CN115744526A - 电梯制动器动作状态检测方法及系统 - Google Patents
电梯制动器动作状态检测方法及系统 Download PDFInfo
- Publication number
- CN115744526A CN115744526A CN202310015115.7A CN202310015115A CN115744526A CN 115744526 A CN115744526 A CN 115744526A CN 202310015115 A CN202310015115 A CN 202310015115A CN 115744526 A CN115744526 A CN 115744526A
- Authority
- CN
- China
- Prior art keywords
- brake
- elevator
- braking
- lining
- linings
- 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
- 230000009471 action Effects 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 title claims description 14
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/28—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration electrical
- B66B1/32—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration electrical effective on braking devices, e.g. acting on electrically controlled brakes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/28—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration electrical
- B66B1/285—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration electrical with the use of a speed pattern generator
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明涉及电梯制动领域,具体涉及电梯制动器动作状态检测方法及系统;获取得到相同制动状态的制动衬匹配对;基于匹配对,构建正常记录数据集;基于正常记录数据集中的样本对应的制动功率,对正常记录数据集进行分组,确定各组内样本对应的电梯运行速度的中值,根据所述中值的大小,划分电梯制动器的工作状态等级;构建数据训练集;对构建的网络模型进行训练,得到训练好的网络模型;利用训练好的网络模型获取待测电梯的工作状态等级,根据工作状态等级评估电梯制动器,并对电梯进行控制。即本发明的方案能够对电梯制动器的工作状态进行准确的检测。
Description
技术领域
本发明涉及电梯制动领域,具体为电梯制动器动作状态检测方法及系统。
背景技术
电梯制动器是保证电梯安全的重要装置,制动器性能的安全可靠是保证电梯安全平稳运行的基础。电梯制动器的主要功能在于电梯停止运行的状态下保持轿厢静止不动,并且使运行中的电梯在断电的情况下能够自动制停轿厢;其重要地位如同汽车的刹车装置,毋庸置疑要保证其性能的安全达标。而对电梯制动器的性能检测在我国通常采用在电梯整机上进行型式试验方法进行检测,此种方法因为设备结构的外在影响,使检测的参数具有片面性,无法全面准确的检测电梯制动器的性能。
对于制动器的调试保养,电梯厂商会给出较为清楚和详细的规范,但人为的调试过程中,对于制动衬的距离、位置以及耗材的选择上不尽相同,因此在维保过程中难以实现统一的标准。
发明内容
为了解决上述技术问题,本发明的目的在于提供电梯制动器动作状态检测方法及系统,所采用的技术方案具体如下:
本发明提供了电梯制动器动作状态检测方法,包括以下步骤:
分别获取电梯制动器中两个制动衬的力学波形信号,基于两力学波形信号的差值确定频域特征;同时分别获取制动器中制动轮在开始刹车瞬间和刹停过程中间时刻的两种刹车状态的角加速度序列以及电梯制动时长、电梯运行速度,基于两种刹车状态的电梯制动时长以及电梯运行速度,得到电梯的制动功率描述子;
获取制动衬的不同制动状态的相似情况,基于所述相似情况,选取相似情况中的最小值,基于所述最小值得到配对决策因子,基于所述配对决策因子,对任意两个制动衬进行配对,得到相同制动状态的制动衬匹配对;
