一種非侵入式電梯運(yùn)行狀態(tài)智能監(jiān)測(cè)方法

楊 昱，王千山，李雪鵬，許 增，李海芳

(太原理工大學(xué) 信息與計(jì)算機(jī)學(xué)院，山西 晉中 030600)

為了加強(qiáng)電梯質(zhì)量安全工作，當(dāng)前電梯行業(yè)正在大力推進(jìn)按需維保。推進(jìn)按需維保，首先要解決的問題是對(duì)電梯運(yùn)行狀態(tài)的監(jiān)測(cè)。在實(shí)現(xiàn)狀態(tài)監(jiān)測(cè)的基礎(chǔ)上才能進(jìn)一步對(duì)電梯的健康狀態(tài)進(jìn)行估計(jì)與預(yù)測(cè)。

目前電梯行業(yè)中只有業(yè)內(nèi)領(lǐng)先的少數(shù)電梯生產(chǎn)廠商如日立、奧的斯對(duì)自己生產(chǎn)的電梯有相應(yīng)配套的電梯狀態(tài)監(jiān)測(cè)系統(tǒng)。它們采用的方式都是采集控制主板信號(hào)對(duì)電梯狀態(tài)進(jìn)行監(jiān)測(cè)。目前對(duì)于電梯狀態(tài)監(jiān)測(cè)和故障診斷的研究中，采用侵入式方法的有：通過采集門控信號(hào)[1-2]對(duì)電梯門系統(tǒng)的故障進(jìn)行監(jiān)測(cè)與預(yù)測(cè)；通過監(jiān)測(cè)馬達(dá)電壓[3]，挖掘其與電梯運(yùn)行故障的關(guān)系；通過采集電梯控制芯片信號(hào)[4]進(jìn)行遠(yuǎn)程監(jiān)控；通過采集主板信號(hào)[5]使用數(shù)據(jù)挖掘分析多部故障電梯的故障信息與相關(guān)因素；采集電機(jī)編碼信號(hào)以及調(diào)節(jié)器信號(hào)[6]，估計(jì)ISO 18738-1:2012標(biāo)準(zhǔn)描述的電梯關(guān)鍵性能指標(biāo)。采用侵入式的方法需要考慮電梯的品牌，無(wú)法保證電梯的實(shí)際運(yùn)行不受影響，并且需要專業(yè)技術(shù)人員安裝，缺乏普適性。

當(dāng)前研究中采用非侵入式方法的有：通過采集電梯的主要部件(轎廂、軸承、曳引機(jī)等)的振動(dòng)信號(hào)[7-11]，進(jìn)行故障的實(shí)時(shí)監(jiān)測(cè)、分類與預(yù)警；陳志平等[12]結(jié)合了非監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)方法，通過提取電梯檢驗(yàn)大數(shù)據(jù)中的振動(dòng)數(shù)據(jù)進(jìn)行故障的診斷與預(yù)測(cè)。SKOG et al[13]提出了一種易于安裝的非接觸式的電梯智能傳感節(jié)點(diǎn)，通過對(duì)加速度的分析，跟蹤電梯轎廂的位置，監(jiān)測(cè)異常停止；郝真鳴等[14]在測(cè)量加速度信號(hào)的基礎(chǔ)上增加了轎廂實(shí)時(shí)氣壓的測(cè)量，以監(jiān)測(cè)電梯的運(yùn)行位置與狀態(tài)。

由于市場(chǎng)上電梯品牌繁多、運(yùn)行時(shí)長(zhǎng)、運(yùn)行環(huán)境等客觀因素的不同，每個(gè)電梯都有自己的正常運(yùn)行模式，為了與所有電梯互操作而不用考慮其自身的傳感器和控制系統(tǒng)，本文采用了非侵入式的方法。而目前的相關(guān)研究大部分實(shí)時(shí)性不能滿足實(shí)際需求，需要安裝信標(biāo)才能解決長(zhǎng)時(shí)誤差積累問題。為此本文通過對(duì)加速度信號(hào)的分解、電梯加速度與速度的估計(jì)、傳感器自動(dòng)矯正、基于無(wú)跡卡爾曼濾波的信息融合，設(shè)計(jì)了一種不用安裝信標(biāo)、易于部署移動(dòng)、普適性強(qiáng)且不影響電梯工作狀態(tài)的實(shí)時(shí)狀態(tài)監(jiān)測(cè)方法。

