CN104444750B - 乘客输送机的异常诊断*** - Google Patents
乘客输送机的异常诊断*** Download PDFInfo
- Publication number
- CN104444750B CN104444750B CN201310627682.4A CN201310627682A CN104444750B CN 104444750 B CN104444750 B CN 104444750B CN 201310627682 A CN201310627682 A CN 201310627682A CN 104444750 B CN104444750 B CN 104444750B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- data
- correlation
- passenger conveyors
- abnormity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B27/00—Indicating operating conditions of escalators or moving walkways
Landscapes
- Escalators And Moving Walkways (AREA)
Abstract
本发明提供一种能够高精度地实行乘客输送机异常诊断的乘客输送机的异常诊断***。一种实施方式的乘客输送机的异常诊断***包括:存储部,其存储由设置于乘客输送机的规定场所的传感器终端计测出的数据;频率分析部,其将计测数据读出并进行频率分析;异常成分提取部,其基于计测数据和基准数据提取异常成分;相关值计算部,其分别计算出异常成分所对应的异常提取计测数据与多个异常数据的相关值;异常检测部,其基于各相关值,检测在乘客输送机处是否发生异常;异常推定部,其在检测出异常的情况下,基于异常数据,推定异常的详细情况;显示部,其显示异常的详细情况。
Description
本申请以日本专利申请2013-190161(申请日:2013年9月13日)为基础,并根据该申请享有优先权益。本申请通过引用该申请而包含其全部内容。
技术领域
本发明的实施方式涉及一种乘客输送机的异常诊断***。
背景技术
自动扶梯或移动步行道等乘客输送机具有通过链条环状地连接的多个踏板。乘客输送机为通过马达驱动,沿配设于桁架内部的导轨使上述踏板循环移动,将搭乘在踏板上的乘客从一方的乘降口运送到另一方的乘降口的结构。
在这种乘客输送机中,由于经过长期运转而导致的用品磨损和安装调整状态老化,或者异物混入和由乘客引起的恶作剧等原因,会发生例如可动部分摩擦、搁浅等的异常。
这种异常往往表现为振动或声音。通常,在乘客输送机处发生振动或声音的异常的情况下,维修人员去现场实际运转乘客输送机,确定振动或声音的异常发生在哪个部分,并进行导致该异常发生的主要原因的零件交换或调整作业。由于作业中要停止乘客输送机的运转服务,所以如果作业需要时间,那么将给使用者带来很大的麻烦。
又,维修人员在现场确定异常发生主要原因时,根据去现场的维修人员的熟练程度不同,在其正确性和迅速性方面存在着差异。当维修人员的熟练度较低时,只能使服务停止更长时间。因此,希望在故障发生前的出现某种异常的阶段就提前发现这种异常,通过维修作业消除异常来回避故障。
根据这种希望,提出了在乘客输送机处的踏板内部具有能够对表示铅垂方向灵敏度的直流成分进行测定的加速度传感器,并对该加速度传感器的输出信号(时刻履历数据)进行分析处理,实行异常诊断的乘客输送机的异常诊断***。
发明内容
然而,上述乘客输送机的异常诊断***中,因为对时刻履历数据进行分析处理并实行异常诊断,所以如果在由加速度传感器而得到的时刻履历数据的收集精度上产生偏差的话,将在分析处理时放大包含于时刻履历数据的噪声,存在不能高精度地实行异常诊断的问题。
本发明要解决的课题在于提供一种即使在时刻履历数据的收集精度上产生偏差,也能实行乘客输送机异常诊断的乘客输送机的异常诊断***。
一种实施方式的乘客输送机的异常诊断***包括:存储部,其存储由设置于乘客输送机的规定场所的传感器终端计测出的数据;频率分析部,其将存储于所述存储部的所述传感器终端的计测数据读出并进行频率分析;异常成分提取部,其基于由所述频率分析部进行了频率分析的所述计测数据和预先设定的基准数据,提取异常成分;相关值计算部,其分别计算出通过所述异常成分提取部提取出的异常成分所对应的异常提取计测数据与表示多个异常原因各自特征的多个异常数据的相关值;异常检测部,其基于通过所述相关值计算部计算出的各相关值,检测在所述乘客输送机处是否发生异常;异常推定部,其在通过所述异常检测部检测出异常的情况下,基于求出所述各相关值时使用的异常数据,推定异常的详细情况;显示部,其显示通过所述异常推定部推定出的异常的详细情况。
