CN117735373A - 自动扶梯智慧运维分析诊断预警系统 - Google Patents
自动扶梯智慧运维分析诊断预警系统 Download PDFInfo
- Publication number
- CN117735373A CN117735373A CN202311856009.8A CN202311856009A CN117735373A CN 117735373 A CN117735373 A CN 117735373A CN 202311856009 A CN202311856009 A CN 202311856009A CN 117735373 A CN117735373 A CN 117735373A
- Authority
- CN
- China
- Prior art keywords
- analysis
- escalator
- data
- sensor
- diagnosis
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 135
- 238000003745 diagnosis Methods 0.000 title claims abstract description 99
- 238000012423 maintenance Methods 0.000 title claims abstract description 72
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims description 61
- 238000012549 training Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 23
- 230000000007 visual effect Effects 0.000 claims description 20
- 238000013523 data management Methods 0.000 claims description 19
- 210000005036 nerve Anatomy 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 15
- 238000010183 spectrum analysis Methods 0.000 claims description 15
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 239000003638 chemical reducing agent Substances 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 239000010687 lubricating oil Substances 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000001902 propagating effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 239000000314 lubricant Substances 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 206010044565 Tremor Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Landscapes
- Escalators And Moving Walkways (AREA)
Abstract
本发明公开了自动扶梯智慧运维分析诊断预警系统，涉及网络安全分析技术领域，包括感知层、边缘层、平台层和客户端，感知层包括传感器模块，传感器模块分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析，边缘层包括数据采集分析诊断预警模块，数据采集分析诊断预警模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估和信息上传。本发明自动扶梯智慧运维分析诊断预警系统，能够对自动扶梯的关键部件在运行中的主要参数提取特征值进行在线监测分析，避免对自动扶梯实际故障情况的判断出现偏差，使自动扶梯能够对其各部件的工作状态进行监测，及时针对工况不正常的部件向工作人员发出预警。
Description
技术领域
本发明涉及自动扶梯智能技术领域，特别涉及自动扶梯智慧运维分析诊断预警系统。
