一种温度信号与噪声信号融合的自动扶梯故障监测系统

摘  要：随着自动电扶梯应用的日益普及，安全事故率呈上升趋势，设备运行监控及报警应该得到足够的重视。文章基于温度信号与噪声信号相融合的方式构建自动扶梯故障监测系统，通过监测扶手带的温度来预判扶手带的张紧情况，通过监测梯级的噪声来判断梯级是否出现故障，同时基于BP神经网络与遗传算法进行故障类型识别，通过对多个传感器的监测创建覆盖自动扶梯全寿命周期、高效精确的故障监测系统。

关键词：自动扶梯;故障监测;温度;噪声

中图分类号：TP277        文献标识码：A文章编号：2096-4706（2022）04-0177-05

An Escalator Fault Monitoring System Integrating Temperature Signal and Noise Signal

MAI Yifei

（Station House Construction Headquarters of China Railway Guangzhou Group Co.， Ltd.， Guangzhou  510000， China）

Abstract： With the increasing popularity of the application of escalators， the safety accident rate is on the rise. Equipment operation monitoring and alarm should be paid enough attention. This paper constructs the escalator fault monitoring system based on the fusion of temperature signal and noise signal， predicts the tension of the handrail by monitoring the temperature of the handrail， and judges whether the step has fault by monitoring the noise of the step. At the same time， it identifies the fault type based on BP neural network and genetic algorithm， and creates an accurate and efficient fault monitoring system covering the whole life cycle of the escalator through the monitoring of multiple sensors.

Keywords： escalator; fault monitoring; temperature; noise

0  引  言

通常，自动扶梯采用周期修或故障修，而現有的电扶梯故障在线监测系统只是单一维度监测，设置固定阈值只是起到故障报警作用，并不能准确定位故障的类型与位置，致使不能及早排除自动扶梯故障，这在一定程度上降低了自动扶梯的安全性和使用寿命。

目前，通过监测自动扶梯导轨主面上输出信号形变的方式来判定梯级异常，当输出信号异常时可判定为梯级驱动部出现异常;梯级驱动部异常时，系统会将梯级驱动部异常这一情况输出至外部，信号处理部将保养检修时的输出信号与基准值进行比较，二者之间的差值超过预先设定的阈值时，则可判定为车轮出现异常。

自动扶梯和自动人行道故障监测与报警装置，通过有线或无线Wi-Fi的方式将设备的上下行、停止、火警、故障和故障代码等信息实时传输到网络平台，CPU处理模块还设置有GSM手机SIM卡接口，通过手机短消息向预先设定的维保人员或单位发送故障或火警信息。

自动扶梯故障监测系统包括传感器模块，传感器模块中的各传感器设置于自动扶梯的安全部位，用于接收并记录自动扶梯的运行数据，系统根据运行数据，确定是否生成报警信号并将报警信号发送至控制中心。

针对当前的自动扶梯故障监测方法——单一的形变指标、安全部位的传感器检测方式并不能提供精准多维的运行及故障信息，本文采用多维度化的故障信号采集方式，依据BP神经网络对故障进行监测。

1  故障监测系统

首先在自动扶梯上建立信号采集坐标系，划分监测区域，可以按所组成的关键部件及其所在位置和区域进行划分，也可以基于自动扶梯整体结构的空间进行划分，具体可视实施情况而定。基于不同的监测区域，一个区域可安装一组传感器，一组传感器包括2个温度传感器和1个噪声传感器，以监测区域为单位同时对多组传感器进行监测，覆盖整个自动扶梯，获得信号数据以及相应信号的坐标位置，或者单独对关键零部件进行信号监测。在各种传感器的设置中，通过定位模块的设置，或者是借助于RFID等手段的标识，能够获取反映传感器监测位置及相关坐标的详细信息，为后续的信息采集提供参考。作为一种实施例的优选方式，在传感器的设置中，一组噪声信号安装于构件之上，对自身振动信号进行监测;两路温度信号的传感器一路设置于构件之上，对构件的自身温度进行监测，一路设置于构件的环境温度之上，对构件的工作环境温度进行监测。

目前自动扶梯的运行环境包括室内和室外，外界环境对构件温度的干扰很大，若只单独设置一个温度传感器来监测构件的温度，外界环境温度的变化势必会影响传感器温度的检测值，导致温度信号与实际不符，影响最终的故障判断。因此，基于实际应用中的监测需求，需要对温度信号的采集设置进行优化，但出于系统冗余性方面的考虑，需要对温度采集的方式以及故障信号的来源等多维信息进行融合及关联处理，以便实现对故障类型和位置的快速定位及识别。

2  故障信号处理与融合

包括故障特征曲线拟合及特征向量生成，由所布置的温度传感器和加速度传感器采集温度和噪声信号，主要是对监测得到的信号进行预处理，预处理过程主要包括以下步骤：

经傅立叶变换把温度信号和噪声信号转换为时域信号和频域信号，在时域范围内，拟合噪声信号与温度信号之间的函数关系，并将之与历史正常工作状态下拟合的噪声与温度曲线进行曲线重合度评价，曲线之间的残差作为故障特征。其中故障特征的类型包括噪声温度曲线残差故障特征、噪声信号特征向量以及温度信号特征向量三种。

曲线重合度评价计算公式为：

其中，y*为历史正常工作状态下的曲线函数值;y为实际测得的噪声信号与温度信号之间的非线性函数值;v为两曲线之间残差值离散点的求和;FIT为两曲线之间拟合度指标，其中FIT计算中的西格玛求和为两个曲线函数离散值差平方和。

下面介绍信号处理、特征识别、故障库的建立步骤：

首先，分别对所采集的温度信号与噪声信号进行小波包分解，通过降低阈值对重构后的两个窄带信号进行EMD分解。两个窄带信号由高频至低频被分解为若干个频段，计算每一个IMF分量的能量值并进行归一化處理，组成特征向量。

其次，结合所得到的故障特征，基于BP神经网络与遗传算法进行故障类型识别，依据不同组传感器监测信号得到故障信号坐标位置，从而确定自动扶梯的故障位置，实现电扶梯的故障识别与定位。在一些实施方案中，通过对上述自动扶梯监测区域的立体化建模，可视化展示故障的位置和类型并生成检修策略报告。

最后，每次得到新的故障特征时，动态更新自动扶梯故障数据库，与此同时故障数据存储系统根据已有故障数据进行自学习，不断完善故障数据存储系统，提高下一次的故障识别效率和准确性。在上述故障数据库的积累中，除了基于上述温度信号特征向量、噪声信号特征向量以及拟合曲线、标准拟合曲线、拟合度指标生成故障数据库之外，还可以根据这些故障指标特征所指向的故障类型、位置特点、针对的构件型号、可能性维修策略以及预防性的检修策略等进行累积和学习更新。

3  基于BP神经网络的故障识别

通过对故障特征设置故障阈值（即在信号值达到故障阈值时识别出故障），设置故障阈值走廊，当信号达到故障阈值走廊时，提示相关责任人对自动扶梯进行检修，提前制定好维修策略，保障自动扶梯的安全运行。根据健康值历史数据与实际维修情况，基于故障数据中心BP神经网络自学习功能，设置相应的动态阈值走廊，分别为：相对安全状态阈值范围走廊——扶梯正常运行;存在维修隐患状态阈值范围走廊——列入重点监控组;存在维修故障状态阈值范围走廊——关键构件预防性维修;存在安全隐患阈值范围走廊——停止运行并进行全面维修。将健康度模型计算得到的健康值与健康值动态阈值走廊范围值相比较，选择相对应的维修策略。

对自动扶梯多个关键零部件进行故障检测和监测，从而建立自动扶梯的全寿命周期。基于BP神经网络进行故障识别，如图1所示，输入层为振动、温度、拟合曲线差值的特征向量，输出层为识别出来的自动扶梯故障类型。其中，利用BP神经网络和遗传算法进行计算，主要是对含有故障特征向量的各类输入信息进行训练，这样有利于故障专家数据库的生成，进一步提高故障识别的精度。

