電梯智慧監管與檢驗技術發展綜述*

郭 淼,鄔曉月,李 斌,馮月貴,潘 鋒,王會方

(1.中國合格評定國家認可中心,北京 100062;2.南京市特種設備安全監督檢驗研究院,江蘇 南京 210019)

0 引言

隨著城市化水平的不斷提高,我國國內電梯行業得到一定程度發展。截至2022年年底,全國特種設備總量達1 955.25萬臺,其中電梯964.46萬臺[1]。然而,隨著電梯生產量及使用量的增加,高齡老舊電梯日益增多,長期服役老舊電梯會導致其故障率增長。電梯運行安全事關人民群眾生命財產安全,廣受社會關注。在物聯網、大數據和人工智能等新技術發展的背景下,如何利用現代信息化手段加強電梯智慧監管、提升其檢驗能力和水平,已成為電梯安全治理的重難點,應著重高效發展電梯智慧監管技術也成為了相關行業內的共識。

近年來,為探索科學有效的監管和檢驗模式,我國已出臺一系列政策文件。如,2017年《質檢總局關于同意江蘇、浙江省開展電梯安全監管改革創新試點的批復》(國質檢特函〔2017〕187號)[2]提出“開展電梯安全監管改革創新試點”任務;2020年《市場監管總局關于進一步做好改進電梯維護保養模式和調整電梯檢驗檢測方式試點工作的意見》(國市監特設〔2020〕56號)[3]提出“推廣‘物聯網+維保’”、“科學調整電梯檢驗、檢測方式”和“推動智慧監管體系建設”任務;2021年《市場監管總局關于同意開展電梯智慧監管試點的批復》(國市監特設函〔2021〕72號)[4]提出“深入探索電梯安全監管改革,實現更加科學的分類監管、精準監管”工作要求。電梯智慧監管和檢驗是通過數據感知與歸集技術,聯通匯聚檢驗、應急、運行維護等業務系統數據及視頻監控、運行狀態等物聯網數據,建立面向智慧監管和檢驗的數據底座,搭建數據驅動的電梯智慧治理平臺,對監管和檢驗過程進行數字化、智能化升級[5]。在監管環節,通過建立數據分析模型,實現綜合統計、日常監督、質量安全追溯、風險預警、隱患排查、應急救援、事故管理等功能,形成以數據為核心的特種設備智慧監管體系,為風險管理、安全評價和輔助決策提供支撐;在檢驗環節,將信息技術與檢驗檢測技術深度融合,以智能采集、傳輸存儲、分析處理、挖掘應用為主線,構建“互聯網+檢驗檢測”新模式,提高檢驗工作質量。

因此,數據感知技術、大數據分析技術、平臺應用是當前電梯智慧監管與檢驗研究的重點問題。本文通過文獻綜述法,對2012—2022年我國電梯行業智慧監管與檢驗發展現狀進行梳理,從數據感知技術、大數據分析技術、平臺應用3個方面,分析提煉當前智慧監管與檢驗研究存在的重難點,研究結果可為電梯智慧監管和檢驗提供一定參考。

1 電梯多源異構數據感知及獲取方法研究現狀

圖1所示為電梯數據所涉及的制造、安裝、監管、檢驗、應急處置、使用、維護保養等業務及多維數據流示意。由圖1可知,由于各業務主體系統建設、數據格式均不同,存在信息分布分散、質量參差不齊等問題,因此形成多個“數據孤島”。為解決上述問題,需要研究電梯多源異構數據歸集與感知技術,匯聚電梯相關業務平臺和運行監測平臺,形成電梯公共安全大數據,并通過數據挖掘技術與大數據分析平臺開展應用研究。

圖1 電梯數據所涉及的各業務及多維數據流示意Fig.1 Schematic diagram of various business entities and data flow related to elevator data

1.1 電梯運行工況數據感知方法研究現狀

目前,對電梯運行的數據感知主要包括開關量和模擬量的感知。開關量感知主要包括感知樓層、總接觸器、運行接觸器、制動器狀態、安全回路、運行狀態、門狀態、電梯上下行、平層狀態、上下極限狀態、鋼絲繩折彎次數、運行次數、運行時間等狀態;模擬量感知主要包括電梯運行過程中的電流、電壓、振動、噪聲、溫度等信息。

