基于物联网的电梯钢丝绳故障检测方法技术

本发明专利技术涉及一种基于物联网的电梯钢丝绳故障检测方法，包括以下步骤：a、采集电梯轿厢在运行过程中的加速度数据，并上传至云端服务器分组存储；b、对各组所述加速度数据进行预处理；c、将所述加速度数据与云端服务器中的模型数据库中的异常特征模型对比，当所述加速度数据与模型数据库中的异常特征模型匹配时，判断此时钢丝绳故障；d、当钢丝绳故障时，根据异常特征模型确定钢丝绳的故障类型。本发明专利技术的检测方法利用线上数据库中的模型判断钢丝绳是否故障，因此准确度比利用阈值的方法更高，且适用性更广。

【技术实现步骤摘要】
基于物联网的电梯钢丝绳故障检测方法
本专利技术涉及故障检测
，尤其涉及一种基于物联网的电梯钢丝绳故障检测方法。
技术介绍
随着城镇化、旧楼改造等一系列政策的出台，城市电梯数量与日俱增，给人们带来便利的同时也伴随着时有的安全事故。电梯钢丝绳作为确保电梯安全的主要部件之一，其安全健康程度对于电梯的安全出行至关重要。现有技术中的对钢丝绳的检测方式中，存在以下缺陷，例如：对设备的施工要求高或者成本高昂。专利CN209536720U公开了一种电梯钢丝绳检测方法，该方法中首先检测了加速度频率，进而通过一系列计算得出钢丝绳的张力偏差，最终将此偏差与国标进行对比得出钢丝绳是否故障。这一方法中，将加速度传感器通过磁铁吸附到电梯钢丝绳上，然后敲击钢丝绳获得加速度频率。最终利用该频率求得钢丝绳张力偏差，并将张力偏差与国标对比得出钢丝绳是否异常。可见这种检测方式安装复杂，且需要敲击钢丝绳才能获得加速度频率，这样容易对钢丝绳造成严重的损坏。并且，由于受不同地区环境的影响，各个电梯钢丝绳的故障发生形式也不尽相同。例如，在严寒或酷热地区其电梯钢丝绳容易出现收缩或膨胀导致断裂，而在潮湿地区又容易出现腐蚀等故障。因此，仅利用这种线下的阈值对比的方式在不同获取各个应用地区的数据，即不能根据各地区环境影响因素进而调整检测策略，导致检测精度较低。
技术实现思路
本专利技术的目的在于提供一种可以共享故障模型的电梯钢丝绳故障检测方法。为实现上述目的，本专利技术提供一种基于物联网的电梯钢丝绳故障检测方法，包括以下步骤：a、采集电梯轿厢在运行过程中的加速度数据，并上传至云端服务器分组存储；b、对各组所述加速度数据进行预处理；c、将所述加速度数据与云端服务器中的模型数据库中的异常特征模型对比，当所述加速度数据与模型数据库中的异常特征模型匹配时，判断此时钢丝绳故障；d、当钢丝绳故障时，根据异常特征模型确定钢丝绳的故障类型。根据本专利技术的一个方面，在所述步骤(a)中，通过安装在电梯轿厢内部的陀螺仪实时采集所述加速度数据；通过PLC将采集到的加速度数据传输到至云端服务器，并按电梯单次运行为一组的方式分组存储在Hadoop大数据架构下的分布式存储系统中。根据本专利技术的一个方面，所述步骤(b)中的预处理包括数据清洗、填充和滤波；所述数据清洗包括去除异常大和异常小的数据、固定值数据组以及采集过程中丢失序列的数据组；所述填充为针对低频采集的数据利用数值插值法扩充数据，所述数值插值法包括二次插值和均值插值；所述滤波包括高通滤波、低通滤波和最小二乘法滤波。根据本专利技术的一个方面，所述异常大和异常小的数据分别为电梯轿厢运行过程中的加速度正常值范围内的最大值1.5倍以上的数据和最小值0.5倍以下的数据；所述丢失序列的数据组为该组加速度数据中的数据丢失量超过该组数据总数的65％的数据组；所述固定值数据组为采集到的电梯单次运行期间加速度数值为常量的数据组；所述低频采集时的采集频率在25HZ以下。根据本专利技术的一个方面，在所述步骤(c)中，利用flink实时地将所述加速度数据与所述模型数据库中的异常特征模型对比。根据本专利技术的一个方面，在所述步骤(c)的对比过程中，若所述加速度数据的特征与所述异常特征模型中的特征的相似度高于85％，则判定为相匹配。根据本专利技术的一个方面，还包括步骤(e)，当钢丝绳故障时，计算电梯运行的数值特征，并将所述数值特征与预定的安全阈值比较；若所述数值特征大于安全阈值，则发布报警信号。根据本专利技术的一个方面，所述安全阈值为云端服务器的特征数据库中的数值特征的至少1.2倍。根据本专利技术的一个方面，所述数值特征为相邻故障间的电梯累计运行里程和钢丝绳累计弯折次数。根据本专利技术的一个方面，所述累计运行里程的计算步骤为，首先将电梯单次运行的加速度数据进行二重积分得到电梯单次运行里程，再将各单次运行里程进行累加得到累计运行里程，计算公式为：式中，a(t)为加速度，t0为运行开始时间，t1为运行结束时间，v为速度，s为里程位移；所述累计弯折次数的计算步骤为，首先计算电梯钢丝绳的单次弯折次数，再将单次弯折次数累加得到所述累计弯折次数；所述单次弯折次数为电梯经过每个楼层的次数的至少二倍，电梯经过每个楼层的次数通过安装在电梯轿厢内的气压计监测；所述累计弯折次数的计算公式为：H＝44300*(1-(P/P0)^(1/5.256))；式中，H为海拔高度，P0为大气压(0℃，101.325kPa)。根据本专利技术的一个方面，所述异常特征模型通过训练生成，训练步骤为，首先对每组加速度数据进行小波分析，得到其频率特征；利用所述频率特征分析出该组加速度数据对应的故障类型，得到体现二者映射关系的异常特征模型并存入所述模型数据库。根据本专利技术的一个方面，当所述加速度数据与所述异常特征模型不匹配时，则将其与电梯正常运行时的加速度数据对比，若二者的特征的相似度低于60％，则判断为此时钢丝绳出现了模型数据库中的故障以外的新故障，利用之对应所述加速度数据训练异常特征模型，并将训练得到的异常特征模型存入所述云端服务器中的模型数据库中。根据本专利技术的一个方案，利用电梯运行的历史数据来训练异常特征模型，再将模型发布到位于线上的数据库中。对于异常特征模型的训练既可以在线下实施，例如首次建立模型库；也可以在云端服务器中实施，例如在实时采集到新的钢丝绳故障类型时。这样，线上实时检测时，可将采集到的数据与线上的模型对比，若相匹配即可认定为故障。如此可以降低本地计算成本，且无限量存储，能够做到实时更新故障类型，提高了数据的可靠性，普适性更强。根据本专利技术，当加速度数据的特征与异常特征模型中的特征的相似度高于85％，为相匹配。这些模型均被上传到线上，因此可收集到本方法所有实施地的模型，即数据库中的模型得到了共享，相比于简单阈值判断的方式，其可以实时地进行检测，时效性好，并且，判断更加全面、检测更加精准、快速，能够适用于电梯的各个使用场景。如果当前时刻的加速度数据与异常特征模型不匹配，则进而将其与正常运行状态下的加速度数据对比，若二者的特征的相似度低于60％，则判断为新故障。利用其训练新的模型并存入模型数据库中，从而不断完善模型数据库，以提高检测的准确度。根据本专利技术的一个方案，利用电梯运行历史数据计算电梯历史上每两次相邻的故障间的数值特征，并上传到线上的特征数据库。在线上实时检测发现故障后，进一步计算此次故障与上次故障间的数值特征，若此数值特征大于线上数据库中的数值特征的至少1.2倍，则发送报警信号，否则不发送。这样可以避免频繁的维保，从而节约人力和时间上的成本。数值特征包括电梯累计运行里程和钢丝绳累计弯折次数，而这两者均与钢丝绳的寿命紧密相关，因此可以有效地判断出此刻的钢丝绳是否需要进行维保工作。根据本专利技术的一个方案，利用安装到轿厢中的陀螺仪检测电梯轿厢的加速度数据，可本文档来自技高网...

