关于人工智能应用在电梯检验方面的探讨与研究

【摘要】随着人工智能（AI）技术的不断进步，其在电梯检验领域的应用日益广泛。AI技术在电梯检验中主要涉及故障诊断、预测性维护、实时监控与控制以及安全监测四个方面。通过集成多种传感器和算法，智能监测终端（如E-BOX）能够实现对电梯系统的实时在线监测与数据分析，提高检验效率和乘客安全。这些应用不仅优化了维护策略，还提升了乘客满意度，为智能化管理提供了强有力的数据支持。

【关键词】人工智能；电梯检验；故障诊断

【DOI编码】10.3969/j.issn.1674-4977.2024.04.033

Exploration and Research on the Application of Artificial Intelligence in Elevator Inspection

WAN Hongming， CAI Zhihua

（Hunan Special Equipment Inspection and Testing Research Institute〔Changsha Branch〕， Changsha 410000， China）

Abstract： With the continuous progress of artificial intelligence （AI） technology， its application in the field of elevator inspection is becoming increasingly widespread. AI technology mainly involves four aspects in elevator inspection： fault diagnosis， predictive maintenance， real-time monitoring and control， and safety monitoring. By integrating multiple sensors and algorithms， intelligent monitoring terminals （such as E-BOX） can achieve real-time online monitoring and data analysis of elevator systems， improving inspection efficiency and passenger safety. These applications not only optimize maintenance strategies， but also enhance passenger satisfaction， providing strong data support for intelligent management.

Keywords： artificial intelligence； elevator inspection； fault diagnosis

0引言

人工智能（AI）正逐渐渗透到各个行业，引领着一场新的工业革命，其核心能力在于模拟和扩展人类智能，处理语言理解、视觉识别和决策部署等任务。随着技术的成熟和应用的深入，人工智能已经从理论研究走向实际应用，尤其是在电梯检验等领域，人工智能的应用正变得越来越精细化和系统化。通过对大量数据的实时分析和处理，人工智能不仅提高了电梯检验的效率，还极大地提升了电梯的安全性和可靠性，展现了其在现代工业应用中的巨大潜力。

1人工智能技术概述

1.1人工智能的定义和分类

人工智能（AI）是一门集合多个学科的技术，主要目标在于创建能够模拟、延伸甚至超越人类智能的计算机系统。这种技术的核心在于使机器能够执行需要人类智能的任务，如语言理解、视觉识别、决策制定等。在定义上，人工智能通常被视为一种模仿人类认知功能的技术。这包括从基础的模式识别到复杂的决策和问题解决。人工智能系统的设计和实现，旨在使机器能够自主学习、适应环境变化并作出合理反应。对于人工智能的分类，主要可分为两大类：弱人工智能和强人工智能。弱人工智能也称为窄人工智能，指的是为特定任务设计的智能系统，这类系统在其专门领域内表现出色，但无法超越设定的范围。例如，某些语音助手和在线客服系统，它们能够处理特定的查询和命令，但无法处理超出其训练范围的问题。强人工智能或广义上的人工智能，是一种更为先进和复杂的系统，旨在模拟人类智能的广泛能力。这类系统理论上能够执行任何智能任务，具有自我意识、情感和自主意识。然而，截至目前，强人工智能仍属于理论和研究领域，现实世界中尚未实现。

1.2关键技术

在人工智能领域，核心技术包括机器学习、深度学习、计算机视觉以及数据分析与处理，每一项都在智能系统的开发和应用中扮演着重要角色。机器学习作为一种使计算机能够从数据中学习并作出决策或预测的方法，是实现人工智能的基石。这种技术依赖于算法，通过分析和解释数据模式来提高任务执行的效率和准确性。机器学习的应用广泛，从简单的数据分类到复杂的预测模型，都依赖于这项技术。深度学习则是机器学习的一个分支，它模仿人脑的工作方式，通过构建多层的神经网络来处理和解释复杂的数据结构。深度学习在图像和声音识别、自然语言处理等领域表现出色，因为它能够从大量未标记的数据中学习特征和模式。计算机视觉是另一个关键技术，它致力于使机器能够像人一样理解和解释视觉信息。这包括从图像或视频中识别对象、场景、行为乃至情感。计算机视觉技术在安全监控、自动驾驶汽车、医疗成像分析等众多领域中发挥着重要作用。最后，数据分析与处理是构成人工智能的另一项基础技术。这一领域涉及从原始数据中提取有价值的信息，以支持决策制定过程。数据分析不仅包括数据的收集和清理，还包括使用统计方法、机器学习算法和可视化技术来洞察数据背后的模式和趋势[1]。