基于上述结构的乘客输送机的异常诊断***,能够高精度地实行乘客输送机异常诊断。
附图说明
图1是示出一种实施方式所涉及到的自动扶梯的异常诊断***的结构的图。
图2是示出构成同一实施方式的自动扶梯的异常诊断***的传感器终端、数据收集装置、远隔监视装置的内部结构的方框图。
图3是示出配备于同一实施方式的远隔监视装置的数据存储部结构的图。
图4是示出通过同一实施方式的远隔监视装置实行的异常声音提取处理、噪声降低处理及异常检测处理的一个实例的流程图。
图5是对同一实施方式的远隔监视装置实行的处理时所使用的数据分析单位进行说明的图。
图6(a)~(d)是示出通过同一实施方式的传感器终端收集的行驶声音数据的一个实例的波形图。
图7(a)~(d)是示出用同一实施方式的远隔监视装置进行了频率分析的行驶声音数据的一个实例的图。
图8(a)~(c)是示出将图7(a)所示的一个行驶声音数据与图7(b)~(d)所示的其他行驶声音数据作比较时的差异率的图。
图9是示出用于对同一实施方式的远隔监视装置实行的处理时所使用的数据分析单位进行说明的其他的图。
具体实施方式
下面,参照附图对实施方式的乘客输送机的异常诊断***进行说明。
此外,下面以自动扶梯作为乘客输送机的一个实例进行说明。
图1是示出一种实施方式所涉及到的自动扶梯的异常诊断***结构的图。图中的10表示自动扶梯整体。
自动扶梯10例如倾斜设置在建筑物的上一层与下一层之间。该自动扶梯10通过使无隙缝地连接多个踏板11在上部机械室12的乘降口和下部机械室13的乘降口之间循环移动,运送搭乘于踏板11上的乘客。
各踏板11通过环状连接链条14进行连接,并被配置在桁架15内,桁架15则被设置于建筑物的地板下面。在桁架15的内部配置上部链齿轮16与下部链齿轮17,并在它们之间卷绕连接链条14。
在上部链齿轮16和下部链齿轮17的任一方(该例中为上部链齿轮16)连接具有马达、减速机等的驱动装置18。利用该驱动装置18,链齿轮(Sprocket)16、17进行旋转并通过咬合于链齿轮16、17的连接链条14,在未图示的导轨上引导多个踏板11在上部机械室12的乘降口12和下部机械室13的乘降口之间循环移动。
又,在桁架15的上部,与各踏板11的两侧面相对地,沿踏板11的移动方向设置一对未图示的裙式护板。在该裙式护板对上分别竖立设置栏干19。在该栏干19的周围安装带状的扶手20。扶手20是搭乘于踏板11的乘客抓握的扶手,例如利用传递驱动装置18的驱动力,与踏板11的移动同步进行循环转动。
这里,在自动扶梯10的多个踏板11中至少设一个点检踏板11a。该点检踏板11a的内侧,暂设或者常设固定传感器终端30。此外,关于该传感器终端30的安装方法,因为与本发明没有直接关系,这里省略其说明。
该传感器终端30具备例如Bluetooth(注册商标)等近距离无线通信功能,计测关于自动扶梯10运行的数据并无线传送到数据收集装置40。下面,作为以下情况为例进行说明:将声音传感器内置于传感器终端30。
将数据收集装置40设置在传感器终端30的附近。图1中,虽然示出将数据收集装置40设置在下部机械室13的实例,但也可以设置在上部机械室12。
数据收集装置40具备作为网关(GW)的功能。该数据收集装置40收集通过传感器终端30计测的行驶声音数据,以规定的单位传送到外部的远隔监视装置。
此外,该数据收集装置40能够与多台(例如4台)传感器终端30进行无线通信。因而,如果将传感器终端30分别设置在例如架设于各楼层间的多台自动扶梯10中的话,那么通过1台数据收集装置40,就能够将用上述传感器终端30计测的行驶声音数据传送到远隔监视装置40。
将远隔监视装置50设置在远隔地的监视中心60中。多位监视人员驻在于监视中心60,在远隔监视装置50的监视器画面上对作为监视对象的各物件的自动扶梯10的运行状态进行监视。该监视中心60中的远隔监视装置50与设置于自动扶梯10的数据收集装置40通过通信线路61连接。
此外,图1的实例中,虽然只图示了1台自动扶梯10,但实际上各物件的自动扶梯10通过通信线路61连接到监视中心60中的远隔监视装置50。监视人员一旦在远隔监视装置50的监视器画面上检测到某种异常的话,就派遣维修人员到现场等来进行处理。
图2是示出构成同一实施方式的自动扶梯的异常诊断***的传感器终端、数据收集装置、远隔监视装置的内部结构的方框图。
本***由传感器终端30、数据收集装置40、远隔监视装置50构成。如图1所示,传感器终端30被设置于自动扶梯10的各踏板11中的点检踏板11a。该传感器终端30包括控制部31、传感器部32、踏板位置检测部33、无线通信部34。
