一种基于Elman神经网络的电梯抱闸故障预警方法技术

本发明专利技术公开了一种基于Elman神经网络的电梯抱闸故障预警方法，包括以下步骤：首先通过检测设备采集电梯运行过程中抱闸运行的主要时序数据，建立数据库；然后，基于Elman神经网络建立信号预测模型，并由此构建电梯抱闸故障预警系统；经过训练和调试后，可以使用其对电梯抱闸运行主要时序信号数据的变化进行监测，当预警系统预测接下来的电流时序信号会发生较大变化时，根据电梯抱闸故障阈值发出预警，避免故障发生造成危害。本发明专利技术能够通过实时监测电梯抱闸运行时序信号数据，对可能即将发生的故障进行预警，对于提前对故障进行维修以及避免人民群众的生命安全受到故障电梯的损害具有很大的意义。

【技术实现步骤摘要】
一种基于Elman神经网络的电梯抱闸故障预警方法
本专利技术涉及一种使用Elman神经网络进行电梯抱闸故障预警的方法，属于电梯故障预警领域。
技术介绍
随着我国城市化建设的发展步伐日渐加快，高层建筑物越来越多，家用直梯的普及程度亦迅猛增长，电梯也成为了人们日常生活中必要的交通设备。根据新闻报道，截至2014年底，我国在用电梯数量已超过350万台，每年新增电梯数量接近50万台，而运行多年的老旧电梯数量快速增加，使用超过十年的电梯已超过100万台，虽然近年来电梯在可靠性方面有很大程度上的改进，但在实际运作中电梯故障还是时有发生。而在所有的故障中，抱闸失效的危害是最大的，一旦抱闸发生故障，电梯轿厢就会失去控制，很容易发生轿厢冲顶、人身伤害等事故。老旧电梯的快速增加，以及维保人员数量有限、水平不一等问题使得人民群众的生命财产安全面临很大的威胁。对于电梯故障，尤其是抱闸故障的提前预警、提前解决势在必行。在传统的电梯故障预警领域，各厂商研究了很多种方法，但是由于大都没有设置关键位置的传感器，难以获得一些关键的信号数据，所以其预警准确性通常情况下并不可靠。本专利技术通过在抱闸位置安装特殊的检测装置，监测抱闸的电流变化，利用检测到的电压值对电网电压变化造成的错误进行修正，最后，使用Elman神经网络故障预警系统对其电流的时序数据进行分析，使得对于抱闸故障的预警准确性大大提升。
技术实现思路
针对以上问题本专利技术提供了一种基于Elman神经网络的电梯抱闸故障预警方法。这种基于Elman神经网络的电梯抱闸故障预警方法，内部的程序结构为Elman神经网络，通过数据训练权值，使神经网络学习故障预警方法。同时通过大量训练建立起抱闸电流变化趋势与输入时序电流信号之间的关系，通过电梯抱闸故障阈值实现对于抱闸故障的预警，对于维修人员有很强的指导和提醒作用，保护了人民群众的生命安全。为了解决以上问题，本专利技术采用了如下技术方案：一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：包括以下步骤：A、使用检测装置采集电梯抱闸运行的主要信号数据，建立包含抱闸正常和故障状态对应的特征信号的数据库；B、基于Elman神经网络建立信号预测模型，并由此构建电梯抱闸故障预警系统；C、利用电梯抱闸故障预警系统对电梯抱闸运行主要信号数据的变化进行监测，对于故障进行预警。优选的，所述步骤A中使用检测装置的采集能够反映电梯抱闸故障的主要信号数据，为抱闸电流、抱闸电压等时序数据,储存在数据库中。优选的，所述采集的电梯抱闸电压值是用于对采集到的电流值进行修正，以电网标准电压380V为基准，得到实际测得电压相对于基准的百分比，按比例修正测得电流，避免电网的电压波动对检测结果产生影响，其公式为：IY是经过修正的电流，UX是测得的实际电压，IX是测得的实际电流。优选的，所述采集电梯抱闸运行主要信号数据，其过程是不断采集其电压和电流的信号数据得到其时序数据，在预警系统发现出现抱闸的电压或电流信号数据出现异常变化的时候，发出故障预警。优选的，所述步骤B中建立的电梯抱闸故障预警系统使用Elman神经网络根据已有的电流信号时序数据来预测未来时刻的电流信号，再根据该预测电流信号进行电梯抱闸故障预警；在当前时刻为t的时候，所述Elman神经网络的输入层的输入为xi(t)、xi(t-1)、xi(t-2)、xi(t-3)...xi(t-n+1)等n个电梯抱闸时序电流参数，中间层的激活函数为Sigmoid函数，隐层有m个神经元，网络的承接层也有m个神经元，输出层的输出为预测的抱闸接下来p个时刻可能的电流值，为yk(t+1)、yk(t+2)、yk(t+3)、yk(t+4)...yk(t+p)等p个预测的电梯抱闸时序电流参数。优选的，所述步骤B中，Elman神经网络的损失函数采用以下损失函数，公式为：z是输出层正确的输出，是真实值，y是实际的输出，是预估值，即抱闸发生故障的概率，损失函数的偏导数可以化简为加减运算的形式，便于在所述计算机或者电梯的单片机中编程和使用；对于上述损失函数求偏导并化简可得：由此公式根据链式法则得到的反向传播的算法推导如下：上述推导的反向传播公式在Elman神经网络反向传播时，根据误差修正权值Vkh、Whi的时候使用。ak是输出层的输入，Whi、Vkh分别是指输入层和隐层之间的权值、隐层和输出层之间的权值,θh是指隐层的第h个神经元的激活函数的输出。基于上面的Elman神经网络，使用数据库中存储的体现抱闸正常和故障的时序电流数据进行信号预测模型的训练。优选的，所述步骤C中，使用Elman神经网络建立的信号多步预测模型，输入历史时刻的时序电流信号来预测未来时刻的电流信号，Elman神经网络系统会输出预测的时序电流，不同时刻输出的对于未来某一时刻的预测值的数值和准确度是不同的，在预测的时刻t到达前，将t-u...t-2、t-1时刻对于t时刻的多步预测值加权求和，其权重之和小于等于1，可以得到更准确的对于t时刻的预测值，公式为：式中，为预测值的综合系数，大小反映在t-q时刻对进行预测的可信程度，要求优选的，所述步骤C中，多步预测值加权求和之后最后利用根据专家经验得到的电梯抱闸故障阈值进行判断，当使用Elman神经网络预测的电流数据超过设定的阈值，就发出电梯抱闸故障预警。与现有的技术相比，本专利技术的有益效果是：该电梯抱闸故障预警方法，对于电梯抱闸故障具有良好的预警准确度，使用Elman神经网络输出预测的电流变化趋势，利用电梯抱闸故障阈值进行预警的电梯抱闸故障预警方法，相对于传统方法，由于使用了Elman神经网络对经过处理的时序电流信号进行分析，能够自动预测未来可能发生的电梯抱闸故障，并且对不同时间点预测的某一时刻电流值加权求和，使得预测结果更加准确，对维修人员具有更好的参考作用，提高了电梯的安全性，对保障人民群众的生命安全具有很大的意义。附图说明图1是本专利技术使用Elman神经网络进行电梯抱闸故障预警的流程图；图2为本专利技术的检测装置的安装布局图；图3为本专利技术的Elman神经网络的结构图。具体实施方式下面将结合说明书附图对本专利技术实施例中的技术方案进行清楚、完整地描述。如图1所示，本专利技术提供了一种基于Elman神经网络的电梯抱闸故障预警方法，包括以下步骤：A、使用检测装置采集电梯抱闸运行的主要信号数据，建立包含抱闸正常和故障状态对应的特征信号的数据库；B、基于Elman神经网络建立信号预测模型，并由此构建电梯抱闸故障预警系统；C、利用电梯抱闸故障预警系统对电梯抱闸运行主要信号数据的变化进行监测，对于故障进行预警。以上是本专利技术整个流程的综合阐述，下面将对每个步骤的创新点进行解释。步骤A中使用检测装置的采集能够反映电梯抱闸故障的主要信号数据，为抱闸电流、抱闸电压等时序数据,储存在数据库中。如图2所示，检测装置将两个传感器连接到抱闸电源线上，分别检测电压及电流的变化，然后将信号数据传到计算机的数据库中储存用于接下来的分析。采集的电梯抱闸电压值是用于对采集到的电流值进行修正，以电网标准电压380V为基准，得到实际测得电压相对于基准的百分比，按比例修正测得电流，避免电网的电压波动对检测结果产生影响，其公式为：IY是经过修正的电流，UX是测得的实际电压，IX是测得的实际电流。采集电梯抱本文档来自技高网...

