CN111302173A - 电梯钢丝绳异常检测方法、装置、设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种电梯钢丝绳异常检测方法、装置、设备及可读存储介质，靠近所述钢丝绳设置有传感器，所述方法包括：通过所述传感器收集检测数据；获取所述检测数据，判断所述检测数据是否为异常数据；依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态。本发明能够有效的时时掌握电梯钢丝绳状态，减少电梯的使用安全隐患。

Description

电梯钢丝绳异常检测方法、装置、设备及可读存储介质

技术领域

本发明涉及电梯检测技术领域，尤其涉及一种电梯钢丝绳异常检测方法、装置、设备及可读存储介质。

背景技术

电梯给人们上下楼带来了极大的便利，但是电梯在运行的过程中难免有故障发生，尤其是电梯钢丝绳起到牵引电梯轿厢的作用，一旦电梯钢丝绳产生裂痕或者发生断裂，将导致严重的安全事故，为此需要对电梯钢丝绳进行检测维护。

但是目前，对电梯钢丝绳的检测是通过人为定期的检测维护来完成的，而人为检测不具备实时性，难以有效的时时掌握电梯钢丝绳状态，给电梯的安全使用带来了隐患。

上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

发明内容

基于此，针对目前对电梯钢丝绳的检测，通过人为检测不具备实时性，难以有效的时时掌握电梯钢丝绳状态，给电梯的使用带来了安全隐患问题，有必要提供一种电梯钢丝绳异常检测方法、装置、设备及可读存储介质，能够有效的时时掌握电梯钢丝绳状态，减少电梯的使用安全隐患。

为实现上述目的，本发明提出的一种电梯钢丝绳异常检测方法，靠近所述钢丝绳设置有传感器，所述方法包括：

通过所述传感器收集检测数据；

获取所述检测数据，判断所述检测数据是否为异常数据；

依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态。

可选地，所述通过所述传感器收集检测数据的步骤包括：

通过所述传感器探测所述电梯钢丝绳，获取检测数据；

将所述检测数据传输给云平台，以对所述检测数据的异常进行判定。

可选地，所述获取所述检测数据，判断所述检测数据是否为异常数据的步骤包括：

获取所述检测数据，将所述检测数据输入至预置的决策树模型当中；

判断所述检测数据是否为异常数据。

可选地，所述传感器包括第一光电感应器、第二光电感应器、第三光电感应器和震动感应器，所述获取所述检测数据，将所述检测数据输入至预置的决策树模型当中的步骤包括：

获取所述检测数据，将所述检测数据转化为对应的数值表达式，其中0代表无探测到信号，1代表有探测到信号；

将所述数值表达式输入到决策树模型当中，依次经所述决策树的根节点至分支节点，判断所述检测数据是否为异常数据。

可选地，所述数据学习库包括异常数据库和正常数据库，所述依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态的步骤包括：

若所述检测数据属于异常数据，则将所述检测数据和所述异常数据库中的异常数据对比，判断所述电梯钢丝绳处于何种异常状态，并通过告警装置进行警示提醒；

若所述检测数据属于正常数据，则将所述检测数据和所述正常数据库中的正常数据对比，判断所述电梯钢丝绳处于何种正常状态，并保持电梯的正常运行。

可选地，所述依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态的步骤之后包括：

若所述检测数据属于异常数据，则将所述检测数据更新至所述异常数据库；

若所述检测数据属于正常数据，则将所述检测数据更新至所述正常数据库。

此外，为了实现上述目的，本发明还提供一种电梯钢丝绳异常检测装置，所述检测装置包括：

收集模块，用于通过所述传感器收集检测数据；

判断模块，用于获取所述检测数据，判断所述检测数据是否为异常数据；

对比模块，用于依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态。

可选地，所述收集模块还用于通过所述传感器探测所述电梯钢丝绳，获取检测数据；将所述检测数据传输给云平台，以对所述检测数据的异常进行判定。

此外，为了实现上述目的，本发明还提供一种电梯钢丝绳异常检测设备，所述电梯钢丝绳异常检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电梯钢丝绳异常检测程序；所述电梯钢丝绳异常检测程序被所述处理器执行时实现如上文所述的电梯钢丝绳异常检测方法的步骤。

