CN202414914U - 基于特征信号的电梯安全检测装置 - Google Patents
基于特征信号的电梯安全检测装置 Download PDFInfo
- Publication number
- CN202414914U CN202414914U CN2011205593768U CN201120559376U CN202414914U CN 202414914 U CN202414914 U CN 202414914U CN 2011205593768 U CN2011205593768 U CN 2011205593768U CN 201120559376 U CN201120559376 U CN 201120559376U CN 202414914 U CN202414914 U CN 202414914U
- Authority
- CN
- China
- Prior art keywords
- elevator
- unit
- signal
- detecting
- vibration
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本实用新型涉及基于特征信号的电梯安全检测装置及电梯安全检测方法,所述电梯安全检测装置包括依次连接的用于检测电梯振动信息和噪声信息的信号检测单元、用于从信号检测单元采集信号的数据采集单元和用于提取振动信息及噪声信息在电梯不同工况时的特征信号并进行处理的微处理器,所述信号检测单元设置于电梯曳引机组上,其结构简单,适用范围广,可以有效地对不同类型和厂家的电梯执行故障报警或预警,基于该装置的电梯安全检测方法利用小波变化对振动信号进行特征提取,可以对电梯设定工况进行识别,并建立专家策略知识库,进而实现非接触式的远程监控、故障诊断等功能,显著提升了电梯安全水平。
Description
技术领域
本实用新型涉及电梯安全监测领域,尤其涉及一种基于特征信号的电梯安全检测装置及安全检测方法。
背景技术
电梯安全控制策略以及每一个决策的正确执行,都是基于对电梯状态的准确辨识和判定,在实践中,表征电梯状态的一种方式是绘制电梯工况的特征值曲线,所述特征值可以是振动或噪声信息。研究发现,电梯在发生某些故障时电梯曳引机组的特征曲线会表现异常,但是目前对电梯状态的表征直接依赖于电梯控制系统中星罗棋布的传感器所反馈的信号,要实现对电梯状态的辨识并在此基础上开展安全相关的创新性工作,中间需经历众多开关量信号的解码、通信协议的破译以及控制代码的二次开发等复杂的过程,由于不同的公司所提供的电梯控制器的信息代码标准不同,且通讯协议不对外公开,加之我国电梯市场多种梯型共存的现状,基于对电梯控制系统再开发基础上的安全技术的开发缺乏独立性和通用性,严重制约了技术的应用推广,而基于传统电梯状态表征方法打造独立于原电梯系统的监控系统代价高昂,施工难度极大,基本上没有操作性,近年来,随着人们安全意识的不断提高,电梯提供方急需一种成本低廉,适用范围广的特征值检测和提取装置。
实用新型内容
本实用新型第一方面之目的,就是提供一种基于特征信号的电梯安全检测装置,该装置结构简单,适用范围广,可以有效地对不同类型和厂家的电梯执行故障报警或预警操作。
为了达到上述目的,采用如下技术方案:
一种基于特征信号的电梯安全检测装置,包括依次连接的用于检测电梯振动信息和噪声信息的信号检测单元、用于从信号检测单元采集信号的数据采集单元和用于提取振动信息及噪声信息在电梯不同工况时的特征信号并进行处理的微处理器,所述信号检测单元设置于电梯曳引机组上。
进一步地,所述信号检测单元包括并联连接的电梯振动检测单元和电梯噪声检测单元。
更进一步地,所述电梯振动检测单元为加速度传感器。
再进一步地,所述电梯曳引机组包括牵引电机和通过齿轮组与牵引电机连接的曳引轮,所述噪声检测单元设置于齿轮组附近,所述噪声检测单元为音频传感器。
还进一步地,所述信号检测单元和数据采集单元中间还设置有滤波器。
作为一种具体实施例,还包括与微处理器连接的输出模块。
