【技術實現步驟摘要】
本專利技術涉及電梯驅動主機故障診斷，更具體的說是涉及一種電梯驅動主機的故障診斷方法及系統。
技術介紹
1、電梯是一種快捷便利的樓宇交通工具，改善了人民的生活品質。伴隨著電梯保有量的逐年遞增，電梯檢測、故障診斷、維修保養需求也隨之增長。目前，電梯檢驗檢測制度改革及智慧監管等手段不斷完善，電梯維護保養模式逐漸由傳統的定期維保向按需維保轉變，為提高電梯維保的針對性及有效性，提出一種電梯驅動系統故障智能預警算法來替代傳統人工檢測十分必要。
2、電梯驅動主機檢測、故障診斷、維修保養采取的主要方式是依靠檢測人員、維保工人的經驗知識進行判斷，相關人員水平參差不齊，不能很好地排除電梯驅動主機潛在故障。此外，不同品牌電梯的兼容性不好，電梯產品更新升級速度也較快，檢測人員、維保人員對電梯認識呈現不同層次的水平，這阻礙了相關故障檢測、診斷的可靠性。開發遠程實時監控電梯驅動主機的系統，結合大數據分析技術，可以提高電梯維保的效率及針對性，為實現按需維保打下基礎。并且，現有的電梯驅動主機(曳引機)檢測、故障診斷技術，對動態參數的監測不夠，不便于對各種工作狀態下的驅動主機性能進行全方位的評估，檢測結果不夠全面和準確，無法實時監控電梯驅動主機的運行狀況，導致不便于提前發現和預防潛在的故障，增大了電梯驅動主機在實際運行過程中的安全風險。
3、因此，如何提出一種電梯驅動主機的故障診斷方法及系統，基于時序對各種工作狀態下的驅動主機性能進行全方位的評估，實時監控電梯驅動主機的運行狀況，降低電梯驅動主機在實際運行過程中的安全風險是本領域技術人員亟
技術實現思路
1、有鑒于此，本專利技術提供了一種電梯驅動主機的故障診斷方法及系統，基于時序對各種工作狀態下的驅動主機性能進行全方位的評估，實時監控電梯驅動主機的運行狀況，降低電梯驅動主機在實際運行過程中的安全風險，提高檢測的全面和準確性，為了實現上述目的，本專利技術采用如下技術方案：
2、一種電梯驅動主機的故障診斷方法，包括：
3、獲取待測電梯驅動主機各種工作狀態下的運行數據，提取特征參數；
4、對提取到的特征參數進行基于時序的預處理；
5、對經過時序預處理的特征參數進行相關性分析，綜合分析影響電梯驅動主機的權重參數；
6、基于綜合分析得到的權重參數構建故障診斷模型，通過故障診斷模型對待測電梯驅動主機進行實時故障診斷。
7、可選的，所述特征參數包括電壓、電流、功率、轉速、三相振動加速度、曳引輪垂直度、噪音、制動時間和制動距離。
8、可選的，所述對提取到的特征參數進行基于時序的預處理包括：
9、獲取待測電梯驅動主機的預設運行方案，根據測電梯驅動主機的預設運行方案得到待測電梯驅動主機的預設運行時段；
10、將預設運行時段分為若干個預設子運行時段，在待測電梯驅動主機工作時，獲取其在預設子運行時段的實際參數。
11、可選的，還包括：對所述實際參數進行再次篩選；
12、構建決策樹模型，對實際參數進行分類，得到待測電梯驅動主機基于時序的實際參數子集；
13、通過pac算法對各實際參數子集進行降維處理，并通過dunn指數對降維后的實際參數子集進行分類效果評估；
14、對評估效果為分類異常的實際參數子集進行修正，得到分類正常的實際參數子集；將所有分類正常的實際參數子集匯總為最終實際參數子集。
15、可選的，所述對經過時序預處理的特征參數進行相關性分析包括：
16、將經過時序預處理的特征參數按一定比例隨機劃分成訓練集和預測集；
17、將訓練集和預測集數據歸一化到一定的區間范圍內；
18、采用皮爾遜相關系數對數據不同特征參數進行相關性分析，并刪除相關性較低的特征參數，選擇出關鍵特征參數。
19、可選的，所述綜合分析影響電梯驅動主機的權重參數包括：
20、輸入包含待測電梯驅動主機各種工作狀態下關鍵特征參數的初始樣本集；
21、將初始樣本集的所有關鍵特征參數進行等級劃分，得到若干包含不同關鍵特征參數的樣本子集；
22、對每個樣本子集執行循環處理，得到主成分系數矩陣；
23、對主成分系數矩陣進行重新排列，并基于主成分系數矩陣對初始樣本集進行變換，生成新的關鍵特征參數樣本；
24、基于新的關鍵特征參數對評估模型進行訓練，得到評估電梯驅動主機性能的子模型，并循環生成新的關鍵特征參數樣本，得到集成評估模型；
25、使用集成評估模型對初始樣本集進行評估，對所有的評估結果進行投票處理，確定最終的待測電梯驅動主機的權重參數。
26、可選的，所述基于綜合分析得到的權重參數構建故障診斷模型包括：
27、輸入待測電梯驅動主機的權重參數，預設決策樹的高度，并初始化隨機森林模型；
28、根據待測電梯驅動主機的權重參數，構建多棵決策樹組成初始隨機森林模型；
29、利用關鍵特征參數作為訓練集，對初始隨機森林模型進行訓練，利用訓練好的故障診斷模型進行故障診斷。