此外，为了实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有电梯钢丝绳异常检测程序，所述电梯钢丝绳异常检测程序被处理器执行时实现如上文所述的电梯钢丝绳异常检测方法的步骤。

本发明提出的技术方案中，在靠近电梯钢丝绳位置设置有传感器，通过传感器能够探测得到钢丝绳的运行情况，并获得检测数据，通过对检测数据的判断，分析检测数据是否为异常数据，此外在预置的数据学习库中保存多种情况下钢丝绳的异常数据或正常数据，通过检测数据与异常数据或正常数据对比，能够及时判断得出电梯钢丝绳的所处状态，由于传感器获得检测数据是一个持续的过程，每获得一个检测数据，都能及时通过数据学习库对比判断得出相应结果，如此时时掌握电梯钢丝绳运行状态，减少电梯的安全使用隐患。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明电梯钢丝绳异常检测方法第一实施例的流程示意图；

图2为本发明电梯钢丝绳异常检测方法第二实施例的流程示意图；

图3为本发明电梯钢丝绳异常检测方法第三实施例的流程示意图；

图4为本发明电梯钢丝绳异常检测方法第四实施例的流程示意图；

图5为本发明电梯钢丝绳异常检测方法第五实施例的流程示意图；

图6为本发明电梯钢丝绳异常检测方法第六实施例的流程示意图；

图7为本发明电梯钢丝绳异常检测方法中决策树原理的流程示意图；

图8为本发明电梯钢丝绳异常检测方法决中感应器安装位置的示意图；

图9为本发明电梯钢丝绳异常检测装置的结构示意图。

附图标号说明：

标号	名称	标号	名称
				100	收集模块	500	滑轮
200	判断模块	510	支架
				300	对比模块	511	安装位
400	更新模块

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

参阅图1所示，本发明第一实施例，一种电梯钢丝绳异常检测方法，靠近钢丝绳设置有传感器，方法包括：

步骤S10，通过传感器收集检测数据；

具体地，在电梯钢丝绳牵引电梯移动的过程中，钢丝绳会出现不同程度的磨损，例如，钢丝绳的粗细产生变化，则钢丝绳的震动情况可能发生改变，可通过震动传感器能够有效测量钢丝绳的检测数据，另外，在钢丝绳每隔一定距离设置有突出点，还可通过光电传感器拍摄记录钢丝绳突出点的变化情况，以此能够检测钢丝绳是否断裂。

步骤S20，获取检测数据，判断检测数据是否为异常数据；

具体地，将传感器检测得到的检测数据进行整理保存，由于在传感器获得的检测数据是一个持续的时时过程，其中通过对检测数据进行分析判断，可以得出获得的检测数据是否异常。

步骤S30，依据对检测数据的判断结果，结合预置的数据学习库，判断电梯钢丝绳的状态。

其中，数据学习库中保存有电梯钢丝绳各种运行情况下的检测数据，由此可知，依据数据学习库，将所述检测数据和数据学习库中的数据进行对比分析，能够准确的判断得出电梯抱闸所处的状态。其中数据处理的核心是采用Python大数据处理技术，Python是一种计算机程序设计语言。是一种面向对象的动态类型语言，可以运行在Linux、Windows、Android和Mac OS操作***上。它轻量级而且高效-附带多种运算库，结合数据库技术、云计算技术、机器学习技术可实现复杂数据全时快速运算及自动化机器学习。通过使用Python大数据技术结合算法对异常数据组进行处理分析和比对。收集大量异常数据导入***，进行训练数据处理和分类，形成非异常数据学习库，通过学习库的扩充，能够对不同程度的钢丝绳异常进行归类报警，最终达到对钢丝绳异常进行自动化检测、预警、报警的效果。

