【技术实现步骤摘要】
本专利技术涉及数据挖掘，尤其涉及一种自动扶梯的梯级防撞预测预警方法。
技术介绍
1、自动扶梯的梯级防撞预测预警方法的发展历程可以追溯到对自动扶梯安全性的不断关注和提升需求。起初，自动扶梯仅依靠简单的物理传感器，如限位开关等，来监测梯级的运行状态，但这种方式往往无法准确检测到梯级上的小型物体或不规范行为。传统的自动扶梯梯级防撞监测通常依赖于单一的物理传感器，如压力传感器或限位开关。这些传感器只能提供有限的信息，如梯级上是否有物体或者是否有人站立。然而，它们不能提供关于具体物体或人的详细信息，也无法准确判断潜在的危险情况，如人员跌倒或异物卡梯。单一传感器技术往往无法准确区分真实的危险事件和误报，例如，压力传感器可能会误将一个重物体误判为人，或者无法识别小型物体的存在。这种情况下，监测系统可能会频繁地发出误报警告，影响到系统的可靠性和操作效率。
技术实现思路
1、基于此，本专利技术有必要提供一种自动扶梯的梯级防撞预测预警方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种自动扶梯的梯级防撞预测预警方法，包括以下步骤：
3、步骤s1：获取自动扶梯运行数据，并对自动扶梯运行数据进行扶梯异常运行分析，从而获得扶梯异常运行数据以及扶梯正常运行数据，并基于扶梯异常运行数据以及扶梯正常运行数据构建扶梯异常运行检测模型；
4、步骤s2：对扶梯异常运行数据进行异常运行传感数据提取，从而获得异常运行传感数据，并根据异常运行传感数据进行扶梯导轨振动烈度及特征频谱变
5、步骤s3：根据扶梯导轨振动烈度及特征频谱变化数据进行导轨运行劣化趋势定义，从而获得扶梯导轨运行劣化趋势数据；
6、步骤s4：获取实时自动扶梯运行数据，通过扶梯异常运行检测模型对实时自动扶梯运行数据进行扶梯异常运行检测，从而获得自动扶梯异常检测数据；根据扶梯导轨运行劣势趋势数据对自然扶梯异常检测数据进行扶梯导轨运行趋势聚类，从而获得实时扶梯运行劣势趋势数据；
7、步骤s5：根据实时扶梯运行劣势趋势数据进行扶梯运行风险评估，从而获得扶梯运行风险数据，并上传至自动扶梯管理平台，以执行扶梯风险预警任务。
8、本专利技术通过分析自动扶梯的异常运行数据和正常运行数据，构建了异常运行检测模型。这种模型能够准确地区分出扶梯运行中的异常事件，例如人员跌倒或异物卡梯，相比传统的单一传感器，它可以提供更精细化和准确的告警。提高了监测系统的可靠性和准确性，减少了误报警情的频率，同时能够快速响应真实的危险情况，保障乘客和设备的安全。通过提取异常运行传感数据，分析扶梯导轨的振动烈度及特征频谱变化。这些数据可以反映出导轨的运行状态和可能的劣化趋势。基于振动烈度及特征频谱数据的分析可以及早发现导轨运行的劣化趋势，预防潜在的机械故障或设备损坏，进而减少维护成本和提升设备的使用寿命。根据振动烈度及特征频谱变化数据，定义和分析扶梯导轨的运行劣化趋势。这种趋势数据可以帮助运维人员了解设备的健康状况。通过提前识别和监测导轨的劣化趋势，可以制定更加精准的维护计划和预防性维护措施，有效减少因设备故障带来的停机时间，提高自动扶梯的可靠性和安全性。利用扶梯异常运行检测模型对实时运行数据进行检测，同时结合导轨运行劣化趋势数据进行趋势聚类分析。这些分析结果能够综合反映出自动扶梯的运行状态和潜在的风险。提高了对扶梯运行风险的实时感知能力，及时发现运行中的潜在问题并采取措施，从而降低意外事件发生的可能性，保障乘客的安全。根据实时扶梯运行劣势趋势数据进行风险评估，并将评估结果上传至自动扶梯管理平台，执行风险预警任务。通过系统化的风险评估和预警机制，运维团队可以在问题出现前采取预防措施，优化设备运行管理，降低梯级相互撞击概率，提升服务效率和乘客的体验。综上所述，这些步骤不仅展示了技术在自动扶梯安全管理中的应用，还强调了数据分析和模型构建在提升设备安全性、减少故障风险以及优化运维效率方面的重要性。通过实时监测、趋势分析和预测性维护，可以有效地保障自动扶梯的可靠性和安全性，提升乘客的出行体验。同时能减少摄像头或其他视觉传感器被异物遮盖而导致地误发警报情况。
9、可选地，步骤s1具体为：
10、步骤s11：获取自动扶梯运行数据，并对自动扶梯运行数据进行扶梯类型分类，从而获得自动人行道运行数据以及自动扶梯运行数据；
11、步骤s12：对自动人行道运行数据进行水平扶梯异常运行分析，从而获得自动人行道异常运行数据；
12、步骤s13：对自动扶梯运行数据进行斜式扶梯异常运行分析，从而获得自动扶梯异常运行数据；