本实用新型的第二个目的,就是提供一种基于上述电梯安全检测装置的电梯安全检测方法,该方法建立了特征信号与电梯曳引机不同工况之间的辨识关系数据库,并基于上述模型制定相应的控制决策,从而实现对电梯工况的检测和预警。
为了达到上述目的,采用如下技术方案:
一种电梯安全检测方法,包括以下步骤得到:
S1:特征信号检测单元检测电梯曳引机组在不同工况下的振动及噪声信息并由滤波器剔除干扰信号,所述工况至少包括正常工作状态、轴承磨损状态、传动链条磨损状态、润滑不足状态中的一种或几种;
S2:数据采集单元采集上一步骤得到的信息并转送到微处理器,微处理器基于接收信息的时间序列绘制振动曲线和噪声曲线;
S3:微处理器对振动曲线和噪声曲线进行小波分析,并提取电梯曳引机组在设定工况下的特征信号,建立设定工况与提取的特征信号之间的辨识关系;
S4:基于上一步骤的辨识关系,微处理器在检测到与设定工况相对应的特征信号时,输出对应的报警信号。
进一步地,所述步骤S3包括以下步骤:
S31:微处理器对振动曲线和噪声曲线进行小波分析,提取电梯曳引机组在设定工况下的特征信号并建立数据库;
S32:利用误差反向传播人工神经网络算法建立设定工况与提取的特征信号之间的辨识关系。
更进一步地,步骤S31中,所述小波分析至少包括时域分析和频谱分析。
还进一步地,所述步骤S4中,所述报警信号为语音提示信号或灯光信号。
与现有技术相比,本实用新型的有益效果在于:
本实用新型所述的电梯安全检测装置,可以对不同种类、型号和厂家的电梯曳引机组进行监控,该检测系统采用开放式系统架构和模块化设计实现了对电梯的低成本监控及预警;运用采用小波分析分析工具对电梯不同状态下振动及噪声曲线进行时域及频谱分析,建立了电梯在不同工况下和振动及噪声特征信号的数据库,为电梯工况的检测和预警提供了基础;利用BP人工神经网络算法对电梯状态对应的特征信号进行学习和模式识别,建立了特征信号与电梯运行模式以及电梯运行中典型故障的逻辑判定模型,为用户制定相关状态对应的控制决策提供了基础;同时,本实用新型的电梯主动安全思想,为电梯故障早期诊断和预测提供了新的可能性。
附图说明
图1是本实用新型所述基于特征信号的电梯安全检测装置的功能模块示意图。
图2是本实用新型所述电梯安全检测方法的振动信息时域分析结果示意图。
图3是本实用新型所述电梯安全检测方法的振动信息频域分析结果示意图。
图4是本实用新型所述误差反向传播人工神经网络算法的电梯特征信号识别示意图。
具体实施方式
参见图1,一种基于特征信号的电梯安全检测装置,包括依次连接的用于检测电梯振动信息和噪声信息的信号检测单元、用于从信号检测单元采集信号的数据采集单元4和用于提取振动信息及噪声信息在电梯不同工况时的特征信号并进行处理的微处理器5,所述信号检测单元设置于电梯曳引机组1上,所述信号检测单元包括并联连接的电梯振动检测单元和电梯噪声检测单元,所述电梯振动检测单元为振动加速度传感器,在本实施例中优选为三自由度振动加速度传感器2,所述电梯曳引机组包括牵引电机和通过齿轮组与牵引电机连接的曳引轮,所述噪声检测单元设置于齿轮组附近,所述噪声检测单元为音频传感器7,音频传感器后还设置有放大器6来对原始噪声信号进行放大,其中信号检测单元和数据采集单元中间还设置有滤波器3,该安全检测装置还包括与微处理器6连接的输出模块8,输出模块8可以是扬声器或LED灯等信号器件。
基于上述装置及设置,本实用新型所述的电梯安全检测方法,包括以下步骤得到:
S1:特征信号检测单元检测电梯曳引机组在不同工况下的振动及噪声信息并由滤波器剔除干扰信号。参见图1,在电梯运行过程中,三自由度振动加速度传感器2和音频传感器7对电梯拖曳机组1并将信号传递给滤波器3,由滤波器3剔除其中的干扰信号,上述工况包括但不限于正常工作状态、轴承磨损状态、传动链条磨损状态、润滑不足等机械故障或典型的电气故障,在本实施例中,三自由度振动加速度传感器2和音频传感器7输出信息为数字量的电压或电流信号,为下一步骤绘制特征曲线提供基础。
S2:数据采集单元采集上一步骤得到的信息并转送到微处理器,微处理器基于接收信息的时间序列绘制振动曲线和噪声曲线。