控制部31进行传感器终端30的控制。传感器部32计测关于自动扶梯10的运行的数据。本实施方式中,配备声音传感器作为该传感器部32,计测自动扶梯10的行驶声音数据。
踏板位置检测部33由倾斜传感器、陀螺传感器等构成,以点检踏板11a的位置为基准检测自动扶梯10的一周。无线通信部34与数据收集装置40进行近距离无线通信,将通过传感器部32计测的行驶声音数据发送到数据收集装置40。
将数据收集装置40设置于自动扶梯10的规定场所(图1的实例中为下部机械室13)。该数据收集装置40包括无线通信部41、数据存储部42、传送控制部43。
无线通信部41在传感器终端30与数据收集装置40之间进行近距离无线通信,接收从传感器终端30传送来的行驶声音数据。数据存储部42存储通过无线通信部41接收的行驶声音数据。在这种情况下,如果存在多台作为监视对象的自动扶梯10的话,附加设定于各自动扶梯10的ID地存储行驶声音数据。传送控制部43将存储于数据存储部42的行驶声音数据以规定单位读出,并传送到远隔监视装置50。
将远隔监视装置50设置在存在于远隔地的监视中心60中,通过通信线路61连接到设置于自动扶梯10的数据收集装置40。该远程监视装置50包括数据收发部51、操作输入部52、数据存储部53、数据处理部54、显示部58、通知部59。
数据收发部51进行各种数据的收发处理。操作输入部52由键盘等构成,根据监视人员的操作进行数据输入、指示。
如图3所示,在数据存储部53中,将从数据收集装置40取得的自动扶梯10的行驶声音数据作为行驶声音文件F1进行存储。又,在该数据存储部53中,将根据自动扶梯10安装时、维修人员点检后预先测定的行驶声音数据而作成的分析比较用的基准声音数据作为基准声音文件F2进行存储。在基准声音文件F2中包含自动扶梯10的各部位(例如滚动部、直动部等)的基准声音数据。进一步地,在该数据存储部53中,将异常声音数据作为异常声音文件F3进行存储,该异常声音数据是通过使有可能发生在自动扶梯10的异常模拟地发生而取得的。异常声音数据是针对各个伴随异常声音产生的多种异常原因表示各个异常声音的频率成分特征的数据。具体来说,将关于如下所述的异常声音的异常声音数据作为异常声音文件F3进行存储。
(1)踏板和裙式护板接触而产生的异常声音;
(2)异物通过导轨而产生的异常声音;
(3)由于连接链条的松弛而产生的异常声音(踏板反转音);
(4)乘降口橡胶和踏板夹板接触而产生的异常声音;
(5)踏板后轮滚轴变形或受损而产生的异常声音;
(6)踏板后轮滚轴的轴承不良而产生的异常声音。
此外,基准声音数据及异常声音数据的保存格式,可以将基准声音及异常声音的波形数据用WAV文件格式保存,也可以保存通过FFT(Fast Fourier Transform:快速傅立叶变换)对基准声音及异常声音进行频率分析后的数据。下面,为了简化说明,在数据存储部53中,作为以下情况为例进行说明:将事先已进行频率分析的数据作为基准声音数据及异常声音数据进行保存。
数据处理部54由微处理器等构成,对自动扶梯10的行驶声音数据进行分析处理。该数据处理部54包括存储器55、异常提取部(噪声降低部)56及异常检测部57。
存储器55是用于临时存储的工作存储器。在该存储器55中,存储从数据存储部53的行驶声音文件F1读出的行驶声音数据,从基准声音文件F2读出的基准声音数据,以及从异常声音文件F3读出的异常声音数据。
异常提取部56对从存储器55读出的行驶声音数据通过复数FFT进行频率分析。又,异常提取部56使用已进行频率分析的行驶声音数据和存储于存储器55的基准声音数据来提取异常声音成分。进一步地,异常提取部56通过逆向复数FFT将已提取的异常声音成分变换为异常提取行驶声音数据(异常声音提取处理)。又,异常提取部56针对每个规定的分析单位,实行使包含于异常提取行驶声音数据的噪声降低的噪声降低处理。噪声是外部环境声音,例如,其表示由乘客在自动扶梯10的踏板上行走而产生的声音,或产生在自动扶梯10的周围的声音等。
异常检测部57是检测在自动扶梯10处是否发生异常的部分,由异常内容推定部57a及异常发生场所推定部57构成。此外,实际上该异常检测部57通过计算程序算法来实现。
异常内容推定部57a使用施行噪声降低处理的异常提取行驶声音数据和存储于存储器55的异常声音数据,实行相关处理,检测在自动扶梯10处是否发生异常。又,异常内容推定部57a在检测出异常的情况下,推定该异常的内容。异常发生场所推定部57b在通过异常内容推定部57a检测出异常的情况下,推定该异常发生在自动扶梯10的何处位置。
显示部58用规定格式显示异常检测部57的处理结果。又,通知部59在异常检测部57的处理结果中存在需要点检的地方的情况下,通过显示、声音等通知该情形。