在電梯開關量感知監測方面,相關電梯制造企業已經能夠基于主控板,采集電梯的基礎運行狀態信息以及層門開關動作、主開關斷電、緊急停止開關動作等安全開關狀態信息[6]。日本三菱MelEye電梯監控系統能夠實現電梯上行、下行、運行、停止、安全開關和數據通信狀態的監控功能,支持最大連接64臺電梯[7];美國奧的斯OTISAES遠程監控系統側重于運行狀態的可視化和安全開關故障信號的傳送,實現異常情況自動告警;KONE電梯E-LinkTM監控系統,監測電梯運行狀態,具有故障日志記錄和數據回放功能[8]。開關量的感知能夠準確識別電梯各種安全保護裝置狀態和電梯運行狀態變化,目前在相關領域內,開關量的感知監測技術較為成熟,應用也較為廣泛,但僅僅能夠監測電梯各種開關狀態異常,起不到全面預測故障的作用。

在電梯模擬量感知監測方面,一些研究者采集電梯振動、電流、噪聲等模擬量信號,綜合判定電梯運行工況。楊昱[9]利用加速度、氣壓等傳感器,對電梯運行狀態和振動狀況進行實時監測;周前飛等[10]通過非接觸式測量方法對曳引機工作電流、制動器工作溫度、閘瓦磨損量、制動器抱閘間隙等關鍵參數進行實時監測;王勤鋒[11]設計鋼絲繩缺陷圖像視覺檢測系統,并運用模式識別方法對鋼絲繩的缺陷進行判斷與分類;李暉[12]設計1種基于音頻信號采集處理的電梯狀態感知監測方案。模擬量的感知能識別電梯的時序運行狀態,能提前預判電梯的潛在故障,能更容易及時發現事故隱患,但由于技術要求較高,應用場景較為復雜,目前僅見于實驗研究,基本沒有得到廣泛的實際應用。

另外,開關量、模擬量的感知數據與電梯相關的業務數據缺少一定有效關聯,在一定程度上也會影響后續的故障診斷和數據分析。

1.2 電梯異構業務數據感知方法研究現狀

可以支撐電梯智慧監管和檢驗的數據除電梯運行數據以外,還有豐富的業務數據,該類信息包含大量靜態、動態、文本、圖片、日志、音頻、視頻等多模態多維度復雜數據。但對其有效富集、整合和利用一直是數據應用的痛點,對業務數據的感知,還需要進一步完善數據采集、結構化抽取、數據庫構建等技術。

在日志、文本、電子表格等業務數據采集方面,電梯行業領域內鮮有較為詳細的報告。在與電梯相關的其他行業領域內已有一些研究,如Qi等[13]提出1種基于Flume的地鐵日志采集系統,通過對采集數據的初步處理和HBase表設計,實現對采集數據的完整性檢查;Li等[14]提出1種電網廣域分布式電能質量數據集成體系結構,涉及多源、異構、分布式數據集成技術和廣域分布式數據存儲技術,實現對大量異構電能質量數據的統一存儲管理和高效訪問;Wu等[15]提出異構信息資源的通用元數據描述模型、信息資源的元數據提取方法、信息資源的服務封裝方法和信息資源的注冊發布機制,給出以任務為中心的大量多源異構信息精確搜索機制,以實現信息共享和資源高效使用。

監管和檢驗業務非結構化數據的結構化表示是實現多源數據融合的關鍵。Hayashi等[16]討論并得到1種生成數據分析工具元數據的方法,提出利用RDF在自然語言中描述分析工具信息作為工具套的方法;Sennaike等[17]采用Kohonen自組織映射算法(SOM)分析從平臺維護數據目錄中提取的元數據,解決數據集之間結構化關聯問題;譚真[18]提出1種基于遷移學習的實體關系聯合多三元組抽取模型TME,提高非結構化知識抽取的可行性和效能。在電梯監管業務數據的數據庫構建方面,張文[19]建立囊括約14萬臺電梯基礎數據、維保數據、檢驗數據的電梯基礎數據庫;邵永青[20]基于電梯故障的診斷,探討電梯專家系統的組成、建立以及數據庫實現等方面的內容,所設計的數據庫具備電梯控制系統狀態和故障信息記錄功能;王會方等[21]歸集電梯的基礎數據、應急救援數據和檢驗數據,已建立相對統一的數據庫。