在本步骤中,微处理器基于来自信号采集单元的信息绘制不同工况下的振动曲线和噪声曲线,该曲线以时间为横坐标,以振动或噪声信号的数字量电压(或电流)为纵坐标。
S3:微处理器对振动曲线和噪声曲线进行小波分析,并提取电梯曳引机组在设定工况下的特征信号,建立设定工况与提取的特征信号之间的辨识关系;
本步骤又包括以下两个阶段:
S31,微处理器对振动曲线和噪声曲线进行小波分析,提取电梯曳引机组在设定工况下的特征信号并建立数据库;
小波变换是一种新的变换分析方法,它继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的时间-频率窗口,是进行信号时频分析和处理的理想工具,其主要特点是通过变换能够充分突出问题某些方面的特征,通过伸缩平移运算对信号逐步进行多尺度细化,最终达到高频处时间细分,低频处频率细分,自动适应时域频域信号分析的要求,从而聚焦到故障信号的任意细节,通过对极值点的逻辑判定,准确检测出故障的发生。
本实施例中采用MATLAB中的小波信号分析工具对电梯拖曳机组的振动曲线及噪声曲线进行时域分析及频谱分析,从而提取电梯在不同运行工况(包括但不限于正常工作状态、轴承磨损状态、传动链条磨损状态、润滑不足状态及电力不足等机械和电气故障)下振动信息及噪声信息的特征信号,运用功率谱分析工具,将各种故障振动信号源分离提取,建立故障振动信号特征数据库,其变换的公式为:
小波级数表达式:小波系数:
参见图2-图3,图2为微处理器5对上一步骤得到的振动曲线进行时域分析提取的特征信号示意图,图3为对振动曲线进行频谱分析提取的特征信号示意图,如果电梯曳引机组发生故障,经过处理的波形就会出现明显不同于曳引机组正常工作时的情况,例如波形极大值和极小值会变化等,这种变化工作人员是可以根据图示的特征信号看出来的,本步骤中的小波变换就是有效地将隐藏在正常振动信号之中的早期弱故障信号提取出来,从而发现曳引机组的早期损伤。
S32:利用误差反向传播(Back Propagation,简称BP)人工神经网络算法建立设定工况与提取的特征信号之间的辨识关系;
为了对小波分析产生的特征信号进行分析比较,首先要设定特征信号的参考值,该参考值可以通过电梯前期运行时对其运行状态的在线检测和统计得到,由于电梯发生故障时,电梯的电流、电压或功率曲线上表现出特定、有规律的特征信号,故本实施例将设定工况(如电梯处于轴承磨损状态故障)时的电压特征信号作为BP人工神经网络模型的参考输出量,基于该参考输出量,参见图4,可以利用BP人工神经网络算法对电梯状态对应的特征信号进行学习,建立特征信号与电梯运行中典型故障的逻辑判定模型。
在对经过小波变换的特征信号(振动信号及噪声信号)进行网络学习过程中,神经网络的输出变量时刻与特定工况的参考输出量进行误差对比分析,在不断的学习过程中,当误差小到设定值且不再减小时,认为找到了最优解,从而停止迭代;此时,可以认为经过小波变换和网络学习的特征信号与设定工况的参考输出量一致,说明电梯曳引系统位于设定工况(如电梯轴承磨损故障),从而进行报警等相关动作。
具体步骤如下:
(1)构造BP神经网络模型初始结构(一个输入层、一个隐含层、一个输出层及足够多个隐含点)
(2)依据实际问题,选入对因变量有影响的变量,运用自组织方法筛选出对因变量最有影响的变量(振动信号及噪声信号),以此确定输入节点的个数;
(3)根据实际问题,确定输出层节点的个数,并初始化(包括给定学习精度,规定迭代步数,隐节点数上限,学习参数初始值,动量项系数等);
(4)N等分初始权值的容许区域H,其中N为自然数,且N≥2;
(6)在选定的小区域上随机产生初始权值Wij;
(7)按BP算法对网络进行学习,具体学习过程如下:先将初始权值区域N等分,在这N个小区域内分别随机产生初始权值进行学习,选取对应误差函数E最小的那个区域再N等分,再在这N个小区域内重复上述步骤,当误差函数E不再减小时,认为找到了最优点并停止迭代,其中,称为全局平均误差,也即是本例中特征信号与电梯运行中典型故障的逻辑判定模型;
(8)判断迭代步数是否超过规定步数或学习精度是否达到要求,如是,则进入下一步(9)如,否,跳转回(7)步;