基于匹配对中各制动衬的制动功率描述子、角加速度序列以及频域特征,得到匹配对内制动衬的相似度;获取匹配对中各制动衬的领域集合,并基于所述相似度以及其中一制动衬与另一制动衬的领域集合中的任意样本的配重以及力学波形信号,确定该其中一制动衬的制动性能距离对两个制动衬对应的所有制动性能距离进行由小到大排序,获取前K’个制动性能距离对应的样本数据,构建正常记录数据集,K’大于等于1;
基于正常记录数据集中的样本对应的制动功率,对正常记录数据集进行分组,确定各组内样本对应的电梯运行速度的中值,根据所述中值的大小,划分电梯制动器的工作状态等级;由频域特征和工作状态等级构成数据训练集;
利用所述数据训练集对构建的网络模型进行训练,得到训练好的网络模型;
实时获取待测电梯的制动功率描述子以及电梯运行速度,将频域特征输入训练好的网络模型,输出电梯制动器的工作状态等级,根据工作状态等级评估电梯制动器,并对电梯进行控制。
优选地,所述力学波形信号的获取过程为:
获取两个制动衬的力学波形信号;
计算两个制动衬的应力的方差,将方差较大的作为A侧制动衬,方差较小的作为B侧制动衬;
计算A侧制动衬与B侧制动衬的应力差值,进而得到差值序列,记为力学波形信号。
优选地,所述相似情况为根据A侧制动衬与B侧制动衬的制动时长、差值序列确定任意两个制动衬的相似程度:
其中,为制动器p的制动时间,为制动器q的制动时间,为制动器p的A侧
制动衬应力序列,为制动器q的A侧制动衬的应力序列,为制动器q的B侧制动衬的应
力序列,为制动器p的B侧制动衬应力序列,DTW()为动态时间归整函数,abs()为绝对值
函数。
优选地,所述配对决策因子为:
优选地,所述制动性能距离为:
其中,为匹配对制动衬与制动衬r的近邻样本的制动性能距离,为
制动衬的配重,为制动衬的应力序列,为近邻样本的配重,为制动衬r的近
邻样本的应力序列,DTW()为动态时间归整函数,L1()为求范数,K为近邻样本的个数。
优选地,所述电梯制动器的工作状态等级为根据电梯运行速度设定的级别。
本发明还提供了电梯制动器动作状态检测系统,包括处理器和存储器,所述处理器用于执行所述存储器存储的用于实现上述的电梯制动器动作状态检测方法的步骤。
本发明的有益效果:
本发明的方案,通过对电梯制动器的相关数据进行检测,并根据相关数据进行分析,能够从制动器结构特性、过程特性以所有电梯为基准进行建模和分析,联合每个电梯制动器进行判断,避免检修和检测的片面性,从而提高维护、保养、性能监测的准度。
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是本发明的电梯制动器动作状态检测方法的方法流程图。
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,对依据本发明的方案,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。
本发明针对的场景为需要紧急刹停的电梯。
具体地,以某小区安装的电梯为例,对本发明提供的电梯制动器动作状态检测方法进行介绍,请参阅图1所示,包括以下步骤:
首先,分别获取电梯制动器中两个制动衬的力学波形信号,基于两力学波形信号的差值确定频域特征;同时分别获取制动器中制动轮在开始刹车瞬间和刹停过程中间时刻的两种刹车状态的角加速度序列以及电梯制动时长、电梯运行速度,基于两种刹车状态的电梯制动时长以及电梯运行速度,得到电梯的制动功率描述子。
本实施例中,对制动器各记录数据中的制动衬(即为制动瓦组件)进行监测,确定其运行状态;其中,在制动衬弹簧底面集成应力传感器,由于制动过程中的滑移和压紧情况不同,应力的变化中会有所变化,对于一次制动动作,制动衬所承受的应力因制动轮、制动衬闸皮等物理限制而呈现不同的力学效应;对于制动衬的应力,在发起制动信号时,对于左右两个制动衬分别构建力学波形信号S和瞬时微小振动分量Vclamp。
上述中的力学波形信号S的获取过程为:
获取两个制动衬的力学信号;其中,两个制动衬的动作是相互独立的。
计算各制动衬的设定时间段内的力学信号的方差,将方差较大的作为A侧,方差较小的作为B侧;
计算A侧与B侧的应力差值,进而得到差值序列,记为力学波形信号S。
上述实施例中的力学波形能够统一地表示制动方向不同和应力偏置所带来的统一特征。
需要说明的是,由于制动衬是两个对称放置的,对于执行过程中会存在一定的偏置,而制动轮的旋转方向对制动衬的负载的影响和磨损方式也不可忽视,针对电梯上行下行导致制动轮方向不同,对于一方,总有一个制动衬会率先对制动轮施加较大的制动效果,因此在弹簧应力上,对于两个制动衬的应力,以500Hz的速度进行采集,在制动过程的前20%的时间过程中,统计两者的方差大小,对于方差较大的一方作为A侧,另一侧作为B侧;这是由于制动轮转向和夹紧的方向之间存在一个制动衬能够将制动轮的摩擦力直接向上传导至制动臂,此制动衬所承受的摩擦力起初会更大,因此前期弹簧承受的应力的变化的方差相应更大。需要明确的一点是,上述假设是在制动衬夹紧力都比较相同的情况下才满足的,基于这个假设,对A侧和B侧的全制动过程的应力的差值进行计算。
