提供的一种电梯物联网维保远程监督管理系统的结构示意图。
附图标记说明:运行测试执行模块11,噪音参数获得模块12,检测结果获得模块13,检测结果处理模块14,预测模型构建模块15,预测结果输出模块16,检修管理执行模块17。
具体实施方式
本申请提供了一种电梯物联网维保远程监督管理方法及系统,用于针对解决现有技术中电梯依赖于人工经验进行检修完成维护保养,存在电梯故障分析确定耗时较长,导致电梯维护保养对于用户正常使用干扰较多的技术问题。达到了提高电梯运维保养过程中电梯故障缺陷识别效率和准确度,降低电梯故障分析对于人工经验的依赖性的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种电梯物联网维保远程监督管理方法,所述方法包括:
S100:对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数;
进一步的,如图2所示,检测所述目标电梯在试运行过程中的稳定性,本申请提供的方法步骤S100还包括:
S110:获得所述目标电梯所在的多个楼层;
S120:采集所述目标电梯在所述多个楼层的运行速度和缓停加速度,获得多个运行速度信息和多个缓停加速度信息;
S130:根据所述多个运行速度信息和所述多个缓停加速度信息,计算获得运行速度方差和缓停加速度方差;
S140:将所述运行速度方差和所述缓停加速度方差输入预构建的稳定性分析模型,获得所述目标电梯的所述实时稳定性参数。
具体而言,在本实施例中,所述目标电梯为装载于高层建筑内,用于装载人或货物进行跨层运输的轿厢式电梯。所述目标电梯由轿厢、对重装置、曳引钢丝绳以及曳引滑轮构成,在试运行过程中,以曳引钢丝绳作为传力部件,两端分别悬挂电梯轿厢和对重装置,目标电梯上下运行时,曳引钢丝绳与曳引滑轮产生静摩擦力,使曳引钢丝绳进行直线运动,带动目标电梯轿厢沿电梯井在垂直方向上下运行,曳引钢丝绳承受目标电梯轿厢与对重装置的全部悬挂重量。
控制目标电梯试运行以进行数据采集的方法为,获得所述目标电梯历史运行过程中的停靠楼层,获得多个楼层,基于所述多个楼层进行两两排列组合,获得多组运行样本,例如2-7楼、8-23楼等。
基于多组运行样本控制所述目标电梯试运行,并通过速度传感装置采集获取所述目标电梯在所述多个楼层的运行速度并计算缓停加速度,获得多个运行速度信息和多个缓停加速度信息,所述运行速度为目标电梯从某一楼层出发加速启动运行后匀速行驶过程中的平均速度,所述缓停加速度为目标电梯从某一楼层出发,靠近目标楼层时的减速加速度绝对值,例如目标电梯从2楼出发去往7楼,在启动加速后匀速行驶,从6楼开始减速直至抵达7楼电梯口过程中的减速加速度,其绝对值即为所述缓停加速度信息。
所述多个运行速度信息和多个缓停加速度信息与多组运行样本构成多组运行样本-运行速度-缓停加速度,根据所述多个运行速度信息和所述多个缓停加速度信息,进行方差计算,获得所述运行速度方差和缓停加速度方差。
将所述运行速度方差和所述缓停加速度方差输入预构建的稳定性分析模型,所述稳定性模型可基于运行速度方差以及缓停加速度方差进行目标电梯运行稳定性分析,并输出所述目标电梯的所述实时稳定性参数,所述实时稳定性参数从运行速度控制方面表征目标电梯运行稳定性。本实施例后续说明书内容中进行所述稳定性分析模型最优实施例的阐述。
本实施例通过基于电梯历史运行数据进行电梯停靠楼层信息获取,采用排列组合方式获得多组双向电梯运行线路进行目标电梯的运行速度信息采集,并基于稳定性分析模型进行速度信息分析,达到了获得可准确反映目标电梯运行稳定性的实时稳定性参数的技术效果。
S200:检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数;
进一步的,检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数,本申请提供的方法步骤S200还包括:
S210:采集所述目标电梯在所述多个楼层运行时的噪音参数,获得多个噪音参数;
S220:根据所述多个噪音参数,计算获得所述实时噪音参数。
具体而言,在本实施例中,除却在目标电梯安装速度传感器外,所述目标电梯也安装有用于进行电梯运行所产生噪音强度监测的噪声分贝传感器。
噪声分贝传感器采集所述目标电梯基于多组运行样本在所述多个楼层试运行时的噪音参数,获得多个噪音参数,所述多个噪音参数为实时采集获取的目标电梯运行噪音分贝数据。
