ANN方法应用在电梯故障诊断中的可行性分析

张珊

电梯作为高层建筑的重要的垂直交通工具，在国民经济和人们日常生活中发挥着极其重要的作用。电梯系统是复杂的机电一体化设备。作为特种设备之一，不但要求乘坐舒适、停靠准确，而且希望方便快捷，尽量缩短候梯和故障停梯维修时间。目前，电梯作为一种特种设备，国家对其质量和安全性提出了严格要求，如2003年3月国务院发布的《特种设备安全条例》中明确要求电梯至少半个月检测一次，做到对故障及时发现和排除。

尽管现代电梯的可靠性已经大大提高，但电梯运行中关人、夹人、蹲底、冲顶等事故却时有发生。并且，随着城市化进程的加速，高层建筑愈加普遍，电梯使用场合愈来愈多，故障出现的频率逐渐增大。若仍旧采用传统的人工发现和处理的方式来解决电梯故障显然不再是一种合理的选择。因此，行业内所关注的重点逐渐由仅仅关注提高电梯性能转变为保证性能的同时，提高电梯的运行可靠性和安全性。电梯的故障诊断就是一种可以提高电梯运行可靠性、大幅节省人工和维修费用、具备应用潜力的先进电梯维护方法。

机电设备故障检测诊断的基本过程包含两方面内容：对设备运行状态进行检测;发现异常情况后对设备的故障进行分析、诊断。其发展也经历了从简易诊断到精密诊断，从一般诊断到智能诊断，从单机诊断到网络诊断的过程，发展速度愈来愈快。根据系统采用的特征描述和决策方法，故障检测诊断的方法概括起来分为：基于系统数学模型的故障诊断方法和基于非模型的故障诊断方法。基于系统数学模型的故障诊断方法主要是通过观测器估计出系统输出，将其与输出测量值比较，获得故障信息，利用设定准则对故障信息进行判断，从而对故障进行识别与定位。常见的观测器方法包括KF滤波器、EKF滤波器、UKF滤波器以及滑模观测器等;基于非模型的故障诊断方法主要包括基于故障诊断专家系统的诊断方法、基故障模式识别的故障诊断方法以及基于故障树的故障诊断方法等。

1.神经网络基本原理

当前，作为一种基于非模型的故障诊断方法，基于人工神经网络（ANN，Artificial Neural Network）方法的故障诊断方法逐渐成为一种处理故障诊断的新兴方法。具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式的功能，使其在工程实际存在着大量的多故障、多过程、突发性故障、庞大复杂机器和系统的监测及诊断中发挥较大作用。

该方法利用神经网络模拟人类大脑的信息处理方式，有多个神经元连接组成计算模型。在网络运行过程中，神经元之间互相连接、相互作用，能进行非线性和自适应信息处理，实现问题的求解、自动分类、诊断识别等，有效解决传统方法不能或难以解决的问题。常用的神经网络主要有BP神经网络、RBF神经网络、小波神经网络、概率神经网络等，其中，BP神经网络目前应用最为广泛。

BP神经网络是采用信号前向传播、误差反向传播、网络实际输出值和期望输出值的误差平方为目标函数、梯度下降法进行搜索的多层前馈神经网络，该网络不仅系统地解决了多层网络的隐含层连接权值学习问题，而且无需确定信号输入和输出之间的映射关系或规则，在故障诊断识别领域有优良的适应性。BP 神经网络包括输入层、隐含层和输出层，其 3 层网络结构见图 1。

2.神经网络在电梯故障诊断中的应用

常见的电梯故障包括急停故障、门系统故障、导靴工作故障和多电梯运行系统故障等。其中，急停故障主要包括电梯控制系统故障和机械系统故障，其中电气故障占所有急停故障事故的85%～90%。利用神经网络处理电梯急停故障流程如图2所示。

该方法基于电梯正常工作信息和故障信息，利用Matlab训练 BP 神经网络，从而获得故障诊断模型。其中，工作信息和故障信息是指，采集了电梯在正常运行和由运行到急停故障两个过程的振动加速度和噪声信号，利用小波分析法对垂直方向的振动加速信号进行时域和频域分析并提取了 5个特征参数，同时结合轿厢水平方向（x轴和y轴）振动信号峰峰值、峭度系数和噪声极值共 9个特征参数作为急停故障特征向量，然后将特征参数样本输入诊断模型进行故障的识别。谢知坚等人对该类方法开展了实验验证，验证了其可行性。

电梯运行过程中，门机的开关动作频次非常高，因门系统故障导致的停梯现象也经常出现，同样，可以利用神经网络的故障诊断方法对门系统故障进行诊断。李俊芳等人模拟 3 种常见的门系统故障类型，通过检测器件将故障转化为相应的电信号，并将电信号输入 BP 神经网络进行门故障的诊断，实验结果验证了通过神经网络建立电信号与故障间的联系来预测故障发生的可行性。

电梯导靴工作性能的好坏直接影响乘梯舒适性，当导靴出现故障或者缺陷时，其振动信号表现为非线性和非平稳特性，兰夏燕等人建立了基于 BP 神经网络的电梯导靴故障诊断模型，引用云南省特种设备安全检测研究院提供的导靴振动数据，包括导靴正常、上导靴故障、下导靴故障 3 种类型，利用改进的经验模态分解算法对导靴振动信号进行处理并提取能量特征作為神经网络的输入，诊断模型的平均准确率达到 94.6%，有效地识别了电梯导靴的故障状态。

段登等人利用神经网络良好的非线性逼近性能构建了基于神经网络的多电梯运行系统故障预测系统，通过数据采集终端实时收集电梯启动困难运行速度低、平层误差大、运行中急停、电梯正常运行中不能换速停车 4 种故障状态数据，并导入多输入多输出的神经网络诊断系统，仿真结果表明该系统能快速准确地预测出电梯运行中的故障。

3.结语

电梯故障诊断识别不仅是理论研究和工程应用的重要项目，而且能为专业技术人员检测和维护电梯提供技术和信息支撑，对电梯的安全运行有重要意义。本报告着重讲述了神经网络的原理，并介绍了神经网络在电梯故障诊断中的实际应用案例，通过案例可以看出神经网络在电梯故障诊断领域具备一定的推广性，能够有效地融入电梯的远程监控、检测、诊断和预警系统。

参考文献：

[1]  吴永桥，余小华. 电梯故障监测保护器的研制[J]. 武汉汽车工业大学学报，2001，1，75-77.

[2]  谢知坚. 基于ANN的电梯故障诊断系统的研究[J]. 质量技术监督研究，2016，3，43-47.

[3]  李俊芳，曲照伟，窦立谦，等. 基于神经网络的电梯门系统故障预测方法的研究[J]. 天津理工大学学报，2009， 25（1），8-10.

[4]  兰夏燕. 基于多变量预测模型的电梯导靴故障诊断研究[D]. 昆明理工大学，2018.

[5]  段登，邱意敏，周力. 基于神经网络的多电梯运行系统故障预测[J]. 计算机系统应用，2011，20（9），252-255.

（作者单位：无锡机电高等职业技术学校）