本实施例中,将获得的力学波形信号S的波形信号进行频域转换,其中,频域的范围是0~200Hz,每隔10Hz作为一个频率分量,由此得到波形信号的频域信息向量特征Vclamp;其中频域转换采用的是业内已知的傅里叶变换,无需加窗,具体转换过程此处不再过多赘述。
需要说明的是,制动衬有两个,考虑到制动轮一般有不圆、偏心问题,将两个应力的信息分别处理得到制动夹紧效果的力学波形信号及波形的频域特征。
本实施例中,获取制动器中的制动轮的相关数据,如角加速度序列、电梯制动时长以及电梯运行速度。
其中角加速度序列是针对的制动轮开始刹车瞬间和刹停过程中间时刻时测量角
加速度序列,即在制动过程中确定开始刹车瞬间角加速度序列大小数据,以及
刹停过程的中间时刻时角加速度序列大小数据,构建制动的角加速度序列,即为。
同时,还根据电梯制动时长以及电梯运行速度,计算制动轮的制动功率,具体如下:
获取制动所携带的配重;本实施例中,对于1000Kg的电梯,配重重量=轿厢自重+(0.4~0.5)*1000kg;本实施例中轿厢自重为300Kg,因此配重质量为:M=(0.4~0.5)*1000kg+300Kg。
根据上述中的配重以及电梯制动时长、电梯运行速度,计算制动功率:
其次,获取制动衬的不同制动状态的相似情况,基于所述相似情况,选取相似情况中的最小值,基于所述最小值得到配对决策因子,基于所述配对决策因子,对任意两个制动衬进行配对,得到相同制动状态的制动衬匹配对。
本实施例中的相似情况分为:
其中,为制动器p的制动时间,为制动器q的制动时间,为制动器p的A侧
制动衬应力序列,为制动器q的A侧制动衬的应力序列,为制动器q的B侧制动衬的应
力序列,为制动器p的B侧制动衬应力序列,DTW()为动态时间归整函数,abs()为绝对值
函数。
上述中的G(p,q)表示第p制动衬制动状态的样本和第q制动衬制动状态的样本进行配对时AB侧制动衬制动状态的样本中,穷举制动衬AB比对位置后所能得到的最小的距离。
需要说明的是,上述中的相似情况基于的数据可以是多个电梯制动器的制动衬的记录数据,也可以是同一电梯制动器的多个制动状态对应的记录数据;计算上述相似情况的原因是能够通过对大数据的分析,获取电梯制动器所具有的多个制动状态,为后续训练网络模型提供了丰富的数据。
本实施例中的配对决策因子为,距离越小则定义矩阵Adjacency={a(p,
q)},然后以矩阵A为参数通过K-M算法得到决策矩阵G的索引结果,使得从矩阵Adjacency中
每一行以及每一列取出且仅取出一个元素时取出的元素之和最大;上述对两个制动衬的力
学波形信号进行穷举,从而基于K-M算法得最近的匹配对。
至此获得了部分力学波形信号相仿的匹配对,匹配对的作用是针对一个制动臂来探查其匹配的样本的全局工作情况是否与其不同。
然后,基于匹配对中各制动衬的制动功率描述子、角加速度序列以及频域特征,得到匹配对内制动衬的相似度;获取匹配对中各制动衬的领域集合,并基于所述相似度以及其中一制动衬与另一制动衬的领域集合中的任意样本的配重以及力学波形信号,确定该其中一制动衬的制动性能距离对两个制动衬对应的所有制动性能距离进行由小到大排序,获取前K’个制动性能距离对应的样本数据,构建正常记录数据集,K’大于等于1。本实施例中的相似度为:
其中H能够根据制动过程的制动加速度、角加速度过程的相似情况以及制动衬所对应的频率分量来综合评判性能的相似指标,其中Dcos为归一化余弦相似度;当H接近3时:
两个记录中,制动过程中两个阶段的功率十分相似;
两个记录中,制动过程中制动轮开始刹车瞬间和刹停过程中间时刻的角加速度序列相似,即制动衬和制动轮之间的制动效果相似;
两个记录中,制动衬夹紧效果的力学波形信号带来的频率分量相似;
通过三个关系的评判,可以确定出制动过程的机械性能是否尽可能相似。
上述中的K的取值为5,其取值具体取决于性能相似的且正常的制动衬的数量,K越大,越容易选出制动性能距离偏大的情况进行排除,并将剩余样本数据构成正常记录数据集;当然实施者可以根据实际的记录数量对K的取值进行尝试,选择合适的K值,K越小,正常记录数据集的样本质量越高,但数量越少。
上述中制动性能距离偏大的情况是将制动性能距离按照从小到大的顺序进行排序,获取排序后的较大数据,本实施例中一般选取制动性能距离中前20%大的样本,作为排除对象,剩余的样本数据构成正常记录数据集,也即上述步骤中的K’的取值为K-20%K,且K’大于等于1。
同样地,对制动衬r进行制动性能距离的计算,得到,其中的为制动衬的K个近邻样本中的样本。对于制动衬样本而言,当值较大,则认为此匹配对记
录不正常,针对各个匹配对的和的关系:排除掉所有记录中制动性能距离
