電梯故障分析中人工智能的運用探討

陳景新

（日立電梯（中國）有限公司，廣東 廣州 510630）

近年來，隨著市場上高層建筑的日漸增多，人們對高層建筑的電梯配置提出了新的要求，在電梯施工的過程中，應(yīng)將電梯的質(zhì)量安全放在首要位置。高層建筑中的電梯使用頻次較高，在長時間的使用過程中，電梯故障無法避免，傳統(tǒng)的電梯故障分析中，主要為人工方式，耗時耗力，難以在最短的時間內(nèi)恢復(fù)電梯的正常使用。互聯(lián)網(wǎng)時代到來后，人工智能技術(shù)越發(fā)進(jìn)步，此項技術(shù)在高層建筑中的使用，給電梯故障處理提供了巨大的便捷，未來的電梯故障分析中，需加大人工智能技術(shù)的應(yīng)用。

1 人工智能技術(shù)概述

人工智能是時代的產(chǎn)物，伴隨著計算機(jī)技術(shù)的深入發(fā)展而出現(xiàn)，為當(dāng)前各行各業(yè)廣泛應(yīng)用的現(xiàn)代化技術(shù)。世界上的絕大多數(shù)國家，每年都加大了在人工智能技術(shù)中的研發(fā)投入，加快了技術(shù)進(jìn)步的步伐。與其他的技術(shù)相比，人工智能這種現(xiàn)代技術(shù)的綜合性較強(qiáng)，在長期的發(fā)展過程中取得了顯著的成就，在未來還有著巨大的發(fā)展可能。根據(jù)人工智能的發(fā)展情況，經(jīng)歷了萌芽期、發(fā)展時期、廣泛普及時期。在人工智能的萌芽期，僅僅為理論研究期，并未轉(zhuǎn)化為實際技術(shù)，主要是因為在長時間的社會經(jīng)濟(jì)發(fā)展過程中，勞動力為主要的生產(chǎn)力，并未注重生產(chǎn)變革。人工智能方面的理論研究不成熟，僅僅以一種構(gòu)思與想法而存在。在人工智能的發(fā)展時期，人工智能得到了一定的應(yīng)用，但尚未普及，計算機(jī)信息技術(shù)等在各行各業(yè)中的應(yīng)用，使人們對人工智能有了更深的了解，加快了人工智能的發(fā)展步伐，但在這一階段，對于人工智能的應(yīng)用無明確目標(biāo)，雖在一些領(lǐng)域使用了人工智能，但覆蓋率并不高。最后，人工智能廣泛普及期，在此階段的互聯(lián)網(wǎng)技術(shù)日漸成熟，人工智能技術(shù)的發(fā)展迅猛，在越來越多的領(lǐng)域與行業(yè)都得到了應(yīng)用。在近幾年，人工智能在許多行業(yè)中都取得了顯著的應(yīng)用成果，真正讓人們意識到了此項技術(shù)的優(yōu)勢，在帶動了行業(yè)轉(zhuǎn)型的同時，也為人工智能的未來發(fā)展創(chuàng)造了更多的契機(jī)。從20世紀(jì)90年代開始，計算機(jī)芯片的計算能力一直保持在持續(xù)增長的趨勢，以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的AI技術(shù)有了一定的發(fā)展機(jī)會。結(jié)合當(dāng)前神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用情況，深度神經(jīng)網(wǎng)絡(luò)（DNN）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的應(yīng)用較多，發(fā)展較為成熟。