本实施例技术方案中，在靠近电梯钢丝绳位置设置有传感器，通过传感器能够探测得到钢丝绳的运行情况，并获得检测数据，通过对检测数据的判断，分析检测数据是否为异常数据，此外在预置的数据学习库中保存多种情况下钢丝绳的异常数据或正常数据，通过检测数据与异常数据或正常数据对比，能够及时判断得出电梯钢丝绳的所处状态，由于传感器获得检测数据是一个持续的过程，每获得一个检测数据，都能及时通过数据学习库对比判断得出相应结果，如此时时掌握电梯钢丝绳运行状态，减少电梯的安全使用隐患。

参阅图2所示，在本发明第一实施例的基础上，提出本发明的第二实施例，通过传感器收集检测数据的步骤S10包括：

步骤S110，通过传感器探测电梯钢丝绳，获取检测数据；

具体地，在电梯钢丝绳牵引电梯移动的过程中，钢丝绳会出现不同程度的磨损，例如，钢丝绳的粗细产生变化，则钢丝绳的震动情况可能发生改变，可通过震动传感器能够有效测量钢丝绳的检测数据，另外，在钢丝绳每隔一定距离设置有突出点，还可通过光电传感器拍摄记录钢丝绳突出点的变化情况，以此获取到电梯时时的检测数据。

步骤S120，将检测数据传输给云平台，以对检测数据的异常进行判定。

具体地，传感器将检测得到检测数据通过无线网络传递给云平台或者后台服务器，例如通过4G或5G通信网络传递数据，其中云平台或者后台服务器均设置有存储单元，云平台或者后台服务器将接收到的检测数据存储至存储单元中，再通过提取检测数据和数据学习库中的数据对比，以此能够对实时检测得到电梯钢丝绳的检测数据进行判断和分类，得出目前电梯处于何种运行状态下。

参阅图3所示，在本发明第一实施例的基础上，提出本发明的第三实施例，获取检测数据，判断检测数据是否为异常数据的步骤S20包括：

步骤S210，获取检测数据，将检测数据输入至预置的决策树模型当中；

其中，所述决策树模型是一种类似树形的判断图形，通过将检测数据输入决策树模型中，经过层层筛选判定得出检测数据的异常结果。

步骤S220，判断检测数据是否为异常数据。

具体地，决策树模型中包括有根节点和若干分支节点，经过决策树模型的每一层节点的筛选判定，对检测数据输出相应的结果，直至分析判断完毕。

另外所述决策树模型是通过采集样本，构建样本集D，在样本集D的基础上，计算各项属性a的信息增益Gain(D,a)，设定中离散属性a有V个取值，使用a来对样本集D进行划分，则会产生V个分支节点，其中v个分支节点包含了D中所有在属性a上取值为a^v的样本，记为D^v，则

其中当前样本集合D中第k类样本所占比例为p_k，则D的Ent(D)定义为：

通过Gain(D,a)值决定决策树属性根节点，通过根节点属性对第二节点进行信息增益Gain(D¹,a)，如此循环操作至所有属性分支均计算构建完毕。

参阅图4所示，在本发明第三实施例的基础上，提出本发明的第四实施例，传感器包括第一光电感应器、第二光电感应器、第三光电感应器和震动感应器，获取检测数据，将检测数据输入至预置的决策树模型当中的步骤S210包括：

步骤S211，获取检测数据，将检测数据转化为对应的数值表达式，其中0代表无探测到信号，1代表有探测到信号；

具体地，通过第一光电感应器、第二光电感应器和第三光电感应器来计算钢丝绳突出点的变化情况，震动传感器紧贴钢丝绳设置，如此能够有效测量钢丝绳的震动数据，举例说明，在传感器检测钢丝绳时，第一光电感应器工作时有回传数值标记为1，也就是说1代表有探测到信号，无回传数值标记为0，也就是说0代表没有探测到信号，同样可以推算出其他传感器的探测情况，第一光电感应器、第二光电感应器、第三光电感应器和震动传感器均没有检测到信号，则标记为(0，0，0，0)，第一光电感应器、第二光电感应器、第三光电感应器和震动传感器均检测到信号，则标记为(1，1，1，1)，由此可知构建的样本集D为