背景技术
电动扶梯亦称自动扶梯或自动行人电梯、扶手电梯、电扶梯，是带有循环运行阶梯的一类扶梯，是用于向上或向下倾斜运送乘客的固定电力驱动设备，电动扶梯一般是斜置，行人在扶梯的一端站上自动行走的梯级，便会自动被带到扶梯的另一端，途中梯级会一路保持水平，扶梯在两旁设有跟梯级同步移动的扶手，供使用者扶握。
目前，在自动扶梯机电设备的维修维护方面主要还是依靠人力巡检这种运作模式，而随着自动扶梯行业的迅速发展，自动扶梯数量日益增加，随之而来的问题也应运而生，例如：1、自动扶梯的数量众多，维保单位、电梯零部件厂家的产品质量参差不齐，传统人力定期检查方式存在严重弊端，无法第一时间预警自动扶梯故障；2、通过人工巡检进行判断对相关工作人员的经验有较高的要求等，会导致对自动扶梯实际故障情况的判断出现偏差，影响自动扶梯的安全稳定运行，一旦因未及时发现设备故障而发生事故，就会造成严重的负面影响与不堪设想的后果，造成巨大的经济损失；3、现有的自动扶梯无法对其各部件的工作状态进行监测，从而无法及时针对工况不正常的部件向工作人员发出预警，而在自动扶梯出现故障后再进行维修会提升维修成本，且维修时需要依次排除非故障部件，过于费时费力，同时存在安全隐患。
因此，现提出一种新型的自动扶梯智慧运维分析诊断预警系统解决上述问题。
发明内容
本发明的主要目的在于提供自动扶梯智慧运维分析诊断预警系统，以解决上述背景中提出的问题。
为实现上述目的，本发明采取的技术方案为：自动扶梯智慧运维分析诊断预警系统，包括感知层、边缘层、平台层和客户端；
所述感知层包括传感器模块，所述传感器模块分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析；
所述边缘层包括数据采集分析诊断预警模块，所述数据采集分析诊断预警模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
所述平台层包括大数据管理平台，所述大数据管理平台利用设备数据，向设备管理人员提供自动扶梯较多功能服务，同时开放对综合监控平台等第三方系统的数据接口，上传线网级中心平台；
所述客户端包括应用终端，所述应用终端用于满足管理人员、运维人员、诊断分析专家等不同用户的使用需求。
所述传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器；
所述振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器等分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析。
所述传感器模块还包括电机、减速器、梯级链涨紧轮、梯级、梯级链和扶手带；
所述电机的故障类型包括转子故障、轴承故障和电源异常；
所述转子故障的可诊断故障包括转子动不平衡转子的定子偏心；
所述轴承故障的可诊断故障用于对轴承运转质量进行判断；
所述电源异常的可诊断故障为电流异常。
所述减速器的故障类型包括齿轮故障、轴承故障和润滑油温度；
所述齿轮故障的可诊断故障为齿轮啮合不良齿轮断齿；
所述轴承故障的可诊断故障为对轴承运转质量进行判断；
所述润滑油温度的可诊断故障为减速器油箱温度。
所述梯级链涨紧轮的故障类型为轴承故障；
所述梯级链涨紧轮的可诊断故障为对轴承运转质量进行判断，包括但不限于以下故障类型：内圈磨损、外圈磨损、保持架磨损和可定位轴承损坏元件；
所述梯级和梯级链的故障类型均为噪声，所述梯级和梯级链的可诊断故障分别为梯级翻转噪声异常和运转噪声异常；
所述扶手带的故障类型为温度，所述扶手带的可诊断故障为扶手带温度过高。
所述数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式；
所述高速同步采集模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
设置健康原始数据阈值范围，获取各传感器检测到的实时数据，作为训练数据集，并建立BP网路神经模型，训练数据集前向传播，误差反向传播并调节参数，判断是否满足误差阈值范围，完成训练并确定网络结构；
接收实时数据判断数据集，输入训练好的BP网路神经，并设置发送故障通道、接收故障通道和系统故障，发送故障通道和接收故障通道对应所述传感器模块设置的故障类型和可诊断故障类别，通过计算公式，判断系统故障；
计算公式设置为：X1-X2=Z；
X1为实时数据，X2为原始数据，Z为计算后的变量，通过阈值范围判断是否异常；
