CN116873690B - 电梯安全监控数据处理*** - Google Patents
电梯安全监控数据处理*** Download PDFInfo
- Publication number
- CN116873690B CN116873690B CN202311140698.2A CN202311140698A CN116873690B CN 116873690 B CN116873690 B CN 116873690B CN 202311140698 A CN202311140698 A CN 202311140698A CN 116873690 B CN116873690 B CN 116873690B
- Authority
- CN
- China
- Prior art keywords
- safety monitoring
- elevator
- monitoring data
- data
- terminal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 149
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 238000003062 neural network model Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000006855 networking Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 241001584775 Tunga penetrans Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
- B66B5/0031—Devices monitoring the operating condition of the elevator system for safety reasons
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3415—Control system configuration and the data transmission or communication within the control system
- B66B1/3423—Control system configuration, i.e. lay-out
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3415—Control system configuration and the data transmission or communication within the control system
- B66B1/3446—Data transmission or communication within the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本申请公开了一种电梯安全监控数据处理***包括:若干电梯终端和云平台,云平台还包括:数据模块;数据模块包括:采集单元、判断单元、输入单元和替换单元;其中,替换单元用于在判断单元判断第一个电梯终端的安全监测数据不满足预设判断条件时则根据其他预设范围内的第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全监测数据中对应的部分从而生成二次安全监测数据以替换第一个电梯终端的安全监测数据。本申请的有益之处在于提供一种通过多个电梯终端数据混合的方式改善神经网络模型训练从而实现智能预测的电梯安全监测数据处理***。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种电梯安全监控数据处理***。
背景技术
电梯给人们带来诸多生活中便捷的同时,也不可避免引起了较多困扰与损害,尤其是随着电梯在用年龄的增加,其安全隐患也日趋严重,各类电梯事故如冲顶、困人和坠落等,时有发生,既对人们的日常使用产生影响,又对人们的生命安全构成了一定的威胁。
现有技术中,为减少电梯故障引起的事故所造成的损失,电梯维保企业采取预防性维护方法,对电梯设备进行周期性检修,检测手段多为人工检测,即使采用远程上传电梯安全相关的数据也需要人工按周期进行排查。
在相关技术中,可以采用电梯的安全监测数据对神经网络模型进行训练从而实现电梯安全故障的智能预测,但是由于单个电梯的安全监控数据本身的数据量问题以及电梯的安全监测数据本身数据波动较小的问题,使训练神经网络模型时模型难以收敛。
发明内容