1 方法總體概述

本文設(shè)計(jì)方法的主要部分如圖1所示，通過加速度傳感器和氣壓傳感器采集數(shù)據(jù)。首先對(duì)兩個(gè)傳感器進(jìn)行初始化，更新重力加速度和氣壓傳感器的初始海拔。由于采集的加速度是三軸數(shù)據(jù)，通過Weiszfeld算法求中位中心進(jìn)行重力加速度g的更新。在此基礎(chǔ)上，通過更新的g將采集到的電梯轎廂加速度分解為重力方向和水平方向。重力方向的加速度即為轎廂運(yùn)動(dòng)方向的加速度，通過卡爾曼濾波結(jié)合電梯的運(yùn)動(dòng)特征，得到電梯加速度、速度的估計(jì)，同時(shí)根據(jù)水平方向的加速度信號(hào)進(jìn)行振動(dòng)分析，計(jì)算與基線的偏移以檢測(cè)異常振動(dòng)。同時(shí)使用融合SLAM的無(wú)跡卡爾曼濾波算法耦合加速度和氣壓傳感器信息，對(duì)電梯的運(yùn)行位置進(jìn)行跟蹤。最后將實(shí)時(shí)監(jiān)測(cè)的信息通過Socket方式發(fā)送到賽爾網(wǎng)絡(luò)IPv6云服務(wù)平臺(tái)。云平臺(tái)收到信息后，進(jìn)行分析統(tǒng)計(jì)，并及時(shí)向電梯維保人員推送警報(bào)和維護(hù)策略，維保人員工作完成后向云平臺(tái)進(jìn)行反饋。

圖1 方法概覽Fig.1 Overview of the method

2 特征提取與預(yù)處理

2.1 傳感器自動(dòng)矯正

傳感器的自動(dòng)矯正包括初始化加速度傳感器測(cè)得的重力加速度向量和氣壓傳感器的初始海拔，以及根據(jù)電梯運(yùn)行狀態(tài)對(duì)二者進(jìn)行自動(dòng)更新。

2.1.1加速度傳感器自動(dòng)矯正

當(dāng)系統(tǒng)剛開始運(yùn)行(需要電梯處于靜止?fàn)顟B(tài))或運(yùn)行中檢測(cè)到電梯處于靜止階段時(shí)，采用滑動(dòng)窗口(寬度為2 s，步長(zhǎng)為0.5 s)處理所采集的三軸加速度數(shù)據(jù)序列，并根據(jù)所采集加速度向量的模過濾異常值；然后通過Weiszfeld算法求得所采集的三軸加速度數(shù)據(jù)的中位中心，即過濾后的所有加速度向量歐氏距離之和最小的點(diǎn)，以此作為初始化或更新后系統(tǒng)所使用的重力加速度向量。本文使用的Weiszfeld算法計(jì)算公式如下：

(1)

(2)

(3)

di(x,y,z)=‖(ai,bi,ci)-(x,y,z)‖ .

(4)

式中：m表示過濾后加速度向量的個(gè)數(shù)，(ai,bi,ci)表示過濾后的第i個(gè)加速度向量，(xk,yk,zk)表示W(wǎng)eiszfeld算法第k次迭代后求得的中位中心。將所有過濾后的加速度向量在各坐標(biāo)軸上的均值作為初始點(diǎn)輸入可以加快算法的收斂速度。

2.1.2氣壓傳感器自動(dòng)矯正

地球表面固定區(qū)域內(nèi)的大氣壓在一定時(shí)間內(nèi)隨著海拔的不同而連續(xù)變化，通過測(cè)量氣壓計(jì)算高度變化的公式如下：

(5)

h=kALT-kALT0.