在这种结构中,首先,在监视中心60中监视人员操作远隔监视装置50的操作输入部52,输入定期性地实行自动扶梯10的行驶声音收集的日程表并发送到数据收集装置40。
数据收集装置40按照从远隔监视装置50送来的日程表,对传感器终端30指示自动扶梯10的行驶声音数据的收集开始。由此,传感器终端30使用作为传感器部32配备的声音传感器,计测自动扶梯10的行驶声音数据,并将该计测数据(行驶声音数据)发送到数据收集装置40。详细地说,传感器终端30通过由踏板位置检测部33以点检踏板11a的位置为基准检测出自动扶梯10已转一周,并将计测数据以周为单位发送到数据收集装置40。
数据收集装置40将从传感器终端30接收到的行驶声音数据存储到数据存储部42。在这种情况下,考虑到突发性的外来声音输入,优选收集至少两周份的行驶声音数据。数据收集装置40一旦按照上述日程表从传感器终端30收集规定的量的行驶声音数据的话,就将行驶声音数据收集结束通知到传感器终端30。
另一方面,远隔监视装置50根据与数据收集装置40通过通信线路61形成的连接,对存储于数据收集装置40的数据存储部42的行驶声音数据进行回收。这时的行驶声音数据作为行驶声音文件F1被保存于数据存储部53,且利用该自动扶梯10的物件ID等来对其进行管理。
这里,远隔监视装置50按照预先设定的日程,从数据存储部53的行驶声音文件F1中读出行驶声音数据。又,远隔监视装置50从基准声音数据文件F2中读出与该行驶声音数据对应的基准声音数据,并将其与上述行驶声音数据一起存储到数据处理部54的存储器55中。然后,远隔监视装置50将存储于该存储器55的行驶声音数据和基准声音数据给到异常提取部56,并实行异常声音提取处理和噪声降低处理。进一步地,远隔监视装置50从异常声音文件F3中读出异常声音数据,并存储到数据处理部54的存储器55中。然后,远隔监视装置50将施行噪声降低处理的行驶声音数据和异常声音数据给到异常检测部57,并检测在自动扶梯10处是否发生异常(异常检测处理)。
下面,对远隔监视装置50的动作的一个实例进行说明。这里,主要对异常声音提取处理、噪声降低处理及异常检测处理进行详细说明。
图4是示出通过远隔监视装置50实行的异常声音提取处理、噪声降低处理及异常检测处理的一个实例的流程图。这里,在远隔监视装置50的数据存储部53中,在日常运行时,通过数据收集装置40,定期性地回收由传感器终端30计测的自动扶梯10的行驶声音数据作为行驶声音文件F1进行保存。又,将已对自动扶梯10初期的行驶声音数据进行了频率分析后的分析比较用的基准声音数据作为基准声音文件F2进行保存。进一步地,将异常声音数据作为异常声音文件F3进行存储,该异常声音数据是通过使有可能发生在自动扶梯10的异常模拟地发生而取得的。
首先,监视人员根据规定操作指定进行分析的日期时间、物件。由此,设置于远隔监视装置的数据处理部54从行驶声音文件F1中选择符合的至少两周份的运行声音数据,并存储于数据处理部54的存储器55(步骤S1)。这里,为了简化说明,从行驶声音文件F1中选择两周份的行驶声音数据,并存储于存储器55。又,数据处理部54从基准声音文件F2中选择与上述行驶声音数据对应的基准声音数据,并存储于存储器55中(步骤S2)。进一步地,数据处理部54从异常声音文件F3中选出全部异常声音数据,并存储于存储器55中(步骤S3)。
此后,数据处理部54的异常提取部56对存储于存储器55中的两周份的行驶声音数据进行基于各自的复数FFT的频率分析。然后,异常提取部56根据已进行上述频率分析的行驶声音数据,分别降低存储于存储器55的基准声音数据的预先决定的dB(分贝)值。由此,异常提取部56根据已进行上述频率分析的行驶声音数据,可以分别仅提取异常声音成分。异常提取部56对已提取的异常声音成分分别实行逆向复数FFT,并将该异常声音成分分别变换为异常提取运行声音数据(步骤S4)。即是说,异常提取部56可以获得两周份的异常提取行驶声音数据。
这里,在本实施方式中,将时刻履历数据(行驶声音数据和异常提取行驶声音数据)的分析单位按各个预先决定该时刻履历数据的单位时间tn进行分割(分离)。即是说,如图5所示,时刻履历数据的分析单位为Tn,Tn+1,…,Tn+n。异常提取部56将上述异常提取行驶声音数据按分析单位Tn,Tn+1,…,Tn+n逐一提取(步骤S5)。即是说,异常提取部56根据各个两周份的异常提取行驶声音数据,可以获得每个分析单位的异常提取行驶声音数据(分析行驶声音数据)。