步骤S212，将数值表达式输入到决策树模型当中，依次经决策树的根节点至分支节点，判断检测数据是否为异常数据。

举例说明，参阅图7所示，震动数据相对来说更加重要，则以对震动数据判定的节点为根节点，震动传感器检测到震动信号则判定钢丝绳异常，如果没有检测到信号，则分支节点对第一光电感应器检测的信号进行判定，若检测到信号则判定有异常，没有检测到信号，则下一层分支节点对第二光电感应器检测的信号进行判定，若检测到信号则判定有异常，没有检测到信号，则下一层分支节点对第三光电感应器检测的信号进行判定，若检测到信号则判定有异常，没有检测到信号则判定没有异常。

上述通过决策树模型对检测信号构成的数值标记进行的判定过程，不限于所举实施例，实施例是用来对决策树的原理进行说明，用户可依据具体的情况和判定的标准对决策树模型的进行重新设定。

参阅图5所示，在本发明第一实施例的基础上，提出本发明的第五实施例，数据学习库包括异常数据库和正常数据库，依据对检测数据的判断结果，结合预置的数据学习库，判断电梯钢丝绳的状态的步骤S30包括：

步骤S310，若检测数据属于异常数据，则将检测数据和异常数据库中的异常数据对比，判断电梯钢丝绳处于何种异常状态，并通过告警装置进行警示提醒；

其中，所述告警装置可以采用声光其中一种原理的告警装置，也可两者结合，例如急促的声音警示，外加红色显示灯光闪烁方式，提示维护人员进行维护修理。

步骤S320，若检测数据属于正常数据，则将检测数据和正常数据库中的正常数据对比，判断电梯钢丝绳处于何种正常状态，并保持电梯的正常运行。也就是在判断电梯没有发出故障的情况下，控制电梯保持现有的工作状态，由此可以做到时时掌握电梯钢丝绳运行状态，减少给电梯的使用带来安全隐患。

参阅图6所示，在本发明第五实施例的基础上，提出本发明的第六实施例，依据对检测数据的判断结果，结合预置的数据学习库，判断电梯钢丝绳的状态的步骤S30之后包括：

步骤S40，若检测数据属于异常数据，则将检测数据更新至异常数据库；

具体地，得出检测数据是否属于异常数据后，将检测数据保存至异常数据库，以更新异常数据库，其中更新异常数据库，是通过对比查看已有的异常数据是否和检测数据相同，如果有相同则直接覆盖掉原有数据，或者重新命名保存，如果没有相同数据，则直接将该检测数据保存至异常数据库，通过对异常数据库的实时更新，能够保证对电梯抱闸状态提供精确判断，完善电梯各种情况的归类分析。

步骤S50，若检测数据属于正常数据，则将检测数据更新至正常数据库。

具体地，得出检测数据是否属于正常数据后，将检测数据保存至正常数据库，以更新正常数据库，其中更新正常数据库，是通过对比查看已有的正常数据是否和检测数据相同，如果有相同则直接覆盖掉原有数据，或者重新命名保存，如果没有相同数据，则直接将该检测数据保存至正常数据库，通过对正常数据库的实时更新，能够保证对电梯抱闸状态提供精确判断，完善电梯各种情况的归类分析。

参阅图9所示，本发明还提供一种电梯钢丝绳异常检测装置，所述检测装置包括：收集模块100、判断模块200和对比模块300。

收集模块100用于通过所述传感器收集检测数据；具体地，在电梯钢丝绳牵引电梯移动的过程中，钢丝绳会出现不同程度的磨损，例如，钢丝绳的粗细产生变化，则钢丝绳的震动情况可能发生改变，可通过震动传感器能够有效测量钢丝绳的检测数据，另外，在钢丝绳每隔一定距离设置有突出点，还可通过光电传感器拍摄记录钢丝绳突出点的变化情况，以此能够检测钢丝绳是否断裂。

判断模块200用于获取所述检测数据，判断所述检测数据是否为异常数据；具体地，将传感器检测得到的检测数据进行整理保存，由于在传感器获得的检测数据是一个持续的时时过程，其中通过对检测数据进行分析判断，可以得出获得的检测数据是否异常。