根据所述多个噪音参数以及噪音参数采集时间进行噪声分贝随时间变化图像的生成,基于可视化噪声分贝图像去除偏离数据并计算获得所述实时噪音参数,所述实时噪音参数为目标电梯运行过程中的噪音分贝均值。
本实施例通过在目标电梯内布设噪声分贝传感器进行目标电梯试运行过程中实时噪声分贝数据的采集并进行噪声时间变化图像的生成,基于变化图像去除偏离数据并计算噪声均值,达到了获得可较为客观科学反映目标电梯运行过程中产生噪音情况的实时噪声参数的技术效果。
S300:将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;
进一步的,如图3所示,将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果,本申请提供的方法步骤S300还包括:
S310:采集目标电梯同型号电梯的多个样本稳定性参数和多个样本噪音参数;
S320:根据所述多个样本稳定性参数和所述多个样本噪音参数进行电梯状态评估,获得多个样本电梯状态初步检测结果;
S330:构建所述多个样本稳定性参数、所述多个样本噪音参数和所述多个样本电梯状态初步检测结果的映射关系,获得所述电梯状态分析数据库;
S340:将所述实时稳定性参数和所述实时噪音参数输入所述电梯状态分析数据库,获得所述电梯状态初步检测结果。
具体而言,在本实施例中,基于目标电梯生产厂商采集获取与目标电梯同型号的多个样本电梯的多个样本运行速度方差和多个样本缓停加速度方差结合专家评价法或基于电梯生产领域技术人员以往经验进行多个样本稳定性参数的获取,并采用步骤S200相同方法获取多个样本噪音参数。
根据所述多个样本稳定性参数和所述多个样本噪音参数基于专家评价法或电梯生产领域技术人员以往经验进行电梯状态评估,获得多个样本电梯状态初步检测结果,所述样本电梯状态初步检测结果包括正常和不正常两种,样本电梯状态检测结果为正常,表明电梯当前可继续使用,样本电梯检测结果为不正常,表明电梯当前需要进行检修维护,如若继续使用存在发生电梯运行事故的风险。
构建所述多个样本稳定性参数、所述多个样本噪音参数和所述多个样本电梯状态初步检测结果的映射关系,获得所述电梯状态分析数据库,将所述实时稳定性参数和所述实时噪音参数输入所述电梯状态分析数据库,在所述电梯状态数据库中遍历比对,获得实施稳定性参数相似或具有一致性且实时噪音参数相似或具有一致性的样本稳定性参数和样本噪音参数对应的样本电梯状态检测结果,作为目标电梯的所述电梯状态初步检测结果输出。
本实施例通过获取目标电梯同型号多个样本电梯的多个样本稳定性参数和多个样本噪音参数,并基于专家评价法或电梯生产领域技术人员以往经验进行电梯状态评估,获得多个样本电梯状态初步检测结果进行电梯状态分析数据库的构建,实现了在电梯状态分析数据库中基于目标电梯的实时稳定性参数和所述实时噪音参数即可进行目标电梯状态较为准确的分析预测,达到了提高电梯状态预测效率的技术效果。
S400:若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内;
具体而言,本实施例中的所述目标电梯由轿厢、对重装置、曳引钢丝绳以及曳引滑轮这些主要组成部件构成,其中,曳引钢丝绳、曳引滑轮在目标电梯安全运行中起重要作用。
在本实施例中,若所述电梯状态初步检测结果为正常,则表明当前目标电梯满足正常使用的安全要求,可继续使用所述目标电梯。
若所述电梯状态初步检测结果不正常,则本实施例通过在所述目标电梯的轿厢、对重装置、曳引钢丝绳以及曳引滑轮上基于物联网技术预设多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息。示例性的,安装于曳引钢丝绳的传感器和图像采集器进行曳引钢丝绳牵引力大小以及钢丝绳形变数据等机械参数的采集以及进行曳引钢丝绳多角度全方位图像采集,安装于曳引滑轮的传感器和图像采集装置进行曳引滑轮组成零件转速等机械参数采集以及进行曳引滑轮多角度图像采集。
本实施例在电梯状态初步检测结果为不正常后进行目标电梯组成部件的运行机械参数和外观状态图像采集,为后续进行机械问题预测和图像问题预测提供科学准确的可用参考数据,
S500:构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支;
进一步的,所述构建电梯问题预测模型包括构建所述机械预测模块和图像预测分支,构建所述机械预测模块S500还包括:
S511:采集所述目标电梯同型号电梯此前发生不同的多个故障问题时的多个样本机械参数集合;
