一种基于复杂网络和置信规则推理的电梯故障诊断方法技术

本发明专利技术公开了一种基于复杂网络与置信规则推理的电梯故障诊断方法，属于机电设备状态监测与故障诊断技术领域。本发明专利技术结合复杂网络和置信规则推理方法，对电梯系统部件的物理量和电梯故障类型之间的非线性关系进行建模。首先，针对电梯系统部件的物理量时间序列，利用可视图方法将其转换为复杂网络；其次，构建置信规则库，其输入为复杂网络统计特征参数，输出为电梯故障类型；然后，根据在线监测样本激活置信规则，并使用证据推理算法融合激活规则，进而得到估计结果；最后，构建多目标优化模型对置信规则库的参数进行优化。本发明专利技术得到的推理结果将比单个部件的物理量时间序列样本得到的结果更为准确。得到的结果更为准确。得到的结果更为准确。

【技术实现步骤摘要】
一种基于复杂网络和置信规则推理的电梯故障诊断方法


[0001]本专利技术涉及一种基于复杂网络与置信规则推理的电梯故障诊断方法，属于机电设备状态监测


技术介绍

[0002]随着电梯技术的进步，电梯的可靠性有所提高，但是在人们的实际生活中电梯故障仍然频繁发生，经常有电梯故障的报道，对电梯的评价主要看在运行过程中是否可靠。要想提高电梯的可靠性不仅要改善电梯的设计、提升制造工艺、确保安装质量，而且要提升维保服务、采取有效的监控诊断措施。现如今电梯行业关注的主要问题就是要提高电梯工作效率，减少电梯能耗和磨损程度，确保电梯在运行过程中安全、稳定和舒适。
[0003]电梯技术进步的国际关注的焦点已经转移到客户服务、物业管理服务，欧美等地的电梯厂商都己经采用先进计算机和通信技术研制了自己的电梯故障监测诊断系统。现如今电子元器件的成本不断降低，但是采取人员维保的费用在不断上涨。传统的电梯故障主要靠技术人员的感觉和个人经验，这种方式显得越来越不适应，而且效率极低。一旦电梯出现问题维保人员不能赶到故障现场时，维保人员就无法了解电梯的故障情况，无法及时找出故障原因，就会引发电梯长期关人、出现二次伤害等一系列状况，而且会影响用户使用电梯。因此,研究如何及时便捷地发现、识别和定位电梯故障隐患,具有重要意义。对于缺乏经验的维修人员，就算到达现场也无法排除故障。通常电梯供应商在全国各地都会销售电梯，不可能拿出大量的资金在全国各地培训专业的维保人员供购买电梯的场所调遣。因此要用尽可能少的维保人员对大范围内的电梯故障做出及时的响应，尽早的处理电梯故障。
[0004]目前来看，开发和应用电梯智能故障诊断，不仅可以摆脱传统的人员现场检修方式，降低维保成本，解决电梯故障诊断的地域限制；而且出现故障后，能通过智能诊断方法快速、准确的判断出可能的故障原因和故障位置，采取有效措施缩短维修时间。这些要求不仅能够满足建设数字智能化城市管理的需求，而且能够保证电梯管理行业向前发展，从社会效益和经济效益上来讲都是十分必要的。