(6)

式中：kALT、p、p0分別為當(dāng)前海拔、當(dāng)前傳感器測(cè)量氣壓、海平面氣壓，kALT0為基準(zhǔn)位置的海拔。當(dāng)系統(tǒng)剛開始運(yùn)行(需電梯靜止且位于基準(zhǔn)位置)或在運(yùn)行中檢測(cè)到電梯處于靜止階段,通過氣壓傳感器用滑動(dòng)窗口的方式記錄電梯當(dāng)前的海拔序列，直到檢測(cè)到電梯開始運(yùn)動(dòng)，使用的滑動(dòng)窗口寬度為2 s，步長(zhǎng)為1 s.3σ原則過濾記錄海拔序列的異常值后，求平均值作為初始化或更新后的氣壓傳感器的初始海拔。

2.2 加速度信號(hào)分解

將采集到的加速度向量減去重力加速度向量，通過內(nèi)積運(yùn)算將殘差量分解到重力方向以及與重力垂直的方向。分解到重力方向的加速度信號(hào)即為電梯沿豎直方向(電梯實(shí)際運(yùn)動(dòng)方向)運(yùn)動(dòng)的加速度與噪音之和；分解到與重力垂直方向的加速度信號(hào)即為電梯在水平方向上的振動(dòng)信號(hào)。加速度信號(hào)分解過程的計(jì)算公式如下：

Iresidual=I-g.

(7)

avertical=(Iresidual·g)/|g| .

(8)

Ivertical=avertical×g.

(9)

Ihorizontal=Iresidual-Ivertical.

(10)

式中：g表示重力加速度向量，I表示采集的三軸加速度，Iresidual為去除重力加速度后的殘差量，avertical為重力方向的加速度分量的模，Ivetical為重力方向的加速度分量，Ihorizontal表示水平方向的加速度分量。圖2為信號(hào)分解示例，圖2(a)為源數(shù)據(jù)；圖2(b)為分解后的數(shù)據(jù)，其中的豎線即為分解到重力方向的加速度分量。通過對(duì)加速度信號(hào)的分解與結(jié)合傳感器的自動(dòng)矯正，綜合應(yīng)用了加速度傳感器測(cè)得的三軸數(shù)據(jù)，使用安裝時(shí)不必關(guān)心加速度傳感器Z軸的方向，可以增強(qiáng)系統(tǒng)的魯棒性。

圖2 信號(hào)分解示意圖Fig.2 Signal decomposition diagram

3 電梯動(dòng)力學(xué)特征估計(jì)

電梯的運(yùn)動(dòng)過程可以分為：靜止階段、加速階段、勻速以及減速階段。電梯運(yùn)行過程中的加速度、速度特征如圖3所示，理想狀態(tài)下電梯在加速階段與減速階段，加速度的變化可近似劃分為勻速增大、保持、勻速減小三個(gè)子階段[6]。

圖3 電梯理想運(yùn)動(dòng)特征Fig.3 Ideal motion characteristics of elevator

由此可見，理想狀態(tài)下，除階段之間的過度點(diǎn)外，加速度的導(dǎo)數(shù)都維持常值。據(jù)此提出電梯理想運(yùn)動(dòng)的假設(shè)：

ak=ak-l.

(11)

通過公式(11)假設(shè)當(dāng)前時(shí)間步的加速度的導(dǎo)數(shù)等于上一時(shí)間步的加速度的導(dǎo)數(shù)，簡(jiǎn)化電梯運(yùn)動(dòng)模型，則電梯的動(dòng)力學(xué)特征可以用以下的狀態(tài)空間模型來描述：

xk=Fxk-l+wk.

(12)

其中，

式中：x為系統(tǒng)狀態(tài)向量，從上到下的元素依次表示速度、加速度、急動(dòng)度；F為狀態(tài)轉(zhuǎn)移函數(shù)；dt為采樣時(shí)間間隔；wk為零過程噪音向量，假設(shè)為零均值協(xié)方差Q的高斯噪音，Q與采樣時(shí)間有關(guān)，狀態(tài)向量xk的每個(gè)狀態(tài)被假定為電梯運(yùn)行過程中的平均值。

本文使用卡爾曼濾波，以加速度傳感器實(shí)時(shí)的測(cè)量值通過信號(hào)分解得到的重力方向分量和時(shí)間戳作為輸入，以系統(tǒng)狀態(tài)向量x作為輸出，通過預(yù)測(cè)步和更新步建立輸入與輸出之間的聯(lián)系進(jìn)行最優(yōu)化估計(jì)，主要步驟如下：

