神经网络在电梯故障诊断的应用 本文关键词：神经网络，电梯，故障诊断
神经网络在电梯故障诊断的应用 本文简介：随着城市现代化进程的加快和建筑密度的增加，电梯在商务和住宅楼、公共场所等建筑中得到广泛应用，成为人们日常生活中不可或缺的运输载体，同时电梯的年度增长率和保有量呈现快速上升的趋势，如何保证电梯运行的安全性、可靠性和舒适性也成为了行业的研究重点和人们关注的焦点。电梯作为机电一体化的特种设备，虽然各项技术
神经网络在电梯故障诊断的应用 本文内容：
随着城市现代化进程的加快和建筑密度的增加，电梯在商务和住宅楼、公共场所等建筑中得到广泛应用，成为人们日常生活中不可或缺的运输载体，同时电梯的年度增长率和保有量呈现快速上升的趋势，如何保证电梯运行的安全性、可靠性和舒适性也成为了行业的研究重点和人们关注的焦点。电梯作为机电一体化的特种设备，虽然各项技术指标日趋成熟，但在日常运行中受电梯高频次运转导致的元器件磨损老化、乘客不文明乘梯行为对电梯造成的损伤隐患、运行环境高温高湿导致的元器件老化腐蚀以及维护保养不足等因素的影响，部分电梯带病运行；对于部分老旧电梯，受过去材料、技术等因素的影响和限制，随着运行时间的增加，故障出现的频率较高。保障电梯安全运行是城市发展的民生工程之一，维保单位和使用单位不仅要严格按照规章制度做好电梯的例行保养、季度保养、年检维修保养和国家法定的检验检测，而且采用新技术和新方法监测电梯的运行状况、及时准确地识别和预知电梯故障并采取维修预防措施，是有效地提升电梯安全水平的重要举措。电梯的故障诊断主要包括故障信息的采集、故障诊断算法的应用。随着通信技术、信号处理技术、物联网技术的发展，传感器的大量应用以及各种数据通信终端平台的开发，电梯运行状况等数据信息等能够被有效的检测、存储和监控[1]。目前已经开发和应用的电梯故障诊断方法主要有基于解析模型、基于信号处理和基于知识的诊断方法，其中基于知识的故障诊断方法应用最为广泛，包括故障树法、模糊推理法、专家系统法、粗糙集法和神经网络等。区别于传统的诊断方法，神经网络具有非线性映射、自适应学习、并行处理和联想记忆等优点，该方法不需要建立准确的数学模型并且在故障诊断过程中能够不断地学习新知识、新规律特性，因而在电梯故障诊断中有良好的应用前景。
1神经网络基本原理
作为人工智能领域的研究热点，神经网络是模拟人类大脑的信息处理方式、由多个神经元连接组成的运算模型或者系统。在网络运行过程中，神经元之间互相连接、相互作用，能进行非线性和自适应信息处理，实现问题的求解、自动分类、诊断识别等，有效解决传统方法不能或难以解决的问题。当前在电梯故障诊断中常用的神经网络主要有BP神经网络、RBF神经网络、小波神经网络、概率神经网络等，其中BP神经网络是应用最为广泛的诊断算法。BP神经网络是采用信号前向传播、误差反向传播、网络实际输出值和期望输出值的误差平方为目标函数、梯度下降法进行搜索的多层前馈神经网络，该网络不仅系统地解决了多层网络的隐含层连接权值学习问题，而且无需确定信号输入和输出之间的映射关系或规则，在故障诊断识别领域有优良的适应性。BP神经网络包括输入层、隐含层和输出层，其3层网络结构见图1。
2神经网络在电梯故障诊断中的应用