当Z超出阈值范围时，则认为出现故障，将发送故障通道的1777组训练样本数据作为网路神经2的输入，将功能输出至发送到十种故障类型作为输出，选择S型的正切函数TANSIG，为了提高网路神经的准确率，分别设置隐含层个数为10，20，40，学习率为0.005、0.001、0.01分组进行实验，并将测试样本代入训练好的网络神经对比准确率，当隐层个数为20个、学习率为0.005时，测试样本数据集诊断轨道电路故障准确率达到97.14％，且训练网络时间最快；
将接收故障通道的1777组训练样本数据作为BP网路神经3的输入，接收所述传感器模块中的十种故障类型作为输出；将系统故障的2352组训练样本数据作为BP网路神经4的输入；
根据训练网络4所用参数，选取TRAINGDX算法作为训练函数，输出层神经元个数为14，隐层与输出层神经元传递函数选择S型的正切函数TANSIG，隐层个数为20个、学习率为0.005的优化选择，实现对系统故障的2352组电动扶梯运维分析预警的诊断；
所述状态数据采集模块用于对各类传感器采集的数据进行边缘计算、部件特征频点展示分析、诊断评估、提取出相应部件的特征频率。
所述分析诊断模块用于通过特征频谱分析、时域分析、倒谱分析、包络解调分析、趋势劣化分析等特征分析，实现对自动扶梯智慧运维的专家分析诊断评估设计；
所述通讯模块用于通过边缘运算等核心算法对轴承运转质量进行判断，可定位轴承内部的损坏元件，有效指导按需维修；
所述自学习模式通过建立自学习模型样本及数据库，作为后续运行依据，超越该正常样本视为非正常状态，通过结合后台故障库样本，进行智能分析做出诊断评估，对自动扶梯智慧运维的系统不断自学习完善数据模型设计，对自动扶梯智慧运维的维保闭环设计。
所述大数据管理平台包括可视化展示模块，所述可视化展示模块包括数据接收单元、边缘计算、数据分析单元和预警提示模块；
所述数据接收单元用于将各种传感器采集到的数据进行边缘计算、分析处理、诊断评估、存储、信号上传；
所述数据分析单元用于通过边缘计算等核心算法，向设备管理人员提供电梯、自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、能耗管理和统计管理等功能服务，同时可以开放对综合监控平台等第三方系统的数据接口，所述边缘计算为现有的计算方法，计算方法与数据采集分析诊断预警模块相同；
所述预警提示模块与分析诊断模块连接，用于根据数据采集分析诊断预警模块提供的数据诊断分析运行的异常情况，并根据诊断到的异常情况生成异常信号并输出至预警提示模块，异常情况包括转子故障、轴承故障、电源异常、齿轮故障、轴承故障、润滑油温度、轴承故障、噪声和温度异常等情况；
所述预警提示模块与分析诊断模块连接，用于根据分析诊断模块发送的异常信号进行提示报警。
所述可视化展示模块还包括自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、AI可视化预警、能耗管理和统计管理等功能服务；
针对自动扶梯频率低、运行复杂等特点，采用频谱分析、时域波形、倒谱分析、包络解调谱分析等，通过多种智能分析手段可以得到专家诊断报告。
所述客户端设置为浏览器终端、APP、IOS系统和 Android系统的移动客户端，用于根据数据接口满足管理人员、运维人员、诊断分析专家等不同用户的使用需求，对自动扶梯智慧运维手机APP联动设计。
本发明具有如下有益效果：
1.本发明中，通过设置传感器模块，传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器等，且传感器模块内置监测采集卡件和网络自检系统，能够对自动扶梯的关键部件在运行中的主要参数提取特征值进行在线监测分析，实现智能实时检查，并能够实现第一时间预警自动扶梯故障。
2.本发明中，通过设置数据采集分析诊断预警模块，数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式，通过建立自学习模式，设备正常运行通过自学习模型样本及数据库，作为后续运行依据，超越该正常样本视为非正常状态，通过结合后台故障库样本，进行智能分析做出诊断评估，避免对自动扶梯实际故障情况的判断出现偏差，提高自动扶梯的安全稳定运行，防止未及时发现设备故障而发生事故，避免造成严重的负面影响与不堪设想的后果。
3.本发明中，通过设置大数据管理平台，大数据管理平台包括可视化展示模块，可视化展示模块还包括自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、AI可视化预警、能耗管理和统计管理等功能服务，针对自动扶梯频率低、运行复杂等特点，采用频谱分析、时域波形、倒谱分析、包络解调谱分析等，通过多种智能分析手段可以得到专家诊断报告，使自动扶梯能够对其各部件的工作状态进行监测，及时针对工况不正常的部件向工作人员发出预警，且维修时不需要依次排除非故障部件，省时省力，防止出现安全隐患。