中前20%大的样本,构建正常记录数据集DS;其中影响了制动性能距离Q的数值,越大,制动性能距离Q越小,因此排除的样本有非常大的概率为不常见的样本,进而
得到每个制动状态对应的正常记录数据集;需要说明的是,一个匹配对代表的是一个相似
制动状态;不同匹配对代表不同的制状态。需要指出的是,正常记录数据集DS中的数据不再
是匹配对,而是匹配对对应的所有记录。
需要说明的是,是针对两个制动衬样本之间相似度的局部分析,而
和则分别是两个制动衬分别与对应的制动衬的邻近样本进行进一步的相似判断,
理论上其中一制动衬与其邻近样本相似,那么匹配对中的另一制动衬也应该与其中一制动
衬的其邻近样本相似,以此来验证匹配对中两制动衬的匹配情况。
再者,基于正常记录数据集中的样本对应的制动功率,对正常记录数据集进行分组,确定各组内样本对应的电梯运行速度的中值,根据所述中值的大小,划分电梯制动器的工作状态等级;由频域特征Vclamp和工作状态等级构成数据训练集。
本实施例中,按照正常记录数据集DS中不同的制动功率,使用DBSCAN聚类算法对上述中获取的每个制动状态的正常样本数据集进行分组。
基于各个组,获取组内的电梯运行速度EV的中值,从而对各个组的电梯运行速度EV的中值进行排序,划分电梯制动器的工作状态等级,以达到自动划分得到若干个等级的目的。其中的工作状态等级实际上是将电梯运行速度从大到小进行排序,并赋予每个组对应的排序序号,作为对应的工作状态等级,如第一工作状态等级、第二工作状态等级、…,依次类推,直至第N次工作状态等级,其中的N为排序序号,其对应各组内的电梯运行速度的个数。
将频域特征Vclamp和工作状态等级构成数据训练集。
最后,利用所述数据训练集对构建的网络模型进行训练,得到训练好的网络模型;
实时获取待测电梯的制动功率描述子以及电梯运行速度,将电梯的制动功率描述子以及电梯运行速度输入训练好的网络模型,输出电梯制动器的工作状态等级,根据工作状态等级评估电梯制动器,并对电梯进行控制。
本实施例中的构建的网络模型为OCSVM(OneClass SVM)模型。其中核函数使用RBF函数,用于拟合各个类的Vclamp密集区域周围的非线性边界,从而可以将剩余点分隔为异常值。
基于数据训练集对OCSVM模型进行训练,其中输入为工作状态等级,输出为频域特征Vclamp;至此,可以针对每个组,即每个工作状态等级训练得到OCSVM模型,然后每个电梯制动器根据自身的速度找到新最相近的OCSVM,根据这个OCSVM判断后续产生刹车制动动作时的Vclamp是否正常的。
需要说明的是,各个组对应的OCSVM模型能够排除较大的样本,基于构建的各个组的训练数据集,从而获取训练好的OCSVM模型;同时,训练好的OCSVM能够基于不同的制动衬性能模式,从而学习不同速度、质量下且相对正常的样本特征,从而用于电梯异常状态的检测。
本实施例中获得了各个电梯基于制动器的各个工作状态等级的OCSVM模型,将新的测试记录输入到最相近的速度等级中的OCSVM模型中,从而对制动器各记录数据所体现的是否处于不良夹紧状态进行判断;当处于不良夹紧状态时,控制电梯停车前的速度下降至OCSVM模型对应的工作状态等级中的更慢一级,以保证刹车的安全;基于此,匹配更慢的速度并进行对应OCSVM模型的二次判别,当二次判别依然属于不良夹紧状态,则认为制动系统需要更换,停止服务,反之继续降速运行以等待维护。需要说明的是,上述中的工作状态等级对应电梯速度。
本发明的方案,实际上是提供了一种动作状态检测方法,一方面避免传统传感器粗放式检测带来的误报漏报,另一方面为检修、维护、运维管理提供了充分且必要的细致信息和检测结果。
本发明还提供了电梯制动器动作状态检测系统,包括处理器和存储器,所述处理器用于执行所述存储器存储的用于实现上述的电梯制动器动作状态检测方法的步骤。由于电梯制动器动作状态检测方法的实施例已经在上述方法实施例中进行了介绍,此处不再过多赘述。
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 (7)
1.电梯制动器动作状态检测方法,其特征在于,包括以下步骤:
分别获取电梯制动器中两个制动衬的力学波形信号,基于两力学波形信号的差值确定频域特征;同时分别获取制动器中制动轮在开始刹车瞬间和刹停过程中间时刻的两种刹车状态的角加速度序列以及电梯制动时长、电梯运行速度,基于两种刹车状态的电梯制动时长以及电梯运行速度,得到电梯的制动功率描述子;
获取制动衬的不同制动状态的相似情况,基于所述相似情况,选取相似情况中的最小值,基于所述最小值得到配对决策因子,基于所述配对决策因子,对任意两个制动衬进行配对,得到相同制动状态的制动衬匹配对;
基于匹配对中各制动衬的制动功率描述子、角加速度序列以及频域特征,得到匹配对内制动衬的相似度;获取匹配对中各制动衬的领域集合,并基于所述相似度以及其中一制动衬与另一制动衬的领域集合中的任意样本的配重以及力学波形信号,确定该其中一制动衬的制动性能距离对两个制动衬对应的所有制动性能距离进行由小到大排序,获取前K’个制动性能距离对应的样本数据,构建正常记录数据集,K’大于等于1;