电梯的急停故障主要包括电气控制系统故障和机械系统故障，其中电气故障占85%～90%，图2是采用神经网络进行电梯故障诊断的流程图。谢知坚[2]以电梯急停故障为研究对象，利用Matlab软件搭建了基于BP神经网络的故障诊断模型，采集了电梯在正常运行和由运行到急停故障两个过程的振动加速度和噪声信号，利用小波分析法对垂直方向的振动加速信号进行时域和频域分析并提取了5个特征参数，同时结合轿厢水平方向(X和Y轴)振动信号峰峰值、峭度系数和噪声极值共9个特征参数作为急停故障特征向量，然后将特征参数样本输入诊断模型进行故障的识别，实验结果验证了BP神经网络在电梯急停故障诊断的有效性，为电梯的运行监测提供了新的思路。电梯运行过程中，门机的开关动作频次非常高，因门系统故障导致的停梯现象也经常出现，李俊芳等人[3]模拟3种常见的门系统故障类型，通过检测器件将故障转化为相应的电信号，并将电信号输入BP神经网络进行门故障的诊断，实验结果验证了通过神经网络建立电信号与故障间的联系来预测故障发生的可行性。电梯导靴工作性能的好坏直接影响乘梯舒适性，当导靴出现故障或者缺陷时，其振动信号表现为非线性和非平稳特性，兰夏燕[4]建立了基于BP神经网络的电梯导靴故障诊断模型，引用云南省特种设备安全检测研究院提供的导靴振动数据，包括导靴正常、上导靴故障、下导靴故障3种类型，利用改进的经验模态分解算法对导靴振动信号进行处理并提取能量特征作为神经网络的输入，诊断模型的平均准确率达到94.6%，有效地识别了电梯导靴的故障状态。段登等人[5]利用RBF神经网络良好的非线性逼近性能构建了基于RBF神经网络的多电梯运行系统故障预测系统，通过数据采集终端实时收集电梯启动困难运行速度低、平层误差大、运行中急停、电梯正常运行中不能换速停车4种故障状态数据，并导入多输入多输出的RBF神经网络诊断系统，仿真结果表明该系统能快速准确地预测出电梯运行中的故障。高速电梯作为复杂的装备，从其运行过程产生的大量数据信息中挖掘出故障或隐患信息并进行预警或采取预防维护措施，是保障高速电梯安全性和可靠性的前提，刘达新等人[6]以高速电梯为研究对象，设计了基于大数据学习的模糊BP神经网络系统，包括高速电梯运行数据实时采集模块和电梯急停故障的模糊BP神经网络诊断，并成功应用于江苏康力电梯额定速度为7m/s的KWG型高速电梯急停故障诊断，有助于电梯维护保养人员根据故障信息对电梯进行快速修复。
3基于神经网络的组合算法的应用
随着人们对乘梯安全的关注度越来越高，故障检测技术和方法在电梯故障诊断领域的需求也不断增加，神经网络在实际应用中也存在不足，如数据样本需求较大、网络结构不确定性、BP神经网络对初始权值阈值敏感和网络学习易陷入局部极值、RBF神经网络的径向基函数中心点选择随机性等。为了有效解决单一算法在电梯故障诊断中的局限性，研究人员提出了组合算法，如信息融合和神经网络、故障树和神经网络、专家系统和神经网络、遗传算法和神经网络、粒子群算法和神经网络等多种组合方式，提升电梯的故障诊断效果，图3是结合遗传算法和BP神经网络的组合算法进行电梯故障诊断的流程图。针对电梯故障的多样性、不确定性以及故障之间联系的复杂性特点，李端等人[7]建立了基于信息融合的神经网络故障诊断模型，利用信息分配网络实现信号特征向各个诊断网络的分配、局部模糊BP神经网络对电梯驱动系统和曳引机进行故障诊断、D-S证据理论对局部诊断网络的诊断结果进行决策融合诊断，并将该模型应用于额定载重量800kg、额定速度为1.6m/s的12层乘客电梯的故障识别。宗群等人[8]提出了模糊Petri网和神经网络相结合的电梯故障诊断算法，利用模糊Petri网将知识表示与诊断推理融为一体并完成描述性知识和过程性诊断推理，然后将获取的专家经验知识进行模糊化，最后利用神经网络的学习和训练实现门刀与厅门滚轮脱挂的诊断。