对比模块300用于依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态。其中，数据学习库中保存有电梯钢丝绳各种运行情况下的检测数据，由此可知，依据数据学习库，将所述检测数据和数据学习库中的数据进行对比分析，能够准确的判断得出电梯抱闸所处的状态。其中数据处理的核心是采用Python大数据处理技术，Python是一种计算机程序设计语言。是一种面向对象的动态类型语言，可以运行在Linux、Windows、Android和Mac OS操作***上。它轻量级而且高效-附带多种运算库，结合数据库技术、云计算技术、机器学习技术可实现复杂数据全时快速运算及自动化机器学习。通过使用Python大数据技术结合算法对异常数据组进行处理分析和比对。收集大量异常数据导入***，进行训练数据处理和分类，形成非异常数据学习库，通过学习库的扩充，能够对不同程度的钢丝绳异常进行归类报警，最终达到对钢丝绳异常进行自动化检测、预警、报警的效果。

本实施技术方案中，在靠近电梯钢丝绳位置设置有传感器，通过传感器能够探测得到钢丝绳的运行情况，并获得检测数据，通过对检测数据的判断，分析检测数据是否为异常数据，此外在预置的数据学习库中保存多种情况下钢丝绳的异常数据或正常数据，通过检测数据与异常数据或正常数据对比，能够及时判断得出电梯钢丝绳的所处状态，由于传感器获得检测数据是一个持续的过程，每获得一个检测数据，都能及时通过数据学习库对比判断得出相应结果，如此时时掌握电梯钢丝绳运行状态，减少电梯的安全使用隐患。

进一步地，所述收集模块100还用于通过所述传感器探测所述电梯钢丝绳，获取检测数据；将所述检测数据传输给云平台，以对所述检测数据的异常进行判定。，在电梯钢丝绳牵引电梯移动的过程中，钢丝绳会出现不同程度的磨损，例如，钢丝绳的粗细产生变化，则钢丝绳的震动情况可能发生改变，可通过震动传感器能够有效测量钢丝绳的检测数据，另外，在钢丝绳每隔一定距离设置有突出点，还可通过光电传感器拍摄记录钢丝绳突出点的变化情况，以此获取到电梯时时的检测数据。传感器将检测得到检测数据通过无线网络传递给云平台或者后台服务器，例如通过4G或5G通信网络传递数据，其中云平台或者后台服务器均设置有存储单元，云平台或者后台服务器将接收到的检测数据存储至存储单元中，再通过提取检测数据和数据学习库中的数据对比，以此能够对实时检测得到电梯钢丝绳的检测数据进行判断和分类，得出目前电梯处于何种运行状态下。

进一步地，判断模块200还用于获取检测数据，将检测数据输入至预置的决策树模型当中；其中，所述决策树模型是一种类似树形的判断图形，通过将检测数据输入决策树模型中，经过层层筛选判定得出检测数据的异常结果。

判断模块200还用于判断检测数据是否为异常数据。具体地，决策树模型中包括有根节点和若干分支节点，经过决策树模型的每一层节点的筛选判定，对检测数据输出相应的结果，直至分析判断完毕。

另外所述决策树模型是通过采集样本，构建样本集D，在样本集D的基础上，计算各项属性a的信息增益Gain(D,a)，设定中离散属性a有V个取值，使用a来对样本集D进行划分，则会产生V个分支节点，其中v个分支节点包含了D中所有在属性a上取值为a^v的样本，记为D^v，则

