基于故障樹的電梯機械安全裝置故障識別研究

魏于評，羅偉強

（梧州職業(yè)學院，廣西 梧州 543002）

0 引言

如何對電梯運行中的安全狀況進行評價，實現(xiàn)電梯運行維護中的故障與事故預(yù)警，是當前電梯運行中亟待解決的問題[1]。在電梯安全運行中，轎廂內(nèi)的乘客可能會遭遇機械故障、電氣故障、安全裝置誤動作等故障，輕則引起乘客不適，重則發(fā)生墜梯、沖頂?shù)仁鹿剩斐芍卮笕松韨拓敭a(chǎn)損失[2]。因此，對電梯機械安全裝置進行監(jiān)測并及時發(fā)現(xiàn)異常情況具有重要的意義[3]。結(jié)合故障樹理論，開展對電梯機械安全裝置故障識別方法的設(shè)計研究。

1 電梯機械安全裝置運行異常數(shù)據(jù)采集

為實現(xiàn)對電梯機械安全裝置在運行過程中是否出現(xiàn)故障問題的準確識別，需要先完成對電梯機械安全裝置運行異常數(shù)據(jù)的獲取[4-5]。在電梯實際運行的過程中，重力加速度會對加速度計測量得到的數(shù)值產(chǎn)生較大影響，因此結(jié)合下述公式實現(xiàn)對測量數(shù)據(jù)的補償：

式中，Iresidual為去除重力加速度后的殘差；I為獲取到的加速度數(shù)據(jù)；g為校準后得到的重力加速度矢量。電梯機械安全裝置運行異常數(shù)據(jù)采集函數(shù)如下：

式中，xk為異常數(shù)據(jù)采集函數(shù)；Fk為狀態(tài)轉(zhuǎn)移函數(shù)；xk-1為下一時間步的狀態(tài)函數(shù)；Bk為控制函數(shù)；uk-1為控制變量；wk-1表示過程噪聲。

2 建立電梯機械安全裝置故障樹模型

在完成對電梯機械安全裝置運行異常數(shù)據(jù)的采集后，將電梯機械安全裝置總體結(jié)構(gòu)分解為多個層次。按照從上到下的順序從頂層開始分解。把電梯機器的安全設(shè)備失效當作是失效樹的頂部事件。門控失效和通信失效構(gòu)成了故障樹二層子節(jié)點。其中，X01～X08 被定義為三個層次的子結(jié)點。從而完成了電梯安全設(shè)備故障樹的建立，如圖1 所示。

圖1 電梯機械安全裝置故障樹模型結(jié)構(gòu)示意圖

由于故障樹與樹形結(jié)構(gòu)相似，所以也可以使用一個工程流圖來描述頂部事件與導致頂部事件發(fā)生的事件之間的邏輯關(guān)系。假設(shè)被研究的電梯機械安全裝置與相關(guān)體系可取兩種狀態(tài)，分別為正常和故障。假設(shè)可以用Xi表示底事件狀態(tài)變量，Xi的取值為0 或1。再假設(shè)F（X）表示故障樹中頂事件的狀態(tài)變量，F(xiàn)（X）的取值也為0 或1，則上述構(gòu)建的電梯機械安全裝置故障樹模型可以用下述數(shù)學函數(shù)的形式表示：

電梯在運行過程中，最不希望發(fā)生故障狀態(tài)，即此時的F（X）取值為1；相對應(yīng)的底事件中裝置出現(xiàn)了故障，即此時的Xi取值為1。根據(jù)上述公式，實現(xiàn)對電梯機械安全裝置故障樹模型的表示。結(jié)合上述構(gòu)建的電梯機械安全裝置故障樹模型，找出其中全部最小割集。假設(shè)在故障樹當中包含了k個最小割集，通過分析得出電梯機械安全裝置的故障底事件之間存在“或”的關(guān)系，因此采用相容事件的概率公式完成對頂事件的發(fā)生概率求解，其公式為：

式中，T為頂事件；P（T）為頂事件發(fā)生概率；K為最小割集當中的基本事件表達函數(shù)。當最小截集可靠度很高的時候，在這個時候，對頂事件發(fā)生的概率進行計算，得到結(jié)果的收斂速度會更快，從而可以將上述公式中的首項作為近似結(jié)果，因此，通過上述分析可確定頂事件的發(fā)生概率近似為：

對故障樹當中的所有最小割集標以重要度。在同一時刻，只有一個最小割集，在這個最小割集中，所有的基本事件都是相互獨立和不相容的。然后，根據(jù)最小割集中各個基本事件的破壞概率乘以與頂點事件破壞概率的比值，作為最小割集的重要性，從而決定最小割集的優(yōu)先級。

3 故障識別與風險發(fā)生概率計算

結(jié)合上述構(gòu)建的電梯機械安全裝置故障樹模型，通過得出的Xi值和F（X）值可以實現(xiàn)對故障是否發(fā)生故障的直接描述，以此實現(xiàn)對電梯機械安全裝置的故障識別。以一年為評價周期，采用電梯機械安全裝置失效率作為評價指標，對電梯機械安全裝置故障事故的可能性進行評價。電梯機械安全裝置的故障率可以在每一單位時間（如一月或者一年）中，電梯機械安全裝置的失效數(shù)量與在此期間電梯起動的數(shù)量的比率來描述，并且其計算公式如下：

式中，λ為風險發(fā)生概率；n0為單位時間內(nèi)裝置出現(xiàn)故障的次數(shù)；n為單位時間內(nèi)電梯啟動的次數(shù)。根據(jù)上述公式可以實現(xiàn)對風險發(fā)生概率的計算。在此基礎(chǔ)上，可以結(jié)合得到的λ值，確定故障發(fā)生的概率等級。當λ的取值在0 ～0.01 范圍內(nèi)，則概率等級為“不可能”；當λ的取值在0.01 ～0.2 范圍內(nèi)，則概率等級為“極少”；當λ的取值在0.2 ～0.9 范圍內(nèi)，則概率等級為“很可能”；當λ的取值在0.9 ～1 范圍內(nèi)，則概率等級為“頻繁”。若通過上述方式得到每一個割集的發(fā)生概率，則可以確定電梯整個體系出現(xiàn)風險傷害事件的概率。根據(jù)上述確定的概率等級，結(jié)合實施措施的難易程度，對電梯的日常運行進行維護。

4 對比實驗

為了驗證新的識別方法是否能夠?qū)崿F(xiàn)對電梯機械安全裝置故障的準確識別，設(shè)計如下實驗：

將上述提出的識別方法設(shè)置為實驗組，將基于核熵成分分析的識別方法設(shè)置為對照I 組，將基于故障代碼圖像的識別方法設(shè)置為對照II 組。利用三種識別方法對同一實驗對象進行識別，并根據(jù)識別結(jié)果實現(xiàn)對三種方法應(yīng)用性能的驗證。實驗選擇將某高層建筑中的曳引驅(qū)動電梯作為實驗對象，獲取該電梯的運行數(shù)據(jù)，并判斷該電梯當中包含的各個機械安全裝置的運行情況，對其是否存在故障進行識別。該電梯中包含的機械安全裝置及對應(yīng)的功能，見表1。

表1 電梯機械安全裝置基本信息記錄表

針對表1 中各個電梯機械安全裝置，結(jié)合獲取到的運行數(shù)據(jù)，對其是否存在故障問題進行識別，并將識別結(jié)果與裝置實際運行狀態(tài)進行對比，得到如表2所示的實驗結(jié)果。

表2 三種識別方法識別結(jié)果對比表

表2 當中“T”表示安全裝置的運行狀況為正常；“F”表示安全裝置的運行狀況為故障。從表2 中得到的實驗結(jié)果可以看出，實驗組識別結(jié)果與各個安全裝置實際運行情況完全一致，而對照I 組和對照II 組識別結(jié)果僅分別有3 個和2 個與實際運行情況相同。從以上得到的實驗結(jié)果來看，實驗組識別方法在識別準確率上有較大的提高。

結(jié)合表2 中的結(jié)果，進行了多次實驗對比，對比了三種識別方法識別準確率，結(jié)果如表3 所示。

表3 三種識別方法識別準確率對比

分析表3 中的數(shù)據(jù)可知，實驗組識別準確率最高達到了100%，最小值為87.5%，均值為96.9%；對照I組識別準確率最高僅為75%，最小值為37.5%，均值為46.9%；對照II 組識別準確率最高僅為75%，最小值為25%，均值為45.3%，是三種方法中識別準確率最低的。綜合這些數(shù)據(jù)來看，實驗組識別準確率更高，說明利用基于故障樹的電梯機械安全裝置故障識別方法能夠?qū)崿F(xiàn)對于電梯機械安全裝置故障的精準識別。

5 結(jié)語

結(jié)合故障樹理論，提出了一種全新的針對電梯機械安全裝置的故障識別方法，并通過實驗實現(xiàn)了對該方法識別準確性的驗證。為了進一步提高該識別方法的應(yīng)用性能，在今后的研究中還將針對獲取到的電梯運行記錄，結(jié)合有監(jiān)督學習和無監(jiān)督學習理論，對電梯機械安全裝置的相關(guān)故障特征進行學習，并根據(jù)獲得的數(shù)據(jù)對電梯機械安全裝置進行故障識別和診斷，促進該方法智能性的不斷提高。