【技术实现步骤摘要】
本专利技术涉及自动扶梯智能，特别涉及自动扶梯智慧运维分析诊断预警系统。
技术介绍
1、电动扶梯亦称自动扶梯或自动行人电梯、扶手电梯、电扶梯，是带有循环运行阶梯的一类扶梯，是用于向上或向下倾斜运送乘客的固定电力驱动设备，电动扶梯一般是斜置，行人在扶梯的一端站上自动行走的梯级，便会自动被带到扶梯的另一端，途中梯级会一路保持水平，扶梯在两旁设有跟梯级同步移动的扶手，供使用者扶握。
2、目前，在自动扶梯机电设备的维修维护方面主要还是依靠人力巡检这种运作模式，而随着自动扶梯行业的迅速发展，自动扶梯数量日益增加，随之而来的问题也应运而生，例如：1、自动扶梯的数量众多，维保单位、电梯零部件厂家的产品质量参差不齐，传统人力定期检查方式存在严重弊端，无法第一时间预警自动扶梯故障；2、通过人工巡检进行判断对相关工作人员的经验有较高的要求等，会导致对自动扶梯实际故障情况的判断出现偏差，影响自动扶梯的安全稳定运行，一旦因未及时发现设备故障而发生事故，就会造成严重的负面影响与不堪设想的后果，造成巨大的经济损失；3、现有的自动扶梯无法对其各部件的工作状态进行监测，从而无法及时针对工况不正常的部件向工作人员发出预警，而在自动扶梯出现故障后再进行维修会提升维修成本，且维修时需要依次排除非故障部件，过于费时费力，同时存在安全隐患。
3、因此，现提出一种新型的自动扶梯智慧运维分析诊断预警系统解决上述问题。
技术实现思路
1、本专利技术的主要目的在于提供自动扶梯智慧运维分析诊断预警系统，以解决上
2、为实现上述目的，本专利技术采取的技术方案为：自动扶梯智慧运维分析诊断预警系统，包括感知层、边缘层、平台层和客户端；
3、所述感知层包括传感器模块，所述传感器模块分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析；
4、所述边缘层包括数据采集分析诊断预警模块，所述数据采集分析诊断预警模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
5、所述平台层包括大数据管理平台，所述大数据管理平台利用设备数据，向设备管理人员提供自动扶梯较多功能服务，同时开放对综合监控平台等第三方系统的数据接口，上传线网级中心平台；
6、所述客户端包括应用终端，所述应用终端用于满足管理人员、运维人员、诊断分析专家等不同用户的使用需求。
7、所述传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器；
8、所述振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器等分别用于对自动扶梯的各关键部件在运行中的主要参数提取特征值进行在线监测分析。
9、所述传感器模块还包括电机、减速器、梯级链涨紧轮、梯级、梯级链和扶手带；
10、所述电机的故障类型包括转子故障、轴承故障和电源异常；
11、所述转子故障的可诊断故障包括转子动不平衡转子的定子偏心；
12、所述轴承故障的可诊断故障用于对轴承运转质量进行判断；
13、所述电源异常的可诊断故障为电流异常。
14、所述减速器的故障类型包括齿轮故障、轴承故障和润滑油温度；
15、所述齿轮故障的可诊断故障为齿轮啮合不良齿轮断齿；
16、所述轴承故障的可诊断故障为对轴承运转质量进行判断；
17、所述润滑油温度的可诊断故障为减速器油箱温度。
18、所述梯级链涨紧轮的故障类型为轴承故障；
19、所述梯级链涨紧轮的可诊断故障为对轴承运转质量进行判断，包括但不限于以下故障类型：内圈磨损、外圈磨损、保持架磨损和可定位轴承损坏元件；
20、所述梯级和梯级链的故障类型均为噪声，所述梯级和梯级链的可诊断故障分别为梯级翻转噪声异常和运转噪声异常；
21、所述扶手带的故障类型为温度，所述扶手带的可诊断故障为扶手带温度过高。
22、所述数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式；
23、所述高速同步采集模块用于采集传感器原始数据，并进行边缘计算、分析诊断、健康评估、信息上传，实现各个分区自动扶梯的集中监测；
24、设置健康原始数据阈值范围，获取各传感器检测到的实时数据，作为训练数据集，并建立bp网路神经模型，训练数据集前向传播，误差反向传播并调节参数，判断是否满足误差阈值范围，完成训练并确定网络结构；
25、接收实时数据判断数据集，输入训练好的bp网路神经，并设置发送故障通道、接收故障通道和系统故障，发送故障通道和接收故障通道对应所述传感器模块设置的故障类型和可诊断故障类别，通过计算公式，判断系统故障；
26、计算公式设置为：x1-x2=z；
27、x1为实时数据，x2为原始数据，z为计算后的变量，通过阈值范围判断是否异常；
