CN112938684A - 一种电梯运行轨迹分析*** - Google Patents

Abstract

本发明公开了一种电梯运行轨迹分析***，包括数据预处理模块用于获取和预处理传感器数据；建立电梯专用开关门模型模块用于根据电梯轿门的运动过程，收集有效的开关门数据并进行统计分析，构建电梯专用开关门数据判断模型；建立电梯专用上下行模型模块用于根据电梯上下行的运动过程，收集有效的上下行数据并进行统计分析，构建电梯专用上下行数据判断模型；电梯运行高度采集模块用于计算电梯高度变化值；电梯故障判断模块用于将电梯实时运动过程与专用模型进行比对，检测电梯的开关门状态及开关门特征、上下行状态及上下行特征，并在比对结果不同时上报电梯开关门、上下行相关故障。通过本发明可以实时监测电梯的运行状况，实施在线实时检查维护。

Description

一种电梯运行轨迹分析***

技术领域

本发明涉及电梯领域，尤其涉及一种电梯运行轨迹分析***。

背景技术

随着物联网技术的兴起，各地陆续出台了改进电梯维护保养模式及电梯检验检测方式的工作方案，电梯的管理模式由过去的定期维保、定期检验调整为“按需维保”、“物联网+维保”等新模式。对于具备物联网***的电梯，可以实时监测电梯的运行状况，实施在线实时检查维护，并且相关故障信息能够通过信息化手段报送到电梯管理人员或监管部门。电梯具备物联网***对于改进电梯维保工作方式及电梯安全运行有重要作用。

发明内容

本发明提供一种电梯运行轨迹分析***，以克服上述技术问题。

一种电梯运行轨迹分析***，包括数据预处理模块、建立电梯专用开关门模型模块、建立电梯专用上下行模型模块、电梯运行高度采集模块、电梯故障判断模块，

数据预处理模块用于获取电梯所有传感器输出的数据，对数据进行预处理；

建立电梯专用开关门模型模块用于根据电梯轿门的运动过程，选取电梯开关门的特征参量，建立通用开关门模型并收集有效的开关门数据；对开关门数据进行分组，统计分析电梯实时运行过程中各个分组下特征参量的取值，得到统计分析数据，根据分组后的开关门数据和统计分析数据，构建电梯专用开关门数据判断模型；

建立电梯专用上下行模型模块用于根据电梯上下行的运动过程，选取电梯上下行的特征参量，建立通用上下行模型并收集有效的上下行数据；对上下行数据进行分组，统计分析电梯实时运行过程中各个分组下特征参量的取值，得到统计分析数据，根据分组后的上下行数据和统计分析数据，构建电梯专用上下行数据判断模型；

电梯运行高度采集模块用于计算电梯高度变化值；

电梯故障判断模块用于将电梯轿门实时运动过程与专用开关门数据判断模型进行比对，电梯上下实时运动过程与专用上下行数据判断模型比对，检测出电梯轿门的开关门状态及开关门特征、电梯上下行状态及上下行特征，并在比对结果不同时上报电梯轿门相关故障、电梯上下行相关故障。

优选地，对数据进行预处理是指采用数字中值滤波器、一阶低通滤波器、滤除直流分量对数据进行预处理。

优选地，计算电梯高度变化值是指根据公式(1)获得电梯上下运动高度差，

ΔH＝Z2-Z1＝18400*(1+aT)*lgP1/P2 (1)

其中，Z₁为电梯开始当次上下运动时的高度，Z₂为电梯结束当次上下运动时的高度，P₁为Z₁高度上的气压，P₂为Z₂高度上的气压，a＝1/273，T为Z₁到Z₂间的空气柱平均温度，ΔH为电梯当次上下运动的高度。

本发明提供一种电梯运行轨迹分析***，***的安装及日常维护简单，并且独立于电梯自身的控制***，对电梯的正常运行无任何不良影响。本***具备高智能自主学习功能，数据采集精度高，故障判断准确性高，在电梯行业兴起“按需维保”工作方式的背景下，对于改进电梯维护保养工作方式提供了重要且有竞争力的技术支撑。

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一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明电梯运行轨迹分析***结构图；

