一种电梯故障识别方法技术

本发明专利技术提出了一种电梯故障识别方法，涉及电梯技术领域，通过采集电梯故障数据中具有代表性的特征指标，对电梯运行过程中易发生故障的部件进行指标的划分，同时对多个特征指标进行了测定，提高了数据的可信度，避免了因为数据不全而导致的错诊和漏诊；采用Floyd局部线性嵌入算法对电梯故障数据进行降维处理，并通过加权K均值聚类算法对降维后的数据进行分类处理，从而实现了电梯的故障识别与分类。本发明专利技术专利综合考虑了Floyd算法改进LLE算法以及加权K均值聚类的优缺点，不仅解决了传统降维方法因没有合适的聚类中心分类准确率低的问题，还解决了K均值聚类耗时长的问题，从而提高了电梯故障识别的精度与效率。了电梯故障识别的精度与效率。了电梯故障识别的精度与效率。

【技术实现步骤摘要】
一种电梯故障识别方法


[0001]本专利技术涉及电梯
，尤其涉及一种电梯故障识别方法。

技术介绍

[0002]近年来，随着国民经济突飞猛进地发展，高楼大厦比比皆是，电梯行业随之得到了广泛地应用，日益体现出其不可或缺的价值。然而，随着电梯被广泛地应用于各商场、住宅、公司大楼之中，随之而来的问题也不断地暴露在广大居民面前。随着电梯总量的扩大，电梯事故也逐渐增多。尽管电梯的制造、诊断技术都得到了大大地提升，但电梯事故量依然呈上升趋势。因此，对电梯进行故障诊断具有重要意义。
[0003]电梯系统可以分为电气和机械两部分，其中机械部分包括曳引系统、导向系统、轿厢和门系统、平衡系统和机械安全保护装置。电气部分包括电力驱动系统和电气安全保护装置。因此，电梯的运行状态通常分为正常运行、曳引摩擦、调速控制、安全防护、电力驱动五种状态。
[0004]现有研究中，电梯故障识别方法主要有BP神经网络、主成分分析(Principal Component Analysis,PCA)、支持向量机(Support Vector Machine,SVM)这三类。
[0005]BP神经网络作为一种常用的有监督的分类算法，其通常需要对样本进行训练，这需要消耗大量的时间；PCA作为一种基于降维的机器学习算法，其通常选取对样本贡献率大的成分来代表整个样本，而忽略掉的对样本贡献率小的成分往往含有反映样本特征的关键信息，容易导致错误的分类；SVM作为一种适用于小样本的机器学习算法，当样本量过大时，其参数的选择往往存在一定的不适应性。