异常提取部56对各分析运行声音数据进行频率分析。然后,异常提取部56计算出已进行频率分析的第一周的分析单位Tn的分析行驶声音数据和已进行频率分析的第二周的分析单位Tn的分析行驶声音数据的算术平均。同样地,异常提取部56依次计算出已进行频率分析的第一周的分析单位Tn+1~Tn+n的分析行驶声音数据和已进行频率分析的第二周的分析单位Tn+1~Tn+n的分析行驶声音数据的算术平均(步骤S6)。由此,异常提取部56可以获得作为已进行频率分析的第一周的分析单位Tn~Tn+n的分析行驶声音数据和作为已进行频率分析的第二周的分析单位Tn~Tn+n的分析行驶声音数据的算术平均的算术平均行驶声音数据。
异常检测部57的异常内容推定部57a使用上述算术平均行驶声音数据和存储于存储器55的多个异常声音数据实行相关处理。具体来说,异常检测部57求出表示分析单位Tn的算术平均行驶声音数据和对应于该算术平均行驶声音数据的部位的异常声音数据的相关程度的相关值(相关系数的绝对值)。这里的相关值是表示算术平均行驶声音数据和异常声音数据的相关性(类似性的程度)的统计学上的标志,取0~1之间的实数。相关性值越接近0则算术平均行驶声音数据和异常声音数据的相关性越低,越接近1则两者的相关性越高。异常检测部57一旦通过上述相关处理求得相关值,就将该相关值记录在存储器55的规定区域中(步骤S7)。
此后,异常内容推定部57a判定是否已对全部算术平均行驶声音数据实行相关处理(步骤S8)。在没有对全部算术平均行驶声音数据实行相关处理的情况下(步骤S8的NO),应当对下一分析单位的算术平均行驶声音数据实行相关处理,并将返回到步骤S7的处理。
在已对全部算术平均行驶声音数据实行相关处理的情况下(步骤S8的YES),异常内容推定部57a判定存储于存储器55的多个相关值中是否存在超过预先设定的阈值的相关值(步骤S9)。不存在超过预先设定的阈值的相关值的情况下(步骤S9的NO),异常内容推定部57a通过显示部58及通知部59通知监视人员在自动扶梯10没有异常发生(步骤S10),并使本动作实例的动作结束。
另一方面,存在超过预先设定的阈值的相关值的情况下(步骤S9的YES),异常内容推定部57a仅从存储器55提取规定数目的更接近1的数值的相关值。在此,异常内容推定部57a从存储器55提取数值接近1的5个相关值(步骤S11)。此外,提取的相关值的数目为5是一个实例,提取的相关值的数目不限定于此。
然后,异常内容推定部57a根据求出上述相关值时使用的异常声音数据判断异常内容,并将其内容用规定格式显示于显示部58。又,异常发生场所推定部57b根据求出上述相关值时使用的异常声音数据判断异常发生场所,并将其异常发生场所以规定格式显示于显示部58(步骤S12)。
此外,没有特别地限定将异常内容及异常发生场所显示于显示部58的方法。例如也可以假设在包含点检踏板11a的自动扶梯10的图像中,使表示异常内容和异常发生场所的标志重叠来进行显示。
根据以上说明的实施方式,基于对现场计测的计测数据(时刻履历数据)进行频率分析而获得的数据和预先准备的基准数据,因为提取包含于该计测数据的异常成分,所以即使在时刻履历数据的收集精度上产生偏差,也能够高精度地提取异常成分。又,通过求出高精度地提取出的异常成分和预先准备的异常数据的相关值,根据该相关值能够高精度地检测出乘客输送机的异常。即是说,根据本实施方式,能够高精度地实行乘客输送机的异常诊断。
在此,参照图6至图8,对本实施方式的效果进行详细地说明。
首先,参照图6(a)至图6(d),与本实施方式不同,不进行频率分析而照时刻履历数据的原样使用行驶声音数据,对实行自动扶梯10的异常诊断的情况进行说明。
图6是示出通过传感器终端30收集的行驶声音数据的一个实例的波形图。在图6(a)中,由传感器终端30收集的两周份的行驶声音数据之中,一并显示第一周的行驶声音数据的波形101,和对时间t1到t2区间的波形101进行扩大后的波形101a。在图6(b)中,通过传感器终端30收集的两周份的行驶声音数据之中,一并显示第一周的行驶声音数据的波形102,和对时间t1到t2区间的波形102进行了扩大后的波形102a。此外,在这里,如图6(a)及图6(b)所示,由于传感器终端30的故障等,第一周的行驶声音数据和第二周的行驶声音数据的收集开始时间视为仅偏移了t3(在行驶声音数据的收集精度上产生偏差)。
这时,为了使通常时与异常时的差异变得显著,将波形101加上波形102的情况下的波形103表示于图6(c)。在该图6(c)中,与图6(a)及图6(b)同样地,一并显示扩大了时间t1到t2区间的波形103的波形103a。在这种情况下,如上所述,因为第一周的行驶声音数据和第二周的行驶声音数据的收集开始时间仅偏移t3,所以虽然使通常时与异常时的差异变得显著,但是产生了无用的噪声,不能高精度地实行自动扶梯10的异常诊断。
又,使包含于波形101和102的噪声降低,为了使异常变得显著,将求出波形101和波形102的算术平均的情况下的波形104表示在图6(d)中。在图(d)中,与图6(a)至图6(c)同样地,一并表示扩大了时间t1到t2区间的波形104的波形104a。在这种情况下,如上所述,因为第一周的行驶声音数据和第二周的行驶声音数据的收集开始时间仅偏移t3,所以异常时的行驶声音的波形振幅变小,与前面所述同样地,不能高精度地实行自动扶梯10的异常诊断。