附图说明
图1为本发明自动扶梯智慧运维分析诊断预警系统的系统架构图；
图2为本发明自动扶梯智慧运维分析诊断预警系统的传感器模块的结构构架图；
图3为本发明自动扶梯智慧运维分析诊断预警系统的数据采集分析诊断预警模块的结构构架图；
图4为本发明自动扶梯智慧运维分析诊断预警系统的大数据管理平台的结构构架图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
实施例一：
请参照图1-2所示：自动扶梯智慧运维分析诊断预警系统，包括感知层、边缘层、平台层和客户端；
所述感知层包括传感器模块，所述传感器模块分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析；
所述边缘层包括数据采集分析诊断预警模块，所述数据采集分析诊断预警模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
所述平台层包括大数据管理平台，所述大数据管理平台利用设备数据，向设备管理人员提供自动扶梯较多功能服务，同时开放对综合监控平台等第三方系统的数据接口，上传线网级中心平台；
所述客户端包括应用终端，所述应用终端用于满足管理人员、运维人员、诊断分析专家等不同用户的使用需求。
所述传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器；
所述振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器等分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析。
所述传感器模块还包括电机、减速器、梯级链涨紧轮、梯级、梯级链和扶手带；
所述电机的故障类型包括转子故障、轴承故障和电源异常；
所述转子故障的可诊断故障包括转子动不平衡转子的定子偏心；
所述轴承故障的可诊断故障用于对轴承运转质量进行判断；
所述电源异常的可诊断故障为电流异常。
所述减速器的故障类型包括齿轮故障、轴承故障和润滑油温度；
所述齿轮故障的可诊断故障为齿轮啮合不良齿轮断齿；
所述轴承故障的可诊断故障为对轴承运转质量进行判断；
所述润滑油温度的可诊断故障为减速器油箱温度。
所述梯级链涨紧轮的故障类型为轴承故障；
所述梯级链涨紧轮的可诊断故障为对轴承运转质量进行判断，包括但不限于以下故障类型：内圈磨损、外圈磨损、保持架磨损和可定位轴承损坏元件；
所述梯级和梯级链的故障类型均为噪声，所述梯级和梯级链的可诊断故障分别为梯级翻转噪声异常和运转噪声异常；
所述扶手带的故障类型为温度，所述扶手带的可诊断故障为扶手带温度过高。
通过设置传感器模块，传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器等，且传感器模块内置监测采集卡件和网络自检系统，能够对自动扶梯的关键部件在运行中的主要参数提取特征值进行在线监测分析，实现智能实时检查，并能够实现第一时间预警自动扶梯故障。
实施例二：
请参照图3所示：自动扶梯智慧运维分析诊断预警系统，包括感知层、边缘层、平台层和客户端；
所述感知层包括传感器模块，所述传感器模块分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析；
所述边缘层包括数据采集分析诊断预警模块，所述数据采集分析诊断预警模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
所述平台层包括大数据管理平台，所述大数据管理平台利用设备数据，向设备管理人员提供自动扶梯较多功能服务，同时开放对综合监控平台等第三方系统的数据接口，上传线网级中心平台；
所述客户端包括应用终端，所述应用终端用于满足管理人员、运维人员、诊断分析专家等不同用户的使用需求。
所述数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式；
所述高速同步采集模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
设置健康原始数据阈值范围，获取各传感器检测到的实时数据，作为训练数据集，并建立BP网路神经模型，训练数据集前向传播，误差反向传播并调节参数，判断是否满足误差阈值范围，完成训练并确定网络结构；
接收实时数据判断数据集，输入训练好的BP网路神经，并设置发送故障通道、接收故障通道和系统故障，发送故障通道和接收故障通道对应所述传感器模块设置的故障类型和可诊断故障类别，通过计算公式，判断系统故障；