图2为本发明实施例的三轴加速度传感器x轴原始数据波形图；

图3为本发明实施例的数字中值滤波器输出结果波形图；

图4为本发明实施例的一阶低通滤波器输出结果波形图；

图5为本发明实施例的滤除直流分量算法输出结果波形图；

图6为本发明的专用开关门模型建模过程图；

图7是本发明的电梯开门过程的特征参量图表；

图8为本发明实施例的电梯专用数据判断模型特征参量值说明图；

图9为本发明专用上下行模型建模过程图；

图10为本发明实施例的电梯上行过程的特征参量图表。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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。

图1为本发明电梯运行轨迹分析***结构图，如图1所示，本实施例的方法可以包括：

电梯中安装传感器，使用传感器采集电梯运行轨迹，传感器具体包括：三轴加速度传感器采用的芯片型号为ADXL362BCCZ，陀螺仪传感器采用的芯片型号为LSM6DS3TR-C，气压传感器采用的芯片型号为MS5611-01BA03，温度传感器采用的芯片型号为SHT20。

1、数据预处理模块

电梯在运动过程中，由于机械构造的原因及乘客移动等因素都会对传感器输出的数据带来影响。为了准确分析电梯的运行轨迹，需要对传感器输出的数据做预处理，本发明采用的数据预处理方式为数字中值滤波器，一阶低通滤波器等。

本发明中，每间隔20ms读取一次所有传感器的数据，为了详细说明本发明对传感器数据预处理的方式，本发明选取500points的三轴加速度传感器数据样本加以说明，此数据的来源是电梯多次开关门过程中由轿门运动产生的原始数据，数据单位为mg。

本发明中图2是三轴加速度传感器x轴原始数据波形图。

在完成数据采样及合成后，首先进入数字中值滤波器。本发明对数字中值滤波器的设计是：连续采样27points，并对27points采样值大小排列，取中间值为本次有效值。经过大量电梯运行数据的验证，在设置采样点数为27points时，既能准确还原电梯运行特征，又能有效克服因偶然因素引起的传感器数据波动干扰。用数学公式表示为：

公式中f_i-v，…f_i，…f_i+v是***每次读取的传感器原始数据，m为数据总点数，并且要求m为奇数，本发明中取值m＝27，i为窗口的中心位置。Y_i表示本次采样的数字中值滤波器的输出结果。

本发明中图3是数字中值滤波器输出结果波形图。

为了进一步生成可用数据，数字中值滤波器输出的结果还需要输入一阶低通滤波器。应用一阶低通滤波器的好处是本次滤波输出值主要取决于上次滤波的输出值，而本次采样值对滤波输出的贡献是比较小的，但同时又具备对本次滤波输出值的修正作用。由于电梯的运动特性是规律的加速减速过程，符合输入值变化慢的特性，匹配低通滤波器的使用场景。本发明对一阶低通滤波器的设计是：设置一阶低通滤波器的系数为0.3。用数学公式表示为：

Y(n)＝αX(n)+(1-α)Y(n-1) (2)

其中X(n)是本次采样值，Y(n-1)是上一次的低通滤波器输出值，Y(n)是本次的低通滤波器输出值，α是滤波器系数，本发明中取值为α＝0.3。

本发明中图4是一阶低通滤波器输出结果波形图。

由于电梯物联网***安装在电梯时，为了施工更简便，所以不能强制要求三轴加速度传感器及陀螺仪的水平垂直姿态，因此三轴加速度传感器及陀螺仪输出的数据会存在相对重力方向的角度偏差引入的直流分量，并对***的测量结果带来不利影响。为了滤除直流分量的影响，本发明的具体做法是：采集一阶低通滤波器的输出数据1000points，即20s的采样时间，并对1000points的数据大小排序，若最大值与最小值的差值小于10，则判定***处于静止或匀速运动状态，可以滤除直流分量。滤除方法是将此1000points数据求平均值，此值即为***中存在的直流分量数值。用数学公式表示为：