2人工智能在电梯检验中的应用

2.1故障诊断

在电梯检验的人工智能应用中，故障诊断是一个关键环节。这个过程通常分为几个步骤：数据采集与预处理、特征提取与学习，以及故障模式识别。数据采集与预处理是基础且至关重要的步骤。在这一阶段，系统通过各种传感器收集电梯运行的相关数据，例如速度、振动、温度等参数。收集到的数据可能包含噪声或不完整信息，因此需要进行预处理。预处理的目的是清洗和标准化数据，以确保后续分析的准确性和有效性。这包括滤除异常值、填补缺失值、数据归一化等。接下来是特征提取与学习的阶段。在这一步骤中，利用机器学习算法从预处理后的数据中提取关键特征。这些特征是对电梯运行状况的精确量化描述，它们对于识别故障模式至关重要。通过分析这些特征，系统能够学习和识别正常运行与异常状况之间的差异。最后，进行故障模式识别。这一步利用之前学习到的特征来识别和分类电梯的潜在问题。通过应用复杂的算法，如神经网络或决策树，系统能够准确识别出各种故障类型。故障模式识别不仅能够指出当前存在的问题，还能够预测可能的未来故障，从而及时采取维修或预防措施，保证电梯的安全运行。

2.2预测性维护

预测性维护在电梯检验的人工智能应用中扮演着重要角色。这一过程旨在通过分析电梯运行数据，提前识别潜在的维护需求，从而避免故障和延长设备的使用寿命。预测性维护主要包括基于状态的维护策略和维护决策支持两个方面[2]。在基于状态的维护策略中，系统不断监控电梯的关键性能指标，如运行速度、门的开关频率、电机温度等。通过实时收集这些数据，并与历史数据进行比较，系统能够准确地识别出设备状态的任何异常变化。这种方法使得维护工作可以在问题出现之前预先进行，而不是在故障发生后才采取措施。这种策略的优势在于能够显著减少意外停机时间，提高电梯的可靠性和安全性。维护决策支持则是通过分析收集到的数据来辅助制定维护计划。这包括使用机器学习和数据分析工具来评估电梯的当前状况，并预测未来的维护需求。通过这种方式，可以优化维护计划，确保资源被有效利用。例如，系统可能建议在特定组件表现出磨损迹象时进行更换，而不是等到完全失效。这样的策略不仅能够提高维护效率，还能降低长期的维护成本。

2.3实时监控与控制

实时监控与控制在电梯的人工智能应用中起着至关重要的作用，特别是在确保电梯运行的安全性和效率方面。这一过程涉及传感器技术与数据集成、实时数据分析，以及控制系统的智能化。传感器技术与数据集成是实现有效监控的基础。在这一环节中，各种传感器被部署在电梯的关键部位，如轿厢、电梯井、驱动系统等，以收集电梯运行的各项数据。这些数据包括但不限于电梯的速度、加速度、载重、门的开关状态等。这些来自不同传感器的数据被集成到一个中央系统中，以便进行进一步的分析。数据集成确保了信息的完整性和一致性，为后续的实时分析提供了可靠的数据基础。实时数据分析是实时监控中的核心部分。在这个环节，利用先进的数据处理技术，系统能够即时分析收集到的数据。通过这种方式，可以实时监测电梯的运行状况，及时发现任何异常或潜在的问题。例如，如果数据显示电梯的运行速度异常，系统可以立即对此进行分析，判断是否存在安全隐患。实时数据分析不仅有助于即时识别问题，还能够预测可能出现的故障，从而提前采取预防措施。控制系统的智能化是实时监控的延伸。在这一部分，通过将数据分析结果与电梯的控制系统相结合，实现了更高级的自动化和智能化控制。这意味着电梯的控制系统能够根据实时数据和预测结果自动调整运行参数，以优化性能和安全性。例如，分析结果表明电梯的某个组件即将故障，控制系统可以自动将电梯转入维护模式，避免故障发生[3]。

