電梯智能運(yùn)維技術(shù)發(fā)展與趨勢

陶杰 蔣曦陽 黃健鵬 童一飛

(1.江蘇省特種設(shè)備安全監(jiān)督檢驗(yàn)研究院 江蘇南京 210036;2.南京理工大學(xué)機(jī)械工程學(xué)院 江蘇南京 210094)

近年來，隨著我國電梯輸出數(shù)量的增加和年保有總量的迅速增長，電梯制造業(yè)的重要地位愈發(fā)凸顯。通過相關(guān)行業(yè)數(shù)據(jù)的調(diào)查顯示，我國會在電梯市場領(lǐng)域持續(xù)發(fā)展，并加大在電梯核心領(lǐng)域研發(fā)力度，具有十分廣闊的發(fā)展空間。2010 年我國電梯保有量162.9 萬臺，而截至2019 年我國電梯保有量已高速增長至700萬臺[1]，已成為全球電梯保有量最多的國家。但隨之而來的問題也應(yīng)運(yùn)而生，為了保證用戶的人身安全，根據(jù)《特種設(shè)備安全法》之規(guī)定，我國電梯的檢查維保周期不得超過15 d，電梯的數(shù)量眾多，維保單位、電梯制造廠家的維保質(zhì)量參差不齊。傳統(tǒng)定期檢查方式存在很嚴(yán)重的弊端，無法第一時間預(yù)警電梯故障，且通過人工檢查判斷對相關(guān)工作人員的經(jīng)驗(yàn)有較高的要求[2]，導(dǎo)致對電梯實(shí)際故障情況的判斷會出現(xiàn)偏差，影響最終故障的解決。因此，建立電梯質(zhì)量安全信息平臺具有重要的社會意義。

1 電梯故障監(jiān)測

為了監(jiān)測設(shè)備運(yùn)行狀況，狀態(tài)監(jiān)測系統(tǒng)能夠獲取設(shè)備運(yùn)行的信息，并將該信息用于預(yù)測設(shè)備狀態(tài)特性變化以及相應(yīng)的變化趨勢，從而對其受損程度進(jìn)行評估。通過對設(shè)備狀態(tài)的監(jiān)測，可以保證設(shè)備的正常運(yùn)行，避免造成經(jīng)濟(jì)和人員的損失[3]。借助計算機(jī)技術(shù)和當(dāng)前現(xiàn)代化的通信手段，一些國際知名電梯廠商已經(jīng)和領(lǐng)域內(nèi)學(xué)者展開了合作，研發(fā)出配套的電梯遠(yuǎn)程監(jiān)控系統(tǒng)并取得了一定的成效。RAO A R等人[4]指出，日立公司針對該品牌電梯特性研發(fā)出可對被監(jiān)管電梯建立數(shù)據(jù)檔案的電梯安全監(jiān)管系統(tǒng)，全天候監(jiān)控存儲電梯的基本信息?；陲L(fēng)險監(jiān)測，PARK S T[5]等人提出了一種電梯維護(hù)實(shí)現(xiàn)方法，此種方法的特點(diǎn)是可以做出系統(tǒng)性決定，并據(jù)此識別出有問題的具體零部件，通過韓國電梯事故數(shù)據(jù)模擬證明了該方法的良好效用。HUI S C 等人[6]指出富士達(dá)開發(fā)了電梯遠(yuǎn)程監(jiān)控可視系統(tǒng)（ELVIC），通過連接大樓內(nèi)的廣域網(wǎng)絡(luò)或局域網(wǎng)絡(luò)，即可在電腦上開啟監(jiān)控可視系統(tǒng)，實(shí)時監(jiān)控電梯運(yùn)行情況。袁圓[7]提出，美國奧的斯電梯公司的遠(yuǎn)程電梯網(wǎng)絡(luò)監(jiān)控系統(tǒng)（REM-X），以網(wǎng)絡(luò)傳輸為介質(zhì)，全面采集并且分析不同種類的電梯運(yùn)行相關(guān)數(shù)據(jù)，可全天候、遠(yuǎn)距離對處在系統(tǒng)內(nèi)的電梯的運(yùn)行狀況進(jìn)行實(shí)時監(jiān)控，并將異常和故障及時提交上報至監(jiān)控中心、服務(wù)器終端和移動端。

2 電梯故障診斷

電梯作為特種設(shè)備，根據(jù)不同的數(shù)據(jù)類型和監(jiān)控方式，可以將其故障監(jiān)測和診斷方法歸結(jié)為信號處理和故障樹兩類。