其中D表示***中直流分量的数值，Y(n)是一阶低通滤波器的输出数据，本发明中数据点数取值为n＝1000。

本发明中图5是500points数据样本经过滤除直流分量算法输出结果波形图。由波形图可见，数据在零轴上下波动，符合预期结果。

本发明中对气压传感器及温度传感器的原始数据处理，同样使用数字中值滤波器及一阶低通滤波器。与三轴加速度传感器相比，针对气压传感器的原始数据处理选取的一阶低通滤波器参数有所不同，且气压传感器与温度传感器不受***安装角度的影响，所以无需滤除直流分量。本发明中气压传感器及温度传感器选取的一阶低通滤波器的滤波器系数α＝0.625。

在完成数据预处理过程后，进入电梯数据判断模型建模过程。三轴加速度传感器和陀螺仪用于测量电梯的上下行状态及特征、开关门状态及特征、电梯晃动幅度等电梯运行姿态相关的数据，气压传感器及温度传感器用于测量电梯运行距离、速度、楼层高度等数据。再通过以上运行状态的排列组合，进而判断出电梯是否处于正常工作模式或故障模式。

电梯的开关门和上下运动，运行姿态会经历静止、加速、匀速、减速、静止五个状态。运行距离短时或轿门偏小的电梯，可能不包含匀速过程，但一定包含加速、减速过程。所以本发明将开关门和上下运动的加速、减速过程作为特征模型，进行高智能自主学***移动(x轴)，电梯上下运动的方向是轿厢垂直移动(y轴)，三轴加速度传感器及陀螺仪能够准确分析运动来源，所以开关门及上下运动的建模过程互不干扰。

2、建立电梯专用开关门模型模块

如图6所示是本发明的专用开关门模型建模过程图，本发明中用于建模的电梯开关门的加速、减速特征参量共7个，分别是：①正向加速度峰值(+gPeak)，②正向加速度面积值(+gArea)，③负向加速度峰值(-gPeak)，④负向加速度面积值(-gArea)，⑤正向加速度时间点数(+gPoint)，⑥负向加速度时间点数(-gPoint)，⑦加速度时间总点数(btwPNPoint)。预处理后的数据在±10mg以内的，属于静止或匀速状态的数据，不计入特征参量，预处理后的数据在±10mg以外的，计入特征参量。电梯的关门过程与开门过程的区别是加速度方向不同，但特征参量的种类相同。

图7是本发明的电梯开门过程的特征参量图表，图中两条水平横线用于表示，预处理后的数据在±10mg以内的，属于静止或匀速状态的数据，不计入特征参量，预处理后的数据在±10mg以外的，计入特征参量。即当预处理后的数据在大于10mg时，计入特征参量，当预处理后的数据小于-10mg时，计入特征参量。正向加速度时间点数的计算公式为(4)，

+gPoint＝②-① (4)

其中，①为电梯轿门从静止或匀速状态变为正向加速度递增开始状态作为开始时间点数，②为电梯轿门从正向加速度递减开始状态变为静止或匀速状态为结束时间点数。

正向加速度时间点数的计算公式为(5)，

-gPoint＝④-③ (5)

其中，③为电梯轿门从静止或匀速状态变为负向加速度递增开始状态作为开始时间点数，④为电梯轿门从负向加速度递减开始状态变为静止或匀速状态为结束时间点数。

在建立专用特征模型前，需要先从预处理后的传感器数据中查找出有效的开关门数据，即首先使用通用开关门模型收集开关门特征。本发明中对通用开关门模型的判断是：正向加速度时间点数(+gPoint)>10，正向加速度面积值(+gArea)>150，负向加速度时间点数(-gPoint)>10,负向加速度面积值(-gArea)>150，且加速度时间总点数(btwPNPoint)<300。由于采样率为20ms/Point，所以通用开关门模型可以描述为：MEMS传感器采集到来自于电梯轿门方向的运动信息，在300Points(6s)以内，首先出现正向加速度，然后出现负向加速度，并且满足上述数值要求的即为有效的开门信号；首先出现负向加速度，然后出现正向加速度，并且满足上述数值要求的即为有效的关门信号。

由于机械结构或电梯厅门阻力大小的差异性，电梯在不同楼层的开关门过程可能有所不同，直观体现在不同楼层的开关门用时有所不同。***想要达到适配同一部电梯的不同楼层特征的目的，在使用通用开关门模型收集到有效的开关门特征数据后，需要建立此电梯的专用开关门数据判断模型。本发明对电梯的开门过程和关门过程分别建立最多5组开关门特征参量。

