电梯检测及急停故障诊断系统研究

摘要

电梯作为重要的运输设备之一,随着社会现代化的发展,高层建筑的大量涌现而得到了广泛的应用。随着人们对生活质量的日益重视,人们对电梯运行的可靠性以及故障的诊断和预测都提出了更高的要求。由于电梯运行条件恶劣等因素造成大部电梯性能下降,尤其老旧电梯在检验时可能达到规定的检验标准,在实际运行中,稳定性和可靠性难以保证。
　　 电梯的振动是电梯乘坐舒适感的重要指标,也是电梯整机性能质量评价的综合指标。本文从特种设备检测的角度,分析了电梯运行状态检测的特点,提出了电梯运行状态检测的系统框架。电梯作为关系人身安全的特种设备,依靠单个传感器对其进行监测,难以满足安全的迫切要求。如何对监测的多资源信息进行数据融合处理,才能及时的、有效的做出电梯运行状态的准确诊断,值得深入研究。该系统能够实现对电梯特性参数的采集、诊断电梯故障、检测电梯状态、评估电梯状态等多个功能。通过关键技术的运用,对智能检测获得的在线数据与人工定检得到的离线数据进行分析、诊断,从而给出电梯状态的评估。
　　 依据电梯运行状态检测系统的框架建立了基于CAN总线的分布式检测系统,完成了电梯动态智能检测装置的设计与制作,可实现对电梯机房、轿厢的实时、同步检测。系统采集包括运行速度、垂直振动加速度、水平振动加速度、机房噪声、运行中轿厢内噪声、机房温度、轿厢温度、电源电压、电源电流、运行状态信息在内的10类运行参数。本文故障诊断研究对象是以急停为特点的故障。特征值提取包括利用最优小波包的分解方法进行了急停故障时垂直振动信号的特征提取,也包括提取垂直振动信号的峭度系数、水平振动信号峰峰值和轿厢噪声极大值作为时域特征值。
　　 在特征提取的基础上,进行多传感器特征层信息融合。构建BP神经网络,再对比BP神经网络的多种训练函数训练结果,选取模型测试最理想的Quasi-NewtonBP算法神经网络模型诊断电梯急停故障。

目录

文摘

英文文摘

第1章 绪论

1.1 课题研究的背景与意义

1.2 检测与诊断的现状

1.2.1 电梯检测技术现状

1.2.2 电梯诊断技术现状

1.3 论文课题来源

1.4 研究工作内容

第2章 检测及诊断系统

2.1 电梯

2.1.1 曳引电梯结构

2.1.2 电梯安全相关主要设置

2.1.3 电梯故障急停分析

2.2 电梯检测及诊断系统

2.2.1 电梯检测系统

2.2.2 电梯诊断系统

2.3 设计工具简介

2.4 本章小结

第3章 急停故障诊断相关理论

3.1 小波分析与故障诊断

3.1.1 小波分析

3.1.2 应用小波分析故障诊断的优越性

3.1.3 电梯急停故障诊断中的实际应用

3.2 多信息融合与故障诊断

3.2.1 多信息融合技术

3.2.2 故障诊断多息融合技术应用优越性

3.2.3 电梯急停故障诊断中的实际应用

3.3 神经网络

3.3.1 神经网络技术

3.3.2 神经网络结构

3.3.3 神经网络技术的优越性

3.3.4 实际应用

3.4 本章小结

第4章 电梯急停故障诊断的实现

4.1 信号获取

4.2 信号预处理

4.2.1 数据合并

4.2.2 噪声处理

4.2.3 数据整体偏移

4.2.3 数据极值

4.3 信号特征提取

4.3.1 频域特征值

4.3.2 时域特征值

4.4 算法训练

4.4 异常决策

4.5 本章小结

第5章 算法评估

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