2 神經(jīng)網(wǎng)絡(luò)技術(shù)在電梯故障診斷中的應(yīng)用

高層建筑的電梯工作過程相對復(fù)雜，當(dāng)其處于正常運行條件下時，可接受、分析與表達(dá)指令。電梯故障發(fā)生的概率較高，故障診斷關(guān)乎電梯的使用安全，人工智能不斷發(fā)展的今天，神經(jīng)網(wǎng)絡(luò)技術(shù)在電梯故障分析與診斷中得到了廣泛的應(yīng)用，當(dāng)利用此項技術(shù)開展故障分析與判定時，涉及外部信號接收、數(shù)據(jù)處理與分析、動作命令數(shù)據(jù)的傳輸步驟。當(dāng)電梯在使用的過程中發(fā)生了故障時，故障信息在信息系統(tǒng)輔助下，可快速將這些信息上傳到神經(jīng)網(wǎng)絡(luò)模型，由模型自動分析信息，結(jié)合信息分析與處理結(jié)果，判定故障類型、位置與原因，隨后將這些信息向外傳輸。神經(jīng)網(wǎng)絡(luò)模型的種類繁多，BP網(wǎng)絡(luò)模型的使用頻次較高，模糊神經(jīng)網(wǎng)絡(luò)模型、遺傳小波神經(jīng)網(wǎng)絡(luò)模型等的應(yīng)用也相對較多，電梯故障分析的過程中，可結(jié)合實際需求，選擇恰當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型。

2.1 BP網(wǎng)絡(luò)模型的應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)為多層前饋神經(jīng)網(wǎng)絡(luò)，有多個目標(biāo)函數(shù)，如信號前向傳播、誤差反向傳播、網(wǎng)絡(luò)實際輸出值、期望輸出值的誤差平方，當(dāng)構(gòu)建了目標(biāo)函數(shù)后，在信息的檢索方面，為梯度下降法。結(jié)合圖1的BP神經(jīng)網(wǎng)絡(luò)構(gòu)成，涉及輸入層、輸出層與隱含層三個層級，利用這一神經(jīng)網(wǎng)絡(luò)技術(shù)，可突破多層網(wǎng)絡(luò)隱含層連接權(quán)值學(xué)習(xí)方面的技術(shù)限制，即使未規(guī)定信號輸入與輸出之間的規(guī)則或者映射關(guān)系，同樣可正常利用該技術(shù)。正是因為BP神經(jīng)網(wǎng)絡(luò)的這些特點，使得在機(jī)械故障診斷方面，這一神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用范圍相對較廣，電梯故障診斷與分析中，同樣可采用這一技術(shù)。電梯故障分析中的BP網(wǎng)絡(luò)模型應(yīng)用，涉及以下步驟：

圖1 BP神經(jīng)網(wǎng)絡(luò)的三層網(wǎng)絡(luò)結(jié)構(gòu)

（1）數(shù)據(jù)的采集、輸入與輸出，將這些數(shù)據(jù)實施歸一化，得到的數(shù)據(jù)映射于特定范圍。

（2）構(gòu)建BP網(wǎng)絡(luò)模型，模型建成后開展訓(xùn)練。

（3）訓(xùn)練后的網(wǎng)絡(luò)模型對原樣本實施檢測，在此檢測過程中，需利用特定的算法：一定的取值區(qū)間內(nèi)將有關(guān)數(shù)據(jù)實施初始化；通過輸入值大小的確定，獲得預(yù)期輸出量；得到實際輸出值后，與預(yù)期輸出量對比，做減法；相減得到的誤差值劃分給隱含層，獲得隱含層誤差；對輸出層閾值、權(quán)值、隱含層權(quán)值加以修正；修正隱含層閾值，修正隱含層、輸入層有關(guān)權(quán)值。

2.2 遺傳小波神經(jīng)網(wǎng)絡(luò)模型的運用

電梯故障分析中，遺傳小波神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用也相對較多，此模型中采用的是遺傳算法，根據(jù)該算法的產(chǎn)生過程，為生物學(xué)方面的優(yōu)勝劣汰、適者生存原理，因為可化繁為簡，對一些復(fù)雜的故障，利用這一模型和算法可有效處理。與其他類型的神經(jīng)網(wǎng)絡(luò)模型相比，遺傳小波神經(jīng)網(wǎng)絡(luò)模型可對局部數(shù)據(jù)實施細(xì)化解析，數(shù)據(jù)處理精度高。

