[发明专利]一种电梯振动故障的诊断算法

说明书

本发明的一种电梯振动故障的诊断算法，S1:获取数据；S2:数据处理；S3:计算各振动特征值；S4:计算各预测值；S5:振动特征归一化；S6:计算故障原因概率；S7:确定故障原因。通过获取电梯轿厢的加速度，通过本发明的算法对加速度进行深度挖掘分析和处理，通过加速度确定电梯故障的原因，具有对电梯故障隐患的预测和定位的功能。本发明属于应用在电梯故障隐患预警系统的具有预测电梯故障隐患部位功能的算法，使电梯物业或维保单位能提前预知并定位电梯的故障隐患位置。

【技术领域】

本发明涉及电梯技术领域，具体涉及一种电梯振动故障的诊断算法。

【背景技术】

目前电梯物联网终端设备主要完成对电梯运行信号(振动、门开关、电机电流等)的采集、简单处理、上传云端的任务。对采集到的信号几乎不做深度的分析处理。电梯行业内的物联网监控系统的终端设备对电梯运行的各项数据仅停留在采集上传层面，只对采集的电梯运行信号进行数据透传和简单的逻辑判断，缺少对数据的深度挖掘分析和处理，且由于上传的原始数据庞大对网络和服务器的要求过高从而造成的网络不稳定。

【发明内容】

本发明解决了目前对电梯运行的各项数据仅停留在采集上传层面，缺少对数据的深度挖掘分析和处理的技术问题，本发明提供了一种电梯振动故障的诊断算法。

本发明是通过以下技术方案实现的：

一种电梯振动故障的诊断算法，包括以下步骤：

S1：获取数据，加速度传感器获取电梯轿厢当前的加速度，加速度包括水平方向加速度和垂直方向加速度；

S2：数据处理，将加速度信号对时间求导以获得急动度，其中包括将水平方向加速度对时间求导，以获得水平急动度；将垂直方向加速度对时间求导，以获得垂直急动度；

S3：计算各振动特征值，其中振动特征值包括电梯运行时垂直方向加速度变化的垂直运行标准差、电梯运行时水平方向加速度变化的水平运行标准差，以及电梯加速时垂直方向加速度变化的垂直加速标准差；

S4：计算各预测值，将S3中的各振动特征值按时间顺序递推存入数组，用指数平滑预测法预测若干周期后，分别得出各振动特征值的预测值；

S5：振动特征归一化，设定振动特征值的上下限，利用隶属度函数将预测值归一化；

S6：计算故障原因概率，设定贝叶斯概率网络，根据各振动特征和各故障原因之间的关系设计一个贝叶斯概率网络，计算贝叶斯概率网络的父节点，并得出各父节点后验概率；

S7：确定故障原因，确认各父节点后验概率中的最大父节点后验概率，并将与其对应的父节点作为故障原因输出；或

确认在各父节点后验概率中大于预设故障概率值的父节点后验概率，并将与其对应的父节点作为故障原因输出。

如上所述的一种电梯振动故障的诊断算法，在S2中，急动度j＝Δa/Δt，其中Δa为加速度变化量，Δt为最小单位时间。

如上所述的一种电梯振动故障的诊断算法，急动度j包括垂直急动度j_z和水平急动度j_XY，其中，

垂直急动度其中a_Z为采样周期的垂直加速度，a’_Z为上个采样周期的垂直加速度，T为采样周期，a_Z-a’_Z为垂直加速度变化量，Δt＝T；

水平急动度其中a_X为本采样周期的X轴加速度，a’_X为上个采样周期的X轴加速度，a_Y为本采样周期的Y轴加速度，a’_Y为上个采样周期的Y轴加速度，T为采样周期，为水平加速度变化量，Δt＝T。