30、可選的，還包括對初始隨機森林模型進行優化，計算初始隨機森林模型中每棵決策樹的精度值，并計算決策樹之間的差異值；從初始森林模型中選出匹配度較高的決策樹組合成優化隨機森林模型；通過優化隨機森林模型根據輸入的性能參數預測電梯驅動主機是否正常。
31、可選的，所述從初始森林模型中選出匹配度較高的決策樹組合成優化隨機森林模型包括；
32、初始化概率搜索算法，設置初始溫度和初始解；
33、對設置的初始解進行隨機擾動，產生新的解；
34、如果新解的匹配度高于初始解，則接受新解作為初始解，否則，按照metropolis規則，計算新解的接受概率，如果接受概率大于隨機數，則接受新解作為初始解，否則保留初始解；
35、若滿足設定的終止條件，則輸出初始解為最優解；
36、從初始森林模型中選出符合預設匹配度的若干棵決策樹，組合成優化隨機森林模型。
37、可選的，一種電梯驅動主機的故障診斷系統，包括：
38、采集模塊：用于獲取待測電梯驅動主機各種工作狀態下的運行數據，提取特征參數；
39、預處理模塊：用于對提取到的特征參數進行基于時序的預處理；
40、參數篩選模塊：用于對經過時序預處理的特征參數進行相關性分析，綜合分析影響電梯驅動主機的權重參數；
41、故障診斷模塊：用于基于綜合分析得到的權重參數構建故障診斷模型，通過故障診斷模型對待測電梯驅動主機進行實時故障診斷。
42、經由上述的技術方案可知，與現有技術相比，本專利技術公開提供了一種電梯驅動主機的故障診斷方法及系統，具有如下有益效果：
43、本專利技術提出了一種電梯驅動主機的故障診斷方法，包括：獲取待測電梯驅動主機各種工作狀態下的運行數據，提取特征參數；對提取本文檔來自技高網...
【技術保護點】
1.一種電梯驅動主機的故障診斷方法，其特征在于，包括：
2.根據權利要求1所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述特征參數包括電壓、電流、功率、轉速、三相振動加速度、曳引輪垂直度、噪音、制動時間和制動距離。
3.根據權利要求1所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述對提取到的特征參數進行基于時序的預處理包括：
4.根據權利要求3所述的一種電梯驅動主機的故障診斷方法，其特征在于，還包括：對所述實際參數進行再次篩選；
5.根據權利要求1所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述對經過時序預處理的特征參數進行相關性分析包括：
6.根據權利要求5所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述綜合分析影響電梯驅動主機的權重參數包括：
7.根據權利要求1所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述基于綜合分析得到的權重參數構建故障診斷模型包括：
8.根據權利要求7所述的一種電梯驅動主機的故障診斷方法，其特征在于，還包括對初始隨機森林模型進行優化，計算初
9.根據權利要求8所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述從初始森林模型中選出匹配度較高的決策樹組合成優化隨機森林模型包括；
10.一種電梯驅動主機的故障診斷系統，其特征在于，包括：
...【技術特征摘要】
1.一種電梯驅動主機的故障診斷方法，其特征在于，包括：
2.根據權利要求1所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述特征參數包括電壓、電流、功率、轉速、三相振動加速度、曳引輪垂直度、噪音、制動時間和制動距離。
3.根據權利要求1所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述對提取到的特征參數進行基于時序的預處理包括：
4.根據權利要求3所述的一種電梯驅動主機的故障診斷方法，其特征在于，還包括：對所述實際參數進行再次篩選；
5.根據權利要求1所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述對經過時序預處理的特征參數進行相關性分析包括：
6.根據權利要求5所述的一種電梯驅動主機的故障診斷方法，其特征在于，所述綜合...
【專利技術屬性】
技術研發人員：袁旌杰，康篤剛，陳卓，張雷，呂瀟，劉宇，何洋，邱勇軍，賈海軍，賈上遠，龍鵬杰，
申請(專利權)人：重慶市特種設備檢測研究院重慶市特種設備事故應急調查處理中心，
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。