【技术保护点】
1.一种基于物联网的电梯钢丝绳故障检测方法，包括以下步骤：/na、采集电梯轿厢在运行过程中的加速度数据，并上传至云端服务器分组存储；/nb、对各组所述加速度数据进行预处理；/nc、将所述加速度数据与云端服务器中的模型数据库中的异常特征模型对比，当所述加速度数据与模型数据库中的异常特征模型匹配时，判断此时钢丝绳故障；/nd、当钢丝绳故障时，根据异常特征模型确定钢丝绳的故障类型。/n

【技术特征摘要】
1.一种基于物联网的电梯钢丝绳故障检测方法，包括以下步骤：
a、采集电梯轿厢在运行过程中的加速度数据，并上传至云端服务器分组存储；
b、对各组所述加速度数据进行预处理；
c、将所述加速度数据与云端服务器中的模型数据库中的异常特征模型对比，当所述加速度数据与模型数据库中的异常特征模型匹配时，判断此时钢丝绳故障；
d、当钢丝绳故障时，根据异常特征模型确定钢丝绳的故障类型。


2.根据权利要求1所述的检测方法，其特征在于，在所述步骤(a)中，通过安装在电梯轿厢内部的陀螺仪实时采集所述加速度数据；
通过PLC将采集到的加速度数据传输到至云端服务器，并按电梯单次运行为一组的方式分组存储在Hadoop大数据架构下的分布式存储系统中。


3.根据权利要求1所述的检测方法，其特征在于，所述步骤(b)中的预处理包括数据清洗、填充和滤波；
所述数据清洗包括去除异常大和异常小的数据、固定值数据组以及采集过程中丢失序列的数据组；
所述填充为针对低频采集的数据利用数值插值法扩充数据，所述数值插值法包括二次插值和均值插值；
所述滤波包括高通滤波、低通滤波和最小二乘法滤波。


4.根据权利要求3所述的检测方法，其特征在于，所述异常大和异常小的数据分别为电梯轿厢运行过程中的加速度正常值范围内的最大值1.5倍以上的数据和最小值0.5倍以下的数据；
所述丢失序列的数据组为该组加速度数据中的数据丢失量超过该组数据总数的65％的数据组；
所述固定值数据组为采集到的电梯单次运行期间加速度数值为常量的数据组；
所述低频采集时的采集频率在25HZ以下。


5.根据权利要求1所述的检测方法，其特征在于，在所述步骤(c)中，利用flink实时地将所述加速度数据与所述模型数据库中的异常特征模型对比。


6.根据权利要求5所述的检测方法，其特征在于，在所述步骤(c)的对比过程中，若所述加速度数据的特征与所述异常特征模型中的特征的相似度高于85％，则判定为相匹配。


7.根据权利要求5或...

【专利技术属性】
技术研发人员：张兴凤，万敏，蔡巍伟，靳旭哲，
申请(专利权)人：浙江新再灵科技股份有限公司，
类型：发明
国别省市：浙江;33