電梯預測性維護系統的研究與設計分析

張麗

摘? 要：基于邊緣計算的電梯預測性維護系統，通過設置本地數據采集模塊電性連接有無線信號傳輸模塊，無線信號傳輸模塊電性連接有云端服務器，在使用中，構建物聯網+維保新模式，推動維護保養模式轉變，推進按需維保，全面提升維保質量，解決電梯監控系統中存在的海量數據的異構連接，數據的實時性和智能性的問題。

關鍵詞：數據? 邊緣? 電梯

中圖分類號：G642? ? ? ? ?文獻標識碼：A? ? ? ? ? ? 文章編號：1672-1578（2020）02-0039-01

一種基于邊緣計算的電梯預測性維護系統，包括本地數據采集模塊，本地數據采集模塊電性連接有無線信號傳輸模塊，無線信號傳輸模塊電性連接有云端服務器，云端服務器雙向電性連接有數據庫，數據庫包括對比數據采集模塊和信息處理模塊，云端服務器電性連接有無線信號接收模塊，無線信號接收模塊電性連接有維保管理端。

本地數據采集模塊包括電梯終端傳感器、敏捷控制器、物聯網關和GPS定位模塊。 無線信號傳輸模塊和無線信號接收模塊均通過4G/5G/Wi-Fi進行數據信號連接。對比數據采集模塊包括電壓信號的采集、電流信號的采集、位置信號的采集、曳引機架震動信號的采集、曳引繩漏磁信號采集和溫度信號采集。電壓信號的采集為對主電源回路、低壓電源回路、抱閘電源回路、門機控制器、層門聯鎖回路、轎門門鎖回路和安全回路的電壓信號采集。 電流信號采集為對主電源回路、抱閘電源回路、低壓電源回路和門機控制器的電流信號采集，位置信號的采集為對平層信號、門鎖嚙合深度、緩沖器、制動間隙和上下限位開關的位置信號采集，溫度信號采集為對機房、一體機、曳引機、門機控制器和門機溫度信號的采集。信號處理模塊包括數據過濾聚合語義解析處理、低維多傳感序列特征數據、電梯故障預測模型建立和故障預測和數據分發，電梯故障預測模型建立還包括訓練集、測試集和神經網絡優化。通過設置本地數據采集模塊電性連接有無線信號傳輸模塊，無線信號傳輸模塊電性連接有云端服務器，在使用中，構建物聯網+維保新模式，推動維護保養模式轉變，推進按需維保，全面提升維保質量，解決電梯監控系統中存在的海量數據的異構連接，數據的實時性和智能性的問題，從而具有實現本地化的實時采集、即時計算、在線診斷、及時響應和準確控制的特點。

基于邊緣計算的電梯預測性維護系統的研究，將改變我國依靠人工繁重勞動的傳統維保模式，探索構建“物聯網+維保”新模式，推動維護保養模式轉變，推進按需維保，有效緩解長期制約我國電梯產業健康發展的電梯安裝維保人員短缺的問題。

通過專利檢索發現，現有專利的分布主要集中在電梯運行狀態的監控，監控數據的處理主要依靠云端平臺或數據中心服務器，而采用邊緣計算實時處理從海量電梯傳感數據抽取產生的低維特征數據還少有研究。現有電梯故障預測一般采用建立典型故障預測專家知識庫，通過知識庫規則推理進行故障預測。因此，開展基于邊緣計算的電梯預測性維護系統的研究為按需維保提供了新的解決方法。

1? ?電梯終端傳感

采集電梯運行狀態參數，對電梯的電源回路、速度控制回路和層門轎門聯鎖回路實行實時監控，對曳引繩斷絲、磨損和抱閘制動行程的在線無損檢測。

2? ?物聯網關

物聯網關提供以太網、RS232、RS485/RS422、RF、ZigBee、LTE FDD和LTE TDD等豐富的工業物聯接口，實現終端傳感數據靈活接入。針對電梯海量傳感器數據，構建一種面向多傳感序列的特征抽取方法，在盡量避免信息丟失的前提下，實現高維傳感數據的特征抽取。

3? ?敏捷控制器

采用算法優化標準RBF神經網絡算法，構建輕量型預測模型。構建多任務聯合優化調度策略，通過任務聚類，將時延敏感度與需要消耗的計算量最相似的任務聚集在一起，使得時延敏感與消耗計算量較少的任務能夠優先執行，有效降低之后任務的排隊時延。

關鍵技術和可能面臨的技術重點和難點分析;電梯運行狀態監測傳感器網絡節點的開發和部署。本項目擬開發電梯運行狀態監測傳感器節點，實現曳引繩斷絲、磨損的在線無損檢測。運用MATLAB 仿真軟件PDE 工具箱模擬截面積損傷的情況，通過對多種直徑鋼絲繩建立仿真模型，找出磁場與截面積之間的對應關系，得到穿過鋼絲繩內部磁力線與 LMA 型損傷量的關系符合二次函數關系。

電梯運行狀態監測需要部署大量傳感器，從而引起的數據特征維度過高問題。考慮到電梯各部件之間的相互作用普遍具有先后傳遞性，基于相關系數最大化的曲線排齊算法，找出一種面向多傳感序列的特征抽取方法，從原始的數據中提取更加可靠、有效的信息生成新的特征數據，使得數據的維度也被壓縮。

項目主要的技術創新之處包括：（1）根據電梯曳引繩的結構選取故障漏磁檢測方法，依托邊緣計算來研究鋼絲繩的缺陷分析算法，實現曳引繩在線無刷檢測和故障識別。（2）針對電梯日常檢測產生的海量傳感器數據，基于相關系數最大化的曲線排齊算法，找出一種面向多傳感序列的特征抽取方法，在盡量避免信息丟失的前提下，實現高維傳感數據的特征抽取，依托邊緣計算建立輕量級故障預測模型。

項目設計總目標和主要技術、經濟指標包括：（1）項目設計總目標，針對電梯研發出符合按需維保業務模式的電梯預測性維護系統，實現電梯維保的質量和效益并重的可持續發展，構建“物聯網+維保”新模式。推動維護保養模式轉變，依法推進按需維保，全面提升維保質量。（2）主要技術、經濟指標是維保預測準確率80%。

試驗方法包括：（1）故障預測模型訓練中使用的數據來自數據采集終端，數據采集地點南通科技職業學院電梯工程訓練中心的八部電梯，隨機抽取運行數據組成數據集。數據使用前進行了兩次自動審核和一次人工審核，刪除了存在缺失值和異常值的原始數據，將數據分為訓練集和測試集。分別訓練和測試神經網絡。（2）選擇不同缺陷的曳引繩，安裝在THJDDT-5型電梯控制技術綜合實訓裝置，在不同的載荷和不同的運行速度工況下，測試曳引繩數據，通過比對TCK W–DT1622鋼絲繩測試儀測試的標準數據，不斷修正和優化算法。