计算公式设置为：X1-X2=Z；
X1为实时数据，X2为原始数据，Z为计算后的变量，通过阈值范围判断是否异常；
当Z超出阈值范围时，则认为出现故障，将发送故障通道的1777组训练样本数据作为网路神经2的输入，将功能输出至发送到十种故障类型作为输出，选择S型的正切函数TANSIG，为了提高网路神经的准确率，分别设置隐含层个数为10，20，40，学习率为0.005、0.001、0.01分组进行实验，并将测试样本代入训练好的网络神经对比准确率，当隐层个数为20个、学习率为0.005时，测试样本数据集诊断轨道电路故障准确率达到97.14％，且训练网络时间最快；
将接收故障通道的1777组训练样本数据作为BP网路神经3的输入，接收所述传感器模块中的十种故障类型作为输出；将系统故障的2352组训练样本数据作为BP网路神经4的输入；
根据训练网络4所用参数，选取TRAINGDX算法作为训练函数，输出层神经元个数为14，隐层与输出层神经元传递函数选择S型的正切函数TANSIG，隐层个数为20个、学习率为0.005的优化选择，实现对系统故障的2352组电动扶梯运维分析预警的诊断；
所述状态数据采集模块用于对各类传感器采集的数据进行边缘计算、部件特征频点展示分析、诊断评估、提取出相应部件的特征频率。
所述分析诊断模块用于通过特征频谱分析、时域分析、倒谱分析、包络解调分析、趋势劣化分析等特征分析，实现对自动扶梯智慧运维的专家分析诊断评估设计；
所述通讯模块用于通过边缘运算等核心算法对轴承运转质量进行判断，可定位轴承内部的损坏元件，有效指导按需维修；
所述自学习模式通过建立自学习模型样本及数据库，作为后续运行依据，超越该正常样本视为非正常状态，通过结合后台故障库样本，进行智能分析做出诊断评估，对自动扶梯智慧运维的系统不断自学习完善数据模型设计，对自动扶梯智慧运维的维保闭环设计。
通过设置数据采集分析诊断预警模块，数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式，通过建立自学习模式，设备正常运行通过自学习模型样本及数据库，作为后续运行依据，超越该正常样本视为非正常状态，通过结合后台故障库样本，进行智能分析做出诊断评估，避免对自动扶梯实际故障情况的判断出现偏差，提高自动扶梯的安全稳定运行，防止未及时发现设备故障而发生事故，避免造成严重的负面影响与不堪设想的后果。
实施例三：
请参照图4所示：自动扶梯智慧运维分析诊断预警系统，包括感知层、边缘层、平台层和客户端；
所述感知层包括传感器模块，所述传感器模块分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析；
所述边缘层包括数据采集分析诊断预警模块，所述数据采集分析诊断预警模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
所述平台层包括大数据管理平台，所述大数据管理平台利用设备数据，向设备管理人员提供自动扶梯较多功能服务，同时开放对综合监控平台等第三方系统的数据接口，上传线网级中心平台；
所述客户端包括应用终端，所述应用终端用于满足管理人员、运维人员、诊断分析专家等不同用户的使用需求。
所述大数据管理平台包括可视化展示模块，所述可视化展示模块包括数据接收单元、边缘计算、数据分析单元和预警提示模块；
所述数据接收单元用于将各种传感器采集到的数据进行边缘计算、分析处理、诊断评估、存储、信号上传；
所述数据分析单元用于通过边缘计算等核心算法，向设备管理人员提供电梯、自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、能耗管理和统计管理等功能服务，同时可以开放对综合监控平台等第三方系统的数据接口，所述边缘计算为现有的计算方法，计算方法与数据采集分析诊断预警模块相同；
所述预警提示模块与分析诊断模块连接，用于根据数据采集分析诊断预警模块提供的数据诊断分析运行的异常情况，并根据诊断到的异常情况生成异常信号并输出至预警提示模块，异常情况包括转子故障、轴承故障、电源异常、齿轮故障、轴承故障、润滑油温度、轴承故障、噪声和温度异常等情况；
所述预警提示模块与分析诊断模块连接，用于根据分析诊断模块发送的异常信号进行提示报警。
所述可视化展示模块还包括自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、AI可视化预警、能耗管理和统计管理等功能服务；
针对自动扶梯频率低、运行复杂等特点，采用频谱分析、时域波形、倒谱分析、包络解调谱分析等，通过多种智能分析手段可以得到专家诊断报告。