能直观体现开关门用时的特征参量是加速度时间总点数(btwPNPoint)，所以本发明建立的5组特征参量以加速度时间总点数的不同加以区分。在加速度时间总点数(btwPNPoint)差距在20Points(400ms)以上时，存储为不同的开关门判断模型。

本发明的电梯物联网***安装在电梯后，电梯运行过程中会伴随着多次的开关门过程，当***采集到的开关门次数N＝100次后，获取7个特征参量中每个参量的①最大值Max,②最小值Min，③总值Sum，然后计算每个参量的平均值④Mean＝Sum/N，变化范围⑤Range＝Max-Min。

将计算得出的最多5组*7个特征参量*5个参量值，存储在***中。存储成功后，此电梯的专用开关门数据判断模型建立成功。接下来发生的每一次电梯轿门运动过程，***都会与存储模块中的专用开关门模型比对，比对的参量包括当次电梯轿门运动的7个特征参量是否在参量值变化范围内(均值Mean±变化范围Range)，从而准确检测出电梯轿门的开关门状态及开关门特征，并在比对结果不同时上报电梯轿门相关的故障。

本发明中图8是电梯专用数据判断模型特征参量值说明图。同时，如果当次电梯轿门的运动过程符合专用模型，高智能自主学习功能还会持续记录当次运动采集到的特征参量值，并在开关门次数每达到N＝100次时，将当前参量值按一定权重计入专用模型，重新计算并存储一次专用模型，从而达到微调特征参量值的目的。自主学习功能收集电梯的每一次运动过程，数据采集精度会越来越高。本发明设置的权重值为0.05。用数学公式表示为：

C_N+1＝C_N*Δ+C_N-1*(1-Δ) (6)

其中C_N+1表示新特征参量值，C_N表示当前参量值，C_N-1表示***已存储的特征参量值。Δ表示权重值，本发明中取值为Δ＝0.05。

3、建立电梯专用上下行模型模块

图9是本发明的专用上下行模型建模过程图，本发明中用于建模的电梯上下运动的加速、减速特征参量共10个，分别是：①正向加速度峰值(+gPeak)，②正向加速度面积值(+gArea)，③正向加速度时间点数(+gPoint)，④正向加速度递增斜率(+kIncr)，⑤正向加速度递减斜率(+kDecr)，⑥负向加速度峰值(-gPeak)，⑦负向加速度面积值(-gArea)，⑧负向加速度时间点数(-gPoint)，⑨负向加速度递增斜率(-kIncr)，⑩负向加速度递减斜率(-kDecr)。

本发明中图10是电梯上行过程的特征参量图表。图中两条水平横线用于表示，预处理后的数据在±10mg以内的，属于静止或匀速状态的数据，不计入特征参量，预处理后的数据在±10mg以外的，计入特征参量。即当预处理后的数据在大于10mg时，计入特征参量，当预处理后的数据小于-10mg时，计入特征参量。正向加速度时间点数的计算公式为(7)，

+gPoint＝②-① (7)

其中，①为电梯从静止或匀速状态变为正向加速度递增开始状态作为开始时间点数，②为电梯从正向加速度递减开始状态变为静止或匀速状态为结束时间点数。

正向加速度时间点数的计算公式为(8)，

-gPoint＝④-③ (8)

其中，③为电梯从静止或匀速状态变为负向加速度递增开始状态作为开始时间点数，④为电梯从负向加速度递减开始状态变为静止或匀速状态为结束时间点数。

电梯的下行过程与上行过程的区别是加速度方向不同，但特征参量的种类相同。在建立专用特征模型前，需要先从预处理后的传感器数据中查找出有效的电梯上下行数据，即首先使用通用上下行模型收集上下行特征。由于电梯每次上下运动的距离明显大于开关门运动的距离，所以电梯的上下行特征数据明显大于开关门特征数据。本发明中对通用上下行模型的判断是：正向加速度时间点数(+gPoint)>80，正向加速度面积值(+gArea)>1000，负向加速度时间点数(-gPoint)>80,负向加速度面积值(-gArea)>1000。MEMS传感器采集到来自于电梯上下运动的信息，首先出现正向加速度，然后出现负向加速度，正向负向加速度之间可能有零加速度(匀速)，并且满足上述数值要求的即为有效的上行信号；首先出现负向加速度，然后出现正向加速度，正向负向加速度之间可能有零加速度(匀速)，并且满足上述数值要求的即为有效的下行信号。