1) 計(jì)算采樣時(shí)間間隔dt，根據(jù)dt調(diào)整狀態(tài)轉(zhuǎn)移函數(shù)F和過程噪音協(xié)方差Qk，根據(jù)系統(tǒng)狀態(tài)模型(12)預(yù)測(cè)下一時(shí)間步的狀態(tài)，并估計(jì)系統(tǒng)協(xié)方差。

(13)

2) 估計(jì)系統(tǒng)協(xié)方差計(jì)算卡爾曼增益K，H為測(cè)量函數(shù)H=(0,0,1,0)T，R為測(cè)量噪音協(xié)方差。

(14)

3) 輸入計(jì)算信息，即預(yù)測(cè)值與測(cè)量值的殘差。

(15)

4) 用信息修正前狀態(tài)預(yù)測(cè)值和協(xié)方差：

(16)

(17)

由圖3可見，理想狀態(tài)下，當(dāng)電梯處于靜止或勻速階段時(shí)，加速度為零，考慮到傳感器噪音與電梯運(yùn)行中的過程噪音，為系統(tǒng)輸入的重力方向分量設(shè)定觀測(cè)窗口w=[averticalk-n+1,averticalk-n+2……averticalk]和閾值，averticalk表示當(dāng)前的加速度，n為觀測(cè)窗口寬度，當(dāng)窗口內(nèi)的所有的值都小于閾值時(shí)，將加速度矯正為0.當(dāng)加速度為零時(shí)，電梯處于靜止或勻速階段。因此當(dāng)加速度為零，速度的大小小于設(shè)定閾值時(shí)，可將速度矯正為零，同時(shí)可確定電梯處于靜止?fàn)顟B(tài)，進(jìn)行加速度傳感器的自動(dòng)矯正。

采用上述方法所監(jiān)測(cè)到的加速度與速度特征示例如圖4，從圖中可以清晰看到電梯運(yùn)行的4個(gè)階段。

圖4 加速度、速度估計(jì)示例Fig.4 Example of acceleration velocity estimation

4 電梯運(yùn)行位置估計(jì)

4.1 狀態(tài)轉(zhuǎn)移函數(shù)

加速度傳感器的短時(shí)精度高，但由于兩次積分所產(chǎn)生的累積誤差，對(duì)位移的估計(jì)誤差會(huì)隨時(shí)間不斷累積，短期精度較高，但長(zhǎng)期誤差會(huì)增大到不可接受。而氣壓傳感器對(duì)位移的估計(jì)誤差累積相對(duì)較慢，可以將二者融合提高對(duì)電梯運(yùn)行位置估計(jì)的精度。根據(jù)牛頓公式，k時(shí)刻電梯相對(duì)于參考層的運(yùn)行位置hk可以表示為：

hk=hk-1+Bkuk+wk.

(18)

由于電梯特殊的運(yùn)行機(jī)制，當(dāng)電梯處于靜止階段時(shí)，轎廂相對(duì)于參考點(diǎn)的高度是一組固定的離散值。用列表Map進(jìn)行描述Map@(h1,…,hi,hn)，其中hi指第i層相對(duì)于參考點(diǎn)的高度，n為電梯所能到達(dá)的樓層數(shù)。系統(tǒng)的狀態(tài)轉(zhuǎn)移函數(shù)可以表示為：

(19)

式中，δhi表示先驗(yàn)的測(cè)量誤差。

4.2 Map初始化

利用加速度傳感器短時(shí)精度高的特點(diǎn)，使用SLAM算法學(xué)習(xí)電梯的樓層位置[13]，對(duì)Map進(jìn)行初始化，得到Map的先驗(yàn)信息。電梯需要順序地跑完所有樓層(逐層停止)，通過卡爾曼濾波并結(jié)合電梯的運(yùn)動(dòng)特征，可以較為精準(zhǔn)地估計(jì)兩次停車間的距離，通過逐層掃描就可得到樓層間距與樓層高度。圖5為實(shí)驗(yàn)場(chǎng)所一次Map的初始化過程(一層為參考層)，由圖可見每?jī)纱蜗噜彽耐＼囍g，加速度和速度的變化都遵循相同的模式。樓層信息的初始化結(jié)果如表1，表中最后一列是在相鄰樓梯間測(cè)得的實(shí)際樓層間距。樓層間距最大誤差為0.03 m，平均誤差為0.023 m.可見，通過SLAM算法能夠較為準(zhǔn)確地獲得各樓層位置初始化信息，而整個(gè)過程實(shí)現(xiàn)了與電梯品牌以及安裝場(chǎng)所的無(wú)關(guān)性。