本申请的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本申请的一些实施例提出了一种电梯安全监控数据处理***,来解决以上背景技术部分提到的技术问题。
本申请的电梯安全监控数据处理***包括:若干电梯终端,用于通过无线通讯网络发送电梯的安全监测数据;云平台,用于接收电梯终端发送的安全监测数据;其中,云平台包括:故障预测模块,用于存储和运行至少一个神经网络模型以使神经网络模型能根据输入神经网络模型的安全监测数据或其衍生数据输出用于判定电梯安全的预测结果数据;其中,云平台还包括:数据模块,用于处理电梯终端上传的安全监测数据;其中,数据模块包括:采集单元,用于采集第一个电梯终端的安全监测数据;判断单元,用于判断采集单元所采集的第一个电梯终端的安全监测数据是否满足预设判断条件;输入单元,用于在判断单元判断第一个电梯终端的安全监测数据满足预设判断条件时则将该电梯终端的安全监测数据输入至神经网络模型以作为神经网络模型的训练输入数据或预测输入数据;替换单元,用于在判断单元判断第一个电梯终端的安全监测数据不满足预设判断条件时则根据其他预设范围内的第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全监测数据中对应的部分从而生成二次安全监测数据以替换第一个电梯终端的安全监测数据。
进一步的,安全监测数据包括:曳引机振动数据、曳引机噪声数据、曳引机温度数据、曳引机电流数据和曳引机转速数据。
进一步的,安全监测数据还包括:曳引钢丝绳振动数据和曳引钢丝绳噪声数据。
进一步的,安全监测数据还包括:轿厢振动数据、轿厢噪声数据和噪声姿态数据。
进一步的,电梯终端与云平台通过5G通讯协议进行无线通讯。
进一步的,判断单元的判断条件包括:判断电梯终端的安全监测数据是否完整。
进一步的,判断单元的判断条件还包括:判断电梯终端的安全监测数据中对应项目的数据变化是否超过预设阈值。
进一步的,判断单元的判断条件还包括:判断电梯终端的安全监测数据是否为已经出现过的历史数据。
进一步的,替换单元中的预设范围为被标记为同一类型的电梯终端所构成的集合。
进一步的,替换单元中根据其他预设范围内的第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全监测数据中对应的部分从而生成二次安全监测数据以替换第一个电梯终端的安全监测数据包括:直接调用第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全监测数据;和根据第二个电梯终端的安全监测数据中的至少一部分计算出的数据替换第一个电梯终端的安全监测数据。
进一步的,数据模块还包括:选择单元,用于在判断单元判断第一个电梯终端的安全监测数据不满足预设判断条件时根据第一个电梯终端的运行数据与预设范围内其他电梯终端的运行数据的相似度选择其中一个电梯终端作为第二个电梯终端。
本申请的有益效果在于:提供一种通过多个电梯终端数据混合的方式改善神经网络模型训练从而实现智能预测的电梯安全监测数据处理***。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。
另外,贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
在附图中:
图1是根据本申请一种实施例的电梯安全监测数据处理***的架构示意图;
图2是根据本申请一种实施例的云平台的架构示意图;
图3是根据本申请一种实施例的故障预测模块的架构示意图;
图4是根据本申请一种实施例的电梯安全监测数据处理***处理数据步骤示意图;
图5是根据本申请一种实施例的电梯安全监测数据处理***通讯架构示意图;
图6是根据本申请一种实施例的电梯安全监测数据处理***中神经网络模型原理示意图。
实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“ 第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参照图1所示,本申请的电梯安全监控数据处理***包括:若干电梯终端和一个云平台。
其中,电梯终端用于采集和上传电梯的安全监测数据。具体而言,电梯终端通过无线通讯网络发送电梯的安全监测数据。
更具体而言,电梯一般包括曳引机、曳引钢丝绳和轿厢。其中,曳引机是电梯的动力设备,又称电梯主机。功能是输送与传递动力使电梯运行。它由电动机、制动器、联轴器、减速箱、曳引轮、机架和导向轮及附属盘车手轮等组成。导向轮一般装在机架或机架下的承重梁上。盘车手轮有的固定在电机轴上,也有平时挂在附近墙上,使用时再套在电机轴上。而曳引钢丝绳则连接在曳引机和轿厢之间用于传递拉力从而提升或降落轿厢。