上述研究表明,業務數據的采集方法,異構數據結構化抽取技術在其他領域已有一定研究和應用,但在電梯行業領域內,仍缺乏完備的數據收集機制、結構化抽取和統一表示方法,尤其缺乏對電梯多源異構、超高維、不完全數據的多維知識提取、圖譜構建等大數據分析基礎理論與方法研究,難以解決多源復雜數據的有效挖掘難題。同時,在電梯行業領域內鮮見融合運行工況和監管及檢驗業務的多源異構數據庫構建與應用等方面的研究。

2 電梯智慧監管和檢驗數據分析方法研究現狀

為全面滿足電梯狀態分析、智慧監管、故障預判、遠程處置、風險評估、維保優化等安全運行需求,在獲取電梯運行參數、業務系統等感知數據的基礎上,利用大數據分析、機器學習等技術,實現電梯遠程診斷、風險防控、智慧應急等功能。

從電梯智慧監管與檢驗系統的原始數據采集到最終電梯安全智慧監管與檢驗業務應用,經歷多源異構數據歸集、數據轉換、數據預處理、數據融合、數據庫建立、數據挖掘算法、模型算法應用等數據處理與分析環節。基于數據融合與挖掘的電梯數據分析框架如圖2所示。

圖2 基于數據融合與挖掘的電梯數據分析框架Fig.2 Analysis framework of elevator data based on data fusion and mining

2.1 電梯故障數據分析研究現狀

電梯故障數據分析研究經歷從簡易診斷到精密診斷、從一般診斷到智能診斷、從單機診斷到遠程診斷的過程。在單維度特征識別方面,陳志平等[22]對電梯轎廂振動的數據進行特征參數提取,通過監督學習與非監督學習的數據挖掘手段,診斷和預測電梯機械系統的各種故障隱患;Mishra等[23]提出通用多層感知器(MLP)神經網絡模型,對電梯的時間序列數據進行挖掘分析;Hsu等[24]提出1種基于機器學習的電梯門故障診斷方法,通過圖像處理提取電梯門間動態距離隨時間變化的信號,分別采用K最近鄰分類器、支持向量機和二叉分類樹3種分類器動態識別電梯門故障情況;Jiang等[25]通過提取電梯振動信息,基于小波包的多閾值去噪方法對信號進行預處理,并通過特征信息提取進行故障預測。

在多維度特征識別方面,陸二偉[26]對電梯困人故障下產生的數據進行深入分析和挖掘,利用統計分析、關聯分析、分類,實現電梯故障率、易發事故屬性挖掘和故障原因預測等;劉小暢等[27]對電梯全生命周期環節中的大量數據進行數據預處理和挖掘分析,對電梯故障進行預測;張興鳳等[28]構建電梯數據圖譜網絡,并對各節點降維和規約處理生成訓練模型,對電梯進行故障預測。上述分析從故障現象角度出發,分析多維故障數據,有利于進一步研究故障屬性組合情況。

在故障診斷方面,吳鵬等[29]提出1種基于核主元分析與有向無環圖支持向量機相結合的電梯運行故障診斷方法;趙裕峰[30]針對電梯實時故障診斷困難及故障點定位準確率低等缺點,提出1種基于神經網絡,且結合D-S理論的信息融合診斷方法,建立相應的故障診斷模型;胡海博[31]構建1種基于融合粒子群尋優算法的電梯故障數據聚類模型,得到具有可類比性的電梯群故障數據集,并采用集成學習Boosting算法構建社區電梯故障預測模型,分別對每個電梯群故障數據集進行故障預測訓練;朱明等[32]建立電梯故障率的GM(1,1)灰色預測模型,并建立GM(1,1)灰色預測模型的殘差修正模型,利用該殘差修正模型對原預測模型進行修正。

上述研究表明,電梯故障的單維度特征識別主要集中在對振動信號的特征參數的提取方面,在多維度特征識別方面,主要集中在故障現象角度的組合分析。在基于特征提取后的故障診斷方面,很多研究已嘗試一些故障預測方法的應用,但目前特征提取研究主體仍是電梯硬件設備本身,通過單臺電梯狀態監測數據定量分析實現故障預測和健康管理。對于設備全要素全業務全流程數據利用不夠充分,存在數據分析手段偏于單一、分析過程面向特定特征值、預測結果較為片面等缺點。對風險管理、智慧監管、分類監管等支撐力較為不足,鮮見安裝、改造、重大修理施工等高風險生產過程的仿真研究。