如上所述,一旦在第一周的行驶声音数据和第二周的行驶声音数据的收集开始时间上产生偏差,那么即使按时刻履历数据的原样使用该行驶声音数据,也不能高精度地实行自动扶梯10的异常诊断。
然后,参照图7(a)至图7(d)和图8(a)至图8(c),对不是按时刻履历数据的原样使用行驶声音数据来实行自动扶梯10的异常诊断,而是使用已进行频率分析的行驶声音数据来实行异常诊断的情况进行说明。
图7是示出已进行频率分析的行驶声音数据的一个实例。在图7(a)中,示出对图6(a)所示的波形101a进行频率分析时的行驶声音数据111a。在图7(b)中,示出对图6(b)所示的波形102a进行频率分析时的行驶声音数据112a。在图7(c)中,示出对图6(d)所示的波形104a进行频率分析时的行驶声音数据114a。进一步地,在图7(d)中,示出作为行驶声音数据111a和行驶声音数据112a的算术平均的行驶声音数据115a。
图8是示出图7所示的行驶声音数据111a与其他行驶声音数据112a、114a、115a作比较时的差异率的图。在图8(a)中,示出图7(a)所示的行驶声音数据111a与图7(b)所示的行驶声音数据112a作比较时的差异率116。根据“(112a-111a)×100/111a”计算出该差异率116。在这种情况下,如上所述,在波形101a和波形102a中,虽然在收集开始时间上仅产生t3偏差,但通过频率分析,能够使差异率一定程度上变小。
在图8(b)中,示出图7(a)所示的行驶声音数据111a与图7(c)所示的行驶声音数据114a作比较时的差异率117。根据“(114a-111a)×100/111a”计算出该差异率117。在这种情况下,如上所述,虽然在波形101a和波形102a中在收集开始时间上仅产生t3偏差,在求得作为上述波形的算术平均的波形114a之后,实行频率分析,无法将上述偏差吸收完,差异率变大。
在图8(c)中,示出图7(a)所示的行驶声音数据111a和图7(d)所示的行驶声音数据115a作比较时的差异率118。根据“(115a-111a)×100/111a”计算出该差异率118。在这种情况下,对在收集开始时间上各个产生偏差的波形101a和波形102a进行频率分析并吸收上述偏差之后,为了使噪声降低,求出已进行频率分析的行驶声音数据111a、112a的算术平均,由此能够使差异率变得更小。
本实施方式中,基于对计测数据(时刻履历数据)进行频率分析而获得的数据和基准数据,提取包含于该计测数据的异常成分后,因为针对各个分析单位求出该异常成分的算术平均,能够得到与在上述的图8(c)中说明的情况相同的效果。即是说,即使在计测数据的收集精度上产生偏差,也能够使该偏差造成的影响降低,并且也能够使突发产生的噪声降低。
此外,本实施方式中,作为通过设置于点检踏板11a的传感器终端30检测出自动扶梯10的一周的结构,也可以在例如上部机械室12、下部机械室13或桁架15处设置接近传感器,用该接近传感器检测自动扶梯1的一周。
例如用光电传感器、磁传感器等作为接近传感器。作为将该接近传感器的检测信号直接输入数据收集装置40的结构,因为能够消除无线传送的延迟,所以能够减少在多处同时收集声音的情况下的同步处理。
又,本实施方式中,设置于点检踏板11a的传感器终端30通过由踏板位置检测部33以点检踏板11a的位置为基准检测出自动扶梯10转一周,由此作为将计测数据以周为单位发送到数据收集装置40的结构,也可以例如将一周检测信号附加到检测数据之后在数据收集装置40转换为每一周的检测数据。
即是说,不是每隔一周发送检测数据的结构,而是通过数据流来进行数据发送。那时,将一周检测信号附加到检测数据,并在数据收集装置40转换为每一周的检测数据。由此,因为能够减少保持在传感器终端30的检测数据量,所以能够降低传感器终端的损耗。
又,传感器终端30不一定要设置在点检踏板11a,也可以固定设置于例如上部机械室12、下部机械室13或者桁架15等,并在该设置场所测定自动扶梯10的行驶声音数据。
又,本实施方式中,可以每隔时间tn划分的分析单位对电梯10一周份的行驶声音数据进行提取,也可以例如使时间tn的前后稍微相互重叠地进行提取,其中,前述分析单位针对每个时间tn分割自动扶梯10的一周份量的行驶声音数据。具体来说,如图9所示,也可以作为使时间tn的前后50%相互重叠来提取数据。如果这样做,能够防止时间tn前后的数据遗漏,从而能够进行准确的分析。
进一步地,本实施方式中,将乘客输送机当作自动扶梯进行了说明,但不限定于此,也可以应用于固定楼层的电梯等。