4  检测验证

4.1  扶手带

扶手带故障一般是由扶手带涨紧装置过紧或过松导致的，扶手带涨紧装置过紧时，扶手带与滚轮之间的摩擦力会增大，导致扶手带温度上升，磨损更加严重，减少扶手带寿命，提高扶手带故障发生概率;扶手带涨紧装置过松时，会导致电扶梯运行时扶手带不稳，引发安全事故。

通过在扶手带上方安装红外温度传感器，实时采集扶手带温度数据，再通过多数据分析技术，分析扶手带状态，判断扶手带涨紧装置是否过紧或过松。

建立数学模型，进行算法训练后，采用分类器进行验证，针对扶手带老化程度进行检测，其中原始数据与数据分析如图1（a）、1（b）所示。采用萤光法及视觉识别算法均可实现准确检测，均已通过实验验证。

4.2  梯级链系统

梯级驱动链是自动扶梯中最重要的驱动部件，一般为套筒滚子链。由于长期运行，磨损较严重，主要故障包括润滑系统故障、链条严重磨损。究其原因，主要是由于梯级滚轮长期缺油摩擦而导致的，梯级链条的松紧度不合适导致梯级链条严重磨损，此次采用噪音传感器监测方案来监测梯级链条滚轮，预判梯级链松紧等方面的故障。采用合适的多维度融合故障模型及多维度融合故障判别算法，可以准确判断出梯级链有几个滚轮发生了破损，以及梯级链的松紧程度（以0.5 cm为一个判别梯度）。其中，紧0.5～1.5 cm如图2所示，松0.5～1.5 cm如图3所示。

4.3  梯级系统

我们通过实验和维保公司对梯级故障的统计，发现梯级故障包括梯路不畅和单个梯级故障，且最易发生故障的部位为梯级翻转的位置，无论是梯路不畅还是单个梯级故障，都会在梯级翻转位置产生噪声。故可以采用监测梯级噪声的方式来判断梯级故障。实验结果表明，在一台下行时存在一个梯级翻转不畅的情况，发出明显的噪音，梯级支撑部正常，梯级轮正常，对梯级安装不到位的自动扶梯，进行故障采样，采样数据如图4所示。

采用小波分析的方式对数据进行降噪处理，如图5所示。

提取噪声数据特征值，并做进一步的分析，结果如图6所示。

从噪声特征提取图中可以直观地看到，梯级故障的特征表现为周期性重复出现。

5  结  论

本文通过在自动扶梯关键部件上安装噪声传感器和温度传感器，采集噪声与温度信号，实时监测自动扶梯的运行状态，提取信号中的故障特征，经BP神经网络故障识别，通过不同监测区域所得到的故障信号可以准确定位故障位置，实现电扶梯重要部件的故障识别与定位。实验结果表明，本文所提的温度信号与噪声信号融合的自动扶梯故障监测系统，能够高效可靠地检测出梯级故障及扶手带过紧等故障。通过在自动扶梯上安装多个传感器来监测扶梯的运行状态，建立电梯的全寿命周期，高效精确地监测扶梯故障，提高了维修效率，降低了自动扶梯维修成本，保障了自动扶梯安全可靠的运行。

参考文献：

[1] 庄燕雄.自动扶梯设备故障原因及维护策略研究 [J].装备维修技术，2019（3）：106.

[2] 陈松涛，王之民.基于智能马达控制器的电机故障监测与诊断系统 [J].广东造船，2021，40（6）：86-89+63.

[3] 刘玉洁，李国.基于多方式传输的机场噪音自动监测系统 [J].自动化与仪表，2007（3）：55-57+68.

[4] 廖林宏.高压线路智能故障监测及预警系统设计研究 [J].电子测试，2021（24）：138-140.

[5] 董礼，苏宝定，张振宇，等.智能风电机组叶片故障监测系统设计与实现 [J].电工技术，2021（20）：75-78+91.

作者简介：麦一飞（1977—），男，汉族，广东台山人，工程师，本科，研究方向：机械电子。