2.2 電梯風險評估現狀

風險評估是量化測評電梯某一故障或隱患帶來的影響或損失的可能性與后果嚴重程度。在評價指標和方法方面,Niu等[33]將電梯運行過程中的振動指標、啟停加速度指標、噪聲指標、門的開閉速度指標納入評價指標體系,提出1種客觀數據與專家主觀經驗相結合的評價方法;章國寶等[34]通過分析電梯各個子系統的主要特征量,提出1種基于云模型、熵權法和模糊綜合評價法的電梯運行可靠性評估模型;徐金海[35]結合專家打分綜合法、層次分析法和指數綜合法3種方法,提出基于指數化線性綜合法的安全風險綜合評價方法,并給出指數化線性綜合的數學模型;張巍等[36]應用FMEA方法開展失效模式分析,結合功能安全理論,構建自動扶梯驅動系統FMEA-SIL風險評價模型。

在風險評估應用方面,方俊杰等[37]在建立電梯評估指標體系基礎上,采用主觀-客觀結合的組合賦權法(CW)確定電梯指標權重,并利用改進的VIKOR法進行評估;Wang等[38]提出自動扶梯逆轉事故的風險分析模型,通過實地調查和信息收集識別危險源,進而采用LEC評價方法設計風險等級;李隆[39]將Bowtie模型應用于自動扶梯客傷事故中進行分析,給出相應的安全對策;胡曉萍等[40]從“設備、乘客、使用環境、安全管理”4個方面建立自動扶梯安全綜合評價指標體系,采取模糊綜合評價和概率神經網絡對扶梯狀態進行初級評價,并通過轉換函數轉化為安全狀態等級信度函數;Wang等[41]構建自動扶梯事故風險評價指標體系,采用層次分析法(AHP)計算風險指標權重,結合廣義遺傳算法和模糊數學對自動扶梯事故風險進行評價;楊旭彬[42]利用從電梯制造安裝、維保、檢驗、使用、監督抽查、監察投訴、事故處理等各個方面收集的數據,提出1種動態的電梯安全評估機制,并根據對風險與事故的分析,總結出系統性風險預警體系。

上述研究表明,目前電梯風險識別大多為靜態風險評價,存在易受人為主觀影響等問題;缺少通過有效結合監測數據、健康狀態特征提取和監管業務時空大數據挖掘等方式,實現運行風險動態識別與評價;缺少風險精準管控等方面的策略研究。

3 電梯智慧監管平臺應用及現狀

在智慧監管平臺應用方面,整合前端感知系統獲取的運行數據和故障診斷及分析數據,開展面向監管的平臺應用。目前,相關行業內的重點集中在應急處置和綜合監管平臺建設方面。

3.1 電梯智慧應急處置技術研究現狀

當電梯發生故障造成困人等后果后,采取相應的應急處置工作對減輕事故后果具有重要的現實意義,合理的應急處置體系也是電梯智慧應用的重點之一。國家質檢總局發布《關于推進電梯應急處置服務平臺建設的指導意見》(國質檢特〔2014〕433號)[43],至2016年,文獻[44]提到“建立電梯應急處置平臺的城市已增加到104個,應急平臺處置能力和覆蓋面大幅提高”[44]。王會方等[45]基于物聯網技術構建電梯安全運行應急處置中心系統,建立電梯應急救援響應體系和對策;韓樹新等[46]提出新型電梯救援體系架構,由應急救援平臺、遠程監視系統、應急救援隊伍及電梯應急救援網絡組成;焦青山[47]針對電梯監測中發現的監測數據離散、查詢過程繁瑣且易缺失、維保和監管容易出現脫節等問題,應用物聯網技術及各類多媒體終端,設計1種檢測精確度高、覆蓋面廣、數據及時度高的電梯應急處置公共服務平臺;李娟等[48]針對電梯安全事故救援問題,提出1種電梯安全應急救援處置服務平臺技術架構。

上述研究表明,相關綜合監管平臺的建設一定程度上實現了電梯應急救援指揮調度等關鍵功能,對電梯故障及時報警和處置、應急救援網格化管理有一定促進作用,在實際應用中發揮了積極作用。但目前大部分報警方式還以人工為主;在實際應用中,電梯故障預警與物聯網技術結合的不夠深入;部分應急處置數據分析利用還處于統計分析階段,缺乏深入的關聯分析和特性提取等。