2.4安全监测

安全监测在电梯的人工智能应用中扮演着关键角色，尤其是在提高电梯乘客安全和防止事故方面。这一过程主要包括视频监控与分析，以及异常行为检测。视频监控与分析是安全监测的基础部分。在这个环节中，电梯内外安装的摄像头持续捕捉视频数据，实时记录电梯的使用情况和乘客行为，这些视频数据被送往中央处理系统进行分析。通过应用先进的图像处理和计算机视觉技术，系统能够对视频内容进行深入分析，识别乘客数量、检测潜在安全风险，甚至监测电梯内部环境的变化。例如，系统可以识别电梯内是否过载，或者是否有异物阻挡电梯门正常关闭。异常行为检测是安全监测的进一步应用。在这一部分，系统专注于识别电梯内可能的异常行为或潜在危险情况。利用机器学习算法，系统可以学习并识别一系列的异常行为模式，如跌倒、打斗或其他紧急情况。一旦检测到此类行为，系统可以立即触发警报，并通知相关人员进行及时的响应和干预。这不仅有助于提高乘客的安全性，还能在紧急情况下提供重要的信息支持[4]。

3案例分析

深圳市卓越信息技术有限公司研发的电梯物联网智能监测终端（E-BOX）安装在轿厢顶部和机房，对电梯进行实时监测，通过采集电梯实时运行和故障预警数据，准确了解电梯运行情况，并通过大数据分析对电梯安全状态评估，及时反馈电梯问题，为电梯按需保养提供数据支撑。

E-BOX的主要功能包括：通过摄像头、红外传感器、压力传感器等设备，实时采集轿厢内外的温度、湿度、气压、振动、噪声等参数，并将其上传到云端服务器；通过人脸识别、行为分析、语音识别等技术，对乘客的身份、情绪、需求等进行识别和分析，并根据乘客的特征和习惯，提供个性化的服务和建议；通过故障检测、预警提示、远程控制等功能，对电梯的运行状态进行实时监测和分析，并在发现异常或故障时及时通知维修人员或乘客，并根据不同类型、程度的故障，提供相应的处理方案；通过数据挖掘、可视化展示等技术，对运行数据进行深入分析和挖掘，生成各种报表和图表，展示电梯的运行状况和维护效果。

E-BOX的主要优势包括：提高了电梯检验的效率和质量，减少了人工巡检和维修成本；提高了乘客的满意度和安全感，增强了用户体验；提高了电梯管理者对电梯运行状况的了解和掌握，优化了维护策略；提高了数据利用率和价值，为智能化管理提供数据支撑。

E-BOX是一个典型的人工智能应用在电梯检验方面的案例。它展示了如何利用多种传感器获取海量数据，并结合多种算法进行智能分析和处理。它也体现了如何将人工智能技术与物联网技术相结合，实现对电梯系统及其环境因素的全面感知和监测。它还反映了如何将人工智能技术与大数据技术相融合，实现对海量数据进行深入挖掘和价值转化。

4结束语

人工智能技术在电梯检验方面的应用展现了显著成效，尤其是在提升安全性、效率和用户体验方面。智能监测系统如E-BOX通过集成传感器和先进的数据分析技术，实现了电梯运行的实时监控和故障预警。这种技术的应用不仅减少了人工巡检的需求，还优化了维护和管理策略。未来，随着AI技术的进一步发展，其在电梯以及其他工业设备的检验和维护中的作用将更加凸显，为智能化管理和服务提供强大的技术支持。

【参考文献】

[1]李子鹏.电梯检验中的安全隐患分析及人工智能技术应用探讨[J].河南科技，2023，42（16）：35-36.

[2]郭亮，侯靖，刘洋.人工智能在电梯故障分析中的应用[J].集成电路应用，2023，40（7）：303-305.

[3]时哲.基于大数据与人工智能的电梯管理平台建设探讨[J].中国电梯，2023，34（7）：64-66，80.

[4]谢一麟.人工智能背景下电梯监控系统改进研究[J].智能城市，2023，9（1）：23-25.

【作者简介】

万洪明，男，1989年出生，工程师，研究方向为机电类特种设备检验检测。

（编辑：刘一童）