遺傳算法小波神經(jīng)網(wǎng)絡(luò)的工作中，小波分解技術(shù)為核心技術(shù)，利用此項技術(shù)可實現(xiàn)模擬故障信號的分解，在歸一化處理下，將結(jié)果傳輸給神經(jīng)網(wǎng)絡(luò)模型。遺傳小波神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢明顯，其中集中了遺傳算法、小波分析與神經(jīng)網(wǎng)絡(luò)的優(yōu)點。當(dāng)電梯故障分析中采用的是這一神經(jīng)網(wǎng)絡(luò)模型時，故障判定涉及以下步驟：測試節(jié)點信號采樣；小波分解；故障特征量的提取；歸一化處理的訓(xùn)練樣本集獲取；遺傳算法優(yōu)化，故障類型確定。由于電梯的結(jié)構(gòu)復(fù)雜，故障發(fā)生時需處理的信息量龐大，利用遺傳小波神經(jīng)網(wǎng)絡(luò)模型，可得到精準(zhǔn)的故障分析結(jié)果。

2.3 模糊神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

大數(shù)據(jù)時代到來后，人工智能技術(shù)邁上了新的發(fā)展臺階，在電梯故障診斷方面，模糊神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用效果也相對理想。與其他神經(jīng)網(wǎng)絡(luò)模型相比，模糊神經(jīng)網(wǎng)絡(luò)模型為新模型，技術(shù)先進(jìn)，綜合了神經(jīng)網(wǎng)絡(luò)、模糊理論等學(xué)科知識，其中，有廣義的前向推理、方向推理，特殊性表現(xiàn)在語言邏輯、判斷依據(jù)、結(jié)論等的模糊性上。模糊神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)處理、自學(xué)能力都非常強(qiáng)，在具體應(yīng)用時，為通過這一神經(jīng)網(wǎng)絡(luò)模型獲得故障信息，需針對可能發(fā)生的各種故障，建立完整集合，也就是模糊故障集，將這些故障的原因也集中到一個集合內(nèi)，構(gòu)建模糊原因集，最后，構(gòu)建故障、原因的關(guān)系矩陣。這一模型的使用便捷，通過其在電梯故障診斷中的應(yīng)用，可得到相對準(zhǔn)確的診斷結(jié)果。

3 人工智能在電梯故障分析內(nèi)的實施策略分析

3.1 應(yīng)用前景

對于很多行業(yè)來說，在進(jìn)入一段時間的高速發(fā)展期后，必然會遇到一定的發(fā)展瓶頸，一旦遇到了巨大的發(fā)展瓶頸，就需要采用新技術(shù)克服發(fā)展難題。在電梯制造技術(shù)不斷進(jìn)步的過程中，廠家在故障分析與診斷方面也投入了較大的精力，在傳統(tǒng)工藝與技術(shù)的巨大限制下，人工智能為電梯故障處理帶來了更大的發(fā)展契機(jī)，雖取得了一定的應(yīng)用成果，但在未來還有技術(shù)改進(jìn)的空間。

3.2 策略分析

（1）技術(shù)實施。電梯故障分析與處理中的人工智能技術(shù)應(yīng)用中，不僅要從軟件方面開展，還需從硬件方面創(chuàng)新，從硬件角度，為實現(xiàn)人工智能技術(shù)的使用，關(guān)鍵要選擇主芯片，因為主芯片可完成數(shù)據(jù)的分析與處理，最終得到的數(shù)據(jù)可在其他設(shè)備的輔助下傳輸?shù)狡渌K端。而人工智能技術(shù)的應(yīng)用中，硬件與軟件應(yīng)保持緊密的配合性，只有二者高度配合，才可發(fā)揮人工智能的技術(shù)優(yōu)勢。結(jié)合當(dāng)下電梯故障分析中人工智能技術(shù)的應(yīng)用情況，回歸算法的使用較多，在此算法下，軟件固定于人工智能芯片盒上，在軟硬件高度結(jié)合后，可以滿足用戶的故障分析與處理需求。人工智能下，首要和關(guān)鍵的步驟就是數(shù)據(jù)的采集，在完成多樣本數(shù)據(jù)的采集后進(jìn)入樣本分析環(huán)節(jié)，由于機(jī)器具有自我學(xué)習(xí)能力，處理后的數(shù)據(jù)可被傳輸?shù)诫娞莸目刂茖樱^程如圖2所示。