技术实现思路

[0005]本专利技术针对现有技术的不足，提出一种基于复杂网络和置信规则推理的电梯故障诊断方法。本专利技术使用复杂网络和置信推理的方式对电梯系统部件的物理量和电梯故障类型之间的非线性关系进行建模。首先针对电梯系统部件的物理量时间序列利用可视图方法转换为复杂网络，然后提取复杂网络统计特征作为输入建立置信规则库，之后使用证据推理算法融合激活规则得到估计结果，最后构建多目标优化模型对置信规则库参数进行优化。
[0006]本专利技术包括以下步骤：
[0007](1)对于由永磁同步电机驱动的曳引式电梯，与正常运行的状态相比，曳引式电梯的常见故障有：功率半导体开关元件短路故障，曳引轮磨损故障，配重块磨损故障。设定电
梯的故障辨识框架Θ＝{F1＝NF,F2＝TF,F3＝PF,F4＝CF}，其中NF表示电梯处于无故障状态即正常工况，TF表示电梯处于曳引机电路故障状态，PF表示电梯处于曳引轮磨损故障状态，CF表示电梯处于配重块磨损故障状态；
[0008](2)设f
1,i
，f
2,i
为能够反映故障辨识框架Θ中每个故障F
i
的故障特征参数，其来源于故障特征参数集合G＝{g
n
|n＝1,2,
…
,N}，集合G中的元素涵盖速度信号、加速度信号、力矩信号、角速度信号、角加速度信号，分别由曳引轮、电梯轿厢和配重块的各类传感器提供，共有N个故障变量；
[0009](3)将f
1,i,t
，f
2,i,t
，F
i
表示故障样本M
i,t
＝{[f
1,i,t
,f
2,i,t
,F
i
]|t＝1,2,3,
…
,S
i
}，其中[f
1,i,t
,f
2,i,t
,F
i
]为一个故障特征样本向量，S
i
表示故障为F
i
状态下的时间序列表示为F
i
状态下的样本数据采样个数，取S
i
＝2000；分别采样各个故障状态下的故障特征样本向量，并将采集到的所有样本向量其表示为集合形式共计可获得δ个故障特征参数的时间序列点，δ＝2
×
|M|＝16000，|M|表示集合M中的个数；
[0010](4)利用可视图方法将时间序列样本转化为复杂网络。具体的，以样本数据作为复杂网络的节点，以样本数据点之间的可视连边作为复杂网络的边。其中，可视连边的获取如下：设T＝{t
i
}
i＝1,...,η
为一个具有η个数据的时间序列，时间序列中任意两个数据点(τ
a
,t
a
)和(τ
b
,t
b
)，对其中τ
a
<τ
i
<τ
b
，如果满足以下条件：
[0011][0012]则称这两点可视，两点之间有可视连边。重复公式(1)直至遍历所有的点，将时间序列转换为具有拓扑关系的复杂网络。
[0013]利用可视图对δ个故障特征参数数据进行复杂网络建模，其中取每ξ＝40个时间序列点进行可视图建模得到一个对应的复杂网络，共计可得H＝400个复杂网络，每个网络的统计特征样本为其中的分别表示网络的平均最短路径，网络的平均聚类系数，网络的平均度。
[0014](5)构建置信规则库，置信规则推理系统的输入为复杂网络的统计特征样本(网络的平均最短路径，网络的平均聚类系数，网络的平均度)，记为x＝{x
i
|i＝1,2,3},其参考值集合为其中置信规则推理系统的输出为电梯故障状态，记为y，其参考值集合为D＝{D
n
|n＝1,2,3,4}，其中D1＝NF＝1，D2＝TF＝2，D3＝PF＝3，D4＝CF＝4；该规则库由K＝27条规则组成，设其中第k条规则R
k
的表示形式如下：
[0015][0016]其中，A
ik
表示在第k条规则中输入变量x
i
的参考值，且有A
ik
∈A
i
；β
n,k
为第k条规则的第n个评估等级D
n
对应的信度，满足
[0017](6)置信规则推理系统的推理，具体过程如下：
[0018](6
‑
1)计算输入数据x
i
在第k条规则中的匹配度；
[0019][0020]其中A
ik
表示第k条规则的第i个输入参考值；
[0021](6
‑
2)考虑前提属性权重ε
i
，计算第k条规则的第i个前提属性的匹配度α
i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复杂网络与置信规则推理的电梯故障诊断方法，其特征在于该方法包括以下各步骤：步骤(1)设定电梯的故障辨识框架Θ＝{F1＝NF,F2＝TF,F3＝PF,F4＝CF}，其中NF表示电梯处于无故障状态即正常工况，TF表示电梯处于曳引机电路故障状态，PF表示电梯处于曳引轮磨损故障状态，CF表示电梯处于配重块磨损故障状态；步骤(2)设f
1,i
，f
2,i
为能够反映故障辨识框架Θ中每个故障F
i
的故障特征参数，其来源于故障特征参数集合G＝{g
n
|n＝1,2,
…
,N}，集合G中的元素涵盖速度信号、加速度信号、力矩信号、角速度信号、角加速度信号，分别由曳引轮、电梯轿厢和配重块的各类传感器提供，共有N个故障变量；步骤(3)将f
1,i,t
，f
2,i,t
，F
i
表示故障样本M
i,t
＝{[f
1,i,t
,f
2,i,t
,F
i
]|t＝1,2,3,
…
,S
i
}，其中[f
1,i,t
,f
2,i,t
,F
i
]为一个故障特征样本向量，S
i
表示故障为F
i
状态下的时间序列表示为F
i
状态下的样本数据采样个数，取S
i
＝2000；分别采样各个故障状态下的故障特征样本向量，并将采集到的所有样本向量其表示为集合形式共计可获得δ个故障特征参数的时间序列点，δ＝2
×
|M|＝16000，|M|表示集合M中的个数；步骤(4)利用可视图方法将时间序列样本转化为复杂网络；具体的，以样本数据作为复杂网络的节点，以样本数据点之间的可视连边作为复杂网络的边；其中，可视连边的获取如下：设T＝{t
i
}
i＝1,...,η
为一个具有η个数据的时间序列，时间序列中任意两个数据点(τ
a
,t
a
)和(τ
b
,t
b
)，对其中τ
a
<τ
i
<τ
b
，如果满足以下条件：则称这两点可视，两点之间有可视连边；重复公式(1)直至遍历所有的点，将时间序列转换为具有拓扑关系的复杂网络；利用可视图对δ个故障特征参数数据进行复杂网络建模，其中取每ξ＝40个时间序列点进行可视图建模得到一个对应的复杂网络，共计可得H＝400个复杂网络，每个网络的统计特征样本为其中的分别表示网络的平均最短路径，网络的平均聚类系数，网络的平均度；步骤(5)构建置信规则库，置信规则推理系统的输入为复杂网络的统计特征样本，分别为网络的平均最短路径，网络的平均聚类系数和网络的平均度，记为x＝{x
i
|i＝1,2,3},其参考值集合为其中置信规则推理系统的输出为电梯故障状态，记为y，其参考值集合为D＝{D
n
|n＝1,2,3,4}，其中D1＝NF＝1，D2＝TF＝2，D3＝PF＝3，D4＝CF＝4；该规则库由K＝27条规则组成，设其中第k条规则R
...

【专利技术属性】
技术研发人员：李萌，章振杰，徐晓滨，侯平智，马枫，王琪冰，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：