基于机器学习的智慧电梯运行健康度评价与安全监测.pdfVIP

硕_上学位论文致谢

Ⅱ

硕_上学位论文摘要

摘要

随着社会进步与现代化城市的飞速发展，城市人口与日俱增，高层建筑如大

型商场、写字楼、小区高层住宅等等，成为缓解现代化城市土地紧缺的一个重要

手段。电梯作为垂直连接高层建筑上下的交通工具，在人们日常生活中发挥着极

其重要的作用。然而，虽然电梯的制造工艺、诊断技术在逐步提升，但随着电梯

总量的不断扩大以及电梯使用的日益频繁，安全事故的发生次数仍然呈现上升的

趋势。因此，如何保障电梯的安全可靠运行己经成为社会的热点问题。目前，对

电梯进行定期的检修是保障电梯安全运行的主要手段，但是时间间隔与人工漏检

风险的存在，导致该方法还不够及时和可靠。本文围绕电梯这一集机械、电气、

控制为一体的复杂特种设备安全可靠运行的目标，通过机器学习的方法进行数据

定性定量相结合的分析，从而展开电梯运行健康度评价以及电梯安全监测的研究，

实现电梯健康度的及时评价以及异常状态的准确检测，从多个层次来保障电梯运

行的安全可靠性。本文具体研究内容如下：

(1)传统的电梯运行性能评价方法大多基于硬件性能等客观指标，对于运

行数据的使用缺乏实时的分析与针对性的特征提取，难以对电梯的健康度给出实

时且有效的评价。因此，提出了一种基于轿厢加速度信号解析的电梯运行健康度

评价方法。该方法深入分析了反映电梯运行质量的主要信号，即轿厢加速度数据，

通过降噪和去趋势化处理，提取出有效的电梯振动信号，然后将振动信号进行时

间窗划分分别计算多个评价指标，最后带入预设的评价函数得到综合得分，对电

梯运行健康度给出实时、准确的评价，从而为后续电梯维修与保护提供依据。

(2)电梯运行过程中的振动与乘客的舒适度和安全性密切相关。目前对于

电梯异常振动的检测缺少电梯异常振动准确成因的诊断。因此，提出了一种基于

多通道一维卷积神经网络的电梯异常振动诊断方法。该方法充分利用了电梯的振

动信患，首先通过经验模态分解将振动信号分解为多个固有模态函数信号，从而

获得多个角度的异常振动特征，然后构建多通道一维卷积神经网络，进行多通道

信号特征融合，实现对多种电梯异常振动的准确分类。

(3)电梯曳引钢丝绳损坏是一种常见而严重的安全隐患。目前，电梯曳引

TTT

硕_上学位论文

钢丝绳损伤的缺陷检测方法普遍具有较高的复杂性和人工成本。因此，提出了一

种充分利用曳引钢丝绳图像纹理特征的电梯曳引钢丝绳磨损检测方法。首先，通

过灰度化和去噪预处理方法去除图像采集过程中的干扰因素。然后，结合边缘检

测和模板匹配，根据相似度测量准则确定曳引钢丝绳磨损面积。最后，对图像进

行精细分割，计算不同区域的磨损率。该方法可以减少检测的复杂性，方便、直

观地检测出电梯钢丝绳磨损程度的变化情况，也可为电梯维修提供有价值的参考。

关键词：电梯安全；机器学习；健康度评价；异常振动；磨损检测；安全监

测

Ⅳ

硕．上学位论文Abs廿act

Abstract

Witllsocialalldtheofmodem

cities，Ⅷman

pro铲essrapiddeVelopmentpopul撕on

isas

increasingdaybydayHigh一^sebuildings，such1argeshoppingmalls，o衔ce

residentialareasandsobecomeanmeansto

buildings