其中当前样本集合D中第k类样本所占比例为p_k，则D的Ent(D)定义为：

通过Gain(D,a)值决定决策树属性根节点，通过根节点属性对第二节点进行信息增益Gain(D¹,a)，如此循环操作至所有属性分支均计算构建完毕。

进一步地，传感器包括第一光电感应器、第二光电感应器、第三光电感应器和震动感应器，判断模块200还用于获取检测数据，将检测数据转化为对应的数值表达式，其中0代表无探测到信号，1代表有探测到信号；具体地，通过第一光电感应器、第二光电感应器和第三光电感应器来计算钢丝绳突出点的变化情况，震动传感器紧贴钢丝绳设置，如此能够有效测量钢丝绳的震动数据，举例说明，在传感器检测钢丝绳时，第一光电感应器工作时有回传数值标记为1，也就是说1代表有探测到信号，无回传数值标记为0，也就是说0代表没有探测到信号，同样可以推算出其他传感器的探测情况，第一光电感应器、第二光电感应器、第三光电感应器和震动传感器均没有检测到信号，则标记为(0，0，0，0)，第一光电感应器、第二光电感应器、第三光电感应器和震动传感器均检测到信号，则标记为(1，1，1，1)，由此可知构建的样本集D为

判断模块200还用于将数值表达式输入到决策树模型当中，依次经决策树的根节点至分支节点，判断检测数据是否为异常数据。

举例说明，震动数据相对来说更加重要，则以对震动数据判定的节点为根节点，震动传感器检测到震动信号则判定钢丝绳异常，如果没有检测到信号，则分支节点对第一光电感应器检测的信号进行判定，若检测到信号则判定有异常，没有检测到信号，则下一层分支节点对第二光电感应器检测的信号进行判定，若检测到信号则判定有异常，没有检测到信号，则下一层分支节点对第三光电感应器检测的信号进行判定，若检测到信号则判定有异常，没有检测到信号则判定没有异常。

上述通过决策树模型对检测信号构成的数值标记进行的判定过程，不限于所举实施例，实施例是用来对决策树的原理进行说明，用户可依据具体的情况和判定的标准对决策树模型的进行重新设定。

另外，参阅图8所示，在电梯的两个滑轮500之间对设有两支架510，支架510上设置有安装位511，第一光电感应器、第二光电感应器和第三光电感应器并列设置于安装位511上，震动传感器设置于两个对设的安装位511之间，且震动传感器的感应部和电梯钢丝绳抵接，如此能够有效测量钢丝绳的异常情况。

进一步地，数据学习库包括异常数据库和正常数据库，对比模块300还用于若检测数据属于异常数据，则将检测数据和异常数据库中的异常数据对比，判断电梯钢丝绳处于何种异常状态，并通过告警装置进行警示提醒；其中，所述告警装置可以采用声光其中一种原理的告警装置，也可两者结合，例如急促的声音警示，外加红色显示灯光闪烁方式，提示维护人员进行维护修理。以及，对比模块300还用于若检测数据属于正常数据，则将检测数据和正常数据库中的正常数据对比，判断电梯钢丝绳处于何种正常状态，并保持电梯的正常运行。也就是在判断电梯没有发出故障的情况下，控制电梯保持现有的工作状态，由此可以做到时时掌握电梯钢丝绳运行状态，减少给电梯的使用带来安全隐患。

进一步地，电梯钢丝绳异常检测装置还包括更新模块400，更新模块400用于若检测数据属于异常数据，则将检测数据更新至异常数据库；具体地，得出检测数据是否属于异常数据后，将检测数据保存至异常数据库，以更新异常数据库，其中更新异常数据库，是通过对比查看已有的异常数据是否和检测数据相同，如果有相同则直接覆盖掉原有数据，或者重新命名保存，如果没有相同数据，则直接将该检测数据保存至异常数据库，通过对异常数据库的实时更新，能够保证对电梯抱闸状态提供精确判断，完善电梯各种情况的归类分析。

更新模块400还用于若检测数据属于正常数据，则将检测数据更新至正常数据库。具体地，得出检测数据是否属于正常数据后，将检测数据保存至正常数据库，以更新正常数据库，其中更新正常数据库，是通过对比查看已有的正常数据是否和检测数据相同，如果有相同则直接覆盖掉原有数据，或者重新命名保存，如果没有相同数据，则直接将该检测数据保存至正常数据库，通过对正常数据库的实时更新，能够保证对电梯抱闸状态提供精确判断，完善电梯各种情况的归类分析。

