ANN方法應(yīng)用在電梯故障診斷中的可行性分析

張珊

電梯作為高層建筑的重要的垂直交通工具，在國民經(jīng)濟(jì)和人們?nèi)粘Ｉ钪邪l(fā)揮著極其重要的作用。電梯系統(tǒng)是復(fù)雜的機(jī)電一體化設(shè)備。作為特種設(shè)備之一，不但要求乘坐舒適、?？繙?zhǔn)確，而且希望方便快捷，盡量縮短候梯和故障停梯維修時間。目前，電梯作為一種特種設(shè)備，國家對其質(zhì)量和安全性提出了嚴(yán)格要求，如2003年3月國務(wù)院發(fā)布的《特種設(shè)備安全條例》中明確要求電梯至少半個月檢測一次，做到對故障及時發(fā)現(xiàn)和排除。

盡管現(xiàn)代電梯的可靠性已經(jīng)大大提高，但電梯運(yùn)行中關(guān)人、夾人、蹲底、沖頂?shù)仁鹿蕝s時有發(fā)生。并且，隨著城市化進(jìn)程的加速，高層建筑愈加普遍，電梯使用場合愈來愈多，故障出現(xiàn)的頻率逐漸增大。若仍舊采用傳統(tǒng)的人工發(fā)現(xiàn)和處理的方式來解決電梯故障顯然不再是一種合理的選擇。因此，行業(yè)內(nèi)所關(guān)注的重點(diǎn)逐漸由僅僅關(guān)注提高電梯性能轉(zhuǎn)變?yōu)楸ＷC性能的同時，提高電梯的運(yùn)行可靠性和安全性。電梯的故障診斷就是一種可以提高電梯運(yùn)行可靠性、大幅節(jié)省人工和維修費(fèi)用、具備應(yīng)用潛力的先進(jìn)電梯維護(hù)方法。

機(jī)電設(shè)備故障檢測診斷的基本過程包含兩方面內(nèi)容：對設(shè)備運(yùn)行狀態(tài)進(jìn)行檢測;發(fā)現(xiàn)異常情況后對設(shè)備的故障進(jìn)行分析、診斷。其發(fā)展也經(jīng)歷了從簡易診斷到精密診斷，從一般診斷到智能診斷，從單機(jī)診斷到網(wǎng)絡(luò)診斷的過程，發(fā)展速度愈來愈快。根據(jù)系統(tǒng)采用的特征描述和決策方法，故障檢測診斷的方法概括起來分為：基于系統(tǒng)數(shù)學(xué)模型的故障診斷方法和基于非模型的故障診斷方法?；谙到y(tǒng)數(shù)學(xué)模型的故障診斷方法主要是通過觀測器估計(jì)出系統(tǒng)輸出，將其與輸出測量值比較，獲得故障信息，利用設(shè)定準(zhǔn)則對故障信息進(jìn)行判斷，從而對故障進(jìn)行識別與定位。常見的觀測器方法包括KF濾波器、EKF濾波器、UKF濾波器以及滑模觀測器等;基于非模型的故障診斷方法主要包括基于故障診斷專家系統(tǒng)的診斷方法、基故障模式識別的故障診斷方法以及基于故障樹的故障診斷方法等。

1.神經(jīng)網(wǎng)絡(luò)基本原理

當(dāng)前，作為一種基于非模型的故障診斷方法，基于人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）方法的故障診斷方法逐漸成為一種處理故障診斷的新興方法。具有原則上容錯、結(jié)構(gòu)拓?fù)漪敯?、?lián)想、推測、記憶、自適應(yīng)、自學(xué)習(xí)、并行和處理復(fù)雜模式的功能，使其在工程實(shí)際存在著大量的多故障、多過程、突發(fā)性故障、龐大復(fù)雜機(jī)器和系統(tǒng)的監(jiān)測及診斷中發(fā)揮較大作用。

該方法利用神經(jīng)網(wǎng)絡(luò)模擬人類大腦的信息處理方式，有多個神經(jīng)元連接組成計(jì)算模型。在網(wǎng)絡(luò)運(yùn)行過程中，神經(jīng)元之間互相連接、相互作用，能進(jìn)行非線性和自適應(yīng)信息處理，實(shí)現(xiàn)問題的求解、自動分類、診斷識別等，有效解決傳統(tǒng)方法不能或難以解決的問題。常用的神經(jīng)網(wǎng)絡(luò)主要有BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)等，其中，BP神經(jīng)網(wǎng)絡(luò)目前應(yīng)用最為廣泛。

BP神經(jīng)網(wǎng)絡(luò)是采用信號前向傳播、誤差反向傳播、網(wǎng)絡(luò)實(shí)際輸出值和期望輸出值的誤差平方為目標(biāo)函數(shù)、梯度下降法進(jìn)行搜索的多層前饋神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)不僅系統(tǒng)地解決了多層網(wǎng)絡(luò)的隱含層連接權(quán)值學(xué)習(xí)問題，而且無需確定信號輸入和輸出之間的映射關(guān)系或規(guī)則，在故障診斷識別領(lǐng)域有優(yōu)良的適應(yīng)性。BP 神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，其 3 層網(wǎng)絡(luò)結(jié)構(gòu)見圖 1。

2.神經(jīng)網(wǎng)絡(luò)在電梯故障診斷中的應(yīng)用

常見的電梯故障包括急停故障、門系統(tǒng)故障、導(dǎo)靴工作故障和多電梯運(yùn)行系統(tǒng)故障等。其中，急停故障主要包括電梯控制系統(tǒng)故障和機(jī)械系統(tǒng)故障，其中電氣故障占所有急停故障事故的85%～90%。利用神經(jīng)網(wǎng)絡(luò)處理電梯急停故障流程如圖2所示。

該方法基于電梯正常工作信息和故障信息，利用Matlab訓(xùn)練 BP 神經(jīng)網(wǎng)絡(luò)，從而獲得故障診斷模型。其中，工作信息和故障信息是指，采集了電梯在正常運(yùn)行和由運(yùn)行到急停故障兩個過程的振動加速度和噪聲信號，利用小波分析法對垂直方向的振動加速信號進(jìn)行時域和頻域分析并提取了 5個特征參數(shù)，同時結(jié)合轎廂水平方向（x軸和y軸）振動信號峰峰值、峭度系數(shù)和噪聲極值共 9個特征參數(shù)作為急停故障特征向量，然后將特征參數(shù)樣本輸入診斷模型進(jìn)行故障的識別。謝知堅(jiān)等人對該類方法開展了實(shí)驗(yàn)驗(yàn)證，驗(yàn)證了其可行性。

電梯運(yùn)行過程中，門機(jī)的開關(guān)動作頻次非常高，因門系統(tǒng)故障導(dǎo)致的停梯現(xiàn)象也經(jīng)常出現(xiàn)，同樣，可以利用神經(jīng)網(wǎng)絡(luò)的故障診斷方法對門系統(tǒng)故障進(jìn)行診斷。李俊芳等人模擬 3 種常見的門系統(tǒng)故障類型，通過檢測器件將故障轉(zhuǎn)化為相應(yīng)的電信號，并將電信號輸入 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行門故障的診斷，實(shí)驗(yàn)結(jié)果驗(yàn)證了通過神經(jīng)網(wǎng)絡(luò)建立電信號與故障間的聯(lián)系來預(yù)測故障發(fā)生的可行性。

電梯導(dǎo)靴工作性能的好壞直接影響乘梯舒適性，當(dāng)導(dǎo)靴出現(xiàn)故障或者缺陷時，其振動信號表現(xiàn)為非線性和非平穩(wěn)特性，蘭夏燕等人建立了基于 BP 神經(jīng)網(wǎng)絡(luò)的電梯導(dǎo)靴故障診斷模型，引用云南省特種設(shè)備安全檢測研究院提供的導(dǎo)靴振動數(shù)據(jù)，包括導(dǎo)靴正常、上導(dǎo)靴故障、下導(dǎo)靴故障 3 種類型，利用改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解算法對導(dǎo)靴振動信號進(jìn)行處理并提取能量特征作為神經(jīng)網(wǎng)絡(luò)的輸入，診斷模型的平均準(zhǔn)確率達(dá)到 94.6%，有效地識別了電梯導(dǎo)靴的故障狀態(tài)。

段登等人利用神經(jīng)網(wǎng)絡(luò)良好的非線性逼近性能構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)的多電梯運(yùn)行系統(tǒng)故障預(yù)測系統(tǒng)，通過數(shù)據(jù)采集終端實(shí)時收集電梯啟動困難運(yùn)行速度低、平層誤差大、運(yùn)行中急停、電梯正常運(yùn)行中不能換速停車 4 種故障狀態(tài)數(shù)據(jù)，并導(dǎo)入多輸入多輸出的神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)，仿真結(jié)果表明該系統(tǒng)能快速準(zhǔn)確地預(yù)測出電梯運(yùn)行中的故障。

3.結(jié)語

電梯故障診斷識別不僅是理論研究和工程應(yīng)用的重要項(xiàng)目，而且能為專業(yè)技術(shù)人員檢測和維護(hù)電梯提供技術(shù)和信息支撐，對電梯的安全運(yùn)行有重要意義。本報(bào)告著重講述了神經(jīng)網(wǎng)絡(luò)的原理，并介紹了神經(jīng)網(wǎng)絡(luò)在電梯故障診斷中的實(shí)際應(yīng)用案例，通過案例可以看出神經(jīng)網(wǎng)絡(luò)在電梯故障診斷領(lǐng)域具備一定的推廣性，能夠有效地融入電梯的遠(yuǎn)程監(jiān)控、檢測、診斷和預(yù)警系統(tǒng)。

參考文獻(xiàn)：

[1]? 吳永橋，余小華. 電梯故障監(jiān)測保護(hù)器的研制[J]. 武漢汽車工業(yè)大學(xué)學(xué)報(bào)，2001，1，75-77.

[2]? 謝知堅(jiān). 基于ANN的電梯故障診斷系統(tǒng)的研究[J]. 質(zhì)量技術(shù)監(jiān)督研究，2016，3，43-47.

[3]? 李俊芳，曲照偉，竇立謙，等. 基于神經(jīng)網(wǎng)絡(luò)的電梯門系統(tǒng)故障預(yù)測方法的研究[J]. 天津理工大學(xué)學(xué)報(bào)，2009， 25（1），8-10.

[4]? 蘭夏燕. 基于多變量預(yù)測模型的電梯導(dǎo)靴故障診斷研究[D]. 昆明理工大學(xué)，2018.

[5]? 段登，邱意敏，周力. 基于神經(jīng)網(wǎng)絡(luò)的多電梯運(yùn)行系統(tǒng)故障預(yù)測[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，20（9），252-255.

（作者單位：無錫機(jī)電高等職業(yè)技術(shù)學(xué)校）