3.2 電梯智慧監管和檢驗平臺建設發展現狀

2021年,國家市場監督管理總局批復上海、南京、杭州、廣州4個城市開展全國首批電梯智慧監管試點工作[4]。我國國內其他各城市紛紛建立類似的一些智慧監管平臺。圖3所示為典型智慧電梯綜合監管平臺系統架構示意。南京市建成“96333”電梯應急處置平臺,基于數據分析推動智慧監管,通過對接電梯廠商監測系統,實時采集電梯狀態信息,發現隱患后及時預警,已經形成“一庫五平臺系統”架構的智慧電梯綜合監管平臺,通過多年運行已積累大量的監管業務數據[17];杭州、廣州、重慶等城市也相繼建成智慧平臺,通過運行邏輯和安全狀態監測,采用故障樹等分析決策方法,實現故障快速定位[19];重慶市建立的平臺包含電梯基本概況、智慧風控、智慧應急和智慧物聯板塊[49]。

圖3 智慧電梯綜合監管平臺系統架構示意Fig.3 System architecture of intelligent elevator integrated supervision platform

上述應用均在一定程度上推動電梯精準管理和故障綜合治理,并著力完善構建事前、事中、事后全生命周期電梯安全監管機制。但現有的智慧監管和檢驗平臺主要聚焦于電梯運行監管,在針對解決電梯故障造成困人等后果的應急救援需求方面,仍存在監管內容不全面、缺乏標準化體系、電梯動態運行數據易忽視、故障預測模型不穩定等問題。

4 發展現狀及趨勢

不斷提升和完善電梯智慧監管技術,有助于保證設備安全運行,是電梯行業的發展趨勢。目前,電梯智慧監管技術的發展現狀及趨勢,可總結為以下5點:

1)智慧監管技術在電梯中應用主要體現在多源異構數據感知及獲取、數據分析方法研究和電梯智慧監管平臺應用等方面,其中數據感知及獲取是基礎,數據分析是應用支撐,應用平臺是智慧監管技術的最終形式。

2)在電梯運行數據感知及獲取方面,已有較為成熟的開關量獲取方式和應用,但對模擬量的感知和監測基本上還處于實驗研究階段。

3)在電梯業務數據的獲取及應用方面,已有相關業務應用系統,但數據的有效富集和整合有待進一步加強。同時,缺乏對電梯應用的日志、文本、表格、圖片、視頻等數據結構化抽取和統一表示的方法,尤其缺乏對電梯多源異構、超高維、不完全數據的多維知識提取、圖譜構建等大數據分析基礎理論與方法的研究,難以解決多源復雜數據的有效挖掘難題。

4)在數據應用和分析方面,已有對電梯單維度特征識別和多維數據分析的研究和部分應用,但對于反映一定物理機理的電梯數據,還存在數據利用不充分,分析方法單一、分析過程面向特定特征值、預測結果較為片面等缺點。在對電梯狀態及故障數據進行應用的風險識別方面,缺少結合監測數據健康狀態特征提取和監管業務時空大數據挖掘等方式,以實現運行風險動態識別與評價方面的研究,缺少風險精準管控等方面的策略研究。

5)在智慧監管平臺方面,較多城市均在電梯應急處置基礎上不斷擴展智慧應用場景。目前,平臺功能主要集中在基礎信息管理、應急救援、物聯監測等方面,缺乏在設備的故障診斷和健康監測,系統的風險分析、風險防控等方面的實際應用;缺少高風險生產過程數據分析、全要素全業務全流程智慧監管平臺的研究和應用。

5 結論

1)在電梯智慧監管和檢驗技術研究中,多源異構數據感知、故障數據分析及風險評價、智慧監管應用平臺等是較為重要研究內容。

2)在電梯數據感知方面,已有較為成熟的開關量獲取方式和應用,較多的業務應用系統已獲取豐富的業務數據;在數據分析和風險評價方面,已有相關電梯振動信號的單維度特征識別研究,并通過單臺電梯狀態監測數據定量分析實現故障預測和健康管理;在應用平臺方面,已有較為成熟的電梯應急處置平臺,且其應用場景在不斷豐富。

3)在電梯模擬量的感知和監測、業務數據有效富集和整合等方面,其應用研究有待加強;電梯多源異構超高維數據的知識提取、圖譜構建等方面的基礎理論與方法研究是未來重要研究方向。

4)在故障預測和健康管理方面,有待加強設備全要素全業務全流程數據利用,應繼續豐富數據分析手段;在智慧電梯綜合監管平臺方面,應進一步加強高風險生產過程數據分析,并豐富故障診斷和健康監測、風險分析和防控等應用場景,進而推動全要素全業務全流程智慧監管平臺應用。