所述客户端设置为浏览器终端、APP、IOS系统和 Android系统的移动客户端，用于根据数据接口满足管理人员、运维人员、诊断分析专家等不同用户的使用需求，对自动扶梯智慧运维手机APP联动设计。
通过设置大数据管理平台，大数据管理平台包括可视化展示模块，可视化展示模块还包括自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、AI可视化预警、能耗管理和统计管理等功能服务，针对自动扶梯频率低、运行复杂等特点，采用频谱分析、时域波形、倒谱分析、包络解调谱分析等，通过多种智能分析手段可以得到专家诊断报告，使自动扶梯能够对其各部件的工作状态进行监测，及时针对工况不正常的部件向工作人员发出预警，且维修时不需要依次排除非故障部件，省时省力，防止出现安全隐患。
本发明中，自动扶梯智慧运维分析诊断预警系统，本系统在操作时，需要根据计算机设备通过大数据进行线路操控，在计算机设备操控时，通过设置传感器模块，传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器等，且传感器模块内置监测采集卡件和网络自检系统，能够对自动扶梯的关键部件在运行中的主要参数提取特征值进行在线监测分析，实现智能实时检查，并能够实现第一时间预警自动扶梯故障；通过设置数据采集分析诊断预警模块，数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式，通过建立自学习模式，设备正常运行通过自学习模型样本及数据库，作为后续运行依据，超越该正常样本视为非正常状态，通过结合后台故障库样本，进行智能分析做出诊断评估，避免对自动扶梯实际故障情况的判断出现偏差，提高自动扶梯的安全稳定运行，防止未及时发现设备故障而发生事故，避免造成严重的负面影响与不堪设想的后果；大数据管理平台包括可视化展示模块，可视化展示模块还包括自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、AI可视化预警、能耗管理和统计管理等功能服务，针对自动扶梯频率低、运行复杂等特点，采用频谱分析、时域波形、倒谱分析、包络解调谱分析等，通过多种智能分析手段可以得到专家诊断报告，使自动扶梯能够对其各部件的工作状态进行监测，及时针对工况不正常的部件向工作人员发出预警，且维修时不需要依次排除非故障部件，省时省力，防止出现安全隐患。整个系统精准可靠，智能性强。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.自动扶梯智慧运维分析诊断预警系统，其特征在于，所述自动扶梯智慧运维分析诊断预警系统包括感知层、边缘层、平台层和客户端；
所述感知层包括传感器模块，所述传感器模块分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析；
所述边缘层包括数据采集分析诊断预警模块，所述数据采集分析诊断预警模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
所述平台层包括大数据管理平台，所述大数据管理平台利用设备数据，向设备管理人员提供自动扶梯较多功能服务，同时开放对综合监控平台等第三方系统的数据接口，上传线网级中心平台；
所述客户端包括应用终端，所述应用终端用于满足管理人员、运维人员、诊断分析专家等不同用户的使用需求。
2.根据权利要求1所述的系统，其特征在于：所述传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器；
所述振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器等分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析。
3.根据权利要求2所述的系统，其特征在于：所述传感器模块还包括电机、减速器、梯级链涨紧轮、梯级、梯级链和扶手带；
所述电机的故障类型包括转子故障、轴承故障和电源异常；
所述转子故障的可诊断故障包括转子动不平衡转子的定子偏心；
所述轴承故障的可诊断故障用于对轴承运转质量进行判断；
所述电源异常的可诊断故障为电流异常。
4.根据权利要求3所述的系统，其特征在于：所述减速器的故障类型包括齿轮故障、轴承故障和润滑油温度；
所述齿轮故障的可诊断故障为齿轮啮合不良齿轮断齿；
所述轴承故障的可诊断故障为对轴承运转质量进行判断；
所述润滑油温度的可诊断故障为减速器油箱温度。