基于正常记录数据集中的样本对应的制动功率,对正常记录数据集进行分组,确定各组内样本对应的电梯运行速度的中值,根据所述中值的大小,划分电梯制动器的工作状态等级;由频域特征和工作状态等级构成数据训练集;
利用所述数据训练集对构建的网络模型进行训练,得到训练好的网络模型;
实时获取待测电梯的制动功率描述子以及电梯运行速度,将电梯的制动功率描述子以及频域特征输入训练好的网络模型,输出电梯制动器的工作状态等级,根据工作状态等级评估电梯制动器,并对电梯进行控制。
2.根据权利要求1所述的电梯制动器动作状态检测方法,其特征在于,所述力学波形信号的获取过程为:
获取两个制动衬的应力序列;
计算两个制动衬的应力序列的方差,将方差较大的作为A侧制动衬,方差较小的作为B侧制动衬;
计算A侧制动衬与B侧制动衬的应力差值,进而得到差值序列,记为力学波形信号。
6.根据权利要求1所述的电梯制动器动作状态检测方法,其特征在于,所述电梯制动器的工作状态等级为根据电梯运行速度设定的级别。
7.电梯制动器动作状态检测系统,包括处理器和存储器,其特征在于,所述处理器用于执行所述存储器存储的用于实现如权利要求1-6中任一项所述的电梯制动器动作状态检测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015115.7A CN115744526B (zh) | 2023-01-06 | 2023-01-06 | 电梯制动器动作状态检测方法及系统 |
US18/340,021 US11958719B2 (en) | 2023-01-06 | 2023-06-22 | Action state detection method and system for elevator brake |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015115.7A CN115744526B (zh) | 2023-01-06 | 2023-01-06 | 电梯制动器动作状态检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115744526A true CN115744526A (zh) | 2023-03-07 |
CN115744526B CN115744526B (zh) | 2023-04-25 |
Family
ID=85348295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310015115.7A Active CN115744526B (zh) | 2023-01-06 | 2023-01-06 | 电梯制动器动作状态检测方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11958719B2 (zh) |
CN (1) | CN115744526B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063573A (zh) * | 2010-12-31 | 2011-05-18 | 长安大学 | 一种坠车事故分析计算与模拟再现计算机系统 |
CN105035887A (zh) * | 2015-07-03 | 2015-11-11 | 穆国栋 | 一种基于计算机视觉检测的智能电梯主控系统 |
CN108375472A (zh) * | 2018-02-12 | 2018-08-07 | 武汉科技大学 | 基于改进经验小波变换的轴承故障诊断方法及系统装置 |
CN209961455U (zh) * | 2019-01-22 | 2020-01-17 | 常熟理工学院 | 一种曳引机故障诊断试验装置 |
WO2020016924A1 (ja) * | 2018-07-17 | 2020-01-23 | 三菱電機株式会社 | 交通情報生成システム |
WO2020025809A1 (en) * | 2018-08-03 | 2020-02-06 | Curious Technology Gmbh | Method, system and computer program product for predicting failure of a noise-emitting apparatus |
CN112037207A (zh) * | 2020-09-01 | 2020-12-04 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车脱轨自动制动阀塞门手把关闭故障检测方法 |