另外,虽然对本发明的若干实施方式进行了说明,但这些实施方式是作为实例提出的,并不意图对发明的范围进行限定。这些新颖的实施方式可以以其他各种形式实施,并且在不脱离本发明的宗旨的范围内,可以进行各种省略、置换、变更。这些实施方式和/或其变形均包含在本发明的范围和/或要点中,并且也包含在与权利要求的范围中所记载的发明及其均等的范围内。
Claims (4)
1.一种乘客输送机的异常诊断***,其特征在于,包括:
存储部,其存储由设置于乘客输送机的规定场所的传感器终端计测出的数据;
频率分析部,其将存储于所述存储部的所述传感器终端的计测数据读出并进行频率分析;
异常成分提取部,其基于由所述频率分析部进行了频率分析的所述计测数据和预先设定的基准数据,提取异常成分;
相关值计算部,其分别计算出通过所述异常成分提取部提取出的异常成分所对应的异常提取计测数据与表示多个异常原因各自特征的多个异常数据的相关值;
异常检测部,其基于通过所述相关值计算部计算出的各相关值,检测在所述乘客输送机处是否发生异常;
异常推定部,其在通过所述异常检测部检测出异常的情况下,基于求出所述各相关值时使用的异常数据,推定异常的详细情况;
显示部,其显示通过所述异常推定部推定出的异常的详细情况,
所述异常成分提取部具有噪声降低部,该噪声降低部基于至少两周份的计测数据和所述基准数据,分别提取包含于该各检测数据的异常成分,通过求出这些异常成分所对应的各异常提取计测数据的算术平均,来降低包含于所述各异常成分的、计测数据的收集精度的偏差所引起的噪声。
2.如权利要求1所述的乘客输送机的异常诊断***,其特征在于,所述相关值计算部针对各预先设定的单位时间,分别比较所述异常提取计测数据和所述各异常数据,计算出所述相关值。
3.如权利要求1所述的乘客输送机的异常诊断***,其特征在于,所述异常推定部具有异常内容推定部,该异常内容推定部在所述异常检测部检测出异常的情况下,根据求出所述各相关值时使用的异常数据,判断异常内容,推定所述异常的详细情况。
4.如权利要求1所述的乘客输送机的异常诊断***,其特征在于,所述异常推定部具有异常发生场所推定部,该异常发生场所推定部在所述异常检测部检测出异常的情况下,根据求出所述各相关值时使用的异常数据,判断异常发生场所,推定所述异常的详细情况。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013190161A JP5743347B2 (ja) | 2013-09-13 | 2013-09-13 | 乗客コンベアの異常診断システム |
JP2013-190161 | 2013-09-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104444750A CN104444750A (zh) | 2015-03-25 |
CN104444750B true CN104444750B (zh) | 2017-05-31 |
Family
ID=52819425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310627682.4A Active CN104444750B (zh) | 2013-09-13 | 2013-11-28 | 乘客输送机的异常诊断*** |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5743347B2 (zh) |
CN (1) | CN104444750B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018100138A (ja) * | 2016-12-19 | 2018-06-28 | 東芝エレベータ株式会社 | 乗客コンベア |
EP3732123A4 (en) | 2017-12-29 | 2021-06-02 | KONE Corporation | ESCAPE SURVEILLANCE SYSTEM, PROCEDURES, SOUND DATA COLLECTOR, AND EQUIPMENT FOR IT |
CN107973206A (zh) * | 2017-12-29 | 2018-05-01 | 通力电梯有限公司 | 自动扶梯润滑状态监测***及用于其的声音收集装置 |
JP2022189170A (ja) * | 2021-06-10 | 2022-12-22 | 株式会社日立製作所 | 診断システム |