5.根据权利要求4所述的系统，其特征在于：所述梯级链涨紧轮的故障类型为轴承故障；
所述梯级链涨紧轮的可诊断故障为对轴承运转质量进行判断，包括但不限于以下故障类型：内圈磨损、外圈磨损、保持架磨损和可定位轴承损坏元件；
所述梯级和梯级链的故障类型均为噪声，所述梯级和梯级链的可诊断故障分别为梯级翻转噪声异常和运转噪声异常；
所述扶手带的故障类型为温度，所述扶手带的可诊断故障为扶手带温度过高。
6.根据权利要求1所述的系统，其特征在于：所述数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式
所述高速同步采集模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
设置健康原始数据阈值范围，获取各传感器检测到的实时数据，作为训练数据集，并建立BP网路神经模型，训练数据集前向传播，误差反向传播并调节参数，判断是否满足误差阈值范围，完成训练并确定网络结构；
接收实时数据判断数据集，输入训练好的BP网路神经，并设置发送故障通道、接收故障通道和系统故障，发送故障通道和接收故障通道对应所述传感器模块设置的故障类型和可诊断故障类别，通过计算公式，判断系统故障；
计算公式设置为：X1-X2=Z；
X1为实时数据，X2为原始数据，Z为计算后的变量，通过阈值范围判断是否异常；
当Z超出阈值范围时，则认为出现故障，将发送故障通道的1777组训练样本数据作为网路神经2的输入，将功能输出至发送到十种故障类型作为输出，选择S型的正切函数TANSIG，为了提高网路神经的准确率，分别设置隐含层个数为10，20，40，学习率为0.005、0.001、0.01分组进行实验，并将测试样本代入训练好的网络神经对比准确率，当隐层个数为20个、学习率为0.005时，测试样本数据集诊断轨道电路故障准确率达到97.14％，且训练网络时间最快；
将接收故障通道的1777组训练样本数据作为BP网路神经3的输入，接收所述传感器模块中的十种故障类型作为输出；将系统故障的2352组训练样本数据作为BP网路神经4的输入；
根据训练网络4所用参数，选取TRAINGDX算法作为训练函数，输出层神经元个数为14，隐层与输出层神经元传递函数选择S型的正切函数TANSIG，隐层个数为20个、学习率为0.005的优化选择，实现对系统故障的2352组电动扶梯运维分析预警的诊断；
所述状态数据采集模块用于对各类传感器采集的数据进行边缘计算、部件特征频点展示分析、诊断评估、提取出相应部件的特征频率。
7.根据权利要求6所述的系统，其特征在于：所述分析诊断模块用于通过特征频谱分析、时域分析、倒谱分析、包络解调分析、趋势劣化分析等特征分析，实现对自动扶梯智慧运维的专家分析诊断评估设计；
所述通讯模块用于通过边缘运算等核心算法对轴承运转质量进行判断，可定位轴承内部的损坏元件，有效指导按需维修；
所述自学习模式通过建立自学习模型样本及数据库，作为后续运行依据，超越该正常样本视为非正常状态，通过结合后台故障库样本，进行智能分析做出诊断评估，对自动扶梯智慧运维的系统不断自学习完善数据模型设计，对自动扶梯智慧运维的维保闭环设计。
8.根据权利要求1所述的系统，其特征在于：所述大数据管理平台包括可视化展示模块，所述可视化展示模块包括数据接收单元、边缘计算、数据分析单元和预警提示模块；
所述数据接收单元用于将各种传感器采集到的数据进行边缘计算、分析处理、诊断评估、存储、信号上传；
所述数据分析单元用于通过边缘计算等核心算法，向设备管理人员提供电梯、自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、能耗管理和统计管理等功能服务，同时可以开放对综合监控平台等第三方系统的数据接口，所述边缘计算为现有的计算方法，计算方法与数据采集分析诊断预警模块相同；
所述预警提示模块与分析诊断模块连接，用于根据数据采集分析诊断预警模块提供的数据诊断分析运行的异常情况，并根据诊断到的异常情况生成异常信号并输出至预警提示模块，异常情况包括转子故障、轴承故障、电源异常、齿轮故障、轴承故障、润滑油温度、轴承故障、噪声和温度异常等情况；
所述预警提示模块与分析诊断模块连接，用于根据分析诊断模块发送的异常信号进行提示报警。
9.根据权利要求8所述的系统，其特征在于：所述可视化展示模块还包括自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、AI可视化预警、能耗管理和统计管理等功能服务；
针对自动扶梯频率低、运行复杂等特点，采用频谱分析、时域波形、倒谱分析、包络解调谱分析等，通过多种智能分析手段可以得到专家诊断报告。