CN112607555A (zh) * | 2020-11-23 | 2021-04-06 | 西人马联合测控(泉州)科技有限公司 | 用于电梯导轨状态检测的模型的训练方法、检测方法 |
CN113800352A (zh) * | 2021-09-13 | 2021-12-17 | 李景辉 | 一种电梯制动力矩检测方法及装置 |
CN115240056A (zh) * | 2022-06-17 | 2022-10-25 | 延安大学西安创新学院 | 一种基于深度学习的序列图像场景识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10322451A1 (de) * | 2003-05-19 | 2004-12-09 | Continental Teves Ag & Co. Ohg | Verfahren zum Optimieren des Reibwertes von Bremsbelägen einer Reibungsbremse |
FI119768B (fi) | 2006-01-16 | 2009-03-13 | Kone Corp | Hissi ja hissin jarru |
FI120535B (fi) | 2007-11-12 | 2009-11-30 | Kone Corp | Hissin jarru |
DE102012209519B4 (de) * | 2012-06-06 | 2015-01-08 | Saf-Holland Gmbh | Verfahren zur Sicherstellung der Bremswirkung einer Bremse |
CN104781174B (zh) | 2012-11-15 | 2018-06-05 | 奥的斯电梯公司 | 电梯制动器 |
EP3725723B1 (en) * | 2019-04-15 | 2024-05-29 | Otis Elevator Company | Brake lining monitoring system |
-
2023
- 2023-01-06 CN CN202310015115.7A patent/CN115744526B/zh active Active
- 2023-06-22 US US18/340,021 patent/US11958719B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063573A (zh) * | 2010-12-31 | 2011-05-18 | 长安大学 | 一种坠车事故分析计算与模拟再现计算机系统 |
CN105035887A (zh) * | 2015-07-03 | 2015-11-11 | 穆国栋 | 一种基于计算机视觉检测的智能电梯主控系统 |
CN108375472A (zh) * | 2018-02-12 | 2018-08-07 | 武汉科技大学 | 基于改进经验小波变换的轴承故障诊断方法及系统装置 |
WO2020016924A1 (ja) * | 2018-07-17 | 2020-01-23 | 三菱電機株式会社 | 交通情報生成システム |
WO2020025809A1 (en) * | 2018-08-03 | 2020-02-06 | Curious Technology Gmbh | Method, system and computer program product for predicting failure of a noise-emitting apparatus |
CN209961455U (zh) * | 2019-01-22 | 2020-01-17 | 常熟理工学院 | 一种曳引机故障诊断试验装置 |
CN112037207A (zh) * | 2020-09-01 | 2020-12-04 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车脱轨自动制动阀塞门手把关闭故障检测方法 |
CN112607555A (zh) * | 2020-11-23 | 2021-04-06 | 西人马联合测控(泉州)科技有限公司 | 用于电梯导轨状态检测的模型的训练方法、检测方法 |
CN113800352A (zh) * | 2021-09-13 | 2021-12-17 | 李景辉 | 一种电梯制动力矩检测方法及装置 |
CN115240056A (zh) * | 2022-06-17 | 2022-10-25 | 延安大学西安创新学院 | 一种基于深度学习的序列图像场景识别方法 |
Non-Patent Citations (1)
Title |
---|
张福生等: "《面向电梯本体安全的多源传感器数据网络融合建模方法》" * |