【技术保护点】
1.一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：包括以下步骤：A、使用检测装置采集电梯抱闸运行的主要信号数据，建立包含抱闸正常和故障状态对应的特征信号的数据库；B、基于Elman神经网络建立信号预测模型，并由此构建电梯抱闸故障预警系统；C、利用电梯抱闸故障预警系统对电梯抱闸运行主要信号数据的变化进行监测，对于故障进行预警。

【技术特征摘要】
1.一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：包括以下步骤：A、使用检测装置采集电梯抱闸运行的主要信号数据，建立包含抱闸正常和故障状态对应的特征信号的数据库；B、基于Elman神经网络建立信号预测模型，并由此构建电梯抱闸故障预警系统；C、利用电梯抱闸故障预警系统对电梯抱闸运行主要信号数据的变化进行监测，对于故障进行预警。2.根据权利要求1所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述步骤A中使用检测装置的采集能够反映电梯抱闸故障的主要信号数据，为抱闸电流、抱闸电压等时序数据,储存在数据库中。3.根据权利要求2所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述采集的电梯抱闸电压值是用于对采集到的电流值进行修正，以电网标准电压380V为基准，得到实际测得电压相对于基准的百分比，按比例修正测得电流，避免电网的电压波动对检测结果产生影响，其公式为：IY是经过修正的电流，UX是测得的实际电压，IX是测得的实际电流。4.根据权利要求2所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述采集电梯抱闸运行主要信号数据，其过程是不断采集其电压和电流的信号数据得到其时序数据，在预警系统发现出现抱闸的电压或电流信号数据出现异常变化的时候，发出故障预警。5.根据权利要求1所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述步骤B中建立的电梯抱闸故障预警系统使用Elman神经网络根据已有的电流信号时序数据来预测未来时刻的电流信号，再根据该预测电流信号进行电梯抱闸故障预警；在当前时刻为t的时候，所述Elman神经网络的输入层的输入为xi(t)、xi(t-1)、xi(t-2)、xi(t-3)...xi(t-n+1)等n个电梯抱闸时序电流参数，中间层的激活函数为Sigmoid函数，隐层有m个神经元，网络的承接层也有m个神经元，输出层的输出为预测的抱闸接下来...

【专利技术属性】
技术研发人员：张夏，宁棉福，刘斌，
申请(专利权)人：歌拉瑞电梯股份有限公司，
类型：发明
国别省市：江苏,32