【技術實現步驟摘要】
本專利技術涉及電梯安全，更具體的說是涉及一種電梯部件老化狀態監測方法及系統。
技術介紹
1、在電梯前期風險預測領域，傳統電梯多采用定期檢查和故障后維修的方式，這種維護模式往往具有滯后性。即當電梯部件出現明顯故障或性能下降時，才進行維護和更換，難以提前發現并預防潛在風險。
2、現有技術在風險預測方面大多依賴于經驗判斷或簡單的統計分析，缺乏精準、科學的預測模型。這導致預測結果往往不夠準確，無法為電梯前期維護提供有效指導。并且電梯在運行過程中產生了大量數據，數據的采集、處理和分析能力不足，將會導致大量有價值的信息被浪費。雖然智能化技術在電梯行業得到了一定應用，但整體智能化程度仍不高，智能化監測系統的普及率和集成度有限，難以實現對電梯各部件運行狀態的全面、實時監測和智能分析。
3、針對現有技術的上述缺陷，如何對電梯各個部件進行老化狀態監測，提前預防，減少故障，提高運維效率和質量，是本領域技術人員亟需解決的問題。
技術實現思路
1、有鑒于此，本專利技術提供了一種電梯部件老化狀態監測方法及系統，用于對電梯各部件的運行狀態進行實時監測和預測，從而及時發現并處理潛在的老化問題，確保電梯的安全運行。
2、為了實現上述目的，本專利技術提供如下技術方案：
3、一種電梯部件老化狀態監測方法，包括以下步驟：
4、步驟1、設計并實施電梯部件的老化試驗，模擬長時間運行和磨損過程，在試驗過程中，記錄不同老化狀態下各個部件的特征參數；
5、步驟
6、步驟3、使用特征參數作為輸入特征，以對應的老化狀態作為輸出標簽，對神經網絡模型進行訓練，通過前向傳播計算網絡輸出，然后利用反向傳播算法調整網絡參數，以最小化損失函數，得到老化狀態評估模型；
7、步驟4、將訓練好的老化狀態評估模型部署到電梯監測系統中，對電梯各部件的運行狀態進行實時監測，評估電梯部件的老化狀態，并輸出電梯部件的老化狀態級別。
8、可選的，所述步驟1中，電梯部件的老化試驗包括以下過程：
9、構建模擬電梯實際工作環境的試驗臺，至少包括模擬電梯井道、轎廂、導軌、曳引系統，并使用加載裝置來模擬電梯載重情況，通過加熱器、加濕器來模擬不同的溫度和濕度條件，使用振動臺來模擬電梯運行時的振動和沖擊；
10、根據電梯的實際使用頻率，設定老化試驗的循環次數，包括每天運行的次數、每次運行的距離；通過控制加載重量和運行速度來模擬磨損過程；
11、安裝數據采集系統來記錄這些特征參數的變化，至少包括溫度傳感器、壓力傳感器、振動傳感器、信號調理電路、數據記錄儀；在試驗過程中，定期記錄不同老化狀態下的特征參數值，以及任何異常情況。
12、可選的，需要進行老化試驗的電梯部件至少包括曳引機、門機構、控制系統。
13、可選的，所述步驟1中，特征參數至少包括溫度、振動、電流、電壓。
14、可選的，所述步驟1中，在得到所述特征參數后，還對所述特征參數進行數據預處理，包括數據清洗和數據歸一化，其中數據清洗用于去除異常值、處理缺失值，數據歸一化用于將特征參數縮放到相同的尺度上，以消除不同量綱對模型訓練的影響。
15、可選的，所述步驟2中，bp神經網絡的結構包括輸入層、隱藏層和輸出層，其中輸入層包含四個神經元，對應于特征參數的種類類型，包括溫度、振動、電流、電壓，輸出層包含與輸出標簽，即老化狀態，相對應的神經元數量；隱藏層采用relu激活函數，輸出層采用softmax函數；神經網絡的優化算法采用自適應學習率算法。
16、可選的，所述步驟3中，對神經網絡模型進行訓練的過程為：
17、步驟3.1、初始化bp神經網絡中的權重和偏置；
18、步驟3.2、以老化狀態標簽作為分類標簽，分為“壹級老化狀態”“貳級老化狀態”“叁級老化狀態”“肆級老化狀態”“伍級老化狀態”共五個標簽；
19、步驟3.3、將預處理后的數據中的特征參數作為輸入，傳遞給bp神經網絡；數據通過輸入層進入隱藏層，隱藏層神經元使用relu激活函數對輸入進行非線性變換；隱藏層的輸出再傳遞到輸出層，輸出層使用softmax函數計算每個老化狀態標簽的概率；計算輸出層得到的概率分布與真實標簽之間的損失；
20、步驟3.4、根據損失函數的梯度，使用反向傳播算法計算網絡中每個參數的梯度；
21、步驟3.5、使用自適應學習率算法根據梯度更新神經網絡的權重和偏置；
22、步驟3.6、重復執行步驟3.3至步驟3.5，直到達到預設的訓練輪次。
23、可選的，步驟4中得到的各個電梯部件的老化狀態級別分為“壹級老化狀態”“貳級老化狀態”“叁級老化狀態”“肆級老化狀態”“伍級老化狀態”共五個等級，老化程度依次遞增。
24、可選的，還包括步驟5，用于根據步驟4中得到的各個電梯部件的老化狀態等級進行信息展示和分級預警，提醒維護人員進行處理。
25、一種電梯部件老化狀態監測系統，包括：
26、數據采集模塊，用于設計并實施電梯部件的老化試驗，模擬長時間運行和磨損過程，在試驗過程中，記錄不同老化狀態下各個部件的特征參數；
27、初始模型構建模塊，用于采用bp神經網絡，確定神經網絡的層數、激活函數、優化算法，構建用于電梯部件老化狀態監測的神經網絡模型；