圖5 Map初始化Fig.5 Map initialization

表1 樓層信息的初始化結(jié)果Table 1 Initialization results of floor information

4.3 無(wú)跡卡爾曼濾波

無(wú)跡卡爾曼濾波(UKF)計(jì)算量與擴(kuò)展卡爾曼濾波同階，至少可以達(dá)到二階精度[15]。相較于擴(kuò)展卡爾曼濾波，無(wú)跡卡爾曼濾波不需要知道狀態(tài)轉(zhuǎn)移函數(shù)和測(cè)量函數(shù)的具體表達(dá)形式，對(duì)函數(shù)的可導(dǎo)性不作要求。因此本文采用無(wú)跡卡爾曼濾波對(duì)電梯的位置進(jìn)行估計(jì)。無(wú)跡卡爾曼濾波的核心是無(wú)跡變換[16](Unscented Transform)，通過確定性采樣進(jìn)行非線性變化來逼近非線性分布，無(wú)跡變換之后采用卡爾曼濾波計(jì)算框架進(jìn)行狀態(tài)更新。本文使用的UKF具體計(jì)算框架如圖6所示。

由于系統(tǒng)的輸入與輸出含義相同且都為一維向量，本文采用簡(jiǎn)化的UKF計(jì)算公式。

首先采用對(duì)稱采樣策略，得到2n+1個(gè)采樣點(diǎn)和對(duì)應(yīng)的權(quán)重；將所有的采樣點(diǎn)代入狀態(tài)轉(zhuǎn)移函數(shù)，將結(jié)果根據(jù)UT變換加權(quán)得到狀態(tài)預(yù)測(cè)值和預(yù)測(cè)協(xié)方差。

系統(tǒng)的輸入輸出相同，所以不需要進(jìn)行量測(cè)步的無(wú)跡變換，獲得測(cè)量信息后根據(jù)測(cè)量值和測(cè)量噪音協(xié)方差計(jì)算信息和卡爾曼增益，然后進(jìn)行狀態(tài)估計(jì)值和對(duì)應(yīng)協(xié)方差的更新。

本文采用了基于新息和過程噪音的自適應(yīng)方法，設(shè)σ為P的平方根，當(dāng)新息大于2σ，即預(yù)測(cè)值與觀測(cè)值距離過遠(yuǎn)時(shí)，說明預(yù)測(cè)函數(shù)與噪聲統(tǒng)計(jì)特性在這個(gè)時(shí)間步上與實(shí)際運(yùn)動(dòng)不適配，所以為Q增大一個(gè)固定值s，以增大卡爾曼濾波中測(cè)量值的比重。否則將Q減小s直到還原到初始值。之后判斷當(dāng)前電梯的運(yùn)動(dòng)狀態(tài)，若電梯靜止，根據(jù)Map檢測(cè)當(dāng)前位置所距最近的樓層hi，若hk∈U(hi,δh)則進(jìn)行Map的更新并執(zhí)行傳感器自動(dòng)矯正程序，否則表明電梯可能出現(xiàn)異常位置停車，發(fā)送異常停止警報(bào)。

圖6 UKF計(jì)算流程Fig.6 UKF calculation process

5 電梯振動(dòng)分析

將電梯運(yùn)行過程中轎廂的振動(dòng)作為非侵入的監(jiān)測(cè)電梯運(yùn)行狀態(tài)的重要特征進(jìn)行提取。由于豎直方向的振動(dòng)信號(hào)在加速和減速階段包含了電梯運(yùn)動(dòng)的加速度，所以使用水平方向加速度信號(hào)檢測(cè)異常振動(dòng)。通過水平方向振動(dòng)的能量確定代表電梯健康狀況的基線；然后觀察實(shí)時(shí)采集到的數(shù)據(jù)是否偏離基線。如果偏離，則表明電梯可能發(fā)生異常。本文所使用的基線生成的方法如下：

選取移動(dòng)平均數(shù)(MA)為收斂的指標(biāo)，n為已采集的信號(hào)數(shù)。

(20)

計(jì)算移動(dòng)平均誤差(EMA)，將相距m-1個(gè)點(diǎn)的斜率k做為中長(zhǎng)期收斂指標(biāo)。停止準(zhǔn)則為k≈0.當(dāng)滿足停止準(zhǔn)則時(shí)完成收斂，如未收斂則繼續(xù)采集數(shù)據(jù)計(jì)算k值。

EMAj=|MAj-MAj-1|/MAj-1×100 .

