[发明专利]一种电梯轿厢系统故障预警方法

说明书

本发明提出了一种电梯轿厢系统故障预警方法，首先进行线下模型训练，将采集到的电梯轿厢系统正常运行时的振动加速度数据进行离差标准化处理，并通过深度自编码器(Deep Auto‑Encoder，DAE)模型进行训练，然后计算重构误差集E在箱线图中的上限值K作为预警阈值e_th；接着进行在线故障预警，将采集到的电梯轿厢系统实时运行的振动加速度数据通过训练好的DAE模型来计算重构误差e，将预警阈值e_th与得到的重构误差e进行比较来分析电梯健康状况，最后利用t‑分布随机邻域嵌入(t‑SNE)算法将其映射到二维以及三维空间中进行可视化展示。本发明可以帮助电梯管理人员实时掌握电梯轿厢系统的健康状况，对性能退化的轿厢系统进行预警。

技术领域

本发明属于电梯故障预警领域，特别是一种电梯轿厢系统故障预警方法。

背景技术

随着我国经济的快速发展和城镇化水平的不断提高，楼房的高层化和现代化的大幅度提升，作为高层建筑中应用最广泛的主要的垂直交通工具，电梯的数量与需求增加迅猛。然而，电梯事故的频繁发生，对人们的日常使用产生很大的影响，更是对人们的生命安全构成了一种威胁。

电梯故障可以分为控制系统故障与机械系统故障两大类，其中机械系统故障在实际生产与生活当中发生的概率较小，但是如果发生轻则会产生电梯振动、噪声等现象，极大的损害乘客的乘坐舒适度，重则会导致电停运甚至坠机，对乘客的人身安全构成极大的威胁。作为电梯机械系统中的重要组成部分，也是乘客最直观体验电梯承运质量的第一载体，电梯轿厢系统的安全受到了充分关注。因此，对电梯轿厢系统的健康状况进行监控并对故障及时预警具有十分重要的意义。

发明内容

本发明的目的在于提供一种电梯轿厢系统故障预警方法，以帮助电梯管理人员实时掌握电梯轿厢系统的健康状况，对性能退化的电梯轿厢系统进行预警。

实现本发明目的的技术解决方案为：

一种电梯轿厢系统故障预警方法，包括以下步骤：

步骤1、线下模型训练：首先采集电梯轿厢系统正常运行时的振动加速度数据作为训练数据；接着将训练数据进行离差标准化处理；然后将训练数据通过深度自编码器(DeepAuto-Encoder，DAE)模型进行训练；最后计算重构误差集E在箱线图中的上限值K作为预警阈值e_th并将其作为轿厢系故障预警的判断依据；

步骤2、在线故障预警：首先采集电梯轿厢系统实时运行的振动加速度数据；接着将采集到的数据进行离差标准化处理；然后通过训练好的DAE模型计算重构误差e；之后将预警阈值e_th与得到的重构误差e进行比较分析，如果e≥e_th说明电梯轿厢系统健康状况良好，相反如果e＜e_th说明电梯轿厢系统开始进入退化阶段需要及时进干预性维修；最后，将DAE模型降维后的数据作为输入，利用t-分布随机邻域嵌入(t-SNE)算法将其映射到二维以及三维空间中进行可视化展示，方便电梯管理人员更加直观地对电梯轿厢系统健康状况进行判断。

本发明与现有技术相比，其显著优点是：

(1)本发明的电梯轿厢系统故障预警方法，可以实时监控电梯轿厢系统的健康状况。

(2)本发明的电梯轿厢系统故障预警方法，可以对电梯轿厢系统的故障进行预警。

附图说明

图1为本发明的实施流程示意图。

图2为深度自编码器模型图。

具体实施方式

下面结合附图对本发明的具体实施方案进行进一步的说明。

附图1是本发明的实施流程示意图，本发明包括以下步骤：

步骤1、线下模型训练：主要包括以下操作：