(9)计算隐节点间的相关参数及发散度;其中同层隐节点i与j的相关系数
其中ρij说明隐节点i与j的相关程度,如ρij过大,说明节点i和j功能重复,需要压缩合并;
样本发散度
若Si过小,说明隐节点i的输出值变化很小,它对网络没有起到作用,则可以删除;
(10)判断学习精度是否达到要求或迭代步数是否超过规定步数,如是,则终止算法;如否,返回步骤(6)。
S4:基于上一步骤的辨识关系,微处理器在检测到与设定工况相对应的特征信号时,输出不同的报警信号。
基于电梯状态特征信号的模式识别工作基础,制定相关状态对应的控制决策,从而建立电梯主动安全控制专家策略数据库,该数据库能根据不同电梯故障信号做出相对应的报警动作,例如不同故障特征信号对应不同颜色的指示灯及语音提示等。
应该理解,以上具体实施例所公布的内容仅为本实用新型的部分优选方案,凡是基于本实用新型的技术方案、符合本实用新型的技术精神,属于本领域技术人员无需进行创造性劳动即可得到的实施都应属于本实用新型的保护范围。
Claims (6)
1.一种基于特征信号的电梯安全检测装置,其特征在于,包括依次连接的用于检测电梯振动信息和噪声信息的信号检测单元、用于从信号检测单元采集信号的数据采集单元和用于提取振动信息及噪声信息在电梯不同工况时的特征信号并进行处理的微处理器,所述信号检测单元设置于电梯曳引机组上。
2.如权利要求1所述的基于特征信号的电梯安全检测装置,其特征在于,所述信号检测单元包括并联连接的电梯振动检测单元和电梯噪声检测单元。
3.如权利要求2所述的基于特征信号的电梯安全检测装置,其特征在于,所述电梯振动检测单元为加速度传感器。
4.如权利要求2所述的基于特征信号的电梯安全检测装置,其特征在于,所述电梯曳引机组包括牵引电机和通过齿轮组与牵引电机连接的曳引轮,所述噪声检测单元设置于齿轮组附近,所述噪声检测单元为音频传感器。
5.如权利要求3或4任一项所述的基于特征信号的电梯安全检测装置,其特征在于,所述信号检测单元和数据采集单元中间还设置有滤波器。
6.如权利要求5所述的基于特征信号的电梯安全检测装置,其特征在于,还包括与微处理器连接的输出模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011205593768U CN202414914U (zh) | 2011-12-27 | 2011-12-27 | 基于特征信号的电梯安全检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011205593768U CN202414914U (zh) | 2011-12-27 | 2011-12-27 | 基于特征信号的电梯安全检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN202414914U true CN202414914U (zh) | 2012-09-05 |
Family
ID=46739698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011205593768U Expired - Fee Related CN202414914U (zh) | 2011-12-27 | 2011-12-27 | 基于特征信号的电梯安全检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN202414914U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102491140A (zh) * | 2011-12-27 | 2012-06-13 | 阳西县电梯配件有限公司 | 基于特征信号的电梯安全检测装置及电梯安全检测方法 |
CN108063698A (zh) * | 2017-12-15 | 2018-05-22 | 东软集团股份有限公司 | 设备异常检测方法和装置、程序产品及存储介质 |