为了对电梯的运行进行安全监测,可以对曳引机、曳引钢丝绳和轿厢的相关参数进行检测。一般而言,如图5所示,可以采用振动传感器、噪音传感器对曳引机、曳引钢丝绳以及轿厢的振动和噪声进行检测,同时又可以采用温度传感器对曳引机的温度进行检测从而获知曳引机是否过热。并且将曳引机自身控制所需检测的电流和转速也作为检测项目。
另外,为了更好监控轿厢,可以采用一个或多个陀螺仪对轿厢的姿态进行检测,从而获得能够反应轿厢姿态的数据。
由以上可知,这些传感器设置在整个电梯的不同位置,作为一种优选方案,本申请的电梯终端包括若干个物联网通讯模块(图中未示出),它们可以进行近程通讯从而将各个传感器上传的数据进行汇总,如图5所示,该物联网通讯模块可以选用Smartmesh网络模块进行通讯组网,并对应曳引机、曳引钢丝绳和轿厢分别设置一个Smartmesh网络模块。
另外,电梯终端配置有一个总的远程无线通讯模块(图中未示出)将各个物联网通讯模块收集的数据再次汇总发送至云平台。如图5所示,该远程无线通讯模块可以采用一个5G模块。
具体而言,每个电梯配置的电梯终端相当于该电梯的“黑匣子”。
如图5所示,电梯终端包括用于获取关键部件状态的传感器,传感器组网模块,5G通讯模块等,图5中的上层服务应用主要指计算机端的云平台等部分。传感器主要有监测振动的振动传感器,拾取噪声信号的噪声传感器,温度传感器,由三轴加速度和三轴陀螺仪组合成的姿态传感器,这些传感器需要独立设置在关键部件的适当位置。另外,电流信号和转速信号利用曳引机自带的电流传感器和转速传感器获取。将上述传感器进行自组网,形成本地网关,并将信号发送给5G模块,且各个电梯设备间形成区块,通过搭建区块链并经由5G模块上传到以太网,云平台从以太网获取信息并进行交互处理。
更具体而言,在电梯中的关键部件如曳引机、曳引绳、轿厢等上的合适位置布置测点。
电梯终端的各类传感器用于采集曳引机的振动信号、噪声信号、温度信号、电流信号和转速信号,其中对振动、噪声和温度信号提取并分析特征量实现健康监测、故障预测及应急救援;根据电流信号和转速信号及曳引机相关参数计算曳引机输出转矩,进而估算制动器的制动力矩,实现制动器的健康监测和故障预测及应急救援;采集并分析曳引绳的振动信号和噪声信号,对曳引绳和曳引轮的状态进行监测和故障预测及应急救援;采集并分析轿厢的姿态信号、轿厢外的噪声信号,对轿厢的状态进行监测和故障预测及应急救援。
电梯井内传感器的组网方式。每部电梯内的各个测点的传感器通过Smartmesh协议进行组网,形成本地网关。本地网关接入5G模块,将传感器数据通过5G网络接入云平台。
作为具体方案,本申请中的安全监测数据包括:曳引机振动数据、曳引机噪声数据、曳引机温度数据、曳引机电流数据和曳引机转速数据、曳引钢丝绳振动数据、曳引钢丝绳噪声数据、轿厢振动数据、轿厢噪声数据和轿厢姿态数据。
其中,作为具体方案,轿厢姿态数据包括两组具体数据:X轴倾角和Y轴倾角。也即轿厢在水平面两个方向上的倾角角度。
其中,如图2所示,云平台包括:信号处理模块、故障预测模块和维护管理模块。其中,信号处理模块主要对传输过来的传感器信号进行处理、提取并分析特征量,实现健康监测;故障预测模块主要是在大数据的分析和评估基础上,聚焦在对相关部件或设备的故障及剩余寿命的预测;维护管理模块是通过使用故障预测结果,构建预测性维护和按需维护所需的资源类型,包括人员、备件、工具和时间等,实现计划、实施、检查、分析(PDCA)的闭环控制。
云平台的故障预测模块具体用于存储和运行至少一个神经网络模型以使神经网络模型能根据输入神经网络模型的安全监测数据或其衍生数据输出用于判定电梯安全的预测结果数据。
按照上述方案,本申请中的安全监测数据为一个数列,可以将其看做一个只有一行的矩阵。此时,可以在云平台训练一个神经网络模型,将安全监测数据作为输出数据,将安全监测数据对应的电梯状态作为输出数据,这样可以训练该神经网络模型进行对电梯状态预测的训练。可以将电梯状态设置为“危险”、“待查”、“正常”三种,并分别赋值为-1、0、1;这样即可以实现神经网络模型的训练。
本申请云平台的神经网络模型可以为卷积神经网络也可以是全连接神经网络、生成对抗网络等,当然,也可以为循环神经网络、长短期记忆网络等。作为优选方案,本申请云平台所使用的神经网络模型为卷积神经网络,该网络即可以用于分类也可以用于预测。
可以收集同类型电梯的历史数据,将对应安全监测数据和电梯状态的赋值输入至前述的神经网络模型,从而该神经网络模型具有预测或分类功能,从而对电梯下一时刻的运行状态或者当前状态分类进行分析输出。当然,可以设置两个神经网络模型,其中一个用于预测,另一个用于分类。
利用卷积神经网络以及对应的矩阵数据进行预测和分类功能的神经网络模型为本领域技术人员所知晓的一般技术手段,也不是本申请的重点改进,在此不加赘述。