技术实现思路

[0006]有鉴于此，本专利技术提出了一种电梯故障识别方法，基于Floyd局部线性嵌入算法(Floyd Algorithm Local Linear Embedding，FLLE)和加权K均值(Weighted K
‑
means，W
‑
K
‑
means)聚类算法，既解决了传统降维方法因没有合适的聚类中心分类准确率低的问题，又解决了K
‑
means耗时长的问题。
[0007]本专利技术的技术方案是这样实现的：本专利技术提供了一种电梯故障识别方法，包括以下步骤：
[0008]S1，采集含有电梯实时状态的数据信息，建立电梯故障数据库；
[0009]S2，将步骤S1采集的数据采用FLLE进行降维处理；
[0010]S3，将步骤S2处理后的数据放到W
‑
K
‑
means分类器进行分类，以实现电梯的故障识别和分类。
[0011]在以上技术方案的基础上，优选的，步骤S1中，具体包括以下步骤：
[0012]S101、电梯正常运行时切断主电源开关，用激光位移传感器测量从断电时刻到曳引轮停止时钢丝绳的滑行距离；
[0013]S102、模拟电梯限速器安全钳联动试验，弹簧拉力计固定于连杆机构处，当连杆机
构动作时测量其提拉力；
[0014]S103、采用转速表测量曳引机转速；
[0015]S104、利用限速器校验仪测量限速器转速；
[0016]S105、利用弹簧测力计人为的对电引轮两侧的抱闸装置进行松闸试验，测量松闸时刻的拉力大小；
[0017]S106、利用砝码分别试验75％和100％额定载重量，将钳形电流表置于主开关处分别测量电梯上下行的电流大小；
[0018]S107、将电梯加减速度测量仪置于轿厢中，利用加速度传感分别测量电梯启动时最大加速度和制动时最大的减速度；
[0019]S108、利用上述测量方法采集电梯故障数据，建立电梯故障数据库。
[0020]在以上技术方案的基础上，优选的，步骤S2中，具体包括以下步骤：
[0021]S201、寻找每个数据点的一组近邻：记样本个数为n，采用欧氏距离计算样本之间的距离d
ij
，找到每个数据点的k个最近邻的重构邻域；
[0022]S202、构建重构误差函数ε
i
(W)，计算由邻域线性重构的最佳权值W
j
；
[0023]S203、计算最佳重构的低维嵌入向量并求稀疏对称矩阵的最小特征模。
[0024]更进一步优选的，步骤S201具体为：
[0025]记样本个数为n，采用欧氏距离计算样本x
i
(i＝1,2,3,...,n)和x
j
(j＝1,2,3,...,n)之间的距离d
ij
，找到每个数据点的k个最近邻的重构邻域：
[0026][0027]式(1)中，G(x
i
,x
j
)表示x
i
与x
j
的测地距离，M(i)和M(j)为x
i
、x
j
分别和其他相邻点之间的距离的平均值，如式(2)和式(3)所示：
[0028][0029][0030]利用Floyd算法计算两点间的测地距离后，将测地距离的计算结果代入公式(1)、(2)、(3)中，得到k近邻距离。
[0031]优选的，步骤S202具体为：
[0032]根据邻点x
j
计算点x
i
的重心坐标，原始点由线性组合重构，并由其邻居的权重矩阵W
ij
给出，重构误差由代价函数衡量：
[0033][0034]式(4)中，ε
i
是重构误差；G
jk
是局部格拉姆矩阵；W
j
为最佳权值矩阵，W
k
为k个邻点的权重矩阵；
[0035]G
jk
＝(x
i
‑
x
j
)
T
(x
i
‑
x
k
)
ꢀꢀ
(5)
[0036]G
jk
是正定对称矩阵，式(4)是一个约束最小二乘问题，在两个约束条件下最小化：
[0037][0038][0039]式(6)是系数的约束，即每个数据点仅从其邻居重构，式(7)表示权重矩阵每行之和等于1，因此式(4)可以写为以下约束形式：
[0040][0041]式(8)用拉格朗日乘子法计算，由于G
jk
是正定对称矩阵，所以存在矩阵G
jk
的逆，最优权值由式(9)计算：
[0042][0043]优选的，步骤S203具体为：
[0044]计算最佳重构的低维嵌入向量并求稀疏对称矩阵的最小特征模：将高维空间中的点x
i
、x
j
映射到低维空间中的点Y
i
、Y
j
上，低维空间Y由以下函数计算：
[0045][0046]代价函数(10)基于局部线性重构误差，其中(Y
i
·
Y
j
)是内积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电梯故障识别方法，其特征在于：包括以下步骤，S1，采集含有电梯实时状态的数据信息，建立电梯故障数据库；S2，将步骤S1采集的数据采用FLLE进行降维处理；S3，将步骤S2处理后的数据放到W
‑
K
‑
means分类器进行分类，以实现电梯的故障识别和分类。2.如权利要求1所述的电梯故障识别方法，其特征在于：所述步骤S1具体包括：S101、电梯正常运行时切断主电源开关，用激光位移传感器测量从断电时刻到曳引轮停止时钢丝绳的滑行距离；S102、模拟电梯限速器安全钳联动试验，弹簧拉力计固定于连杆机构处，当连杆机构动作时测量其提拉力；S103、采用转速表测量曳引机转速；S104、利用限速器校验仪测量限速器转速；S105、利用弹簧测力计人为的对电引轮两侧的抱闸装置进行松闸试验，测量松闸时刻的拉力大小；S106、利用砝码分别试验75％和100％额定载重量，将钳形电流表置于主开关处分别测量电梯上下行的电流大小；S107、将电梯加减速度测量仪置于轿厢中，利用加速度传感分别测量电梯启动时最大加速度和制动时最大的减速度；S108、利用上述测量方法采集电梯故障数据，建立电梯故障数据库。3.如权利要求1所述的电梯故障识别方法，其特征在于：所述步骤S2具体包括：S201、寻找每个数据点的一组近邻：记样本个数为n，采用欧氏距离计算样本之间的距离d
ij
，找到每个数据点的k个最近邻的重构邻域；S202、构建重构误差函数ε
i
(W)，计算由邻域线性重构的最佳权值W
j
；S203、计算最佳重构的低维嵌入向量并求稀疏对称矩阵的最小特征模。4.如权利要求3所述的电梯故障识别方法，其特征在于：所述步骤S201具体包括：记样本个数为n，采用欧氏距离计算样本x
i
(i＝1,2,3,...,n)和x
j
(j＝1,2,3,...,n)之间的距离d
ij
，找到每个数据点的k个最近邻的重构邻域：式(1)中，G(x
i
,x
j
)表示x
i
与x
j
的测地距离，M(i)和M(j)为x
i
、x
j
分别和其他相邻点之间的距离的平均值，如式(2)和式(3)所示：的距离的平均值，如式(2)和式(3)所示：利用Floyd算法计算两点间的测地距离后，将测地距离的计算结果代入公式(1)、(2)、(3)中，得到k近邻距离。
5.如权利要求4所述的电梯故障识别方法，其特征在于：所述步骤S202具体包括：根据邻点x
j
计算点x
i
的重心坐标，原始点由线性组合重构，并由其邻居的权重矩阵W
ij
给出，重构误差由代价函数衡量：式(4)中，ε
i
是重构误差；G
jk
是局部格拉姆矩阵；W
j
为最佳权值矩阵，W
k
为k个邻点的权重矩阵；G
jk
＝(x
i
‑
x
j
)
T
(x
i
‑
x
k
)
ꢀꢀꢀ
(...

【专利技术属性】
技术研发人员：陈向俊，傅军平，陈栋栋，于晓，李东鑫，戴洁强，张怀旻，
申请(专利权)人：浙江省特种设备科学研究院，
类型：发明
国别省市：