S512:对所述多个样本机械参数集合和所述多个故障问题进行数据标识和划分,获得第一训练集、第一验证集和第一测试集;
S513:基于前馈神经网络,构建所述机械预测模块;
S514:获得准确率符合预设要求的所述机械预测模块,其中,所述机械预测模块通过所述第一训练集、第一验证集和第一测试集进行迭代监督训练、验证和测试,直到准确率符合所述预设要求。
进一步的,构建所述图像预测分支,本申请提供的方法步骤S5还包括:
S521:采集所述目标电梯同型号电梯此前发生不同的多个故障问题时的多个样本图像信息集合;
S522:对所述多个样本图像信息集合和所述多个故障问题进行数据标识和划分,获得第二训练集、第二验证集和第二测试集;
S523:基于深度卷积神经网络,构建所述图像预测分支;
S524:获得准确率符合预设要求的所述图像预测分支,其中,所述图像预测分支通过所述第二训练集、第二验证集和第二测试集进行迭代监督训练、验证和测试,直到准确率符合所述预设要求。
具体而言,本实施例对于所述机械预测模块和图像预测分支构建方法不做限制,所述机械预测模块优选采用前馈神经网络进行模块构建并结合目标电梯同型号电梯历史故障数据进行模型训练,所述机械预测模块的最优实施例如下。
基于目标电梯生产厂商采集获取与目标电梯同型号的多个样本电梯此前发生不同的多个故障问题,所述样本电梯发生的故障问题包括但不限于轿厢运行抖动,运行噪声尖利等,获取与样本电梯多个故障问题相对应的多个样本机械参数集合。
对所述多个样本机械参数集合和所述多个故障问题进行数据标识和划分,将多个样本机械参数集合中部分样本机械参数划分标识为第一训练集,将对应部分样本机械参数的故障问题划分标识为第一验证集,将剩余具有对应关系的样本机械参数和故障问题划分标识为第一测试集。
基于前馈神经网络,构建所述机械预测模块,通过所述第一训练集、第一验证集和第一测试集进行所述机械预测模块的迭代监督训练、验证和测试,获得准确率符合预设要求的所述机械预测模块,所述机械预测模块可基于机械参数进行目标电梯组成部件故障问题的准确预测。
与所述机械预测模块构建具有一致性,本实施例对于所述图像预测分支构建方法不做限制,所述图像预测分支优选采用深度卷积神经网络进行分支构建并结合目标电梯同型号电梯历史故障数据进行模型训练,所述图像预测分支的最优实施例如下。
基于目标电梯生产厂商采集获取与目标电梯同型号的多个样本电梯此前发生不同的多个故障问题时的多个样本图像信息集合,所述故障问题与样本图像信息集合具有映射关系。
对所述多个样本图像信息集合和所述多个故障问题进行数据标识和划分,将所述多个样本图像信息集合中部分样本图像信心标识划分为第二训练集,将与第二训练集中样本图像信息映射的故障问题标识划分为第二验证集,将剩余样本图像信息集合和故障问题划分标识为第二测试集。
基于深度卷积神经网络,构建所述图像预测分支,通过所述第二训练集、第二验证集和第二测试集进行迭代监督训练、验证和测试,获得准确率符合预设要求的所述图像预测分支。所述图像预测分支可基于目标电梯部件图像进行目标电梯组成部件故障问题的准确预测。
本实施例通过基于前馈神经网络,构建机械预测模块,基于深度卷积神经网络,构建图像预测分支,结合数据输入层、数据输出层完成电梯问题预测模型的构建,实现了基于目标电梯部件运行机械参数以及部件图像即可进行目标电梯组成部件故障问题的准确预测,实现减少进行造成目标电梯运行故障的组成部件分析定位的时间消耗的技术效果。
S600:将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;
S700:将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。
具体而言,本实施例的所述电梯问题预测模型包括数据输入层,数据处理层以及分析结果输出层,所述数据处理层为平级架构的机械预测模块和图像预测分支,通过数据输入层将所述多个机械参数和多个图像信息输入所述电梯问题预测模型,在数据输入层进行数据识别后输入数据处理层,在数据处理层中,所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,所述多个图像信息输入所述图像预测分支,获得图像问题预测结果。将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,将所述电梯问题监督结果通过电梯物联网维保远程监督管理系统发送给电梯远程维保工作人员,电梯远程维保工作人员根据所述电梯问题监督结果对所述电梯进行检修管理。
