CN114923107B - 一种基于物联网和聚类分析的扶梯润滑控制方法及装置 - Google Patents
一种基于物联网和聚类分析的扶梯润滑控制方法及装置 Download PDFInfo
- Publication number
- CN114923107B CN114923107B CN202210480987.6A CN202210480987A CN114923107B CN 114923107 B CN114923107 B CN 114923107B CN 202210480987 A CN202210480987 A CN 202210480987A CN 114923107 B CN114923107 B CN 114923107B
- Authority
- CN
- China
- Prior art keywords
- escalator
- target
- information
- acquiring
- lubrication
- 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
- 238000005461 lubrication Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000007621 cluster analysis Methods 0.000 title claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 24
- 239000010687 lubricating oil Substances 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 20
- 230000001050 lubricating effect Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000004138 cluster model Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000007635 classification algorithm Methods 0.000 claims description 4
- 238000009833 condensation Methods 0.000 claims description 4
- 230000005494 condensation Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 4
- 239000003921 oil Substances 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000005299 abrasion Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000003912 environmental pollution Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N29/00—Special means in lubricating arrangements or systems providing for the indication or detection of undesired conditions; Use of devices responsive to conditions in lubricating arrangements or systems
- F16N29/02—Special means in lubricating arrangements or systems providing for the indication or detection of undesired conditions; Use of devices responsive to conditions in lubricating arrangements or systems for influencing the supply of lubricant
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B27/00—Indicating operating conditions of escalators or moving walkways
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B31/00—Accessories for escalators, or moving walkways, e.g. for sterilising or cleaning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2230/00—Signal processing
- F16N2230/02—Microprocessor; Microcomputer
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2250/00—Measuring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2250/00—Measuring
