基于BP神经网络的电梯安全综合评价方法

刘佳璐 贾中辉

摘要：本文针对电梯安全评价方法发展的需求，基于大数据概念，结合电梯检验质量和风险预警分析，提出了电梯安全综合评价模型，建立了项目检查表，提出了风险评估方法和程序，系统的描述了危险情节，给出了风险评估和评定标准。结果表明，该方法减少了评价过程相关因素对评价结果的影响，增加了安全评价的准确性和实效性，为电梯安全评估提供了基础性的评价方法。

Abstract： Aiming at the demand of the development of elevator safety evaluation method， based on the concept of big data， combined with the quality of elevator inspection and risk early warning analysis， this paper puts forward a comprehensive evaluation model of elevator safety， establishes a project checklist， puts forward a risk assessment method and procedure， describes the dangerous scenario systematically， and gives a risk assessment and evaluation standards. The results show that the method reduces the influence of subjective and artificial factors on the evaluation results， enhances the accuracy and credibility of safety evaluation， and provides a basic evaluation method for elevator safety evaluation.

关键词：安全;电梯;神经网络;数学模型;安全评价

Key words： safety;elevator;neural network;mathematic model;safety evaluation

中图分类号：TU857;TP183                            文献标识码：A                                  文章编号：1006-4311（2019）25-0034-02

0  引言

随时社会的进步和经济的发展，电梯已经成为不可或缺的运输工具。国家市场监管总局发布的《2018年全国特种设备安全状况的通告》显示，截止2018年底，我国的电梯保有量高达627.83万台。电梯的安全状况直接关系人民群众的生命安全，而且使用位置多集中于人员密集区域，一旦发生事故，在经济、人员安全方面会面临很大的损失，影响恶劣，加之我国相关安全评价体系仍然处于发展和完善阶段，设计制造多沿用老产品经验，监管部门对此类设备的监管也缺少理论依据。一些电梯运营单位在安全管理和服务中存在的管理不严、有章不循，规章制度、操作规程不健全，重产出，轻投入，设备隐患不能及时发现、整改，从业人员素质参差不齐，预警和救援机制不完善等。我国目前的电梯检验和安全监管，其技术路线是通过检查和检测的手段发现索道的缺陷，根据缺陷情况判定电梯是否合格。但电梯的安全运营受其设计、制造、安装、环境等诸多因素的影响。同样判定为合格的电梯，其安全运行状况可能有较大的差别。所以，如何科学有效的对不同风险等级的电梯进行分类，是及其重要的，这是电梯的监督管理的重要依据。

在电梯安全评估的研究方面国外还是比较早的。美国和英国等国分别制定和颁发了《电梯安全标准》和《电梯条例1997》，为其国内电梯安全评价提供了通用的安全标准[1]。欧盟的《自动扶梯和自动人行道的制造与安装安全规范》提出了最新的电梯安全理念，已经成为欧盟成员国广泛采用的电梯安全评价依据。我国在电梯安全评价方法方面还不成熟，相关标准主要参考国外的标准。在电梯系统安全评价方法方面，主要的数学模型包括模糊神经网络模型[2]、层次分析法[3]、风险模糊评价方法[4]等方法。这些研究为电梯安全评价体系的深入发展奠定了很好的基础。

1  电梯安全评价体系指标建立

电梯安全评价是保障电梯安全使用的基础，其评价的好坏对电梯有着重要意义。

1.1 评价模型

目前，电梯安全评价是由八个子系统组成，各子系统都有各有不同性，其如图1所示。

系统被分为八个子系统，增加了操作空间及防护，合并电力拖动系统和电气控制系统为控制系统，合并悬挂和导向系统，合并轿厢与重量平衡系统为轿厢与对重，增加了试验和测试子系统，此子系统并非实体的部件，而是针对电梯整体的试验测试。

1.2 风险评估方法和程序

风险评估方法是对事故风险的定性与分析，通过对系统事故发生的可能性和程度的评估，避免发生事故的可能性，使电梯在使用过程中不会发生危险。

风险评估的一般流程如图2所示。

1.3 風险评估

风险评估过程参照GB/T20900标准，但在严重程度的划分中，增加了更多的说明内容，以进一步明确评估的尺度。风险要素是风险可能造成伤害的严重程度与伤害发生概率的函数，可表示为：

风险评定中需要特别注意的一点是，当选定要评定的风险时，风险评价组应选择最高的风险等级，而不是最高的严重程度。例如：被评估为2C（风险类别为“I”）的情节比“1E”（风险类别为“II”）的风险高。即使被评估为1E的風险情节具有较高的严重程度，也应首先考虑2C风险的保护措施。但是，仍须予以关注1E风险。

2  基于BP神经网络的电梯安全评价模型建立

2.1 模型的建立

上文已经对电梯安全评价给出指标，并结合电梯安全评价指标，可以得出评价的模型与步骤。

本文所研究的电梯安全状况与八大子系统直接相关，选择A={A1，A2，A3，A4，A5，A6，A7，A8}作为BP网络的输入量，目标输出样本为对应输入量的安全评价等级。根据全国各个省市电梯专家评分及相关电梯文献得到电梯安全状况500份数据的采集与归一化处理，将其做为BP神经网络训练输出的目标值。

2.2 神经网络训练与结果验证

神经网络工具箱集成了多种学习算法，其内置功能丰富的函数，即使是初学者，不了解算法的本质，也可以直接应用，最重要的是可以节约大量的编程时间。目前神经网络工具箱中涉及的网络模型：感知器、线性网络、BP网络、径向基函数网络、自组织映射网络、反馈网络等。因此，本课题直接使用MATLAB中的神经网络工具箱对电梯风险评价模型进行训练。

在MATLAB神经网络工具箱中，综合样本特点考虑，本文使用Levenberg-Marquardt BP训练函数来训练网络。

将BP神经网络计算过程作为函数，保存为MATLAB的M文件，能在以后的计算中直接调用。BP神经网络计算函数如下：

经过模拟分析，我们得到如图3的图样，从图样中表明，其模拟误差很小，其速度快，反应网络的输出与目标输出之间的误差很小，精确度也很高。

用100组检测样本，对训练好的网络模型进行测试，预测结果与实际电梯安全等级的误差为1.0%，且误差偏离较小。用改进BP算法Levenberg-Marquardt训练的神经网络所建立的模型，拟合不同条件下的电梯安全状况很方便，能够较为准确地预测电梯安全状况，是一种可行的数据处理方法，具有一定的指导价值。

3  结论

本文在之前学者的研究分析上，经过实践，重新分析了一种新的电梯安全状况综合评价方法，并通过验证分析，与传统的电梯安全状况评价方法相比，以增加安全评价的准确度和适用性，该方法针对电梯安全状况综合评价的研究提供了新的思路，有着较大的实用价值。

参考文献：

[1]李向东，贡业轩，姜武.神经网络在电梯功能安全评估中的应用[J].电气与自动化，2019，1：214-219.

[2]王昌荣.基于层次分析法的老旧电梯安全评估方法[J].机械工程与自动化，2014（2）：119-120.

[3]施鸿均，黄文和.模糊理论在电梯风险评价中的应用[J].中国特种设备安全，2011（4）：60-64.