在进行神经网络训练时,由于单个电梯的数据有限,有的电梯甚至在定期检修的期限内都不发生故障,同时又由于电梯各个部分对于电梯状态的影响都是决定性的,因此如果采用以往单个电梯终端数据进行训练的话,非常容易出现神经网络模型不收敛的问题。虽然可以采用类似于决策树分类方式找到影响电梯核心数据项,但是决策树分类结果每次都不统一,比如曳引机故障和轿厢姿态摆动过大都会引起轿厢卡顿的问题。当然,可以通过人为增加数据集的方式改善训练效率,但是这样训练出的模型很容易出现准确性的问题,训练完成后的置信度交底,无法帮助及时有效的进行安全预警。
为了解决这个问题,本申请的故障预测模块包括:采集单元、判断单元、输入单元、输出单元、替换单元和选择单元。
其中,采集单元用于采集第一个电梯终端的安全监测数据;判断单元用于判断采集单元所采集的第一个电梯终端的安全监测数据是否满足预设判断条件;输入单元用于在判断单元判断第一个电梯终端的安全监测数据满足预设判断条件时则将该电梯终端的安全监测数据输入至神经网络模型以作为神经网络模型的训练输入数据或预测输入数据;替换单元用于在判断单元判断第一个电梯终端的安全监测数据不满足预设判断条件时则根据其他预设范围内的第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全。
输出单元在输入单元向神经网络模型输入满足预设条件的安全监测数据后输出对应的预测结果数据。
也即故障预测模块通过上述处理单元实现了如图4所示的方法,其具体包括如下步骤:
S1:采集第一个电梯终端的安全监测数据;
S2:判断采集单元所采集的第一个电梯终端的安全监测数据是否满足预设判断条件;
S3:在判断单元判断第一个电梯终端的安全监测数据满足预设判断条件时则将该电梯终端的安全监测数据输入至神经网络模型以作为神经网络模型的训练输入数据或预测输入数据;
S4:在判断单元判断第一个电梯终端的安全监测数据不满足预设判断条件时则根据其他预设范围内的第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全。
S5: 输入单元向神经网络模型输入满足预设条件的安全监测数据后输出对应的预测结果数据。
以上技术方案总的构思在于采用一个集合中电梯终端数据进行互补从而使数据具有一定训练价值。由于已经通过预设条件对数据进行调整,如果此时训练的神经网络模型还是用来分类当前的电梯状态则不能够保证电梯安全监测的需要,因为这样根据互补的数据进行分类时,如果在真实使用时则会出现非正常运行状态分类时,可能电梯已经处于较差的状态了,这样相当于对于安全的保障是滞后的。因此,此处最好采用神经网络模型进行下一时刻的预测。
即训练时,采用上一时刻的安全监测数据作为输入,以下一时刻的电梯状态赋值作为输出的预测结果数据。
作为具体方案,电梯终端与云平台通过5G通讯协议进行无线通讯。这样云平台才能与电梯终端具有足够的传输速度,从而实现神经网络模型预测所需数据。
作为优选方案,判断单元的判断条件包括:
S21:判断电梯终端的安全监测数据是否完整;
S22:判断电梯终端的安全监测数据中对应项目的数据变化是否超过预设阈值;
S23:判断电梯终端的安全监测数据是否为已经出现过的历史数据。
其中,判断电梯终端的安全监测数据是否完整是因为电梯终端在每个采样周期时,相应的传感器可能并未被触发或这损坏,从而上传的数据可能出现缺失,另外由于5G网络较快,出现本地物联网数据丢包可能性也是存在的,在以往这样的一组数据可能就是废数据。
而判断电梯终端的安全监测数据中对应项目的数据变化是否超过预设阈值是指和上一组数据相比其变化是否超过预设阈值。这里的数据变化采用百分比进行衡量,两次数据之差与当前数据的比值即作为数据变化,而预设阈值则是一个动态阈值,其是所有预设范围内的电梯终端对于该数据当前得出数据变化的平均值。这样可以更好进行动态匹配避免人为设定阈值影响最终的神经网络模型训练。
至于排出历史数据是因为一旦出现历史数据则说明该数据训练价值和预测价值低。当然,作为一种优选方案,安全监测数据和运行数据进行匹配,如果出现了相同的安全监测数据后仍需比对运行数据,如果运行数据也完全相同,则可以认为是相同数据。
这里所指的运行数据是指,电梯主动控制时输出控制信号对应参数,比如驱动曳引机的电压、电流以及距离等等。
作为优选方案,替换单元中的预设范围为被标记为同一类型的电梯终端所构成的集合。预设范围实际是圈定了神经网络模型所适用的电梯范围。更具体而言,预设范围中的电梯希望电梯井结构、电梯本身的机构和设备时完全相同。这样才能实现准确和高效的训练。
作为优选方案,替换单元中根据其他预设范围内的第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全监测数据中对应的部分从而生成二次安全监测数据以替换第一个电梯终端的安全监测数据包括:直接调用第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全监测数据;和根据第二个电梯终端的安全监测数据中的至少一部分计算出的数据替换第一个电梯终端的安全监测数据。