- F16N2250/36—Viscosity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2270/00—Controlling
- F16N2270/20—Amount of lubricant
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2270/00—Controlling
- F16N2270/20—Amount of lubricant
- F16N2270/30—Amount of lubricant intermittent
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N2270/00—Controlling
- F16N2270/70—Supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Escalators And Moving Walkways (AREA)
Abstract
本发明公开了一种基于物联网和聚类分析的扶梯润滑控制方法及装置,方法包括:获取目标扶梯的运行工况信息和环境特征信息;对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;根据所述润滑参数,对所述目标扶梯进行润滑控制。本发明提高了精确度,且节能环保,可广泛应用于扶梯控制技术领域。
Description
技术领域
本发明涉及扶梯控制技术领域,尤其是一种基于物联网和聚类分析的扶梯润滑控制方法及装置。
背景技术
目前大多数的自动扶梯,采用自动润滑***,定时定量的自动加油,依赖前期对扶梯多次运行试验所需加油量进行设定。并没有考虑对于投入使用后特别是室外扶梯长期运作下的机件动态变化、环境温度、湿度和降雨等情况下的润滑工作,因此就可能出现因为运行部件初期工况良好而过度润滑、维保加油工作频繁、增加维保成本、资源浪费和环境污染,后期由于长期运作后部件老化而润滑不足、干磨损几率增加、加速部件老化等问题,这对于维保、经济或者环境而言都是一笔不小的损失。
发明内容
有鉴于此,本发明实施例提供一种精确度高且节能环保的,基于物联网和聚类分析的扶梯润滑控制方法及装置。
本发明的一方面提供了一种基于物联网和聚类分析的扶梯润滑控制方法,包括:
获取目标扶梯的运行工况信息和环境特征信息;
对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;
将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;
根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;
根据所述润滑参数,对所述目标扶梯进行润滑控制。
可选地,所述获取目标扶梯的运行工况信息和环境特征信息,包括以下至少之一:
获取所述目标扶梯的节距;
获取所述目标扶梯的滚子直径;
获取所述目标扶梯的内节内宽;
获取所述目标扶梯的精轴直径;
获取所述目标扶梯的销轴长度;
获取所述目标扶梯的内链板高度;
获取所述目标扶梯的链板厚度;
获取所述目标扶梯的极限拉伸载荷;
获取所述目标扶梯的平均拉伸载荷;
获取所述目标扶梯的每米长重;
获取所述目标扶梯的润滑油粘度指数;
获取所述目标扶梯的润滑油凝点;
获取所述目标扶梯的润滑油闪点;
获取所述目标扶梯的润滑油破乳化时间;
获取所述目标扶梯的环境温度信息;
获取所述目标扶梯的环境湿度信息;
获取所述目标扶梯的环境风力信息;
获取所述目标扶梯的环境沙尘信息;
获取所述目标扶梯的环境雨水信息。
可选地,所述方法还包括聚类模型的训练步骤,该步骤包括:
通过物联网技术获取扶梯工况特征和环境特征,构建扶梯训练样本;
对所述扶梯训练样本进行聚类分析训练,训练得到聚类模型;其中,所述聚类模型能够确定不同工况特征对应的扶梯类别;
将聚类得到的同种类别赋予相同的标签;其中,每种标签下的所有扶梯代表同一种机械状况的类型;同一标签下的所有扶梯的润滑控制模型相同。
可选地,所述方法还包括扶梯机械状况识别模型的训练步骤,该步骤包括:
根据所述聚类模型确定不同类别的扶梯样本集;
根据不同类别的扶梯样本集,结合有监督学习的分类算法训练扶梯机械状况识别模型;其中,所述扶梯机械状况识别模型用于确定扶梯的机械状况类别标签。
可选地,所述方法还包括对聚类模型的稳定性评估的步骤,该步骤包括以下至少之一:
计算不同类别的扶梯之间的类内和类间距离,根据所述类内和类间距离确定聚类的稳定性;
把原始样本集分为多个子集,对各个子集分别进行聚类后,对比原始样本集和子集之间的聚类结果,根据对比结果确定聚类的稳定性;
向原始数据加入随机干扰噪声,对比加入随机干扰噪声前后的聚类分析结果,根据对比结果确定聚类的稳定性;
针对原始数据在低维空间中随机投影的新特征数据进行聚类分析,对比投影前后的聚类分析结果,根据对比结果确定聚类的稳定性。
可选地,所述根据所述润滑模式确定润滑参数,包括以下至少之一:
根据所述润滑模式确定润滑油的加油量;
根据所述润滑模式确定润滑油的加油频率;
根据所述润滑模式确定润滑油的加油时长。
本发明实施例的另一方面还提供了一种基于物联网和聚类分析的扶梯润滑控制装置,包括:
第一模块,用于获取目标扶梯的运行工况信息和环境特征信息;