(21)

k=atan((EMAn-EMAn-m)/(xn-xn-m)) .

(22)

完成收斂后，將所記錄的水平振動(dòng)能量的均值μ作為基線，并計(jì)算標(biāo)準(zhǔn)差σ.根據(jù)統(tǒng)計(jì)學(xué)原理，將μ+3σ劃為警戒線，建立判別模型，進(jìn)行在線監(jiān)測(cè)。將采集的新數(shù)據(jù)輸入判別模型，進(jìn)行狀態(tài)檢測(cè)。

6 實(shí)驗(yàn)結(jié)果與分析

本文搭建了樹莓派3B+搭載GMP180(氣壓傳感器)與MPU6050(加速度傳感器)的硬件平臺(tái)，傳感器BMP180采用超高線性模式，采樣頻率為39.2 Hz.MPU6050選取測(cè)量范圍為±2g，采樣頻率為200 Hz.兩個(gè)傳感器分別綁定了樹莓派CPU的一個(gè)內(nèi)核，采用多進(jìn)程運(yùn)行方式保證其數(shù)據(jù)采集的并行執(zhí)行。選取信計(jì)學(xué)院北樓電梯作為本文的實(shí)驗(yàn)環(huán)境(樓層信息見表1)，對(duì)本文方法的性能進(jìn)行了驗(yàn)證。

圖7為試運(yùn)行中對(duì)試驗(yàn)電梯的加速度特征和速度特征的估計(jì)結(jié)果，結(jié)合加速度特征與速度特征對(duì)電梯運(yùn)行方向與所處運(yùn)動(dòng)階段(圖3所述)的檢測(cè)，正確率可達(dá)百分之百。其中圖7(a)、圖7(b)顯示了根據(jù)《電梯技術(shù)條件(GB/T 10058-2009)》計(jì)算的質(zhì)量參數(shù)：試驗(yàn)電梯每次運(yùn)行的最大加速度、最大減速度、以及a95(95%采樣數(shù)據(jù)的加減速度)。其中，速度的運(yùn)行區(qū)間為[-1.91,1.80]，最大加減速度均小于1.5 m/s2，加減速度a95均大于0.5 m/s2，符合國(guó)家標(biāo)準(zhǔn)。根據(jù)《電梯技術(shù)條件(GB/T 10058-2009)》計(jì)算的質(zhì)量參數(shù)能夠反映電梯系統(tǒng)的健康狀態(tài)，也可用作電梯預(yù)測(cè)性維護(hù)的數(shù)據(jù)特征。

圖7 電梯運(yùn)動(dòng)特征估計(jì)結(jié)果Fig.7 Estimation results of elevator motion characteristics

通過無(wú)跡卡爾曼濾波將兩種傳感器的信息進(jìn)行融合對(duì)電梯運(yùn)行位置的跟蹤示例如圖8所示。

圖8 電梯位置跟蹤示例Fig.8 Example of elevator position tracking results

由圖8可見，由于UKF算法不能及時(shí)矯正由測(cè)量所積累的誤差，導(dǎo)致誤差累積越來越大，隨著運(yùn)行時(shí)間的增長(zhǎng)，UKF算法的狀態(tài)估計(jì)明顯偏離真實(shí)狀態(tài)。在UKF算法中，引入傳感器自動(dòng)矯正機(jī)制后，累積誤差得到了很好的控制，長(zhǎng)時(shí)狀態(tài)估計(jì)性能提升明顯。而結(jié)合SLAM算法對(duì)狀態(tài)轉(zhuǎn)移函數(shù)進(jìn)行優(yōu)化后，對(duì)電梯的運(yùn)行位置進(jìn)行了進(jìn)一步矯正，更好地減小了UKF狀態(tài)估計(jì)的誤差。