2.1 信號處理方法

隨著物聯(lián)網(wǎng)技術(shù)和計算機(jī)技術(shù)的進(jìn)步，通過各類傳感器來監(jiān)測機(jī)械設(shè)備的運(yùn)行的相關(guān)“信號的分析處理技術(shù)”學(xué)科得以取得長足的發(fā)展，并且開始將其應(yīng)用到設(shè)備監(jiān)測當(dāng)中。電梯作為特殊設(shè)備的一種，也逐漸開始探索通過信號處理的方式來對故障進(jìn)行監(jiān)測。由于電梯組裝會涉及很多零部件，采用數(shù)學(xué)建模來處理并擬合電梯運(yùn)行中眾多零部件傳遞的信號，更深層次地探索擬合信號與電梯故障與否以及不同類型的電梯故障之間的關(guān)系。通過這種方式能夠有效地抓取電梯各個組件間的信號特點(diǎn)，并通過獲得的相關(guān)的信號特點(diǎn)來提取與之相對應(yīng)的電梯故障。例如：朱曉玲[8]利用通信傳輸技術(shù)設(shè)計了一種基于Gabor 小波變換和多核支持向量機(jī)的電梯導(dǎo)靴故障診斷創(chuàng)新技術(shù)的物聯(lián)網(wǎng)數(shù)據(jù)遠(yuǎn)程云存儲+云計算的服務(wù)平臺，處理區(qū)域內(nèi)電梯安全監(jiān)管的業(yè)務(wù)，遠(yuǎn)程監(jiān)控區(qū)域內(nèi)電梯運(yùn)行狀態(tài),診斷和預(yù)警可能發(fā)生的電梯故障，實(shí)現(xiàn)電梯安全管理規(guī)范化、智能化和一體化。CHAE H等人[9]提出了一個涉及狀態(tài)分類、預(yù)處理和分類的集成框架，用于使用控制狀態(tài)信息對電梯門進(jìn)行故障診斷。包健等人[10]提出在電梯故障診斷中運(yùn)用信息融合技術(shù)，將多個分類器的結(jié)果結(jié)合進(jìn)行集成判斷，將電梯中控制開關(guān)信號作為神經(jīng)網(wǎng)絡(luò)的輸入，提高了電梯運(yùn)行問題的診斷準(zhǔn)確率。

2.2 故障樹方法

故障樹方法（FTA）又稱事故樹分析法，是一種特殊的倒立樹狀邏輯因果關(guān)系圖，在系統(tǒng)安全工程和故障診斷領(lǐng)域有著十分重要的應(yīng)用。故障樹的基本思想是：將一個疑似故障作為起點(diǎn)，是一種自上而下的演繹式失效分析法，通過布林邏輯組合低階事件，分析系統(tǒng)中的不被期望狀態(tài)[11]。近年來，許多專家學(xué)者已經(jīng)將故障樹分析法應(yīng)用在分析電梯故障上，在分析過程中，學(xué)者們用故障樹的方式將所有可能造成電梯故障的原因和相關(guān)故障表現(xiàn)進(jìn)行匯總整理，再逐層通過樹形結(jié)構(gòu)對電梯故障進(jìn)行層層分析，通過圖形化的結(jié)構(gòu)表達(dá)故障與系統(tǒng)零件的內(nèi)在聯(lián)系，進(jìn)而判斷電梯故障類型。例如：張東平等人[12]設(shè)計了的故障診斷專家系統(tǒng)，通過電梯故障知識庫與故障樹之間的匹配關(guān)系來判斷電梯運(yùn)行的故障。喬久鵬[13]對故障樹分析方法進(jìn)行了改進(jìn)，通過構(gòu)建多棵故障樹容納不同的故障類型，并通過使用最小割集理論所建立的推理機(jī)推理電梯故障類型，從而判斷電梯故障。張闊等人[14]通過故障樹法和改進(jìn)PSO_PNN網(wǎng)絡(luò)建立模型對故障進(jìn)行診斷與分類。

3 電梯故障預(yù)警

研究人員通常將采集到的信號進(jìn)行提取相應(yīng)的統(tǒng)計特征，如均方根誤差（RMS）、峰值（Kurtosis），作為機(jī)械設(shè)備的健康評價因子（Health Indicator，HI）。HI 會隨著設(shè)備的生命周期不斷變化，會出現(xiàn)健康階段和失效階段這兩個階段。

為防止設(shè)備進(jìn)入失效狀態(tài)，造成嚴(yán)重的人員與經(jīng)濟(jì)損失，維保人員需要在故障初期即退化階段對設(shè)備進(jìn)行預(yù)防性維修，及早的發(fā)現(xiàn)問題并解決。業(yè)內(nèi)專家和學(xué)者已經(jīng)開始從多方面入手研究，以期在電梯設(shè)備故障初期有效地進(jìn)行故障預(yù)警、排查。例如：李俊芳等人[15]為了能夠?qū)崿F(xiàn)對電梯門可能發(fā)生故障進(jìn)行預(yù)測，利用神經(jīng)網(wǎng)絡(luò)模型預(yù)測電梯門系統(tǒng)故障，通過電梯門系統(tǒng)工作狀態(tài)值之間的內(nèi)在關(guān)系的建立，預(yù)測下一狀態(tài)數(shù)值。段登等人[16]通過在預(yù)測多電梯運(yùn)行系統(tǒng)的故障時運(yùn)用神經(jīng)網(wǎng)絡(luò)模型的方法來得出預(yù)測結(jié)果，此方法利用電梯的信號采集終端的運(yùn)行信號提取的數(shù)據(jù)特征，通過徑向基神經(jīng)網(wǎng)絡(luò)（RBF）來擬合信號之間的關(guān)系。張從力等人[17]提出利用模糊推理的軟測量技術(shù)和專家系統(tǒng)預(yù)測電梯運(yùn)行故障。JIANG X Y等人[18]提出了一種基于人工智能和大數(shù)據(jù)的故障監(jiān)測和診斷方法，對電梯整個運(yùn)行狀態(tài)進(jìn)行監(jiān)控。

4 流數(shù)據(jù)處理技術(shù)

隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，傳感器的數(shù)量和種類不斷增加，采集到的相應(yīng)數(shù)據(jù)也爆發(fā)式的增長，并且這些實(shí)時流數(shù)據(jù)源源不斷地傳輸至數(shù)據(jù)庫當(dāng)中，以待后續(xù)處理。因此，在對電梯數(shù)據(jù)進(jìn)行在線分析的過程中，經(jīng)常會面對每秒突破幾千、幾萬、甚至十萬級別的數(shù)據(jù)量。傳統(tǒng)的單臺計算機(jī)設(shè)備難以完成如此龐大的計算任務(wù)，因此依托集群對實(shí)時數(shù)據(jù)并行計算處理的技術(shù)慢慢發(fā)展起來，旨在快速準(zhǔn)確地處理這些大批量實(shí)時流數(shù)據(jù)。

國內(nèi)外學(xué)者為了能夠更快地處理盡可能多的實(shí)時數(shù)據(jù)，從而對流式數(shù)據(jù)處理技術(shù)做了大量的研究。在最早期主要采用消息隊(duì)列的方式對實(shí)時數(shù)據(jù)進(jìn)行處理，但是消息隊(duì)列的構(gòu)建十分冗雜，不適合在工程中進(jìn)行應(yīng)用而且數(shù)據(jù)處理情況相對不穩(wěn)定。近幾年，很多專注于流式數(shù)據(jù)處理的開源社區(qū)不斷涌現(xiàn)，比較著名的有Storm、Spark Streaming、Flink[19]。Storm 作為流數(shù)據(jù)處理的先行者，最早是創(chuàng)業(yè)公司BackType 的團(tuán)隊(duì)人員進(jìn)行開發(fā)，隨后被Apache軟件基金收購并開始作為頂級開源項(xiàng)目進(jìn)行發(fā)展。Storm 提供了相較于消息隊(duì)列延遲度更低的數(shù)據(jù)處理方法，但是它在數(shù)據(jù)吞吐量方面并不盡人意，很難真正在一些大型工程項(xiàng)目當(dāng)中真正實(shí)施。隨后，加州大學(xué)伯克利分校的AMP實(shí)驗(yàn)室的研究人員為了解決Storm數(shù)據(jù)吞吐量不足的問題，嘗試將接收的實(shí)時流數(shù)據(jù)按照一定時間間隔進(jìn)行拆分，交給Spark Engine引擎，最終得到一批批的結(jié)果。如果在進(jìn)行數(shù)據(jù)批處理的過程中，盡可能地將數(shù)據(jù)分割，當(dāng)分割得足夠小時，數(shù)據(jù)集就可以近似當(dāng)作數(shù)據(jù)流進(jìn)行處理，但是這種方式依然無法使其做到真正的流式數(shù)據(jù)處理，實(shí)時處理依然不夠盡如人意。在此基礎(chǔ)上，F(xiàn)link的出現(xiàn)克服了上述兩種框架的弊端，除了提供高精度的Exactly-once 運(yùn)算，避免數(shù)據(jù)重復(fù)消費(fèi)以外，還將數(shù)據(jù)流處理延遲降低到數(shù)據(jù)亞秒級的同時還保有很高的數(shù)據(jù)吞吐量，與其他組件的組合使用也十分便捷。