第二模块,用于对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;
第三模块,用于将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;
第四模块,用于根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;
第五模块,用于根据所述润滑参数,对所述目标扶梯进行润滑控制。
本发明实施例的另一方面还提供了一种基于物联网和聚类分析的扶梯润滑控制***,包括:
GPS定位装置,用于获取目标扶梯的位置信息,并发送至主控板;
物联网信息获取装置,用于从主控板获取目标扶梯的位置信息,并根据所述位置信息获取目标扶梯的运行工况信息和环境特征信息;将运行工况信息和环境特征信息发送至主控板;
主控板,用于接收、处理和发送相关信号,并根据触发的控制信号对加油装置发送润滑油控制指令;
边缘计算装置,用于从主控板获取运行工况信息和环境特征信息,然后建立聚类模型和扶梯机械状况识别模型;其中,所述聚类模型用于确定所述目标扶梯的类别信息,所述扶梯机械状况识别模型用于确定所述目标扶梯的目标机械状况类别;
加油装置,用于响应于主控板发出的润滑油控制指令进行润滑控制。
本发明实施例的另一方面还提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
本发明的实施例获取目标扶梯的运行工况信息和环境特征信息;对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;根据所述润滑参数,对所述目标扶梯进行润滑控制。本发明提高了精确度,且节能环保。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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获得其他的附图。
图1为本发明实施例提供的附体润滑控制***的结构示意图;
图2为本发明实施例提供的附体润滑控制方法的步骤流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
由于目前大多数的自动扶梯,采用自动润滑***,定时定量的自动加油,依赖前期对扶梯多次运行试验所需加油量进行设定。并没有考虑对于投入使用后特别是室外扶梯长期运作下的机件动态变化、环境温度、湿度和降雨等情况下的润滑工作,因此就可能出现因为运行部件初期工况良好而过度润滑、维保加油工作频繁、增加维保成本、资源浪费和环境污染,后期由于长期运作后部件老化而润滑不足、干磨损几率增加、加速部件老化等问题,这对于维保、经济或者环境而言都是一笔不小的损失。针对现有技术存在的问题,本发明将物联网技术与聚类分析技术相结合,优化扶梯自动润滑控制***,基于室外扶梯工况特征和环境特征进行无监督机器学习,根据其需求而进行加油润滑。该方案包含主控板、GPS定位装置、物联网信息获取装置、边缘计算装置和加油装置。
具体地,本发明实施例一方面提供了一种基于物联网和聚类分析的扶梯润滑控制方法,
包括:
获取目标扶梯的运行工况信息和环境特征信息;
对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;
将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;
根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;
根据所述润滑参数,对所述目标扶梯进行润滑控制。
可选地,所述获取目标扶梯的运行工况信息和环境特征信息,包括以下至少之一:
获取所述目标扶梯的节距;
获取所述目标扶梯的滚子直径;
获取所述目标扶梯的内节内宽;
获取所述目标扶梯的精轴直径;
获取所述目标扶梯的销轴长度;
获取所述目标扶梯的内链板高度;
获取所述目标扶梯的链板厚度;
获取所述目标扶梯的极限拉伸载荷;
获取所述目标扶梯的平均拉伸载荷;
获取所述目标扶梯的每米长重;
获取所述目标扶梯的润滑油粘度指数;
获取所述目标扶梯的润滑油凝点;
获取所述目标扶梯的润滑油闪点;
获取所述目标扶梯的润滑油破乳化时间;
获取所述目标扶梯的环境温度信息;
获取所述目标扶梯的环境湿度信息;
获取所述目标扶梯的环境风力信息;
获取所述目标扶梯的环境沙尘信息;
获取所述目标扶梯的环境雨水信息。
可选地,所述方法还包括聚类模型的训练步骤,该步骤包括:
通过物联网技术获取扶梯工况特征和环境特征,构建扶梯训练样本;
对所述扶梯训练样本进行聚类分析训练,训练得到聚类模型;其中,所述聚类模型能够确定不同工况特征对应的扶梯类别;
将聚类得到的同种类别赋予相同的标签;其中,每种标签下的所有扶梯代表同一种机械状况的类型;同一标签下的所有扶梯的润滑控制模型相同。
可选地,所述方法还包括扶梯机械状况识别模型的训练步骤,该步骤包括:
根据所述聚类模型确定不同类别的扶梯样本集;
根据不同类别的扶梯样本集,结合有监督学习的分类算法训练扶梯机械状况识别模型;其中,所述扶梯机械状况识别模型用于确定扶梯的机械状况类别标签。
可选地,所述方法还包括对聚类模型的稳定性评估的步骤,该步骤包括以下至少之一:
计算不同类别的扶梯之间的类内和类间距离,根据所述类内和类间距离确定聚类的稳定性;
把原始样本集分为多个子集,对各个子集分别进行聚类后,对比原始样本集和子集之间的聚类结果,根据对比结果确定聚类的稳定性;
向原始数据加入随机干扰噪声,对比加入随机干扰噪声前后的聚类分析结果,根据对比结果确定聚类的稳定性;
针对原始数据在低维空间中随机投影的新特征数据进行聚类分析,对比投影前后的聚类分析结果,根据对比结果确定聚类的稳定性。
可选地,所述根据所述润滑模式确定润滑参数,包括以下至少之一:
根据所述润滑模式确定润滑油的加油量;
根据所述润滑模式确定润滑油的加油频率;
根据所述润滑模式确定润滑油的加油时长。
本发明实施例的另一方面还提供了一种基于物联网和聚类分析的扶梯润滑控制装置,包括:
第一模块,用于获取目标扶梯的运行工况信息和环境特征信息;
第二模块,用于对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;
第三模块,用于将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;
第四模块,用于根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;
第五模块,用于根据所述润滑参数,对所述目标扶梯进行润滑控制。
本发明实施例的另一方面还提供了一种基于物联网和聚类分析的扶梯润滑控制***,包括:
GPS定位装置,用于获取目标扶梯的位置信息,并发送至主控板;
物联网信息获取装置,用于从主控板获取目标扶梯的位置信息,并根据所述位置信息获取目标扶梯的运行工况信息和环境特征信息;将运行工况信息和环境特征信息发送至主控板;
主控板,用于接收、处理和发送相关信号,并根据触发的控制信号对加油装置发送润滑油控制指令;
边缘计算装置,用于从主控板获取运行工况信息和环境特征信息,然后建立聚类模型和扶梯机械状况识别模型;其中,所述聚类模型用于确定所述目标扶梯的类别信息,所述扶梯机械状况识别模型用于确定所述目标扶梯的目标机械状况类别;
加油装置,用于响应于主控板发出的润滑油控制指令进行润滑控制。
本发明实施例的另一方面还提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
下面结合说明书附图,对本发明的具体实现过程进行详细描述:
如图1所示:室外扶梯自动润滑控制***包含主控板、GPS定位装置、物联网信息获取装置、边缘计算装置和加油装置。
其中主控板用于接收、处理与发送信号,在维持控制扶梯正常运行同时实现自动润滑***的总控制,主控板可以为微机板,PLC,单片机,嵌入式***等组成的控制器。
GPS定位装置主要用于获取室外扶梯的位置坐标信号,并传输到主控板。
物联网信息获取装置用于连接互联网,通过主控板进行控制网络数据传输,主要有两方面信息获取:第一,从主控板获取室外扶梯GPS定位信息后,从而获取扶梯定位环境特征(包括温度、湿度和风力等);第二,获取扶梯润滑部件的工况特征(包括驱动链节距、滚子直径和润滑油粘度指数等)。
边缘计算装置主要用于数据分析并建立机器学习模型,物联网获得的特征数据通过主控板输送给边缘计算装置进行数据预处理、特征分析和无监督机器学习,通过聚类分析方法将具有相似性状的扶梯样本进行归类,最终形成不同的扶梯类别标签,对于未来新加入的扶梯样本可以快速判断其类别并返回相应标签。
加油装置为最终执行目标,通过主控板进行润滑油模式控制,实现扶梯润滑过程。
如图2所示,室外扶梯润滑控制***流程图。目前现有技术主要集中在加油装置的优化,对加油强度的研究较少,通常采用单一的周期性加油模式,并没有对扶梯本身需求进行考量,并未涉及到对加油强度和频率的控制方法。有些室外扶梯由于使用通用的加油模式,在恶劣的环境下不能保证扶梯的最佳润滑,从而加速扶梯老化,在良好环境下过度润滑,造成润滑油的浪费。
本发明通过获取扶梯实时数据进行自动润滑***的调整,控制扶梯的润滑频率,从而降低部件干磨损机率、减少润滑资源浪费、降低成本、减轻维保工作压力、减少环境污染。首先通过物联网技术获取室外扶梯运行过程中的工况与环境特征信息,其中,工况特征包括驱动链特征(包括节距、滚子直径、内节内宽、精轴直径、销轴长度、内链板高度、链板厚度、极限拉伸载荷、平均拉伸载荷、每米长重)和所使用的润滑油指标(包括粘度指数、凝点、闪点和破乳化时间),环境特征包括温度、湿度、风力、沙尘和雨水。共获取室外扶梯的19个特征。
基于以上特征,针对大量扶梯样本进行聚类分析,以聚类稳定性作为最终优化目标,获取最佳的类别数量,针对聚类后的不同类别,设定不同强度的润滑模式,不同模式皆要保证扶梯的润滑效果最佳,例如机件运行时的振动和噪声降到最小,润滑油附着率最高等等。其中,对聚类分析的效果进行评估时,要求算法对原始数据学习后聚合得到的类别分布相对稳定,并且不会随着噪声、随机样本集和模型迭代次数改变而改变,如流程图2中的稳定性评估步骤中,需要对扶梯样本聚类稳定性进行评估,可以从以下多个方面进行考量:第一,通过类的分离情况进行衡量,类内距离越小并且类间距离越大稳定性越高;第二,把原始样本集分为多个子集,各子集分别进行聚类,对比原始样本集和子集聚类结果,其差异越小则稳定性越高;第三,对原始数据加入随机干扰噪声前后聚类分析结果对比,受到干扰噪声更小的聚类模型相对稳定性更高;第四,针对原始数据在低维空间中随机投影的新特征数据进行聚类分析,不随着投影空间而改变的聚类模型相对稳定性更高。因此,从以上几个方向提高聚类稳定性,对无监督学习过程中的模型参数进行优化,例如聚合的类别数、收敛方式和特征表达方法的调优。