CN108569607A (zh) * | 2018-06-22 | 2018-09-25 | 西安理工大学 | 基于双向门控循环神经网络的电梯故障预警方法 |
-
2011
- 2011-12-27 CN CN2011205593768U patent/CN202414914U/zh not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102491140A (zh) * | 2011-12-27 | 2012-06-13 | 阳西县电梯配件有限公司 | 基于特征信号的电梯安全检测装置及电梯安全检测方法 |
CN108063698A (zh) * | 2017-12-15 | 2018-05-22 | 东软集团股份有限公司 | 设备异常检测方法和装置、程序产品及存储介质 |
CN108569607A (zh) * | 2018-06-22 | 2018-09-25 | 西安理工大学 | 基于双向门控循环神经网络的电梯故障预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102491140A (zh) | 基于特征信号的电梯安全检测装置及电梯安全检测方法 | |
CN103144937B (zh) | 煤矿钢丝绳芯带式输送机智能监控系统及监控方法 | |
CN110287552B (zh) | 基于改进随机森林算法的电机轴承故障诊断方法及系统 | |
CN103163420B (zh) | 电力变压器智能在线状态评判方法 | |
CN111651505B (zh) | 一种基于数据驱动的设备运行态势分析预警方法及系统 | |
CN111861211B (zh) | 一种具有双层反窃电模型的系统 | |
CN108444708A (zh) | 基于卷积神经网络的滚动轴承智能诊断模型的建立方法 | |
CN104091070A (zh) | 一种基于时间序列分析的轨道交通故障诊断方法和系统 | |
CN103592587A (zh) | 基于数据挖掘的局部放电诊断方法 | |
CN104665849A (zh) | 一种基于多生理信号多模型交互的高铁调度员应激检测方法 | |
CN106709567A (zh) | 基于深度学习模型的道岔故障诊断方法 | |
CN101833324B (zh) | 胎面挤出过程智能故障诊断系统及其诊断方法 | |
CN202414914U (zh) | 基于特征信号的电梯安全检测装置 | |
CN104318305B (zh) | 一种基于小波与神经网络的逆变器低频噪声故障诊断方法 | |
CN101271625A (zh) | 集成支持向量机检测高速公路交通事件的方法 | |
CN111717753A (zh) | 基于多维故障特征的自适应电梯故障预警系统及方法 | |
CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
CN105626502A (zh) | 基于小波包和拉普拉斯特征映射的柱塞泵健康评估方法 | |
CN107844067A (zh) | 一种水电站闸门在线状态监测控制方法及监测系统 | |
CN110057581A (zh) | 基于区间型信度规则推理的旋转机械故障诊断方法 | |
CN112016470A (zh) | 基于声音信号和振动信号的有载分接开关故障识别方法 | |
CN106441843A (zh) | 一种旋转机械故障波形识别方法 | |
CN102879475B (zh) | 基于pca和tdf对16锰钢承力件进行疲劳损伤状态的识别系统 | |
CN102778632A (zh) | 对变压器绕组故障类型直接预报和识别的双规识别法 | |
CN102195814B (zh) | 一种利用相关性的it运维指标预报与预测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120905 Termination date: 20131227 |