根据第二个电梯终端的安全监测数据中的至少一部分计算出的数据替换第一个电梯终端的安全监测数据是指可能存在多个“第二个电梯终端”,可以采用取它们平均值方式进行数据替换。
这里优选第一种替换方式,即直接调用第二个电梯终端的安全监测数据中的至少一部分替换第一个电梯终端的安全监测数据,这样更能反应实际情况。
需要说明的是,这里所指的对安全监测数据的替换,不是对安全监测数据的全部替换,而是安全监测数据中某些项数据不满足S2的判断,比如曳引钢丝绳振动数据和曳引钢丝绳噪声数据,则将这些数据进行替换。
作为本申请中较为重要的部分,如何选择用于替换的第二个电梯终端决定了二次安全监测数据有效性。选择单元用于在判断单元判断第一个电梯终端的安全监测数据不满足预设判断条件时根据第一个电梯终端的运行数据与预设范围内其他电梯终端的运行数据的相似度选择其中一个电梯终端作为第二个电梯终端。具体而言,即第一个电梯终端的安全监测数据不满足预设判断条件时找到与之具有相类似运行数据的另一个电梯终端,而此时不论该电梯终端安全监测数据中其他数据项(即第一个电梯终端中满足预设条件的数据项)是否相同,而只考虑第二个电梯终端的安全监测数据对应的数据项替换掉第一个电梯终端中不满足预设条件的数据项后生成新数据(二次安全监测数据)是否满足预设条件。
第二个电梯终端的安全监测数据可以即时上传的数据也可以是历史数据。
通过这样方式,相当于将预设范围内的电梯终端数据组合成了一个整体数据从而提高了神经网络模型训练的效率,同时在使用该神经网络模型时,仍采用替换产生的二次安全监测数据进行输入,这样即使在出现某些数据掉包的情况下仍能较早的发现电梯的故障。
本申请的技术方案,相当于克服以往认为对于同一个对象只能采用该对象的数据进行神经网络模型训练以及不采用真实值进行预测会降低准确性的技术偏见。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种电梯安全监测数据处理***,包括:
若干电梯终端,用于通过无线通讯网络发送电梯的安全监测数据;
云平台,用于接收所述电梯终端发送的安全监测数据;
其中,所述云平台包括:
故障预测模块,用于存储和运行至少一个神经网络模型以使所述神经网络模型能根据输入所述神经网络模型的所述安全监测数据或其衍生数据输出用于判定电梯安全的预测结果数据;
其特征在于:
其中,所述云平台还包括:
数据模块,用于处理所述电梯终端上传的安全监测数据;
其中,所述数据模块包括:
采集单元,用于采集第一个所述电梯终端的安全监测数据;
判断单元,用于判断所述采集单元所采集的第一个所述电梯终端的安全监测数据是否满足预设判断条件;
输入单元,用于在所述判断单元判断第一个所述电梯终端的安全监测数据满足所述预设判断条件时则将该所述电梯终端的安全监测数据输入至所述神经网络模型以作为所述神经网络模型的训练输入数据或预测输入数据;
替换单元,用于在所述判断单元判断第一个所述电梯终端的安全监测数据不满足所述预设判断条件时则根据其他预设范围内的第二个所述电梯终端的安全监测数据中的至少一部分替换第一个所述电梯终端的安全监测数据中对应的部分从而生成二次安全监测数据以替换第一个所述电梯终端的安全监测数据。
2.根据权利要求1所述的电梯安全监测数据处理***,其特征在于:
所述安全监测数据包括:曳引机振动数据、曳引机噪声数据、曳引机温度数据、曳引机电流数据和曳引机转速数据。
3.根据权利要求2所述的电梯安全监测数据处理***,其特征在于:
所述安全监测数据还包括:曳引钢丝绳振动数据和曳引钢丝绳噪声数据。
4.根据权利要求3所述的电梯安全监测数据处理***,其特征在于:
所述安全监测数据还包括:轿厢振动数据、轿厢噪声数据和噪声姿态数据。
5.根据权利要求4所述的电梯安全监测数据处理***,其特征在于:
所述电梯终端与所述云平台通过5G通讯协议进行无线通讯。
6.根据权利要求5所述的电梯安全监测数据处理***,其特征在于:
所述判断单元的判断条件包括:
判断所述电梯终端的安全监测数据是否完整。
7.根据权利要求6所述的电梯安全监测数据处理***,其特征在于:
所述判断单元的判断条件还包括:
判断所述电梯终端的安全监测数据中对应项目的数据变化是否超过预设阈值。
8.根据权利要求7所述的电梯安全监测数据处理***,其特征在于:
所述判断单元的判断条件还包括:
判断所述电梯终端的安全监测数据是否为已经出现过的历史数据。
9.根据权利要求8所述的电梯安全监测数据处理***,其特征在于:
所述替换单元中的预设范围为被标记为同一类型的所述电梯终端所构成的集合。
10.根据权利要求9所述的电梯安全监测数据处理***,其特征在于:
所述替换单元中根据其他预设范围内的第二个所述电梯终端的安全监测数据中的至少一部分替换第一个所述电梯终端的安全监测数据中对应的部分从而生成二次安全监测数据以替换第一个所述电梯终端的安全监测数据包括:
直接调用第二个所述电梯终端的安全监测数据中的至少一部分替换第一个所述电梯终端的安全监测数据;和
根据第二个所述电梯终端的安全监测数据中的至少一部分计算出的数据替换第一个所述电梯终端的安全监测数据。
11.根据权利要求10所述的电梯安全监测数据处理***,其特征在于:
所述数据模块还包括:
选择单元,用于在所述判断单元判断第一个所述电梯终端的安全监测数据不满足所述预设判断条件时根据所述第一个所述电梯终端的运行数据与所述预设范围内其他所述电梯终端的运行数据的相似度选择其中一个所述电梯终端作为第二个所述电梯终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140698.2A CN116873690B (zh) | 2023-09-06 | 2023-09-06 | 电梯安全监控数据处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140698.2A CN116873690B (zh) | 2023-09-06 | 2023-09-06 | 电梯安全监控数据处理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116873690A CN116873690A (zh) | 2023-10-13 |
CN116873690B true CN116873690B (zh) | 2023-11-17 |
Family
ID=88271884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311140698.2A Active CN116873690B (zh) | 2023-09-06 | 2023-09-06 | 电梯安全监控数据处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116873690B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118101329A (zh) * | 2024-04-19 | 2024-05-28 | 江苏省特种设备安全监督检验研究院 | 电梯检验数据加密方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013113862A1 (en) * | 2012-02-01 | 2013-08-08 | Kone Corporation | Obtaining parameters of an elevator |
CN104925613A (zh) * | 2015-06-03 | 2015-09-23 | 安徽中科智能高技术有限责任公司 | 一种电梯在线安全检测预警装置及其检测预警方法 |
WO2016091199A1 (zh) * | 2014-12-11 | 2016-06-16 | 冯春魁 | 电梯参数的获取、控制、运行和载荷监控的方法及*** |
CN112520528A (zh) * | 2020-12-23 | 2021-03-19 | 江苏梯卫士网络科技有限公司 | 一种自动监测电梯故障检测***及其检测方法 |
CN113581962A (zh) * | 2021-08-10 | 2021-11-02 | 江苏省特种设备安全监督检验研究院 | 一种电梯厅门的故障监控*** |
CN115520741A (zh) * | 2022-10-25 | 2022-12-27 | 潍坊科技学院 | 基于神经网络的电梯运行监控预警方法、***及存储介质 |
WO2023024442A1 (zh) * | 2021-08-27 | 2023-03-02 | 上海商汤智能科技有限公司 | 检测方法、训练方法、装置、设备、存储介质和程序产品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020010343A1 (en) * | 2018-07-05 | 2020-01-09 | Datahoist, Inc. | Elevator maintenance solution leveraging iot data, cloud-based predictive analytics and machine learning |
-
2023
- 2023-09-06 CN CN202311140698.2A patent/CN116873690B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013113862A1 (en) * | 2012-02-01 | 2013-08-08 | Kone Corporation | Obtaining parameters of an elevator |
WO2016091199A1 (zh) * | 2014-12-11 | 2016-06-16 | 冯春魁 | 电梯参数的获取、控制、运行和载荷监控的方法及*** |
CN104925613A (zh) * | 2015-06-03 | 2015-09-23 | 安徽中科智能高技术有限责任公司 | 一种电梯在线安全检测预警装置及其检测预警方法 |
CN112520528A (zh) * | 2020-12-23 | 2021-03-19 | 江苏梯卫士网络科技有限公司 | 一种自动监测电梯故障检测***及其检测方法 |
CN113581962A (zh) * | 2021-08-10 | 2021-11-02 | 江苏省特种设备安全监督检验研究院 | 一种电梯厅门的故障监控*** |
WO2023024442A1 (zh) * | 2021-08-27 | 2023-03-02 | 上海商汤智能科技有限公司 | 检测方法、训练方法、装置、设备、存储介质和程序产品 |
CN115520741A (zh) * | 2022-10-25 | 2022-12-27 | 潍坊科技学院 | 基于神经网络的电梯运行监控预警方法、***及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于思维进化优化的多源交通数据融合算法;陈磊;王江锋;谷远利;闫学东;;吉林大学学报(工学版)(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116873690A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111650917B (zh) | 一种设备的多维度状态在线监测方法及*** | |
CN116873690B (zh) | 电梯安全监控数据处理*** | |
US9760068B2 (en) | Predictive maintenance method and system | |
CN106586796A (zh) | 一种自动扶梯状态监测***及方法 | |
CN109559025A (zh) | 一种桥梁检监测一体化健康状况评估体系及其使用方法 | |
CN110294398B (zh) | 电扶梯远程监测控制***及方法 | |
CN109110607A (zh) | 一种基于远程监控的电梯故障预警方法 | |
CN110015601B (zh) | 分析电梯故障原因的远程控制***及方法 | |
CN114446021A (zh) | 一种基于无线通讯的建筑工程监测*** | |
CN113063611A (zh) | 一种设备的监控管理方法及其*** | |
CN110217656A (zh) | 带能耗分析的电梯群管理监控***及方法 | |
CN113401760A (zh) | 一种基于大数据的电梯运行故障监管*** | |
CN109693983A (zh) | 电梯故障处理方法、装置、服务器、存储介质及*** | |
CN111348535B (zh) | 轨道交通车站中使用的扶梯的健康状态监测***及方法 | |
CN114812984A (zh) | 一种铁路桥梁移动式快速监测*** | |
CN111675063A (zh) | 基于电流监测技术的电梯曳引机故障判定方法及*** | |
CN113581962B (zh) | 一种电梯厅门的故障监控*** | |
CN113779734A (zh) | 一种基于人工智能的跨坐式单轨道岔监测及其维护*** | |
CN212558958U (zh) | 基于电流监测技术的电梯曳引机故障判定*** | |
CN110817628A (zh) | 一种升降机智能故障诊断方法、装置及*** | |
CN110255310B (zh) | 物业数据协同监测的电梯远程监控***及方法 | |
CN116022673A (zh) | 一种基于云边协同技术的塔式起重机辅助驾驶*** | |
CN207108160U (zh) | 一种电梯数据采集*** | |
CN118145444A (zh) | 基于区块链的电梯调度数据管理*** | |
CN117446609A (zh) | 具有图像辅助分析的电梯调度数据管理*** |
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 |