5 深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)技術(shù)極大地促進(jìn)了故障診斷領(lǐng)域的發(fā)展，為故障診斷提供了更多智能化的方法[20]。基于知識的診斷方法可以在診斷過程中不斷學(xué)習(xí)，擴(kuò)充系統(tǒng)的資源庫，自我提升，是一個開放學(xué)習(xí)的系統(tǒng)。隨著系統(tǒng)的復(fù)雜性越來越高，診斷故障時使用這種方法的優(yōu)勢也越來越顯著，因?yàn)樗恍枰㈥P(guān)于對象的精確的數(shù)學(xué)模型。基于知識的診斷方法主要采用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、深度自編碼器等理論技術(shù)。由于該方法克服了傳統(tǒng)的數(shù)學(xué)模型的診斷方法依賴于模型的缺點(diǎn)，因此在故障診斷領(lǐng)域處于主流地位。在電梯故障研究領(lǐng)域，使用深度學(xué)習(xí)的方法進(jìn)行對電梯故障的診斷與預(yù)警已經(jīng)被很多專業(yè)的專家學(xué)者認(rèn)可。

6 未來展望

隨著電梯物聯(lián)網(wǎng)的實(shí)施應(yīng)用愈加普遍，如何提高其乘運(yùn)質(zhì)量和運(yùn)行的安全性便成了相當(dāng)重要的課題。目前，國內(nèi)外大部分電梯企業(yè)和科研機(jī)構(gòu)都在開展研究有關(guān)電梯故障監(jiān)測、預(yù)警等信息化系統(tǒng)建設(shè)的研究工作，主要研究內(nèi)容包括物聯(lián)網(wǎng)技術(shù)、電梯故障監(jiān)測與診斷、電梯故障預(yù)警、數(shù)據(jù)流處理技術(shù)、深度學(xué)習(xí)技術(shù)這5個方面?？傮w來說，國外對于電梯故障監(jiān)測、診斷與預(yù)警系統(tǒng)的開發(fā)由于起步較早，已經(jīng)多次在實(shí)踐中進(jìn)行運(yùn)行，開發(fā)經(jīng)驗(yàn)比較豐富。雖然我國在故障監(jiān)測與預(yù)警系統(tǒng)開發(fā)技術(shù)缺少較新的理論基礎(chǔ)，但是隨著我國相關(guān)研究人員對大數(shù)據(jù)技術(shù)以及深度學(xué)習(xí)技術(shù)的不斷學(xué)習(xí)，在技術(shù)上有了一定的突破。

相關(guān)工作者可以借鑒國內(nèi)外對電梯安全監(jiān)測系統(tǒng)的開發(fā)經(jīng)驗(yàn)，基于物聯(lián)網(wǎng)技術(shù)對電梯各類運(yùn)行數(shù)據(jù)進(jìn)行采集，并在分布式集群中通過流數(shù)據(jù)計算框架以及深度學(xué)習(xí)等技術(shù)構(gòu)建電梯典型故障監(jiān)測與預(yù)警系統(tǒng)，除了上述幾個層面的技術(shù)，還要在以下幾個方面進(jìn)行更深入的研究。

6.1 提升故障監(jiān)測與診斷計算速度

在Flink 這類計算集群中，算子的應(yīng)用與優(yōu)化能夠極大地影響數(shù)據(jù)的計算速度以及所消耗的時間。如何對計算集群中的算子進(jìn)行優(yōu)化節(jié)省不必要的計算資源浪費(fèi)，減小運(yùn)算所消耗的時間，需要進(jìn)行進(jìn)一步研究。

6.2 實(shí)現(xiàn)參考模型庫的在線更新

在智能運(yùn)維系統(tǒng)對電梯系統(tǒng)進(jìn)行實(shí)時故障預(yù)警，大多研究的故障預(yù)警模型及預(yù)警閾值都是通過線下對智能感知獲取的數(shù)據(jù)進(jìn)行訓(xùn)練與分析而得到，然后再將其應(yīng)用在線上實(shí)時故障預(yù)警當(dāng)中。但是由于電梯種類繁多，而且實(shí)際生產(chǎn)生活過程中環(huán)境也會隨外界環(huán)境因素發(fā)生改變，如何實(shí)時在線更新預(yù)警模型以及閾值，值得進(jìn)行更深入的探究。