由于电梯每次运动到达的楼层有所不同，有可能单层走梯，有可能多层走梯，单层走梯时电梯加速慢，多层走梯时电梯加速快，其上下行特征数据也有所不同。本发明在建立上下行特征数据时，充分考虑此影响，***共建立最多5组上下行特征参量。

能直观体现电梯上下行加速快慢的特征参量是正向加速度时间点数(+gPoint)或负向加速度时间点数(-gPoint)，所以本发明建立的5组特征参量以加速度时间点数的不同加以区分。电梯上行时使用正向加速度时间点数(+gPoint)区分，电梯下行时使用负向加速度时间点数(-gPoint)区分，在加速度时间点数差距在25Points(500ms)以上时，存储为不同的上下行判断模型。

与电梯专用开关门数据判断模型的建立过程相似，电梯每次上下运动时，***同样采集电梯专用上下行数据判断模型的10个特征参量，当***采集到的上下行次数N＝100次后，获取10个特征参量中每个参量的①最大值Max,②最小值Min，③总值Sum，然后计算每个参量的平均值④Mean＝Sum/N，变化范围⑤Range＝Max-Min。

将计算得出的5组*10个特征参量*5个参量值存入存储模块，存储成功后，此电梯的专用上下行数据判断模型建立成功。接下来发生的每一次电梯上下运动过程，***都会与存储模块中的专用上下行模型比对，比对的参量包括当次电梯上下运动的10个特征参量是否在参量值变化范围内(均值Mean±变化范围Range)，从而准确检测出电梯上下行状态及上下行特征，并在比对结果不同时上报电梯上下行相关的故障。

电梯专用上下行数据判断模型同样需要持续微调特征参量，调整方式与专用开关门数据判断模型保持一致，同样设置电梯达到上下运动次数N＝100次后，按权重值Δ＝0.05微调每个上下行特征参量，从而达到提高数据采集精度及准确性的目的。

4、电梯运行高度采集模块

本发明中使用气压传感器测量电梯运行距离、速度、楼层高度等数据。电梯轿厢的上下运动会导致其所处位置的大气压强值变化，利用大气压强变化的差值可以计算电梯高度的变化，压力高度变化公式为：

ΔH＝Z2-Z1＝18400*(1+aT)*lgP1/P2 (9)

其中，Z₁为电梯开始当次上下运动时的高度，Z₂为电梯结束当次上下运动时的高度，P₁为Z₁高度上的气压，P₂为Z₂高度上的气压，a＝1/273，T为Z₁到Z₂间的空气柱平均温度，ΔH为电梯当次上下运动的高度。

由于***中的电子元器件运行时会发热，影响气压传感器读取到的气压值及温度值，对高度测量的结果带来不利影响。本发明为了减少***温升带来的测量误差，额外添加了温度传感器，与气压传感器内置的温度传感器测量值互相参照，并设定***的温补系数，纠正由于***温升带来的测量误差。这样做的好处是：气压传感器可布放在***内部，电梯上下运动时，避免气压传感器直接暴露于气流中；而独立的温度传感器无惧气流影响，可以布放在***的外壳边缘并开孔，从而准确测量环境温度，进而提高***的高度测量精度。

本发明的电梯物联网***安装在电梯后，需要将电梯的显示楼层及每层楼的层高信息输入***，建立电梯楼层高度参数。***准确测量出每次上下运动电梯的高度变化值，并与预先配置在***内的楼层高度及楼层总高度信息比对，计算得出电梯平层状态及所处楼层。根据电梯每次上下运动的时间及高度变化值，进而计算得出电梯当次运行的速度。综合分析电梯实时运行速度值和电梯上下行状态以及电梯开关门状态，可以精确地建立电梯实时运动状态模型。在电梯长距离运行时产生的最大速度即为电梯的额定速度，通过多次测量电梯长距离运行的最大速度并求取平均值，***即可准确学习得出此电梯的额定速度。***学习到电梯的额定速度后，通过与当次运行的最大速度对比，可分析出此电梯的运行速度是否正常，并在电梯超过额定速度一定倍数运行时上报超速故障。

