電梯故障監測技術及應用淺析

摘 要：隨著高層建筑的增加，電梯應用越來越為廣泛，然而電梯故障的發生也給乘梯人員的生命和財產帶來了威脅。提高電梯故障的監測技術，有效預防事故、及時排除電梯故障，成為不容忽視和亟待解決的現實問題，本文對電梯突然停運故障診斷方法進行闡述，供同行借鑒。

關鍵詞：電梯故障 故障監測 技術應用

中圖分類號：TU857文獻標識碼：A 文章編號：1674-098X（2013）04（b）-0039-01

隨著我國經濟建設的飛速發展，高層建筑也如雨后春筍般涌出。在高層建筑中，最為重要的運輸工具是電梯。為保證人員及物資的安全，國內外對電梯技術的研究發展也非常迅速，電梯的構成更加精確，安全控制技術進一步得以提高。但是在電梯的運轉過程中，也會發生故障，造成了乘坐電梯的人員被困于電梯之中，甚至掉墜造成人員傷亡的現象。這些現象的出現，對人們的心理造成了影響，也對生命與財產形成了威脅。加強電梯安全監測，及時處置，是保證電梯安全運行的重要環節。

1 充分認識電梯監測技術的重要意義

近些年來，由于電梯數量急劇膨脹，部分地方對電梯的檢測不到位，導致電梯事故不斷發生，從而也使得電梯安全問題顯得愈加突出。電梯出現故障的原因很多，例如在電梯在設計過程中出現的問題、在制造階段出現的產品質量缺陷、在電梯的安裝、使用與維護中的問題等等。對電梯進行及時有效的監測、排除隱患，可以大大降低故障，從而起到對人員生命和財產的保障。

電梯監測技術是對電梯運行狀態進行監測，并予以記錄。通過電梯運行的監測系統來監測電梯的運行狀態數據，當電梯一旦運行不穩定或突然停止運行時，監測系統能夠及時向監測中心發出預警信號，將保存的電梯狀態數據轉存到數據庫，并進行分析，從而能夠有效提高電梯故障排除效率，保證電梯安全運行。

2 電梯故障監測判斷方法分析

電梯急停故障會給乘坐人員帶來心里與身體上的傷害，在電梯故障中最為普遍。在此主要運用小波分析、多傳感器信息融合分析、神經網絡等理論對電梯急停故障進行分析。

2.1 小波分析與電梯急停故障診斷

2.1.1 小波分析

小波分析主要運用現代科學技術，將數學、物理、計算機、圖像信號處理等多門技術匯集于一體。運用伸縮運算功能、平移運算功能等理論進行多尺度的分析，可以把 FOURIER 變換中存在的難題處理好。小波變換分析法具有多尺度分析、進行高頻準確定位、低頻趨勢分析等特點。

2.1.2 小波分析法的優點

與時域分析、頻譜分析等分析法相比，小波分析法具有以下優勢：首先，小波分析法能滿足低通、高通、阻濾波等多方面的要求，能夠將各種波細化分解到不同層次以及頻域，還可以控制一些小波系數，排除干擾。其次，運用小波分析法還可以對信號中出現的一些不正常點進行監測。對其位置與大小進行準確檢測，綜合反映突變位置的屬性。這是進行機械故障檢測的關鍵。第三，小波分析法還可依據各種小波母函數的特點選擇最有效的小波函數來進行邊緣或者尖峰檢測。

2.1.3 小波分析法在電梯急停故障診斷中的應用

當電梯運行平穩時，其信號也是平穩的，傅立葉理論對此能進行分析，獲得窗口區間的相關信息；然而當電梯運行不平穩時，則其信號變化也是非平穩的，傅立葉理論的監測結果不是很理想，然而小波分析法卻可以對非平穩信號進行有效檢測，特別對瞬間變化信號的檢測獨具優勢，因此被廣泛應用到設備故障診斷當中。

2.2 多傳感器信息融合與電梯急停故障診斷

2.2.1 多傳感器信息融合

多傳感器信息融合包括數據融合、特征融合和決策融合三個層面。這三個層面是相互配合，首先是通過數據融合對原始數據進行分析與處理，然后通過特征融合多特征提取原始信息，最終通過決策融合對數據進行智能化的處理并找出最終決策。通過多傳感器信息融合，從而對信息進行多方位、多層次的分析與檢測，確保檢查結果是準確無誤的。

2.2.2 多傳感器信息融合技術優點

運用多傳感器信息融合技術，可以從方面來改進電梯故障的診斷水平：一是覆蓋的時間范圍和系統空間較大；二是通過智能化的分析，從而得出和故障相吻合的診斷方式。三是得到更加精確、有效的故障診斷結果。

2.2.3 多傳感器信息融合方法在電梯急停故障診斷中的應用

電氣系統是電梯中最為重要的一個系統，其結構復雜，從而也導致了電氣系統出現故障多、故障的不確定性和故障間聯系的復雜性的一系列問題。對這些問題的檢測，運用簡單的物理和數學模型能以起到顯著作用。為了解決這些故障，就需要通過多傳感器數據融合技術。通過多傳感器數據融合技術的應用，為檢測出電梯電氣系統的故障提供了很好的保障，一方面可以提高檢測的精度，另一方面出可以及時準確的對故障進行相關的診斷。多傳感器數據融合技術充分運用了多傳感器采集電壓、電流、速度、溫度等參數，多方位動態監測，融合不同信息，突出了各種參量信息的綜合判斷，使得系統監測水平大幅提升。

2.3 神經網絡與電梯急停故障診斷

2.3.1 神經網絡

該方法能夠處理普通數據，同時還具備思考、學習、記憶的功能，就如人的大腦一樣。特別適合于對非線性問題的分析與解決，在醫學、金融等行業使用的比較多。

2.3.2 神經網絡技術的優點

神經網絡技術依靠強大的容錯性、自學習性、自組織性、并行處理等特性，強調了非線性問題的處理。首先，要把信息歸納統一化，建立清楚而又完善的電梯系統運轉情況數據庫；其次，強大的自組織性、自適應性、容錯性能夠隨時跟蹤環境變化并獲取相關數據信息；第三，智能處理機制能更加高效的分析電梯故障數據，縮短了時間提高了解決問題的效率。

2.3.3 神經網絡技術在電梯急停故障診斷中的應用

通過信號的有效組合，用各種子神經脈絡，以不同點來分析故障，如果所得出的結果不夠準確，可再通過全局決策融合，得到最后的診斷結果，得到基于系信息融合的神經網絡診斷模型。模型由信息分配、局部診斷和決策融合診斷三層構成。信號或信號的特征通過信息分配傳達到各個判斷網絡中去，局部模糊神經網絡分別對電梯驅動系統和曳引機進行故障診斷，決策融合診斷采用D—S證據理論把局部診斷網絡的診斷結果進行融合決策。

3 結語

全面提高電梯運行過程中的安全性、可靠性，必須緊緊抓住技術檢測這一重要環節，并不斷提高檢測技術的科學化水平，奠定電梯正常運行的基礎，以保證乘坐人員的生命和財產安全。

參考文獻

[1]龍錦中.電梯故障排除的措施和方法[J].裝備制造技術，2010（9）：21-22.

[2]吳建.淺談電梯電氣故障維修的教學方法[J].中國科技信息，2010（18）：35-36.