實(shí)驗(yàn)中位置跟蹤的具體誤差分析可見圖9：由誤差累積概率分布圖可知，融合自動(dòng)校準(zhǔn)和SLAM的UKF算法能夠有效控制誤差的積累，位置的平均誤差為0.098 m，均方根誤差為0.143 m，(如表2所示)，收斂更快，有更高的濾波精度。本文設(shè)計(jì)的方法基本解決了位置誤差的累積問題，能夠更好地估計(jì)電梯的運(yùn)行位置。

圖9 位置誤差累積概率分布圖Fig.9 CDF of position error

表2 電梯位置誤差Table 2 Elevator position error m

當(dāng)電梯的曳引系統(tǒng)出現(xiàn)問題以及導(dǎo)軌的錯(cuò)位和變形會(huì)導(dǎo)致振動(dòng)能量的異常增大，獲得電梯實(shí)時(shí)加速度和位置的基礎(chǔ)上，可以建立電梯振動(dòng)能量位置譜圖，以反映電梯的工作狀態(tài)。為了排除電梯加速減速階段，轎廂自身加速度的干擾，采用水平方向的加速度信號(hào)建立振動(dòng)能量位置譜。通過在電梯運(yùn)行過程中進(jìn)行大幅度的跳躍來模擬電梯曳引系統(tǒng)或?qū)к壪到y(tǒng)出現(xiàn)問題的情況[14]。分別在電梯運(yùn)行的上行加速階段、上行勻速階段、上行減速階段、下行加速階段、下行勻速階段、下行減速階段進(jìn)行了大幅跳躍，結(jié)果如圖10.圖中豎軸為電梯運(yùn)行位置，橫軸為對(duì)應(yīng)位置的振動(dòng)能量，虛線為采用基線生成算法訓(xùn)練生成的警戒線(0.150 m4/s2).譜圖中的尖峰即為模擬產(chǎn)生的異常振動(dòng)，可見在電梯運(yùn)行各個(gè)階段均可清晰檢測(cè)出模擬故障的發(fā)生，并可定位故障發(fā)生時(shí)轎廂所在位置，為電梯系統(tǒng)的維修保養(yǎng)以及被困人員的解救提供重要信息。

圖10 振動(dòng)能量位置譜Fig.10 Vibration power versus position spectra

通過以上對(duì)電梯運(yùn)行加速度、速度、位置、振動(dòng)實(shí)時(shí)精準(zhǔn)的監(jiān)測(cè)，可以有效地檢測(cè)電梯曳引系統(tǒng)異常、平層故障、導(dǎo)向系統(tǒng)故障并準(zhǔn)確定位導(dǎo)軌錯(cuò)位變形位置，還能預(yù)防電梯沖頂和墩底事故的發(fā)生。

7 結(jié)束語(yǔ)

本文實(shí)現(xiàn)了對(duì)電梯運(yùn)行狀態(tài)和位置的實(shí)時(shí)監(jiān)測(cè)，通過加速度信號(hào)的分解、傳感器的自動(dòng)矯正并結(jié)合電梯的運(yùn)動(dòng)特征使用卡爾曼估計(jì)了電梯的動(dòng)力學(xué)特征，并計(jì)算了《電梯技術(shù)條件(GB/T 10058-2009)》的相關(guān)質(zhì)量參數(shù)。使用融合SLAM算法的無(wú)跡卡爾曼濾波器進(jìn)行了位置跟蹤，解決了位置誤差累積的問題。在實(shí)際的電梯運(yùn)行環(huán)境下進(jìn)行了測(cè)試，在不安裝信標(biāo)的情況下平均定位誤差為0.098 m.本文對(duì)電梯的加速度水平分量進(jìn)行振動(dòng)分析，建立電梯運(yùn)行的基線與振動(dòng)能量位置譜，并通過模擬故障進(jìn)行了驗(yàn)證。本文設(shè)計(jì)的非侵入式電梯狀態(tài)監(jiān)測(cè)系統(tǒng)成本低廉、安裝移動(dòng)簡(jiǎn)單方便、即插即用、普適性強(qiáng)，和電梯自身的控制系統(tǒng)完全脫耦，不會(huì)影響電梯的控制和使用。未來的工作中，本文計(jì)劃研究電梯門系統(tǒng)的檢測(cè)功能，在已知故障的電梯中進(jìn)行實(shí)驗(yàn)并進(jìn)一步進(jìn)行故障分析。