[发明专利]一种电梯中长期老化故障诊断方法、装置、介质和设备

说明书

本发明实施例提供一种电梯中长期老化故障诊断方法、装置、介质和设备，该方法包括：输入电梯曳引机的电流时间序列和有功功率时间序列；将电流时间序列和有功功率时间序列分别转变成灰度二值图像；利用改进的二维卷积神经网络对电流时间序列对应的灰度二值图像进行分析，获得表征电梯运行过程的第一识别结果；根据数据描述性分析的预设多个指标对有功功率时间序列对应的灰度二值图像进行分析，获得表征电梯运行过程的第二识别结果；根据第一识别结果、第二识别结果和电梯运行状态的采样结果，诊断电梯是否发生中长期老化故障。本发明利用电流和有功功率双变量同步描述电梯工况，根据两个变量定位同一处故障，识别准确率高。

技术领域

本发明涉及电梯领域、时间序列预测领域，更具体地说，涉及一种电梯中长期老化故障诊断方法、装置、介质和设备。

背景技术

伴随着房地产发展和轨道交通建设，电梯产业得到快速的发展。电梯是一种快捷便利的楼宇交通工具，它的使用改善了人民的生活品质。目前，我国已是全球电梯保有量第一的国家，占全球电梯总量的三分之一以上。伴随着电梯保有量的逐年递增，电梯维修保养需求也随之增长。截至2020年电梯维修保养的潜在经济效益达到500多亿元，未来五年预测将保持逐年增长60亿元左右。2020年江苏省全省平均每天处理电梯困人故障达到110起，月均困人率达到0.55％。目前，电梯定期维保采取的是半月检查、月度检查和年度检查等方式，定期维保是一种较为可靠的维保方式，但是耗费的维保经济成本较大，迫切需要一种电梯智能故障预警算法来替代人工定期维保。电梯维修保养采取的主要方式是依靠维保工人的经验知识进行维保，维保工人的水平参差不齐，不能很好地排除电梯潜在故障。此外，不同品牌电梯的兼容性不好，电梯生产厂家对自家电梯产品更新升级速度较快。电梯维保人员需要对不同品牌的电梯进行学习更新，维保人员对电梯认识呈现不同层次的水平，这阻碍了维保的进程和可靠性。现存的定期维保绝大部分还是依赖维保人员的自觉性，维保公司对维保人员和维保电梯信息的更新管理也具有滞后性。开发远程实时监控电梯的系统，结合大数据分析技术，可以提高电梯维修保险的效率和促进电梯制造产业的逐步完善，为电梯用户提供更加安全可靠的运输工具。综上所述，通过对电梯工况识别方法的研究，实现电梯故障诊断和预测技术的不断探索改进，不仅可以带来巨大的经济效益，帮助电梯生产和维保公司节约经济成本，保障乘梯人员的人身安全，也具有很好的社会意义，可以推动电梯行业的发展进步和相关监管部门对电梯行业相关标准的制定。

稳定持续的数据采集设备和大量可用的时间序列为电梯长期运行状态监测提供了巨大的机遇。但是，采集的大部分数据仍没有被标记，主要是由于无法控制实时采集的设置和人工专家离线标记的繁琐，因此，严重依赖标签的传统监督数据分析模型变得十分不利。近年来，针对正常数据的稀疏标记和异常数据的实时检测问题，无监督学习方法受到研究者们的广泛关注。然而，对于即将发生故障的早期预测并没有得到很好的解决。故障事件可能在它发生之前就已对正常的事件产生微妙和渐近的变化，对正常数据进行无监督分析并发现这些变化可以对故障进行有效预防。

针对电机电流特征分析(motor Current Signature Analysis，MCSA)常用的故障诊断方法有离散傅里叶变换，小波变换等，但是这些方法易受干扰；基于机器学习的方法虽然在故障诊断上有了令人满意的精度，但是电机电流信号易受载重的干扰，尤其是启动最大电流和制动最大电流的数值，此外时序长度不同，这让构建故障监控模型是很难的，原因包括循环卷积网络较难训练，一些研究难以应用。

Hojin Lee提出一个使用一维卷积神经网络(1DCNN)的方法来诊断室内永磁同步电机的匝间短路故障(ISCF)和退磁故障(DF)，成功从三相电流时间序列中定位电机的故障，因为电流依旧饱受背景噪声的困扰。电梯的不同运行过程产生的时序数据的长度是不一样的，采样间隔和电梯载重的差异使得相同的运行过程产生的数据量的大小也不一样，即电流时间序列是不等长的，直接填充零进行时间序列补齐，再运用一维卷积网路进行识别的方法并不可取。

发明内容

有鉴于此，本发明实施例的目的在于提供一种电梯中长期老化故障诊断方法、装置、介质和设备，以提高识别准确率。