Also Published As
Publication number | Publication date |
---|---|
US11958719B2 (en) | 2024-04-16 |
US20230331515A1 (en) | 2023-10-19 |
CN115744526B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10809153B2 (en) | Detecting apparatus, detection method, and program | |
JP5833477B2 (ja) | エレベータの異常音診断方法、それに用いる装置、及びその装置を備えたエレベータ | |
RU2704073C2 (ru) | Способ и система для стадии обучения акустического или вибрационного анализа машины | |
JP7249254B2 (ja) | 工場ロボットの状態ベースメンテナンスのための運動非感知性特徴 | |
US10018597B2 (en) | Detection system and detection method | |
JP2021182393A (ja) | 設備診断方法 | |
CN116451122B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
De Lima et al. | On fault classification in rotating machines using fourier domain features and neural networks | |
Attoui | Novel fast and automatic condition monitoring strategy based on small amount of labeled data | |
CN115744526A (zh) | 电梯制动器动作状态检测方法及系统 | |
Ginart et al. | Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures | |
CN111693304B (zh) | 车辆故障检测方法、装置、计算机设备和可读存储介质 | |
CN106379787A (zh) | 一种电梯预警救援车 | |
CN103218277A (zh) | 服务器环境的自动检测方法与装置 | |
Joshuva et al. | A machine learning approach for vibration signal based fault classification on hydraulic braking system through c4. 5 decision tree classifier and logistic model tree classifier | |
KR20140139955A (ko) | 엔진의 고장검출 시스템 및 방법 | |
US20210293658A1 (en) | Methods and system for determining a control load using statistical analysis | |
CN113723732A (zh) | 用于离心泵的状态判定方法及系统 | |
US20220106162A1 (en) | Condition monitoring of an elevator | |
KR100506349B1 (ko) | 타이어의 초기 장애 감지장치 및 감지방법 | |
KR20210063804A (ko) | 타이어 시험기 | |
CN114674576B (zh) | 一种叉车制动性能试验方法及装置 | |
Carrillo Pousa et al. | Acoustic particle velocity for fault detection of rotating machinery using tachless order analysis | |
Satishkumar et al. | ESTIMATION OF REMAINING LIFE OF BEARINGS USING ROTATION FOREST AND RANDOM COMMITTEE CLASSIFICATION MODELS–A STATISTICAL LEARNING APPROACH | |
JP2024521454A (ja) | 振動測定エラー判断方法及びこれを利用する振動エラー判別システム |
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 |