10.根据权利要求1所述的系统，其特征在于：所述客户端设置为浏览器终端、APP、IOS系统和 Android系统的移动客户端，用于根据数据接口满足管理人员、运维人员、诊断分析专家等不同用户的使用需求，对自动扶梯智慧运维手机APP联动设计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311856009.8A CN117735373A (zh) | 2023-12-29 | 2023-12-29 | 自动扶梯智慧运维分析诊断预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311856009.8A CN117735373A (zh) | 2023-12-29 | 2023-12-29 | 自动扶梯智慧运维分析诊断预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117735373A true CN117735373A (zh) | 2024-03-22 |
Family
ID=90260681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311856009.8A Pending CN117735373A (zh) | 2023-12-29 | 2023-12-29 | 自动扶梯智慧运维分析诊断预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117735373A (zh) |
-
2023
- 2023-12-29 CN CN202311856009.8A patent/CN117735373A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110937489B (zh) | 自动扶梯的在线故障监控预警方法及系统 | |
| CN106586796B (zh) | 一种自动扶梯状态监测系统及方法 | |
| CN111401583A (zh) | 基于预测性维护的自动扶梯全生命周期健康管理系统 | |
| CN204689281U (zh) | 用于电梯故障预诊断的电梯管理系统 | |
| CN109238735B (zh) | 港口货运电动agv的故障监测诊断系统 | |
| CN109543858A (zh) | 一种水电机组在线监测数据分析评估方法 | |
| CN102589881B (zh) | 冶金特种车辆轮对轴承缺陷智能检测方法 | |
| CN106354123A (zh) | 基于物联网的大型机械设备故障自动检测系统 | |
| CN108928744B (zh) | 一种基于大数据的集装箱起重机在线诊断及维护系统 | |
| CN111186741B (zh) | 电梯门系统健康维护方法及装置 | |
| CN113277396B (zh) | 一种电梯健康状态监测方法、装置及预警系统 | |
| CN113465953B (zh) | 动车组传动系统故障预测与健康管理装置及其使用方法 | |
| CN114139297B (zh) | 基于机泵设备状态监测和大数据分析的专家诊断系统 | |
| CN209906170U (zh) | 自动扶梯安全运行在线监测和预警系统 | |
| CN117735373A (zh) | 自动扶梯智慧运维分析诊断预警系统 | |
| CN105865789A (zh) | 一种用于分解槽减速机轴承故障的检测系统 | |
| CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
| CN106586841A (zh) | 起重装备减速机运行状态监测方法及系统 | |
| CN116704713A (zh) | 一种过山车安全监测预警方法及装置 | |
| CN109765049A (zh) | 自动扶梯主驱动链疲劳寿命试验装置 | |
| CN116628544A (zh) | 基于液压绞车状态在线监测的故障诊断方法 | |
| CN104909138A (zh) | 输送机滚筒轴承在线监测系统 | |
| CN114925867A (zh) | 一种无缝钢管生产重点设备物联网维修预测系统 | |
| CN115034408A (zh) | 一种无缝钢管生产重点设备物联网维修预测系统 | |
| CN209416701U (zh) | 自动扶梯主驱动链疲劳寿命试验装置 |
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 |