本申请实施例提供的方法通过对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数,所述实施稳定性参数获得可准确反映目标电梯运行稳定性;检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数,所述实时噪音参数可较为客观科学反映目标电梯运行过程中产生噪音情况;将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内,为后续进行机械问题预测和图像问题预测提供科学准确的可用参考数据;构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支,实现了基于目标电梯部件运行机械参数以及部件图像即可进行目标电梯组成部件故障问题的准确预测,实现减少进行造成目标电梯运行故障的组成部件分析定位的时间消耗;将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。达到了提高电梯运维保养过程中电梯故障缺陷识别效率和准确度,降低电梯故障分析对于人工经验的依赖性,维保人员无需实地检修,远程即可获知电梯故障状况,减少电梯维保工作对于人力资源的消耗的技术效果。
进一步的,将所述运行速度方差和所述缓停加速度方差输入预构建的稳定性分析模型,本申请提供的方法步骤S140还包括:
S141:采集目标电梯同型号电梯的多个样本运行速度方差和多个样本缓停加速度方差;
S142:根据所述多个样本运行速度方差和所述多个样本缓停加速度方差,进行电梯稳定性评估分级,获得多个样本稳定性参数;
S143:从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的一层分类节点;
S144:再次从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的二层分类节点;
S145:继续构建所述稳定性分析模型的多层分类节点,并获得所述多层分类节点的多个最终划分结果;
S146:将所述多个样本稳定性参数作为多个决策结果,作为所述多个最终划分结果,构建获得所述稳定性分析模型;
S147:将所述运行速度方差和所述缓停加速度方差输入所述稳定性分析模型,获得所述实时稳定性参数。
具体而言,在本实施例中,所述稳定性分析模型的构建方法是步骤S100的细化,同时也是步骤S100中稳定性分析模型构建的最优实施例。
在本实施例中,基于目标电梯生产厂商采集获取与目标电梯同型号的多个样本电梯的多个样本运行速度方差和多个样本缓停加速度方差。
采用专家评价法或基于电梯生产领域技术人员以往经验,基于所述多个样本运行速度方差和所述多个样本缓停加速度方差,对多个样本电梯人工进行电梯稳定性评估分级,获得多个样本稳定性参数,所述多个样本稳定性参数与多个样本电梯相对应。
从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的一层分类节点,再次从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的二层分类节点,所述一层分类节点与二层分类节点为样本运行速度方差和样本缓停加速度方差的数据组合。
继续构建所述稳定性分析模型的多层分类节点,并获得所述多层分类节点的多个最终划分结果,将所述多个样本稳定性参数作为多个决策结果,作为所述多个最终划分结果,遍历多个样本运行速度方差和样本缓停加速度方差的数据组合进行对应样本稳定性参数的数据填充,构建获得多层级的所述稳定性分析模型。
将所述运行速度方差和所述缓停加速度方差输入所述稳定性分析模型,示例性的,以所述运行速度方差遍历以样本运行速度方差构建的一层分类节点获得方差数据一致性的节点,基于该节点采用或缓停加速度方差进行以样本或缓停加速度方差构建的二层方差数据,获得方差数据一致性节点后,以该节点的样本稳定性参数作为所述目标电梯的实时稳定性参数并输出。
本实施例通过根据目标电梯型号从电梯生产厂家获取多个同型号样本电梯的多组运行速度方差和缓停加速度方差数据基于人工经验评价进行样本稳定性参数评估,作为基础数据采用决策树法进行稳定性分析模型的构建,实现了根据电梯运行速度方差和缓停加速度方差数据即可获知准确的电梯稳定性参数的技术效果,减少了电梯运行稳定性评估所需时间,提高电梯稳定性评估效率和评估准确度的技术效果。
实施例二
基于与前述实施例中一种电梯物联网维保远程监督管理方法相同的发明构思,如图4所示,本申请提供了一种电梯物联网维保远程监督管理系统,其中,所述系统包括:
运行测试执行模块11,用于对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数;
噪音参数获得模块12,用于检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数;
检测结果获得模块13,用于将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;
检测结果处理模块14,用于若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内;
预测模型构建模块15,用于构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支;
预测结果输出模块16,用于将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;
检修管理执行模块17,用于将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。
进一步的,所述运行测试执行模块11还包括:
楼层信息获得单元,用于获得所述目标电梯所在的多个楼层;
速度信息采集单元,用于采集所述目标电梯在所述多个楼层的运行速度和缓停加速度,获得多个运行速度信息和多个缓停加速度信息;
速度方差计算单元,用于根据所述多个运行速度信息和所述多个缓停加速度信息,计算获得运行速度方差和缓停加速度方差;
稳定参数获得单元,用于将所述运行速度方差和所述缓停加速度方差输入预构建的稳定性分析模型,获得所述目标电梯的所述实时稳定性参数。
进一步的,所述稳定参数获得单元还包括:
速度方差采集单元,用于采集目标电梯同型号电梯的多个样本运行速度方差和多个样本缓停加速度方差;
稳定参数评估单元,用于根据所述多个样本运行速度方差和所述多个样本缓停加速度方差,进行电梯稳定性评估分级,获得多个样本稳定性参数;
分类节点构建单元,用于从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的一层分类节点;
分类节点生成单元,用于再次从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的二层分类节点;
划分结果获得单元,用于继续构建所述稳定性分析模型的多层分类节点,并获得所述多层分类节点的多个最终划分结果;
分析模型构建单元,用于将所述多个样本稳定性参数作为多个决策结果,作为所述多个最终划分结果,构建获得所述稳定性分析模型;
速度方差分析单元,用于将所述运行速度方差和所述缓停加速度方差输入所述稳定性分析模型,获得所述实时稳定性参数。
进一步的,所述噪音参数获得模块12还包括:
噪音参数采集单元,用于采集所述目标电梯在所述多个楼层运行时的噪音参数,获得多个噪音参数;
噪音参数计算单元,用于根据所述多个噪音参数,计算获得所述实时噪音参数。
进一步的,所述检测结果获得模块13还包括:
样本数据采集单元,用于采集目标电梯同型号电梯的多个样本稳定性参数和多个样本噪音参数;
电梯状态评估单元,用于根据所述多个样本稳定性参数和所述多个样本噪音参数进行电梯状态评估,获得多个样本电梯状态初步检测结果;
映射关系构建单元,用于构建所述多个样本稳定性参数、所述多个样本噪音参数和所述多个样本电梯状态初步检测结果的映射关系,获得所述电梯状态分析数据库;
电梯状态检测单元,用于将所述实时稳定性参数和所述实时噪音参数输入所述电梯状态分析数据库,获得所述电梯状态初步检测结果。
进一步的,所述预测模型构建模块15包括:
样本数据获得单元,用于采集所述目标电梯同型号电梯此前发生不同的多个故障问题时的多个样本机械参数集合;
数据标识划分单元,用于对所述多个样本机械参数集合和所述多个故障问题进行数据标识和划分,获得第一训练集、第一验证集和第一测试集;
预测模块构建单元,用于基于前馈神经网络,构建所述机械预测模块;
预测模块训练单元,用于获得准确率符合预设要求的所述机械预测模块,其中,所述机械预测模块通过所述第一训练集、第一验证集和第一测试集进行迭代监督训练、验证和测试,直到准确率符合所述预设要求。
进一步的,所述预测模型构建模块15还包括:
样本图像采集单元,用于采集所述目标电梯同型号电梯此前发生不同的多个故障问题时的多个样本图像信息集合;
