基于模糊信息融合的電梯故障診斷研究

周獻　呂小艷　左可

【摘 要】針對電梯工作狀態的綜合性和復雜性，為了提高其故障診斷準確率，采用多信息融合技術進行電梯故障診斷，建立了基于模糊信息融合的電梯故障診斷模型，并將此診斷模型用于電梯驅動系統的故障診斷。通過對單傳感器診斷結果和信息融合診斷結果進行比較，表明該模型和算法具有較高的診斷精度。

【關鍵詞】電梯；故障診斷；模糊信息融合

中圖分類號： TD634.1；TD528.1 文獻標識碼： A 文章編號： 2095-2457（2018）12-0031-002

DOI：10.19694/j.cnki.issn2095-2457.2018.12.013

Study on fault diagnosis of elevator based on fuzzy information fusion

ZHOU Xian LV Xiao-yan ZUO Ke

（Institute of Elevator Technology， Hunan Vocational and Technical College of Electronics， Xiangtan Hunan 411100， China）

【Abstract】In order to improve the accuracy of elevator fault diagnosis， this paper puts forward a fault diagnosis algorithm using multi-information fusion technology. The fault diagnosis model of fuzzy information fusion is set up. At last， this model is used to diagnose elevator fault of driving system. The simulation of the fault phenomena has the good effect of this fault diagnosis system.

【Key words】Elevator； Fault diagnosis； Fuzzy information fusion

近年來，隨著我國經濟持續穩健增長、城鎮化建設的加速以及房地產行業的進一步發展，電梯在人們日常生活中日漸普及。雖然電梯的安全性、可靠性有了顯著提升，但人們對電梯運行的安全性、舒適性以及實時故障診斷和預測都提出了更高的要求。電梯是復雜的機電一體化設備，其故障存在多樣性、不確定性和復雜性等特點，采用單一的故障診斷方法無法對電梯故障實施精確診斷。多傳感器信息融合技術的快速發展，為解決復雜系統故障診斷的不確定性問題提供了一種新的方法。

1 模糊信息融合故障診斷方法研究

信息融合技術是針對同一對象，利用多個傳感器綜合獲取各類故障信息，最后進行故障診斷。目前，故障診斷的信息融合方法按其融合算法不同，主要有以下幾種：基于貝葉斯定理信息融合故障診斷方法；基于模糊信息融合故障診斷方法；基于DS證據理論信息融合故障診斷方法；基于神經網絡信息融合故障診斷方法等。多傳感器信息融合故障診斷在復雜系統故障診斷準確率上具有優勢，但在具體融合算法上面有一定的局限性。如貝葉斯算法中先驗知識概率難以確定；模糊算法中各個傳感器的權重選擇具有一定的主觀性；DS證據理論中故障信度函數的確定也存在著人為因數；神經網絡信息融合算法不僅存在故障隸屬度值確定困難，還存在難以獲取訓練樣本的問題[1]。在融合算法實際應用中既要考慮到各自的不足，又要發揮其優點，設計出高質量的診斷系統。

在電梯故障診斷系統中，存在傳感器數目少，故障樣本難以獲取等不利因數，而且電梯設備和故障產生機理之間存在著復雜性和不確定性的問題，本文選擇模糊信息融合算法進行電梯故障診斷方法設計。

2 基于模糊信息融合的電梯故障診斷模型

模糊信息融合的電梯故障診斷系統結構如圖1所示。電梯故障診斷的過程可以分為：

（1）信號采集。通過在電梯機房、轎廂安裝傳感器，采集電梯運行狀態信號，如等變頻器電壓（電流）、轎廂垂直加速度。

（2）模糊變換。將采集到的數據進行模糊化處理，建立模糊關系矩陣，與傳感器權重向量進行合成運算，得到模糊變換結果。

（3）故障診斷。將上述結果按照一定的規則進行評判，最終判定系統的故障類型。

3 基于模糊信息融合的電梯故障診斷方法

模糊理論的基本思想是把普通集合中的絕對隸屬度關系模糊化，使元素對集合的隸屬度從原來只能取0或者1擴充到[0，1]區間中的任意數值，適用于對不確定性進行描述和處理。在應用多傳感器信息進行融合時，模糊集理論采用隸屬度函數來表示各傳感器信息的不確定性，再利用模糊變換進行數據處理[2]。

假設A為被診斷電梯典型故障點集合，如變頻器故障、制動器故障等；B為傳感器信息集合，如前述變頻器、轎廂垂直加速度等電梯運行狀態信號。A和B的關系矩陣RA×B中的元素μij為由傳感器i推斷決策為j的可能性，X為各個傳感器判斷的可信度值，經模糊變換得到的Y為融合后各決策的可能性。如果診斷系統中有m個傳感器，而診斷系統可能的決策有n個，那么

A={y1/決策1，y2/決策2，…，yn/決策n}

B={x1/傳感器1，x2/傳感器2，…，xm/傳感器m}

傳感器對所有可能決策的判定，用定義在A上的隸屬度函數表示。設傳感器i對待診斷系統的判定結果為：[μi1/決策1，μi2/決策2，…，μin/決策n]，其中0<μij<1，μil為結果為決策j的可能性， 記為向量，（μi1，μi2…，μin），m個傳感器構成AB的關系矩陣

將各傳感器判斷的可信度用B上的隸屬度X={x1/傳感器1，x2/傳感器2，…，xm/傳感器m}表示，則由Y=X×RA×B進行模糊變換，便可得到融合后的診斷結果Y=（y1，y2，…，yn）， 即融合后的各故障決策的可能性集合。

最后，對各個故障決策的可能性集合按照一定的權重進行選擇，得出最優結果。對故障進行決策時，采用基于規則的方法，基本原則如下[3]：

（1）判定的決策目標應具有最大的隸屬度值。

（2）判定的決策目標的隸屬度值要大于某一閾值，具體數值要視實際問題而定。

（3）判定的決策目標和其他目標的隸屬度值之差要大于某個門限。

模糊數據融合故障診斷算法流程如圖2所示。首先采集電梯狀態數據并進行模糊化處理，建立關系矩陣，獲取各個傳感器的權重向量，和關系矩陣做乘法運算，進一步得到診斷隸屬度結果矩陣，最后依據故障判定原則得到最終診斷結果。

4 實驗結果分析

經過對載重量1000Kg，額定速度1.25m/s的10層客梯進行實驗數據分析，以電梯驅動系統過載為例進行實驗數據分析。系統采集的傳感器信息有變頻器主回路電壓、變頻器輸入三相電壓、變頻器輸出三相電流信號以及轎廂垂直加速度。預判定的故障狀態有變頻器故障A1、電機缺相故障A2、電機過載A3、制動器松閘力不足A4。

表1 單傳感器單獨故障識別與模糊信息融合故障識別結果診斷表

表1為以變頻器故障為例，分別采用單傳感器單獨故障識別與多傳感器模糊信息融合故障識別結果診斷表。表中第一項至第四項為從變頻器主回路電壓、變頻器輸入三相電壓、轎廂垂直加速度、變頻器輸出三相電流單個傳感器信息所得到的故障的隸屬度值，第五項為模糊信息融合后的隸屬度值。故障判定過程中，取決策目標的隸屬度最小閾值為0.5，決策目標和其他目標的隸屬度值之差最小閾值為0.3，從表中可以看出，前四種傳感器單獨識別時，故障點判定準確率低，采用模糊信息融合算法后能完全識別出來，減少了由于單傳感器提供信息量少而產生的誤診現象，有效地提高了故障點定位的準確率。

5 結束語

通過對多信息融合故障診斷系統的分析和研究，建立了一種基于模糊信息融合的電梯驅動系統故障診斷模型，并進行了初步實驗，仿真結果表明利用該模型和算法可以獲得較高的診斷精度。與其他故障診斷方法相比，模糊信息融合方法具有簡單實用的特點，具有進一步研究和發展價值。

【參考文獻】

[1]朱大奇，劉永安.故障診斷的信息融合方法[J].控制與決策，2007，22（12）.1321-1328.

[2]朱大奇，于盛林，田裕鵬.應用模糊數據融合實現電子電路的故障診斷[J].小型微型計算機系統，2002，23（5）：633-635.

[3]韓靜，陶云剛.基于D-S證據理論和模糊數學的多傳感器數據融合算法[J].儀器儀表學報，2000，21（6）：644-647.

[4]馮鑫，夏洪山，馮月貴等.基于遺傳神經網絡的電梯故障診斷技術研究[J].起重運輸機械，2017（1）：28-32.

[5]孫文義，馬淑華，顧德英.模糊數據融合故障診斷在電纜監測中的應用[J].單片機與嵌入式系統應用，2010（2）：18-19.

[6]李端，艾永樂.神經網絡信息融合用于電梯故障診斷的研究[J].計算機工程與應用，2010，46（14）：231-234.

[7]Luo Zhi-zeng.A target recognition and classification method based on fuzzy data fusion[1].chinese Journal Of Scientific Instrument，1999，20（4）：401-404.

[8]Han Jing，Tao Yun-gang.Data fusion algorithm of multisensory based on D-S evidential theory and fuzzy mathematics[J].Chinese Journal Of Scientific Instrument，2000，21（6）：644-647.