[发明专利]扶梯健康状况诊断系统

权利要求书

1.扶梯健康状况诊断系统，其特征在于，包括：

数据采集模块，采集预设的扶梯侧勘探模块所获取的扶梯振动信号原始数据，经过数据预处理后，形成扶梯振动信号待提取数据，以表征为满足特征值提取模块所预设数据规格的数据；

特征值提取模块，依次对扶梯振动信号待提取数据进行特征提取、特征分析，以获取扶梯各个部件振动信号的特征值，整合并输入至工况识别模块内；

工况识别模块，将扶梯各个部件的振动信号特征值作为预先完成训练的工况识别模型的输入，基于输出结果标定扶梯各个部件的运行工况及潜在故障，以完成扶梯健康状况的诊断。

2.根据权利要求1所述的扶梯健康状况诊断系统，其特征在于，扶梯侧勘探模块由外部传感器、扶梯主板及DTU设备所组成，外部传感器通过485通讯与DTU设备连接，扶梯主板通过232通讯与DTU设备连接，其中，外部传感器包括：主机3轴振动传感器、主驱动链3轴振动传感器、梯级链涨紧轮3轴振动传感器、扶手带温度传感器、主机及控制柜温度传感器、功率计传感器、主机噪声传感器。

3.根据权利要求1所述的扶梯健康状况诊断系统，其特征在于，数据采集模块在每次采集扶梯振动信号原始数据时，还采集有与其相对应的时域信号的时间序列和幅值序列。

4.根据权利要求3所述的扶梯健康状况诊断系统，其特征在于，对扶梯振动信号待提取数据进行特征提取，特征提取具体处理步骤为时频变换，时频变换的具体计算公式为：

其中，FD_amp为经单边傅里叶变换后得到的频域信号的幅值序列，N为时域信号的数据长度，Y为频域信号的幅值序列，Fs为采样频率，FD_f为经单边傅里叶变换后得到的频域信号的频率序列。

5.根据权利要求4所述的扶梯健康状况诊断系统，其特征在于，扶梯振动信号待提取数据在经过特征提取后，形成扶梯振动信号待分析数据，并基于多种推导模型分别对扶梯振动信号待分析数据进行特征分析，得到扶梯各个部件振动信号的特征值，其中，多种推导模型包括：峰值推导模型、峰峰值推导模型、通频值推导模型、加速度设定频推导模型、倍频值推导模型和陡峭度推导模型。

6.根据权利要求1-5任一项所述的扶梯健康状况诊断系统，其特征在于，所述预先完成训练的工况识别模型在完成训练前还包括其预设过程，其步骤如下：

基于机械仿真模块获取扶梯振动信号仿真数据，并通过特征值提取模块对扶梯振动信号仿真数据进行处理，生成扶梯各个部件振动信号的仿真特征值，以扶梯单位部件振动信号的仿真特征值作为输入数据，并按照对应的仿真工况标定输出标签，生成单位部件的训练数据，重复如上步骤，整合而形成训练数据集；

将训练数据集输入至Statistics and Machine Learning Toolbox模块内进行数据分类，得到预设的工况识别模型。

7.根据权利要求6所述的扶梯健康状况诊断系统，其特征在于，工况识别模型具体在完成上述预设过程后，通过机器学习算法对预设的工况识别模型进行训练获取所述预先完成训练的工况识别模型，其中，所述机器学习算法具体选用线性回归算法、支持向量机算法及K近邻算法其中之一。