数据标识处理单元,用于对所述多个样本图像信息集合和所述多个故障问题进行数据标识和划分,获得第二训练集、第二验证集和第二测试集;
预测分支构建单元,用于基于深度卷积神经网络,构建所述图像预测分支;
分支训练处理单元,用于获得准确率符合预设要求的所述图像预测分支,其中,所述图像预测分支通过所述第二训练集、第二验证集和第二测试集进行迭代监督训练、验证和测试,直到准确率符合所述预设要求。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (8)
1.一种电梯物联网维保远程监督管理方法,其特征在于,所述方法包括:
对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数;
检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数;
将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;
若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内;
构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支;
将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;
将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。
2.根据权利要求1所述的方法,其特征在于,检测所述目标电梯在试运行过程中的稳定性,包括:
获得所述目标电梯所在的多个楼层;采集所述目标电梯在所述多个楼层的运行速度和缓停加速度,获得多个运行速度信息和多个缓停加速度信息;
根据所述多个运行速度信息和所述多个缓停加速度信息,计算获得运行速度方差和缓停加速度方差;
将所述运行速度方差和所述缓停加速度方差输入预构建的稳定性分析模型,获得所述目标电梯的所述实时稳定性参数。
3.根据权利要求2所述的方法,其特征在于,将所述运行速度方差和所述缓停加速度方差输入预构建的稳定性分析模型,包括:
采集目标电梯同型号电梯的多个样本运行速度方差和多个样本缓停加速度方差;
根据所述多个样本运行速度方差和所述多个样本缓停加速度方差,进行电梯稳定性评估分级,获得多个样本稳定性参数;
从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的一层分类节点;
再次从所述多个样本运行速度方差和多个样本缓停加速度方差随机选择一样本运行速度方差或一样本缓停加速度方差,构建所述稳定性分析模型的二层分类节点;
继续构建所述稳定性分析模型的多层分类节点,并获得所述多层分类节点的多个最终划分结果;
将所述多个样本稳定性参数作为多个决策结果,作为所述多个最终划分结果,构建获得所述稳定性分析模型;
将所述运行速度方差和所述缓停加速度方差输入所述稳定性分析模型,获得所述实时稳定性参数。
4.根据权利要求2所述的方法,其特征在于,检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数,包括:
采集所述目标电梯在所述多个楼层运行时的噪音参数,获得多个噪音参数;
根据所述多个噪音参数,计算获得所述实时噪音参数。
5.根据权利要求1所述的方法,其特征在于,将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果,包括:
采集目标电梯同型号电梯的多个样本稳定性参数和多个样本噪音参数;
根据所述多个样本稳定性参数和所述多个样本噪音参数进行电梯状态评估,获得多个样本电梯状态初步检测结果;
构建所述多个样本稳定性参数、所述多个样本噪音参数和所述多个样本电梯状态初步检测结果的映射关系,获得所述电梯状态分析数据库;
将所述实时稳定性参数和所述实时噪音参数输入所述电梯状态分析数据库,获得所述电梯状态初步检测结果。
6.根据权利要求1所述的方法,其特征在于,所述构建电梯问题预测模型包括构建所述机械预测模块和图像预测分支,构建所述机械预测模块包括:
采集所述目标电梯同型号电梯此前发生不同的多个故障问题时的多个样本机械参数集合;
对所述多个样本机械参数集合和所述多个故障问题进行数据标识和划分,获得第一训练集、第一验证集和第一测试集;
基于前馈神经网络,构建所述机械预测模块;
获得准确率符合预设要求的所述机械预测模块,其中,所述机械预测模块通过所述第一训练集、第一验证集和第一测试集进行迭代监督训练、验证和测试,直到准确率符合所述预设要求。