28、当z超出阈值范围时，则认为出现故障，将发送故障通道的1777组训练样本数据作为网路神经2的输入，将功能输出至发送到十种故障类型作为输出，选择s型的正切函数tansig，为了提高网路神经的准确率，分别设置隐含层个数为10，20，40，学习率为0.005、0.001、0.01分组进行实验，并将测试样本代入训练好的网络神经对比准确率，当隐层个数为20个、学习率为0.005时，测试样本数据集诊断轨道电路故障准确率达到97.14％，且训练网络时间最快；
29、将接收故障通道的1777组训练样本数据作为bp网路神经3的输入，接收所述传感器模块中的十种故障类型作为输出；将系统故障的2352组训练样本数据作为bp网路神经4的输入；
30、根据训练网络4所用参数，选取traingdx算法作为训练函数，输出层神经元个数为14，隐层与输出层神经元传递函数选择s型的正切函数tansig，隐层个数为20个、学习率为0.005的优化选择，实现对系统故障的2352组电动扶梯运维分析预警的诊断；
31、所述状态数据采集模块用于对各类传感器采集的数据进行边缘计算、部件特征频点展示分析、诊断评估、提取出相应部件的特征频率。
32、所述分析诊断模块用于通过特征频谱分析、时域分析、倒谱分析、包络解调分析、趋势劣化分析等特征分析，实现对自动扶梯智慧运维的专家分析诊断评估设计；
33、所述通讯模块用于通过边缘运算等核心算法对轴承运转质量进行判断，可定位轴承内部的损坏元件，有效指导按需维修；
34、所述自学习模式通过建立自学习模型样本及数据库，作为后续运行依据，超越该正常样本视为非正常状态，通过结合后台故障库样本，进行智能分析做出诊断评估，对自动扶梯智慧运维的系统不断自学习完善本文档来自技高网...
【技术保护点】
1.自动扶梯智慧运维分析诊断预警系统，其特征在于，所述自动扶梯智慧运维分析诊断预警系统包括感知层、边缘层、平台层和客户端；
2.根据权利要求1所述的系统，其特征在于：所述传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器；
3.根据权利要求2所述的系统，其特征在于：所述传感器模块还包括电机、减速器、梯级链涨紧轮、梯级、梯级链和扶手带；
4.根据权利要求3所述的系统，其特征在于：所述减速器的故障类型包括齿轮故障、轴承故障和润滑油温度；
5.根据权利要求4所述的系统，其特征在于：所述梯级链涨紧轮的故障类型为轴承故障；
6.根据权利要求1所述的系统，其特征在于：所述数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习模式
7.根据权利要求6所述的系统，其特征在于：所述分析诊断模块用于通过特征频谱分析、时域分析、倒谱分析、包络解调分析、趋势劣化分析等特征分析，实现对自动扶梯智慧运维
8.根据权利要求1所述的系统，其特征在于：所述大数据管理平台包括可视化展示模块，所述可视化展示模块包括数据接收单元、边缘计算、数据分析单元和预警提示模块；
9.根据权利要求8所述的系统，其特征在于：所述可视化展示模块还包括自动扶梯的智能预警信息、智慧运维信息、系统管理、维保管理、备件管理、AI可视化预警、能耗管理和统计管理等功能服务；
10.根据权利要求1所述的系统，其特征在于：所述客户端设置为浏览器终端、APP、IOS系统和 Android系统的移动客户端，用于根据数据接口满足管理人员、运维人员、诊断分析专家等不同用户的使用需求，对自动扶梯智慧运维手机APP联动设计。
...【技术特征摘要】
1.自动扶梯智慧运维分析诊断预警系统，其特征在于，所述自动扶梯智慧运维分析诊断预警系统包括感知层、边缘层、平台层和客户端；
2.根据权利要求1所述的系统，其特征在于：所述传感器模块包括振动传感器、扶手带颤动位移传感器、梯级链延长传感器、噪声传感器、梯级防撞传感器、主驱动链变形量传感器、电机抱闸传感器、电机电流传感器；
3.根据权利要求2所述的系统，其特征在于：所述传感器模块还包括电机、减速器、梯级链涨紧轮、梯级、梯级链和扶手带；
4.根据权利要求3所述的系统，其特征在于：所述减速器的故障类型包括齿轮故障、轴承故障和润滑油温度；
5.根据权利要求4所述的系统，其特征在于：所述梯级链涨紧轮的故障类型为轴承故障；
6.根据权利要求1所述的系统，其特征在于：所述数据采集分析诊断预警模块包括高速同步采集模块、状态数据采集模块、分析诊断模块、通讯模块和自学习...
【专利技术属性】
技术研发人员：曹琴玉，周锦标，
申请(专利权)人：江苏普瑞尔特控制工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。