本发明还提供一种电梯钢丝绳异常检测设备，所述电梯钢丝绳异常检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电梯钢丝绳异常检测程序；所述电梯钢丝绳异常检测程序被所述处理器执行时实现如上文所述的电梯钢丝绳异常检测方法的步骤。

本发明电梯钢丝绳异常检测设备具体实施方式可以参照上述电梯钢丝绳异常检测方法各实施例，在此不再赘述。

本发明还提供一种可读存储介质，所述可读存储介质上存储有电梯钢丝绳异常检测程序，所述电梯钢丝绳异常检测程序被处理器执行时实现如上文所述的电梯钢丝绳异常检测方法的步骤。

本发明可读存储介质具体实施方式可以参照上述电梯钢丝绳异常检测方法各实施例，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (10)

1.一种电梯钢丝绳异常检测方法，其特征在于，靠近所述钢丝绳设置有传感器，所述方法包括：

通过所述传感器收集检测数据；

获取所述检测数据，判断所述检测数据是否为异常数据；

依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态。

2.如权利要求1所述的电梯钢丝绳异常检测方法，其特征在于，所述通过所述传感器收集检测数据的步骤包括：

通过所述传感器探测所述电梯钢丝绳，获取检测数据；

将所述检测数据传输给云平台，以对所述检测数据的异常进行判定。

3.如权利要求1所述的电梯钢丝绳异常检测方法，其特征在于，所述获取所述检测数据，判断所述检测数据是否为异常数据的步骤包括：

获取所述检测数据，将所述检测数据输入至预置的决策树模型当中；

判断所述检测数据是否为异常数据。

4.如权利要求3所述的电梯钢丝绳异常检测方法，其特征在于，所述传感器包括第一光电感应器、第二光电感应器、第三光电感应器和震动感应器，所述获取所述检测数据，将所述检测数据输入至预置的决策树模型当中的步骤包括：

获取所述检测数据，将所述检测数据转化为对应的数值表达式，其中0代表无探测到信号，1代表有探测到信号；

将所述数值表达式输入到决策树模型当中，依次经所述决策树的根节点至分支节点，判断所述检测数据是否为异常数据。

5.如权利要求1所述的电梯钢丝绳异常检测方法，其特征在于，所述数据学习库包括异常数据库和正常数据库，所述依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态的步骤包括：

若所述检测数据属于异常数据，则将所述检测数据和所述异常数据库中的异常数据对比，判断所述电梯钢丝绳处于何种异常状态，并通过告警装置进行警示提醒；

若所述检测数据属于正常数据，则将所述检测数据和所述正常数据库中的正常数据对比，判断所述电梯钢丝绳处于何种正常状态，并保持电梯的正常运行。

6.如权利要求5所述的电梯钢丝绳异常检测方法，其特征在于，所述依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态的步骤之后包括：

若所述检测数据属于异常数据，则将所述检测数据更新至所述异常数据库；

若所述检测数据属于正常数据，则将所述检测数据更新至所述正常数据库。

7.一种电梯钢丝绳异常检测装置，其特征在于，所述检测装置包括：

收集模块，用于通过所述传感器收集检测数据；

判断模块，用于获取所述检测数据，判断所述检测数据是否为异常数据；

对比模块，用于依据对所述检测数据的判断结果，结合预置的数据学习库，判断所述电梯钢丝绳的状态。

8.如权利要求7所述的电梯钢丝绳异常检测装置，其特征在于，所述收集模块还用于通过所述传感器探测所述电梯钢丝绳，获取检测数据；将所述检测数据传输给云平台，以对所述检测数据的异常进行判定。

9.一种电梯钢丝绳异常检测设备，其特征在于，所述电梯钢丝绳异常检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电梯钢丝绳异常检测程序；所述电梯钢丝绳异常检测程序被所述处理器执行时实现如权利要求1-6中任一项所述的电梯钢丝绳异常检测方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有电梯钢丝绳异常检测程序，所述电梯钢丝绳异常检测程序被处理器执行时实现如权利要求1-6中任一项所述的电梯钢丝绳异常检测方法的步骤。

Images