7.根据权利要求6所述的方法,其特征在于,构建所述图像预测分支,包括:
采集所述目标电梯同型号电梯此前发生不同的多个故障问题时的多个样本图像信息集合;
对所述多个样本图像信息集合和所述多个故障问题进行数据标识和划分,获得第二训练集、第二验证集和第二测试集;
基于深度卷积神经网络,构建所述图像预测分支;
获得准确率符合预设要求的所述图像预测分支,其中,所述图像预测分支通过所述第二训练集、第二验证集和第二测试集进行迭代监督训练、验证和测试,直到准确率符合所述预设要求。
8.一种电梯物联网维保远程监督管理系统,其特征在于,所述系统包括:
运行测试执行模块,用于对目标电梯进行试运行,检测所述目标电梯在试运行过程中的稳定性,获得实时稳定性参数;
噪音参数获得模块,用于检测所述目标电梯在试运行过程中的噪音,获得实时噪音参数;
检测结果获得模块,用于将所述实时稳定性参数和实时噪音参数输入预构建的电梯状态分析数据库内,获得电梯状态初步检测结果;
检测结果处理模块,用于若所述电梯状态初步检测结果为正常,则继续使用所述目标电梯,若所述电梯状态初步检测结果不正常,则通过多个传感器和多个图像采集器,采集所述目标电梯内多个部件的多个机械参数和多个图像信息,其中,所述多个传感器基于物联网技术安装在所述目标电梯内;
预测模型构建模块,用于构建电梯问题预测模型,其中,所述电梯问题预测模型包括机械预测模块和图像预测分支;
预测结果输出模块,用于将所述多个机械参数输入所述机械预测模块,获得机械问题预测结果,将所述多个图像信息输入所述图像预测分支,获得图像问题预测结果;
检修管理执行模块,用于将所述机械问题预测结果和图像问题预测结果作为电梯问题监督结果,根据所述电梯问题监督结果对所述电梯进行检修管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423978.XA CN115744521B (zh) | 2022-11-14 | 2022-11-14 | 一种电梯物联网维保远程监督管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423978.XA CN115744521B (zh) | 2022-11-14 | 2022-11-14 | 一种电梯物联网维保远程监督管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115744521A CN115744521A (zh) | 2023-03-07 |
CN115744521B true CN115744521B (zh) | 2023-10-13 |
Family
ID=85370784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211423978.XA Active CN115744521B (zh) | 2022-11-14 | 2022-11-14 | 一种电梯物联网维保远程监督管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115744521B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116627093B (zh) * | 2023-04-19 | 2024-02-27 | 济南海马机械设计有限公司 | 一种丁腈手套加工控制方法、系统、设备及存储介质 |
CN117671393B (zh) * | 2024-01-31 | 2024-04-26 | 江苏奥派电气科技有限公司 | 一种电气机械设备的故障监测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006117336A (ja) * | 2004-10-19 | 2006-05-11 | Mitsubishi Electric Corp | エレベータ監視装置 |
KR20180010634A (ko) * | 2016-07-22 | 2018-01-31 | 현대엘리베이터주식회사 | 엘리베이터의 고장 예측 시스템 |
CN109292567A (zh) * | 2018-02-28 | 2019-02-01 | 武汉大学 | 一种基于bp神经网络的电梯故障预测方法 |
CN115246609A (zh) * | 2021-03-25 | 2022-10-28 | 浙江理工大学 | 一种电梯安全防控云平台及运行状态评估和处理方法 |
-
2022
- 2022-11-14 CN CN202211423978.XA patent/CN115744521B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006117336A (ja) * | 2004-10-19 | 2006-05-11 | Mitsubishi Electric Corp | エレベータ監視装置 |
KR20180010634A (ko) * | 2016-07-22 | 2018-01-31 | 현대엘리베이터주식회사 | 엘리베이터의 고장 예측 시스템 |
CN109292567A (zh) * | 2018-02-28 | 2019-02-01 | 武汉大学 | 一种基于bp神经网络的电梯故障预测方法 |
CN115246609A (zh) * | 2021-03-25 | 2022-10-28 | 浙江理工大学 | 一种电梯安全防控云平台及运行状态评估和处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115744521A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115744521B (zh) | 一种电梯物联网维保远程监督管理方法及系统 | |
KR101880353B1 (ko) | 엘리베이터의 고장 예측 시스템 | |
CN111650917B (zh) | 一种设备的多维度状态在线监测方法及系统 | |
CN108069308B (zh) | 一种基于序贯概率的电扶梯故障诊断方法 | |
US11679955B2 (en) | Weighting sensor data with environmental data in a system for transportation of passengers | |
US11524869B2 (en) | Method for monitoring an elevator system | |
CN204689281U (zh) | 用于电梯故障预诊断的电梯管理系统 | |
CN110092255B (zh) | 一种基于物联网云平台的电梯监控、维保方法及系统 | |
JP4757506B2 (ja) | エレベータ設備の使用可能性を自動的に検査するための方法および装置 | |
KR20180130614A (ko) | 엘리베이터의 부품 수명 예측 시스템 | |
CN112668873A (zh) | 矿山安全态势分析及预测预警方法 | |
EP3640188A1 (en) | Continuous quality monitoring of a conveyance system | |
CN112850387B (zh) | 一种电梯状态采集与诊断系统及方法 | |
CN115650006B (zh) | 一种基于大数据的电梯安全监测预警方法及系统 | |
CN109928285B (zh) | 电梯复合钢带在线健康预测方法及装置 | |
CN113132687B (zh) | 基于视频监控和特征识别的建筑升降安全智能监测预警方法及云服务器 | |
CN115724314A (zh) | 一种电梯故障检测预警系统及方法 | |
CN115849129A (zh) | 一种电梯鼓式制动器监测装置 | |
EP3808693A1 (en) | Elevator condition based maintenance using an in-car camera | |
CN114019935A (zh) | 一种基于工业物联网设备实时检测诊断系统 | |
CN114200334A (zh) | 一种蓄电池预警方法、装置、车辆及介质 | |
CN116812713B (zh) | 一种电梯钢丝绳缺陷检测方法 | |
JP2018060383A (ja) | 処理装置及び機器の制御システム | |
CN117193058B (zh) | 一种基于无线通讯控制的环形穿梭车遥控系统及方法 | |
KR102651107B1 (ko) | 엘리베이터 이상 검출 시스템 및 방법 |
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 |