张莉等人[9]提出了小波变换和遗传算法优化神经网络的电梯控制系统安全回路故障诊断，首先仿真得到安全回路在主接触器、急停开关、门连锁开关、限速开关等正常状态下和故障状态下的输出信号并用小波变换提取信号的故障特征，然后利用遗传算法寻找BP神经网络的最优初始权值和阈值并进行再训练，最后将故障特征导入优化后的神经网络模型进行安全回路的故障诊断，仿真结果验证了模型的快速收敛性和故障识别的准确率。张阔[10]以额定速度为2m/s的乘客电梯在正常情况、曳引机故障、电力驱动故障、安全回路故障、调速系统故障为研究对象，利用限速器校验仪、弹簧测力计、加速度测量仪、钳形电流表等工具测量获取数据样本，引入改进的粒子群优化概率神经网络的平滑因子，优化后的概率神经网络诊断模型的准确率达到96.25%。盛山山[11]分析了电梯冲顶和蹾底的故障原因，以广州地铁8号线客村站从2015年1月到2017年12月的电梯运行数据为研究对象，选取电梯运行速度、曳引机振动值、轿厢振动值以及曳引轮和钢丝绳摩擦力等7个参数构成故障学习样本，通过Matlab搭建RBF神经网络诊断模型并引入粒子群算法优化径向基函数的中心、宽度和连接权值，实验结果表明优化后的RBF神经网络诊断模型不仅具有快速收敛能力，而且在预测诊断准确率上要优于标准的RBF神经网络。
4结语
电梯故障诊断识别不仅是理论研究和工程应用的重要项目，而且能为专业技术人员检测和维护电梯提供技术和信息支撑，对电梯的安全运行有重要意义。本文着重讲述了神经网络的基础知识，并介绍了神经网络以及融合神经网络的组合算法在电梯故障诊断中的实际应用案例，通过案例可以看出神经网络在电梯故障诊断领域具备一定的推广性，能够有效地融入电梯的远程监控、检测、诊断和预警系统。
参考文献
[1]谢飞,王海舰.一种电梯远程监控及故障诊断专家系统的设计[J].中国电梯,2014,25(11):29-30.
[2]谢知坚.基于ANN的电梯故障诊断系统的研究[J].质量技术监督研究,2016(3):43-47.
[3]李俊芳,曲照伟,窦立谦, 等.基于神经网络的电梯门系统故障预测方法的研究[J].天津理工大学学报,2009, 25(1):8-10.
[4]兰夏燕.基于多变量预测模型的电梯导靴故障诊断研究[D].昆明:昆明理工大学,2018.
[5]段登,邱意敏,周力.基于神经网络的多电梯运行系统故障预测[J].计算机系统应用,2011,20(9):252-255.
[6]刘达新,裘乐淼,王志平.基于运行大数据学习的复杂装备故障诊断技术及其典型应用[J].技术广角,2017, 23(4):56-59.
[7]李端,艾永乐.神经网络信息融合用于电梯故障诊断的研究[J].计算机工程与应用,2010,46(14):231-234.
[8]宗群,马宏波,王中海.基于模型的电梯故障诊断方法的研究[J].控制与决策,2005,20(3):341-344.
[9]张莉,武昌俊,余丙荣.基于遗传小波神经网络的电梯故障诊断分析[J].北华大学学报(自然科学版),2012, 13(2):236-240.
[10]张阔.一种改进的粒子群算法在电梯故障诊断中的应用[D].太原:太原理工大学,2018.
[11]盛山山.基于数据挖掘的电梯故障预测研究[D].广州: 广东工业大学,2018.
作者：冷子文 卜永刚 朱文杰
神经网络在电梯故障诊断的应用 来源：网络整理
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
相关文章