[发明专利]扶梯健康状况诊断系统在审
申请号: | 202211315537.8 | 申请日: | 2022-10-26 |
公开(公告)号: | CN115683320A | 公开(公告)日: | 2023-02-03 |
发明(设计)人: | 朱琳昊;涂海燕;熊瑞平;黄维纲 | 申请(专利权)人: | 康力电梯股份有限公司;四川大学 |
主分类号: | G01H17/00 | 分类号: | G01H17/00;G01D21/02;G06F18/213;G06F18/214;B66B29/00 |
代理公司: | 北京市领专知识产权代理有限公司 11590 | 代理人: | 卢洋 |
地址: | 215213 江苏省苏州市*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 扶梯 健康状况 诊断 系统 | ||
本发明涉及扶梯诊断技术领域,具体而言,涉及扶梯健康状况诊断系统,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。
技术领域
本发明涉及扶梯技术领域,具体而言,涉及扶梯健康状况诊断系统。
背景技术
随着科学技术的不断提升,自动扶梯建设也得到了快速的发展,应用于轨道交通、商业中心等区域的自动扶梯设备数量也随之大量增加。自动扶梯属于结构复杂的特种机械设备,在经过长期运行后,扶梯的机械部件通常会产生老化磨损的情况,就目前而言,扶梯的维护检查通常依靠有经验的维保人员来辨别,一方面,依靠维保人员经验辨别扶梯故障的人为因素较大,增加了不可靠性;另一方面,扶梯的一些部件封闭在组件内部,维保人员很难从外观检查辨别其磨损状态,只有当扶梯出现振动、升温等现象时,维保人员才能察觉,但此时扶梯的磨损或故障部件已运行了较长时间,不仅影响了后续扶梯的维修工程,同时也具备一定的安全隐患。
发明内容
本发明的目的在于提供一种扶梯健康状况诊断系统,以改善人工检测所存在的可靠性低的问题。
本发明的实施例通过以下技术方案实现:
扶梯健康状况诊断系统,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。
可选的,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。
可选的,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。
可选的,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。
可选的,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。
可选的,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:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于康力电梯股份有限公司;四川大学,未经康力电梯股份有限公司;四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211315537.8/2.html,转载请声明来源钻瓜专利网。
- 上一篇:成型站和缩颈机
- 下一篇:基于深度强化学习的风火互补系统智能紧平衡处置方法