CN114221853B (zh) * | 2021-12-13 | 2023-07-28 | 国网浙江省电力有限公司营销服务中心 | 一种用电信息采集设备的运行分析***及其工作方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4020204B2 (ja) * | 2003-08-26 | 2007-12-12 | 三菱電機株式会社 | マンコンベア点検装置 |
JP5063005B2 (ja) * | 2006-02-01 | 2012-10-31 | 株式会社ジェイテクト | 音又は振動の異常診断方法及び音又は振動の異常診断装置 |
JP4761276B2 (ja) * | 2008-07-10 | 2011-08-31 | 東芝エレベータ株式会社 | 乗客コンベアの異常診断システム |
JP4829335B2 (ja) * | 2009-11-04 | 2011-12-07 | 株式会社東芝 | 搬送コンベアの診断装置及びその診断システム |
JP2012192995A (ja) * | 2011-03-15 | 2012-10-11 | Toshiba Elevator Co Ltd | 乗客コンベアの異常診断システム |
-
2013
- 2013-09-13 JP JP2013190161A patent/JP5743347B2/ja active Active
- 2013-11-28 CN CN201310627682.4A patent/CN104444750B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104444750A (zh) | 2015-03-25 |
JP5743347B2 (ja) | 2015-07-01 |
JP2015054780A (ja) | 2015-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104444750B (zh) | 乘客输送机的异常诊断*** | |
JP4761276B2 (ja) | 乗客コンベアの異常診断システム | |
JP4791093B2 (ja) | 乗客コンベアの診断装置 | |
EP3401263A2 (en) | Mobile terminal device application for measuring ride quality | |
JP2005516871A (ja) | エレベータの遠隔モニタリング方法および装置 | |
CN108358030B (zh) | 用于乘客输送机的诊断阶梯 | |
CN104176613A (zh) | 乘客输送机的异常诊断*** | |
JP4431163B2 (ja) | 移動体の異常検出システム、及び移動体の異常検出方法 | |
CN101638203B (zh) | 乘客输送机的异常诊断*** | |
CN112811291B (zh) | 自动扶梯上的物联网上的传感器融合 | |
JP6955071B2 (ja) | タイヤ加速度信号の不規則性を用いたタイヤの摩耗測定装置及びそれを用いたタイヤの摩耗測定方法 | |
CN106339692A (zh) | 一种基于路线偏移检测的疲劳驾驶状态信息确定方法及*** | |
JP2023078964A (ja) | 状態監視装置及び状態監視方法 | |
US11390488B2 (en) | Visual inspection diagnostics | |
JP5052837B2 (ja) | チェーン異常診断装置 | |
CN112811290B (zh) | 至物联网的自动扶梯控制数据 | |
JP4044837B2 (ja) | 移動体の異常検出システム、及び移動体の異常検出方法 | |
CN115849129A (zh) | 一种电梯鼓式制动器监测装置 | |
JP6748044B2 (ja) | 乗客コンベア点検装置および乗客コンベア点検システム | |
JP7414937B1 (ja) | 乗客コンベア診断装置 | |
JP2018122944A (ja) | 乗客コンベアの自動隙間測定装置および乗客コンベアの自動隙間測定方法 | |
CN112811289A (zh) | 选择性无线自动扶梯数据采集 | |
WO2020204821A1 (en) | System and method for detecting abnormalities in objects traveling along a track | |
JP2021032714A (ja) | 機械設備の検査装置 | |
JP2018060383A (ja) | 処理装置及び機器の制御システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |