關于人工智能應用在電梯檢驗方面的探討與研究

【摘要】隨著人工智能（AI）技術的不斷進步，其在電梯檢驗領域的應用日益廣泛。AI技術在電梯檢驗中主要涉及故障診斷、預測性維護、實時監控與控制以及安全監測四個方面。通過集成多種傳感器和算法，智能監測終端（如E-BOX）能夠實現對電梯系統的實時在線監測與數據分析，提高檢驗效率和乘客安全。這些應用不僅優化了維護策略，還提升了乘客滿意度，為智能化管理提供了強有力的數據支持。

【關鍵詞】人工智能；電梯檢驗；故障診斷

【DOI編碼】10.3969/j.issn.1674-4977.2024.04.033

Exploration and Research on the Application of Artificial Intelligence in Elevator Inspection

WAN Hongming， CAI Zhihua

（Hunan Special Equipment Inspection and Testing Research Institute〔Changsha Branch〕， Changsha 410000， China）

Abstract： With the continuous progress of artificial intelligence （AI） technology， its application in the field of elevator inspection is becoming increasingly widespread. AI technology mainly involves four aspects in elevator inspection： fault diagnosis， predictive maintenance， real-time monitoring and control， and safety monitoring. By integrating multiple sensors and algorithms， intelligent monitoring terminals （such as E-BOX） can achieve real-time online monitoring and data analysis of elevator systems， improving inspection efficiency and passenger safety. These applications not only optimize maintenance strategies， but also enhance passenger satisfaction， providing strong data support for intelligent management.

Keywords： artificial intelligence； elevator inspection； fault diagnosis

0引言

人工智能（AI）正逐漸滲透到各個行業，引領著一場新的工業革命，其核心能力在于模擬和擴展人類智能，處理語言理解、視覺識別和決策部署等任務。隨著技術的成熟和應用的深入，人工智能已經從理論研究走向實際應用，尤其是在電梯檢驗等領域，人工智能的應用正變得越來越精細化和系統化。通過對大量數據的實時分析和處理，人工智能不僅提高了電梯檢驗的效率，還極大地提升了電梯的安全性和可靠性，展現了其在現代工業應用中的巨大潛力。

1人工智能技術概述

1.1人工智能的定義和分類

人工智能（AI）是一門集合多個學科的技術，主要目標在于創建能夠模擬、延伸甚至超越人類智能的計算機系統。這種技術的核心在于使機器能夠執行需要人類智能的任務，如語言理解、視覺識別、決策制定等。在定義上，人工智能通常被視為一種模仿人類認知功能的技術。這包括從基礎的模式識別到復雜的決策和問題解決。人工智能系統的設計和實現，旨在使機器能夠自主學習、適應環境變化并作出合理反應。對于人工智能的分類，主要可分為兩大類：弱人工智能和強人工智能。弱人工智能也稱為窄人工智能，指的是為特定任務設計的智能系統，這類系統在其專門領域內表現出色，但無法超越設定的范圍。例如，某些語音助手和在線客服系統，它們能夠處理特定的查詢和命令，但無法處理超出其訓練范圍的問題。強人工智能或廣義上的人工智能，是一種更為先進和復雜的系統，旨在模擬人類智能的廣泛能力。這類系統理論上能夠執行任何智能任務，具有自我意識、情感和自主意識。然而，截至目前，強人工智能仍屬于理論和研究領域，現實世界中尚未實現。

1.2關鍵技術

在人工智能領域，核心技術包括機器學習、深度學習、計算機視覺以及數據分析與處理，每一項都在智能系統的開發和應用中扮演著重要角色。機器學習作為一種使計算機能夠從數據中學習并作出決策或預測的方法，是實現人工智能的基石。這種技術依賴于算法，通過分析和解釋數據模式來提高任務執行的效率和準確性。機器學習的應用廣泛，從簡單的數據分類到復雜的預測模型，都依賴于這項技術。深度學習則是機器學習的一個分支，它模仿人腦的工作方式，通過構建多層的神經網絡來處理和解釋復雜的數據結構。深度學習在圖像和聲音識別、自然語言處理等領域表現出色，因為它能夠從大量未標記的數據中學習特征和模式。計算機視覺是另一個關鍵技術，它致力于使機器能夠像人一樣理解和解釋視覺信息。這包括從圖像或視頻中識別對象、場景、行為乃至情感。計算機視覺技術在安全監控、自動駕駛汽車、醫療成像分析等眾多領域中發揮著重要作用。最后，數據分析與處理是構成人工智能的另一項基礎技術。這一領域涉及從原始數據中提取有價值的信息，以支持決策制定過程。數據分析不僅包括數據的收集和清理，還包括使用統計方法、機器學習算法和可視化技術來洞察數據背后的模式和趨勢[1]。

2人工智能在電梯檢驗中的應用

2.1故障診斷

在電梯檢驗的人工智能應用中，故障診斷是一個關鍵環節。這個過程通常分為幾個步驟：數據采集與預處理、特征提取與學習，以及故障模式識別。數據采集與預處理是基礎且至關重要的步驟。在這一階段，系統通過各種傳感器收集電梯運行的相關數據，例如速度、振動、溫度等參數。收集到的數據可能包含噪聲或不完整信息，因此需要進行預處理。預處理的目的是清洗和標準化數據，以確保后續分析的準確性和有效性。這包括濾除異常值、填補缺失值、數據歸一化等。接下來是特征提取與學習的階段。在這一步驟中，利用機器學習算法從預處理后的數據中提取關鍵特征。這些特征是對電梯運行狀況的精確量化描述，它們對于識別故障模式至關重要。通過分析這些特征，系統能夠學習和識別正常運行與異常狀況之間的差異。最后，進行故障模式識別。這一步利用之前學習到的特征來識別和分類電梯的潛在問題。通過應用復雜的算法，如神經網絡或決策樹，系統能夠準確識別出各種故障類型。故障模式識別不僅能夠指出當前存在的問題，還能夠預測可能的未來故障，從而及時采取維修或預防措施，保證電梯的安全運行。

2.2預測性維護

預測性維護在電梯檢驗的人工智能應用中扮演著重要角色。這一過程旨在通過分析電梯運行數據，提前識別潛在的維護需求，從而避免故障和延長設備的使用壽命。預測性維護主要包括基于狀態的維護策略和維護決策支持兩個方面[2]。在基于狀態的維護策略中，系統不斷監控電梯的關鍵性能指標，如運行速度、門的開關頻率、電機溫度等。通過實時收集這些數據，并與歷史數據進行比較，系統能夠準確地識別出設備狀態的任何異常變化。這種方法使得維護工作可以在問題出現之前預先進行，而不是在故障發生后才采取措施。這種策略的優勢在于能夠顯著減少意外停機時間，提高電梯的可靠性和安全性。維護決策支持則是通過分析收集到的數據來輔助制定維護計劃。這包括使用機器學習和數據分析工具來評估電梯的當前狀況，并預測未來的維護需求。通過這種方式，可以優化維護計劃，確保資源被有效利用。例如，系統可能建議在特定組件表現出磨損跡象時進行更換，而不是等到完全失效。這樣的策略不僅能夠提高維護效率，還能降低長期的維護成本。

2.3實時監控與控制

實時監控與控制在電梯的人工智能應用中起著至關重要的作用，特別是在確保電梯運行的安全性和效率方面。這一過程涉及傳感器技術與數據集成、實時數據分析，以及控制系統的智能化。傳感器技術與數據集成是實現有效監控的基礎。在這一環節中，各種傳感器被部署在電梯的關鍵部位，如轎廂、電梯井、驅動系統等，以收集電梯運行的各項數據。這些數據包括但不限于電梯的速度、加速度、載重、門的開關狀態等。這些來自不同傳感器的數據被集成到一個中央系統中，以便進行進一步的分析。數據集成確保了信息的完整性和一致性，為后續的實時分析提供了可靠的數據基礎。實時數據分析是實時監控中的核心部分。在這個環節，利用先進的數據處理技術，系統能夠即時分析收集到的數據。通過這種方式，可以實時監測電梯的運行狀況，及時發現任何異常或潛在的問題。例如，如果數據顯示電梯的運行速度異常，系統可以立即對此進行分析，判斷是否存在安全隱患。實時數據分析不僅有助于即時識別問題，還能夠預測可能出現的故障，從而提前采取預防措施。控制系統的智能化是實時監控的延伸。在這一部分，通過將數據分析結果與電梯的控制系統相結合，實現了更高級的自動化和智能化控制。這意味著電梯的控制系統能夠根據實時數據和預測結果自動調整運行參數，以優化性能和安全性。例如，分析結果表明電梯的某個組件即將故障，控制系統可以自動將電梯轉入維護模式，避免故障發生[3]。

2.4安全監測

安全監測在電梯的人工智能應用中扮演著關鍵角色，尤其是在提高電梯乘客安全和防止事故方面。這一過程主要包括視頻監控與分析，以及異常行為檢測。視頻監控與分析是安全監測的基礎部分。在這個環節中，電梯內外安裝的攝像頭持續捕捉視頻數據，實時記錄電梯的使用情況和乘客行為，這些視頻數據被送往中央處理系統進行分析。通過應用先進的圖像處理和計算機視覺技術，系統能夠對視頻內容進行深入分析，識別乘客數量、檢測潛在安全風險，甚至監測電梯內部環境的變化。例如，系統可以識別電梯內是否過載，或者是否有異物阻擋電梯門正常關閉。異常行為檢測是安全監測的進一步應用。在這一部分，系統專注于識別電梯內可能的異常行為或潛在危險情況。利用機器學習算法，系統可以學習并識別一系列的異常行為模式，如跌倒、打斗或其他緊急情況。一旦檢測到此類行為，系統可以立即觸發警報，并通知相關人員進行及時的響應和干預。這不僅有助于提高乘客的安全性，還能在緊急情況下提供重要的信息支持[4]。

3案例分析

深圳市卓越信息技術有限公司研發的電梯物聯網智能監測終端（E-BOX）安裝在轎廂頂部和機房，對電梯進行實時監測，通過采集電梯實時運行和故障預警數據，準確了解電梯運行情況，并通過大數據分析對電梯安全狀態評估，及時反饋電梯問題，為電梯按需保養提供數據支撐。

E-BOX的主要功能包括：通過攝像頭、紅外傳感器、壓力傳感器等設備，實時采集轎廂內外的溫度、濕度、氣壓、振動、噪聲等參數，并將其上傳到云端服務器；通過人臉識別、行為分析、語音識別等技術，對乘客的身份、情緒、需求等進行識別和分析，并根據乘客的特征和習慣，提供個性化的服務和建議；通過故障檢測、預警提示、遠程控制等功能，對電梯的運行狀態進行實時監測和分析，并在發現異常或故障時及時通知維修人員或乘客，并根據不同類型、程度的故障，提供相應的處理方案；通過數據挖掘、可視化展示等技術，對運行數據進行深入分析和挖掘，生成各種報表和圖表，展示電梯的運行狀況和維護效果。

E-BOX的主要優勢包括：提高了電梯檢驗的效率和質量，減少了人工巡檢和維修成本；提高了乘客的滿意度和安全感，增強了用戶體驗；提高了電梯管理者對電梯運行狀況的了解和掌握，優化了維護策略；提高了數據利用率和價值，為智能化管理提供數據支撐。

E-BOX是一個典型的人工智能應用在電梯檢驗方面的案例。它展示了如何利用多種傳感器獲取海量數據，并結合多種算法進行智能分析和處理。它也體現了如何將人工智能技術與物聯網技術相結合，實現對電梯系統及其環境因素的全面感知和監測。它還反映了如何將人工智能技術與大數據技術相融合，實現對海量數據進行深入挖掘和價值轉化。

4結束語

人工智能技術在電梯檢驗方面的應用展現了顯著成效，尤其是在提升安全性、效率和用戶體驗方面。智能監測系統如E-BOX通過集成傳感器和先進的數據分析技術，實現了電梯運行的實時監控和故障預警。這種技術的應用不僅減少了人工巡檢的需求，還優化了維護和管理策略。未來，隨著AI技術的進一步發展，其在電梯以及其他工業設備的檢驗和維護中的作用將更加凸顯，為智能化管理和服務提供強大的技術支持。

【參考文獻】

[1]李子鵬.電梯檢驗中的安全隱患分析及人工智能技術應用探討[J].河南科技，2023，42（16）：35-36.

[2]郭亮，侯靖，劉洋.人工智能在電梯故障分析中的應用[J].集成電路應用，2023，40（7）：303-305.

[3]時哲.基于大數據與人工智能的電梯管理平臺建設探討[J].中國電梯，2023，34（7）：64-66，80.

[4]謝一麟.人工智能背景下電梯監控系統改進研究[J].智能城市，2023，9（1）：23-25.

【作者簡介】

萬洪明，男，1989年出生，工程師，研究方向為機電類特種設備檢驗檢測。

（編輯：劉一童）