圖2 人工智能應(yīng)用于電梯故障分析的設(shè)備組成

人工智能技術(shù)應(yīng)用中，設(shè)備控制系統(tǒng)是其中的重要系統(tǒng)，該系統(tǒng)內(nèi)設(shè)置有無線通信接收模塊、設(shè)備控制中心，無線通信接收模塊負(fù)責(zé)人工數(shù)據(jù)處理后無線電數(shù)據(jù)的接收，在接收到了有關(guān)的數(shù)據(jù)后，直接向設(shè)備控制中心下達(dá)操作指令，指導(dǎo)電梯故障的處理。在系統(tǒng)中的視覺采集設(shè)備，可在故障診斷的過程中實時接收圖像，其中的圖像收集設(shè)備、傳輸線路，保障了圖像接收的便捷性、高效性，利用視覺采集設(shè)備持續(xù)收集電梯的運行圖形，可形成可分析數(shù)據(jù)元。在當(dāng)下技術(shù)的發(fā)展中，視覺采集設(shè)備既可以獨立安裝，也可以與人工智能分析處理模塊關(guān)聯(lián)，但在具體應(yīng)用時需考慮實際情況，在特定的場景內(nèi)選擇恰當(dāng)?shù)陌惭b方式。人工智能設(shè)備模塊與電梯控制系統(tǒng)之間保持相互的獨立性，在運行和使用中，人工智能設(shè)備模塊可單獨自我學(xué)習(xí)，利用其中的算法實現(xiàn)故障分析與處理。

（2）電梯自學(xué)習(xí)式故障診斷。電梯故障分析中的人工智能技術(shù)應(yīng)用，對電梯檢驗數(shù)據(jù)的挖掘是關(guān)鍵步驟，在此條件下，涉及數(shù)據(jù)準(zhǔn)備、規(guī)律找尋與規(guī)律表示，具體原理如圖3。

圖3 人工智能進(jìn)行電梯檢驗原理分析

根據(jù)電梯檢驗過程中的人工智能技術(shù)應(yīng)用情況，在整個技術(shù)應(yīng)用時，顯單元到故障專家診斷結(jié)果這一步驟，實際上體現(xiàn)的就是機(jī)器的自我學(xué)習(xí)，在提取了電梯檢驗的大數(shù)據(jù)后，可得到電梯轎廂振動信息的特征，此環(huán)節(jié)就是人工智能的數(shù)據(jù)準(zhǔn)備。電梯檢驗中的自我學(xué)習(xí)，以監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)為主，不論為哪種學(xué)習(xí)方式，實際上都屬于規(guī)律尋找環(huán)節(jié)，但從軟件角度來看，監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)卻存在一定的差異，前者采用的是回歸算法，可對電梯運行中未來可能發(fā)生的故障加以預(yù)測，后者為聚類算法，對于已經(jīng)發(fā)生的故障，可找出故障特征。

（3）商務(wù)實施。人工智能技術(shù)在電梯故障分析中的應(yīng)用，也需從商務(wù)實施的角度展開，涉及成本控制、場景應(yīng)用可能性分析、實際使用可能性分析、技術(shù)轉(zhuǎn)化等幾個方面，從成本控制來說，在利用人工智能技術(shù)開展電梯故障分析時，應(yīng)對比此技術(shù)相較傳統(tǒng)技術(shù)的成本情況，如果人工智能技術(shù)在商用時的成本過高，在商務(wù)實施方面往往會遇到諸多的難題。場景應(yīng)用可能性分析需針對電梯實地安裝、操作學(xué)習(xí)成本展開，如果制定了商務(wù)實施策略，需選派專人進(jìn)行電梯維護(hù)等專業(yè)工作。技術(shù)轉(zhuǎn)化考慮的是技術(shù)設(shè)計到實際應(yīng)用的可行性。

4 結(jié)語

隨著電梯在高層建筑中的普及，電梯故障分析與處理已經(jīng)成為人們重點關(guān)注的方面，在人工智能技術(shù)穩(wěn)步發(fā)展的今天，電梯故障分析中需加大人工智能技術(shù)的應(yīng)用，以發(fā)揮技術(shù)優(yōu)勢，提高故障分析結(jié)果的準(zhǔn)確度。