吳鐘超 陸莫慶
(廣州特種機電設備檢測研究院,廣州 510000)
當人們乘坐電梯時,一旦電梯系統發生故障,主要有兩種表現。一是抱閘過早現象嚴重,在上行、下行時,均無法在原有設定的平層位置停止,在停止運行時還會產生沖擊問題;二是在機房控制電梯時可以開慢車,但是在實際展開檢修工作時,在轎頂開慢車無法實現,以及在轎頂開快車無法實現等故障[1]。
并聯支路在安全回路兩個節點之間發生故障是導致電梯出現第一種現象的主要原因[2]。當電梯轎廂處于正常運行狀態,還未到達停站門區處時,開門繼電器就會吸合,同時門連鎖觸點處于短接狀態,此時處于提前開門狀態下的電梯轎廂,也可以穩定停靠在平層位置。但是,當斷線成為支路狀態,或者松脫接線現象產生于繼電器中,此時處于提前開門狀態下的電梯轎廂,在斷開門連鎖觸點的基礎上,安全回路也會發生斷開現象,急停問題產生于電梯系統中,最終引發此類型電梯故障。
安全回路不通是產生第二種故障的主要原因,此時工作人員應對安全鉗觸點、上下極限開關、緩沖器觸點以及限速器觸點等進行全面檢查,最終有效發現故障點并將其排除,保護電梯穩定運行。

圖1 電梯安全回路
在全面掌握構造觀察器輸出情況的基礎上,對于電梯系統故障診斷,人們可以采用以系統數學模型為基礎的故障檢測診斷技術[3]。人們需要全面分析和對比輸出測量值,最終判斷故障點。只有從電梯控制系統出發,展開故障診斷才能保證電梯監測效果,這樣才能夠更加高效地展開電梯系統容錯控制、重構、修復和監控工作。從系統數學模型出發,人們可以綜合應用現代化控制理論與優化方法,并利用濾波器、等價空間方程、參數模型預估、觀測器等,最終促使殘差的形成。最后,對殘差進行決策和評價,需要建立在特定的閾值和準則基礎之上。
診斷推理的技術方法、不確定性的推理、診斷知識的表達等共同構成了專家系統,在綜合應用人工智能技術與計算機技術的背景下,模型在專家系統故障診斷與檢測過程中的重要性逐漸被削弱,這樣極大地提升了電梯故障檢測水平[4]。
故障樹是邏輯結構圖,能夠描述出在特定時間內有關設備、系統的不希望事件同與之相關的部件、子系統之間的故障事件,故障樹以樹狀防范分層體現系統狀態,并能夠從整體到細節清晰體現故障產生原因[5]。圖形演繹是故障樹診斷技術應用過程中的主要特點,其運行中可以綜合、全面分析系統故障,并通過處理分析構建故障圖表,將各個部件、故障、系統中各元素之間的關系以及故障原因清晰地呈現出來,并在對故障原因、故障發生概率以及故障發生程度進行分析的過程中應用定量計算的方法。
該故障診斷技術具有靜態化的特點,模式識別是該故障診斷技術的基礎,該技術的核心在于對故障模式特征量的提取和選取。在實際運用該技術時,需要從在線分析和離線分析兩個角度入手。離線分析時,首先需要對系統故障狀態特征向量集合進行確定,并以此為基礎對故障模式向量進行描述,此時會產生故障基準模式集,此時所產生的判定函數可以對故障模式向量進行有效識別,接下來可以利用在線分析,對故障特征向量進行提取,在對已經產生的判定函數進行應用的基礎上,可以更加高效地進行故障定位與分析。
20世紀90年代,以人工神經網絡為基礎的故障診斷技術開始產生,但是在使用中呈現出較差的實用性,而近年來在科學技術不斷進步的背景下,這一技術的功能也得到了完善[6]。目前,人工神經網絡已經形成了相對健全的功能,如復雜模式處理功能、自適應功能、自學習功能、推理、聯想和記憶等功能。所以,在檢測機器等龐大、復雜系統時,該技術也呈現出了較高的實用性,將其應用于電梯故障檢測中,能夠對控制系統突發故障進行全面檢測,呈現出較高的應用價值。
近年來,高層和智能建筑幾乎成為城市建設和經濟發展的重要標志,建筑的功能越來越完善,而電梯的重要性也逐漸凸顯出來。在電梯使用過程中,必須定期展開故障檢測工作,及時發現并排除各種故障,這樣才能夠保證人們的生命安全。目前,在故障診斷專家系統、故障樹、故障模式識別、人工神經網絡基礎上形成的電梯故障檢測技術在我國呈現出了較高的應用價值。