综上所述，电梯物联网***采集所有传感器信息后，首先经过数据预处理，然后分别建立电梯专用开关门数据判断模型及电梯专用上下行数据判断模型，并利用压力高度公式，计算电梯的高度变化值。综合以上信息，***能实时采集到电梯上下行状态，电梯开关门状态，停梯状态，平层状态，电梯运行距离，电梯运行速度，电梯所处楼层，以及电梯实时运行时的加速特征，减速特征，轿门开门特征，关门特征，电梯晃动幅度等。

5、电梯故障判断模块

根据电梯的开关门状态及特征，上下行状态及特征，电梯运行距离及速度，声音信息等，本发明共定义了14种电梯故障，分别是：

一、反复开关门故障：电梯在同一楼层的平层位置且电梯处于停梯状态，在60s内电梯开关门次数达到5次，***自动上报反复开关门故障；电梯上下运动后，此故障恢复。电梯出现反复开关门故障，可能的成因是电梯门机***故障。

二、关门超时故障：电梯在同一楼层的平层位置且电梯处于停梯状态，在180s以上未关门或关门特征与电梯专用开关门模型不匹配时，***自动上报关门超时故障；电梯轿门正常关闭后，此故障恢复。

三、开门超时故障：电梯在同一楼层的平层位置且电梯处于停梯状态，在20s以上未开门或开门特征与电梯专用开关门模型不匹配时，***自动上报开门超时故障；电梯轿门正常打开或电梯上下运动后，此故障恢复。

四、电梯启动故障：电梯由停梯到加速运行阶段，加速特征与电梯专用上下行模型不匹配，且电梯上下运动的加速度峰值(±gPeak)超过120mg以上，***自动上报电梯启动故障；在电梯上下运动，且加速特征与电梯专用上下行模型匹配后，此故障恢复。电梯出现启动故障，可能的成因是电梯曳引***故障。

五、电梯停梯故障：电梯由减速到停梯运行阶段，加速特征与电梯专用上下行模型不匹配，且电梯上下运动的加速度峰值(±gPeak)超过120mg以上，***自动上报电梯停梯故障；在电梯上下运动，且加速特征与电梯专用上下行模型匹配后，此故障恢复。电梯出现停梯故障，可能的成因是电梯制动器***故障。

六、非平层停梯故障：电梯当次运行距离与***配置的电梯楼层高度参数不匹配，且电梯上下运动时的加速度峰值(±gPeak)超过160mg以上，说明电梯停梯时停在非平层位置，若此时电梯关门，***自动上报非平层停梯故障；在电梯上下运动，且加速特征与电梯专用上下行模型匹配后，此故障恢复。电梯出现非平层停梯故障，可能的成因是电梯变频器***故障。

七、非平层开门故障：电梯当次运行距离与***配置的电梯楼层高度参数不匹配，且电梯上下运动时的加速度峰值(±gPeak)超过160mg以上，说明电梯停梯时停在非平层位置，若此时电梯开门，***自动上报非平层开门故障；在电梯上下运动，且加速特征与电梯专用上下行模型匹配后，此故障恢复。

八、超速运行故障：电梯当次上下运动最大速度超过额定速度1.4倍时，***自动上报超速运行故障；若电梯再次运行后最大速度未达到额定速度的1.4倍，此故障恢复。

九、开门运行故障：电梯在开门状态下上下运动，且运行距离超过2米，***自动上报开门运行故障。电梯轿门正常关闭后，此故障恢复。电梯出现开门运行故障，可能的成因是电梯门联锁回路故障。

十、电梯冲顶故障：电梯上行超过最高平层位置30cm，且电梯当次运行加速特征与电梯专用上下行模型不匹配，且电梯上下运动的加速度峰值(±gPeak)超过200mg以上，***自动上报电梯冲顶故障。在电梯上下运动，且加速特征与电梯专用上下行模型匹配后，此故障恢复。电梯出现冲顶故障，可能的成因是电气安全装置失灵。