13、步骤s14：对自动人行道异常运行数据以及自动扶梯异常运行数据进行数据合并，从而获得扶梯异常运行数据，并根据扶梯异常运行数据对自动扶梯运行数据进行正常运行数据筛选，从而获得扶梯正常运行数据；
14、步骤s15：对基于扶梯异常运行数据以及扶梯正常运行数据构建扶梯异常运行检测模型。
15、本专利技术通过获取自动扶梯的运行数据，并将其分为自动人行道和自动扶梯两类，可以对不同类型的扶梯进行个性化的分析和处理。水平和自动扶梯在设计和运行上有所不同，因此分开处理有助于针对性地发现和解决问题。针对自动人行道的运行数据进行异常分析，可以帮助检测和识别水平扶梯在运行过程中可能出现的故障或异常情况。这些异常数据的分析可以提供早期预警，有助于及时维修和保养，以提高运行效率和安全性。类似地，自动扶梯的异常运行分析专门针对斜坡扶梯的特定设计和运行模式。这种分析有助于发现斜坡扶梯可能存在的运行异常，例如速度、倾斜度等方面的问题，以便及时采取修复措施。将自动人行道和自动扶梯的异常运行数据合并，并通过对比正常运行数据，筛选出扶梯的正常运行数据，可以帮助识别和区分真正的异常情况与正常运行的差异，从而更精确地确定扶梯的健康状态。基于前面步骤的数据分析结果，构建扶梯异常运行检测模型。这个模型可以利用机器学习或其他算法技术，对未来收集到的扶梯运行数据进行实时监测和分析，以预测和防止可能出现的运行异常，进一步提高扶梯的可靠性和安全性。综上所述，这些步骤结合起来，形成了一个完整的扶梯运行数据处理与分析流程，从而有效地管理和维护自动扶梯设备，提升设备的运行效率和用户的安全体验。
16、可选地，步骤s12具体为：
17、步骤s121：对自动人行道运行数据进行运行速度特征提取，从而获得水平扶梯运行速度数据；
18、步骤s122：对水平扶梯运行速度数据进行运行速度基准计算，从而获得水平扶梯运行基准速度；
19、步骤s123：根据水平扶梯运行基准速度对水平扶梯运行速度数据进行运行周期计算，从而获得水平扶梯运行周期数据；
20、步骤s124：对水平扶梯运行周期数据进行低频运行周期统计，从而获得低频运行周期数据；
21、步骤s125：根据低频运行周期数据对自动人行道运行数据进行低频运行周期运行数据聚类，从而获得自本文档来自技高网...
【技术保护点】
1.一种自动扶梯的梯级防撞预测预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S1具体为：
3.根据权利要求2所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S12具体为：
4.根据权利要求2所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S13具体为：
5.根据权利要求1所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S2具体为：
6.根据权利要求1所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S3具体为：
7.根据权利要求6所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S33具体为：
8.根据权利要求1所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S4具体为：
9.根据权利要求8所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S43具体为：
10.根据权利要求8所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤S44具体为：
【技术特征摘要】
1.一种自动扶梯的梯级防撞预测预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤s1具体为：
3.根据权利要求2所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤s12具体为：
4.根据权利要求2所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤s13具体为：
5.根据权利要求1所述的自动扶梯的梯级防撞预测预警方法，其特征在于，步骤s2具体为：
6....
【专利技术属性】
技术研发人员：曹琴玉，张霁麟，盛军，
申请(专利权)人：江苏普瑞尔特控制工程有限公司，
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。