通过聚类分析,训练出不同工况特征的扶梯类别,针对聚类得到的同种类别赋予相同的标签,并使用标签区别不同类别,在同样标签下所有扶梯样本都视为同一种类型机械状况,因此其加油模式也应该设为一致。前期训练好聚类模型后,得到了不同类别的扶梯样本集,再基于不同类别的扶梯数据,结合分类算法(有监督学习)进行扶梯机械状况识别模型训练,后面在新的测试样本加入时,通过扶梯机械状况识别模型进行判别,识别出新测试样本所属的机械状况类别标签,然后把标签返回到主控板,从而润滑控制***输出该标签所对应的润滑模式。从而在提高扶梯运行性能的同时,充分利用润滑油资源,降低成本消耗并减缓机械磨损。
润滑模式,由实际情况聚类而定,不同扶梯的部件特征与环境特征具有差异,通过无监督机器学习可以寻找同类的共性并基于类间差异特征进行聚类,使情况相似的样本归属于某一类别,在聚合的每一类别中,给定的润滑模式可以使到扶梯运行状态最优,不同的润滑模式具有针对性,根据不同机械状况类别标签,设置润滑参数(例如加油量、加油频率和加油时长等)。此外,通过多次重复迭代实验,以聚类稳定性作为评价标准,优化扶梯样本聚类效果,后期新增一个扶梯样本时,可以快速判别其类型,从而使用对应的润滑模式。
综上所述,相较于现有技术,本发明具有以下优点:
1、精确度更高,只需要前期训练好扶梯类别标签,投入使用后通过获取室外扶梯实时特征数据,即可快速判别出应该执行何种等级的润滑模式,使室外扶梯的润滑程序更加精确,提高润滑效果,降低运动部件干磨损几率,延长使用寿命,减轻维保人员工作压力。
2、降本节能环保,不同于现行方法自动润滑***中固定不变的加油频率,而是通过扶梯运行工况和环境特征进行决策,可根据扶梯需求自动调整加油频率,避免室外扶梯运行过程中加油量过多或过少导致资源利用不合理的问题,提高资源利用率的同时减轻环境污染,降低维保人员润滑油更换工作的频率,节约成本。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-On ly Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (7)
1.一种基于物联网和聚类分析的扶梯润滑控制方法,其特征在于,包括:
获取目标扶梯的运行工况信息和环境特征信息;
对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;
将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;
根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;
根据所述润滑参数,对所述目标扶梯进行润滑控制;
所述获取目标扶梯的运行工况信息和环境特征信息,包括以下至少之一:
获取所述目标扶梯的节距;
获取所述目标扶梯的滚子直径;
获取所述目标扶梯的内节内宽;
获取所述目标扶梯的精轴直径;
获取所述目标扶梯的销轴长度;
获取所述目标扶梯的内链板高度;
获取所述目标扶梯的链板厚度;
获取所述目标扶梯的极限拉伸载荷;
获取所述目标扶梯的平均拉伸载荷;
获取所述目标扶梯的每米长重;
获取所述目标扶梯的润滑油粘度指数;
获取所述目标扶梯的润滑油凝点;
获取所述目标扶梯的润滑油闪点;
获取所述目标扶梯的润滑油破乳化时间;
获取所述目标扶梯的环境温度信息;
获取所述目标扶梯的环境湿度信息;
获取所述目标扶梯的环境风力信息;
获取所述目标扶梯的环境沙尘信息;
获取所述目标扶梯的环境雨水信息;
所述方法还包括聚类模型的训练步骤,该步骤包括:
通过物联网技术获取扶梯工况特征和环境特征,构建扶梯训练样本;
对所述扶梯训练样本进行聚类分析训练,训练得到聚类模型;其中,所述聚类模型能够确定不同工况特征对应的扶梯类别;
将聚类得到的同种类别赋予相同的标签;其中,每种标签下的所有扶梯代表同一种机械状况的类型;同一标签下的所有扶梯的润滑控制模型相同;所述方法还包括扶梯机械状况识别模型的训练步骤,该步骤包括:
根据所述聚类模型确定不同类别的扶梯样本集;
根据不同类别的扶梯样本集,结合有监督学习的分类算法训练扶梯机械状况识别模型;其中,所述扶梯机械状况识别模型用于确定扶梯的机械状况类别标签。
2.根据权利要求1所述的一种基于物联网和聚类分析的扶梯润滑控制方法,其特征在于,所述方法还包括对聚类模型的稳定性评估的步骤,该步骤包括以下至少之一:
计算不同类别的扶梯之间的类内和类间距离,根据所述类内和类间距离确定聚类的稳定性;
把原始样本集分为多个子集,对各个子集分别进行聚类后,对比原始样本集和子集之间的聚类结果,根据对比结果确定聚类的稳定性;
向原始数据加入随机干扰噪声,对比加入随机干扰噪声前后的聚类分析结果,根据对比结果确定聚类的稳定性;
针对原始数据在低维空间中随机投影的新特征数据进行聚类分析,对比投影前后的聚类分析结果,根据对比结果确定聚类的稳定性。
3.根据权利要求1所述的一种基于物联网和聚类分析的扶梯润滑控制方法,其特征在于,所述根据所述润滑模式确定润滑参数,包括以下至少之一:
根据所述润滑模式确定润滑油的加油量;
根据所述润滑模式确定润滑油的加油频率;
根据所述润滑模式确定润滑油的加油时长。
4.一种应用如权利要求1-3任一项所述的基于物联网和聚类分析的扶梯润滑控制方法的装置,其特征在于,包括:
第一模块,用于获取目标扶梯的运行工况信息和环境特征信息;
第二模块,用于对所述运行工况信息和环境特征信息输入聚类模型,确定所述目标扶梯的类别信息;
第三模块,用于将所述目标扶梯的类别信息输入扶梯机械状况识别模型,确定所述目标扶梯的目标机械状况类别;
第四模块,用于根据所述目标机械状况类别,确定所述目标扶梯的润滑模式,并根据所述润滑模式确定润滑参数;
第五模块,用于根据所述润滑参数,对所述目标扶梯进行润滑控制。
5.一种基于物联网和聚类分析的扶梯润滑控制***,其特征在于,包括:
GPS定位装置,用于获取目标扶梯的位置信息,并发送至主控板;
物联网信息获取装置,用于从主控板获取目标扶梯的位置信息,并根据所述位置信息获取目标扶梯的运行工况信息和环境特征信息;将运行工况信息和环境特征信息发送至主控板;
主控板,用于接收、处理和发送相关信号,并根据触发的控制信号对加油装置发送润滑油控制指令;
边缘计算装置,用于从主控板获取运行工况信息和环境特征信息,然后建立聚类模型和扶梯机械状况识别模型;其中,所述聚类模型用于确定所述目标扶梯的类别信息,所述扶梯机械状况识别模型用于确定所述目标扶梯的目标机械状况类别;
加油装置,用于响应于主控板发出的润滑油控制指令进行润滑控制。
6.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1至3中任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1至3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210480987.6A CN114923107B (zh) | 2022-05-05 | 2022-05-05 | 一种基于物联网和聚类分析的扶梯润滑控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210480987.6A CN114923107B (zh) | 2022-05-05 | 2022-05-05 | 一种基于物联网和聚类分析的扶梯润滑控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114923107A CN114923107A (zh) | 2022-08-19 |
CN114923107B true CN114923107B (zh) | 2024-04-05 |
Family
ID=82807282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210480987.6A Active CN114923107B (zh) | 2022-05-05 | 2022-05-05 | 一种基于物联网和聚类分析的扶梯润滑控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114923107B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116374785B (zh) * | 2023-05-31 | 2023-09-05 | 菱王电梯有限公司 | 户外自动扶梯及其控制方法 |
CN117091063B (zh) * | 2023-10-18 | 2024-01-09 | 沈阳仪表科学研究院有限公司 | 一种轴承自动润滑调控方法、***及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205892487U (zh) * | 2016-08-11 | 2017-01-18 | 苏州速菱电梯有限公司 | 自动扶梯润滑装置 |
CN106586796A (zh) * | 2016-11-15 | 2017-04-26 | 王蕊 | 一种自动扶梯状态监测***及方法 |
CN208964360U (zh) * | 2018-10-11 | 2019-06-11 | 苏州江南嘉捷电梯有限公司 | 一种扶梯自动润滑装置 |
CA3063580A1 (en) * | 2018-12-17 | 2020-06-17 | 10353744 Canada Ltd. | Classifier training method and apparatus, electronic device and computer readable medium |
CN113987905A (zh) * | 2020-12-18 | 2022-01-28 | 天津市特种设备监督检验技术研究院(天津市特种设备事故应急调查处理中心) | 一种基于深度信念网络的自动扶梯制动力智能诊断*** |
CN215797860U (zh) * | 2021-04-02 | 2022-02-11 | 上海三菱电梯有限公司 | 一种自动扶梯主驱动链条缺油状态的检测装置 |
-
2022
- 2022-05-05 CN CN202210480987.6A patent/CN114923107B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205892487U (zh) * | 2016-08-11 | 2017-01-18 | 苏州速菱电梯有限公司 | 自动扶梯润滑装置 |
CN106586796A (zh) * | 2016-11-15 | 2017-04-26 | 王蕊 | 一种自动扶梯状态监测***及方法 |
CN208964360U (zh) * | 2018-10-11 | 2019-06-11 | 苏州江南嘉捷电梯有限公司 | 一种扶梯自动润滑装置 |
CA3063580A1 (en) * | 2018-12-17 | 2020-06-17 | 10353744 Canada Ltd. | Classifier training method and apparatus, electronic device and computer readable medium |
CN113987905A (zh) * | 2020-12-18 | 2022-01-28 | 天津市特种设备监督检验技术研究院(天津市特种设备事故应急调查处理中心) | 一种基于深度信念网络的自动扶梯制动力智能诊断*** |
CN215797860U (zh) * | 2021-04-02 | 2022-02-11 | 上海三菱电梯有限公司 | 一种自动扶梯主驱动链条缺油状态的检测装置 |
Non-Patent Citations (1)
Title |
---|
自动扶梯主驱动链条性能测试分析与润滑保养;庞旭旻;仇润鹤;;科技与创新;20160205(03);10-11 * |
Also Published As
Publication number | Publication date |
---|---|
CN114923107A (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114923107B (zh) | 一种基于物联网和聚类分析的扶梯润滑控制方法及装置 | |
Yan et al. | A study of information technology used in oil monitoring | |
Bateni et al. | Predjoule: A timing-predictable energy optimization framework for deep neural networks | |
Torgo et al. | Regression using classification algorithms | |
CN108961468B (zh) | 一种基于集成学习的船舶动力***故障诊断方法 | |
CN110633729A (zh) | 一种面向智能网联车辆群组测试的驾驶风险分级聚类方法 | |
CN116484751B (zh) | 一种风电机组部件的疲劳寿命评估方法及装置 | |
CN112785081A (zh) | 油温预测方法、装置、电子设备和存储介质 | |
CN114219216B (zh) | 一种电力***的运行调度方法、***、装置及介质 | |
Atamuradov et al. | Feature selection and fault‐severity classification–based machine health assessment methodology for point machine sliding‐chair degradation | |
Morales et al. | Applicability of LAMDA as classification model in the oil production | |
CN113424120A (zh) | 无需计量地捕获机器特别是机床的特性确定该特性的方法 | |
CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
CN117910923A (zh) | 一种建材消耗监控管理***及其管理方法 | |
Andres et al. | Directed technological change and general purpose technologies: can AI accelerate clean energy innovation? | |
CN116247655A (zh) | 一种风电出力预测方法、***、存储介质及设备 | |
CN112834729A (zh) | 一种液压油品质监测方法、装置及*** | |
CN116402661A (zh) | 碳资产管理*** | |
CN116737360A (zh) | 面向混合负载的多基准驱动调参服务器能效调优方法及装置 | |
Nemani et al. | Health index construction with feature fusion optimization for predictive maintenance of physical systems | |
CN113869266B (zh) | 基于大数据分析的离心压缩机旋转失速早期预警方法 | |
Jia et al. | An object detection network for wear debris recognition in ferrography images | |
CN111275306B (zh) | 电梯改造评估方法及电梯改造评估*** | |
Idros et al. | Condition based engine oil degradation monitoring system, synthesis and realization on ASIC | |
CN111444658A (zh) | 一种槽型轨几何参数趋势预测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |