【技术实现步骤摘要】
本专利技术涉及电梯领域，具体为一种电梯系统故障诊断方法及装置。
技术介绍
1、随着城市化进程的加快和高层建筑数量的增加，电梯已成为现代建筑不可或缺的重要工具。电梯的运行频率高，涉及到大量人员的安全，故障诊断显得尤为重要。传统电梯系统的维护模式大多依赖于定期的人工检查和突发性故障后的维修，这种方式不仅费时费力，且无法及时预防和检测潜在的故障，可能导致运行过程中出现不必要的安全隐患。因此，基于传感器的电梯故障诊断系统越来越受到关注，旨在通过实时数据监控和分析，实现故障的早期预警和预测，提高电梯系统的安全性和可靠性。
2、现有电梯故障诊断方法主要集中在通过传感器监测振动信号来分析电梯的运行状态。然而，现有的技术大多只监测垂直方向的振动信号，未能全面反映电梯运行过程中可能出现的横向、纵向振动带来的影响。这种单轴信号的分析方法局限性明显，容易导致对某些故障的检测不准确，错过了某些故障的早期迹象。
3、为了解决这一问题，一些研究尝试引入多轴传感器监测，结合机器学习算法进行数据分析，期望能够更精准地识别电梯系统中的潜在故障。然而，由于数据量大且特征复杂，现有方法在特征选择与计算效率上仍有提升空间。
技术实现思路
1、本专利技术旨在提供一种电梯故障诊断系统，充分利用现代手机设备的传感能力来替代传统的物联网边缘设备。该系统使用手机获取电梯振动数据，包括电梯在x、y、z轴方向的振动信号，采样频率高达500hz，确保了数据的高精度和全面性。
2、本专利技术提供了一种电
3、优选地，通过小波包分解得到的频谱能量特征包括：按照公式计算每个小波包的能量，其中e3j为数据包pj3离散点的能量，i为下标变量，j为数据包的序号，n为数据的长度，xij为数据包pj3离散点的幅值；按照公式计算该振动信号的总能量e3；以及按照公式xf＝e3j/e3进行归一化处理，得到该振动信号的频谱能量特征。
4、优选地，在根据多域特征，采用该支持向量机进行故障诊断之前，还包括：通过优化决策边界，其中w为权重向量，为非线性函数，b为偏置项；利用该非线性函数将训练特征映射到高维线性空间；根据如下公式，通过该支持向量机优化超平面，得到该权重向量w和该偏置项b的最优值；s.t.yi(wt*xi+b)≥1-ξi其中，ξi为非负松弛变量，i＝1，2，…，n，c为表示误差容忍程度的惩罚参数；以及根据该权重向量w和该偏置项b的最优值，得到决策函数
5、优选地，根据所优化的超平面，采用核函数k(xi，xj)＝φ(xi)*φ(xj)，得到该权重向量w和该偏置项b的最优值。
6、优选地，按照以下公式，采用夏普利值量化该时域特征和该频域特征中每个特征的贡献度：φi表示该贡献度，n表示该时域特征和该频域特征的总数，n表示该时域特征和该频域特征的集合，s表示不包括第i个特征的特征子集，函数f(·)表示该特征子集的模型的预测值。
7、优选地，采用夏普利值量化该时域特征和该频域特征中每个特征的贡献度还包括：拟合一个线性模型；由该线性模型确定的每个权重对应于该夏普利值；ω(g)＝0，其中|z’|为z’中非零元素的个数。
8、优选地，采用夏普利值量化该时域特征和该频域特征中每个特征的贡献度还包括：采用核shap处理复杂的非线性模型，该非线性模型的目标函数l(φ)为：φi表示第i个特征的夏普利值，v(si)表示在该特征子集si的预测值；v(si∪{i})表示在该特征子集si的基础上加入第i个特征后的预测值，通过最小化该目标函数，该核shap生成一个加权数据集；拟合局部线性模型以优化该每个特征的贡献度，得到该每个特征的夏普利值。
9、优选地，在根据该关键特征，采用该支持向量机进行故障诊断之后，还包括：根据该故障诊断的结果，返回采用该支持向量机对该时域特征和频域特征进行故障分类的步骤并循环执行。
10、根据本专利技术的另一个方面，提供了一种电梯系统故障诊断装置，包括：振动信号监测模块，用于在电梯启动、加速、匀速、减速和停止状态，通过该电梯中固定的移动终端，分别监测x轴、y轴和z轴振动信号；特征提取模块，用于提取该振动信号中的时域特征和频域特征，其中该时域特征包括该振动信号的方差、均方根、峰度因子，该频域特征包括通过小波包分解得到的频谱能量特征以及电梯频率特征；故障分类模块，用于采用支持向量机对该时域特征和频域特征进行故障分类；贡献度量化模块，用于采用夏普利值量化该时域特征和该频域特征中每个特征的贡献度；特征筛选模块，用于根据该贡献度从大到小的顺序，筛选得到用于故障诊断的关键特征；以及故障诊断模块，用于根据该关键特征，采用该支持向量机对该电梯进行故障诊断。
11、优选地，该特征提取单元还包括：小波包能量计算单元，用于按照公式计算每个小波包的能量，其中e3j为数据包pj3离散点的能量，i为下标变量，j为数据包的序号，n为数据的长度，xij为数据包pj3离散点的幅值；总能量计算单元，用于按照公式计算该振动信号的总能量e3；以及归一化处理单元，用于按照公式xf＝e3j/e3进行归一化处理，得到该振动信号的频谱能量特征。
12、本专利技术公开了一种电梯系统故障诊断方法及系统，通过三轴振动信号的监测和分析，能够全面捕捉电梯运行状态下的故障特征，然后结合夏普利值方法，有效筛选关键特征，减少计算冗余，提高诊断的准确性和实时性。
本文档来自技高网...【技术保护点】
1.一种电梯系统故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过小波包分解得到的频谱能量特征包括：
3.根据权利要求2所述的方法，其特征在于，按照以下公式，采用夏普利值量化所述时域特征和所述频域特征中每个特征的贡献度：
4.根据权利要求3所述的方法，其特征在于，采用夏普利值量化所述时域特征和所述频域特征中每个特征的贡献度还包括：
5.根据权利要求4所述的方法，其特征在于，采用夏普利值量化所述时域特征和所述频域特征中每个特征的贡献度还包括：
6.根据权利要求1至5中任一项所述的方法，其特征在于，在根据所述关键特征，采用所述支持向量机进行故障诊断之前，还包括：
7.根据权利要求6所述的方法，其特征在于，根据所优化的超平面，采用核函数K(xi，xj)＝φ(xi)*φ(xj)，得到所述权重向量w和所述偏置项b的最优值。
8.根据权利要求1至5中任一项所述的方法，其特征在于，在根据所述关键特征，采用所述支持向量机进行故障诊断之后，还包括：根据所述故障诊断的结果，返回采用所述支
9.一种电梯系统故障诊断装置，其特征在于，包括：
...【技术特征摘要】
1.一种电梯系统故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过小波包分解得到的频谱能量特征包括：
3.根据权利要求2所述的方法，其特征在于，按照以下公式，采用夏普利值量化所述时域特征和所述频域特征中每个特征的贡献度：
4.根据权利要求3所述的方法，其特征在于，采用夏普利值量化所述时域特征和所述频域特征中每个特征的贡献度还包括：
5.根据权利要求4所述的方法，其特征在于，采用夏普利值量化所述时域特征和所述频域特征中每个特征的贡献度还包括：
6.根据权利要求1至5中...
【专利技术属性】
技术研发人员：吴昊坤，尹力，李志武，伍乃骐，
申请(专利权)人：澳门科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。