28、模型訓練模塊，用于使用特征參數作為輸入特征，以對應的老化狀態作為輸出標簽，對神經網絡模型進行訓練，通過前向傳播計算網絡輸出，然后利用反向傳播算法調整網絡參數，以最小化損失函數，得到老化狀態評估模型；
29、老化狀態評估模塊，用于將訓練好的老化狀態評估模型部署到電梯監測系統中，對電梯各部件的運行狀態進行實時監測，評估電梯部件的老化狀態，并輸出電梯部件的老化狀態級別。
30、經由上述的技術方案可知，本專利技術提供了一種電梯部件老化狀態監測方法及系統，與現有技術相比，具有以下有益效果：
31、(1)本專利技術通過實時監測電梯部件的老化狀態，能夠提前發現潛在的老化風險，并進行信息展示和分級預警，這有助于工作人員提前介入，采取必要的維護措施，預防因部件老化導致的故障和事故，從而提高電梯的安全性和可靠性。
32、(2)本專利技術采用bp神經網絡構建的老化狀態評估模型，能夠精準評估電梯部件的老化狀態，該模型通過自動學習特征參數與老化狀態之間的復雜關系，實現了對電梯部件老化狀態的量化評估，這為工作人員提供了科學的決策依據，有助于制定更加合理、有效的維護計劃。
33、綜上所述，本專利技術提出的電梯部件老化狀態監測方法及系統，能夠提前發現潛在的老化風險，在提升電梯安全性、可靠性、智能化水平以及降低維護成本等方面具有顯著的有益效果。
本文檔來自技高網...【技術保護點】
1.一種電梯部件老化狀態監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟1中，電梯部件的老化試驗包括以下過程：
3.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，需要進行老化試驗的電梯部件至少包括曳引機、門機構、控制系統。
4.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟1中，特征參數至少包括溫度、振動、電流、電壓。
5.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟1中，在得到所述特征參數后，還對所述特征參數進行數據預處理，包括數據清洗和數據歸一化，其中數據清洗用于去除異常值、處理缺失值，數據歸一化用于將特征參數縮放到相同的尺度上，以消除不同量綱對模型訓練的影響。
6.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟2中，BP神經網絡的結構包括輸入層、隱藏層和輸出層，其中輸入層包含四個神經元，對應于特征參數的種類類型，包括溫度、振動、電流、電壓，輸出層包含與輸出標簽，即
7.根據權利要求6所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟3中，對神經網絡模型進行訓練的過程為：
8.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，步驟4中得到的各個電梯部件的老化狀態級別分為“壹級老化狀態”“貳級老化狀態”“叁級老化狀態”“肆級老化狀態”“伍級老化狀態”共五個等級，老化程度依次遞增。
9.根據權利要求8所述的一種電梯部件老化狀態監測方法，其特征在于，還包括步驟5，用于根據步驟4中得到的各個電梯部件的老化狀態等級進行信息展示和分級預警，提醒維護人員進行處理。
10.一種電梯部件老化狀態監測系統，其特征在于，包括：
...【技術特征摘要】
1.一種電梯部件老化狀態監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟1中，電梯部件的老化試驗包括以下過程：
3.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，需要進行老化試驗的電梯部件至少包括曳引機、門機構、控制系統。
4.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟1中，特征參數至少包括溫度、振動、電流、電壓。
5.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟1中，在得到所述特征參數后，還對所述特征參數進行數據預處理，包括數據清洗和數據歸一化，其中數據清洗用于去除異常值、處理缺失值，數據歸一化用于將特征參數縮放到相同的尺度上，以消除不同量綱對模型訓練的影響。
6.根據權利要求1所述的一種電梯部件老化狀態監測方法，其特征在于，所述步驟2中，bp神經網絡的結構包括輸入...
【專利技術屬性】
技術研發人員：鄭良田，梁運就，劉標，陳奕波，梅一清，謝柳輝，何若泉，
申請(專利權)人：廣東省特種設備檢測研究院東莞檢測院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。