十一、电梯蹲底故障：电梯下行超过最低平层位置30cm，且电梯当次运行加速特征与电梯专用上下行模型不匹配，且电梯上下运动的加速度峰值(±gPeak)超过200mg以上，***自动上报电梯蹲底故障。在电梯上下运动，且加速特征与电梯专用上下行模型匹配后，此故障恢复。电梯出现蹲底故障，可能的成因是电气安全装置失灵。

十二、电梯坠梯故障：电梯下行时，加速度峰值(±gPeak)超过500mg以上，***自动上报坠梯故障；若电梯再次运行后加速度峰值未达到500mg，此故障恢复。电梯出现坠梯故障，可能的成因是电梯钢索需要保养或更换。

十三、电梯晃动故障：电梯上下运动时，前后左右方向出现摇摆，摇摆造成的前后左右加速度峰值超过20mg，或陀螺仪测量到的角速度大于5°/s，***自动上报电梯晃动故障；若电梯再次运行后摇摆幅度未达到峰值，此故障恢复。电梯出现晃动故障，可能的成因是电梯导轨需要保养。

十四、电梯停电故障：本***的电源输入接自电梯供电开关的前端，当电源断电后，本***的内置备用电池开始工作，同时***自动上报电梯停电故障；电源输入恢复后，此故障恢复。

在电梯发生故障时，电梯物联网***能够记录故障种类，故障发生及恢复时间故障电梯所处楼层，故障参数及特征，同时在电梯中安装声音采集设备，采集故障发生前后的声音信息，***通过声音分析是否有人员被困，并将分析结果及音频文件通过通信装置进行信息上报，为电梯管理人员或监管部门提供救援指导。

整体有的有益效果：***的安装及日常维护简单，并且独立于电梯自身的控制***，对电梯的正常运行无任何不良影响。本***具备高智能自主学习功能，数据采集精度高，故障判断准确性高，在电梯行业兴起“按需维保”工作方式的背景下，对于改进电梯维护保养工作方式提供了重要且有竞争力的技术支撑。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (3)

1.一种电梯运行轨迹分析***，其特征在于，包括数据预处理模块、建立电梯专用开关门模型模块、建立电梯专用上下行模型模块、电梯运行高度采集模块、电梯故障判断模块，

数据预处理模块用于获取电梯所有传感器输出的数据，对数据进行预处理；

建立电梯专用开关门模型模块用于根据电梯轿门的运动过程，选取电梯开关门的特征参量，建立通用开关门模型并收集有效的开关门数据；对开关门数据进行分组，统计分析电梯实时运行过程中各个分组下特征参量的取值，得到统计分析数据，根据分组后的开关门数据和统计分析数据，构建电梯专用开关门数据判断模型；

建立电梯专用上下行模型模块用于根据电梯上下行的运动过程，选取电梯上下行的特征参量，建立通用上下行模型并收集有效的上下行数据；对上下行数据进行分组，统计分析电梯实时运行过程中各个分组下特征参量的取值，得到统计分析数据，根据分组后的上下行数据和统计分析数据，构建电梯专用上下行门数据判断模型；

电梯运行高度采集模块用于计算电梯高度变化值；

电梯故障判断模块用于将电梯轿门实时运动过程与专用开关门数据判断模型进行比对，电梯上下实时运动过程与专用上下行数据判断模型比对，检测出电梯轿门的开关门状态及开关门特征、电梯上下行状态及上下行特征，并在比对结果不同时上报电梯轿门相关故障、电梯上下行相关故障。

2.根据权利要求1所述的一种电梯运行轨迹分析***，其特征在于，所述对数据进行预处理是指采用数字中值滤波器、一阶低通滤波器、滤除直流分量对数据进行预处理。

3.根据权利要求1所述的一种电梯运行轨迹分析***，其特征在于，所述计算电梯高度变化值是指根据公式(1)获得电梯上下运动高度差，

ΔH＝Z2-Z1＝18400*(1+aT)*lgP1/P2 (1)

其中，Z₁为电梯开始当次上下运动时的高度，Z₂为电梯结束当次上下运动时的高度，P₁为Z₁高度上的气压，P₂为Z₂高度上的气压，a＝1/273，T为Z₁到Z₂间的空气柱平均温度，ΔH为电梯当次上下运动的高度。

Images