電/扶梯風險防控與智能運維關鍵技術研發與應用

創造單位：廣州廣日電梯工業有限公司

主創人：林穗賢 李 寧

創造人：尹 政 覃炳樂 黃棣華 賀云朗

一、前言

廣州廣日電梯工業有限公司（簡稱“廣日電梯”）始建于1956年，是世界500強企業——廣州工業投資控股集團有限公司旗下上市公司廣日股份的核心支柱企業，注冊資本6.31億元，現有員工2200余人。

廣日電梯自1973年開始研制生產電梯以來，經過數十年的改革發展、科技創新，現已成長為集電梯產品研發、設計、制造、安裝、售后服務于一體的現代化企業。

近年來，廣日電梯加快全國化市場布局，以華南廣日工業園為中心，建成西部數字化示范產業園，規劃建設華東、華北數字化產業園，持續提升核心競爭力。公司還聚焦智慧樓宇、智慧軌交、智慧工廠三大應用場景，創新打造新的產業生態和商業模式，實現了數字化價值創造和賦能效應，為城市垂直交通提供安全高效的解決方案。

特別是從2017年開始，針對電梯安全風險預防與治理難、在線監測電梯數據量少且準確度低、乘客預防性安全保護能力弱等行業發展瓶頸，廣日電梯牽頭，聯合廣東省特種設備檢測研究院、沈陽中科博微科技股份有限公司共同開展“電/扶梯風險防控與智能運維關鍵技術研發與應用”項目研究，成功填補了國內外軌道交通線網級電扶梯智能運維和全生命周期管理平臺技術空白，克服了現有技術無法實現電/扶梯事前故障預警及關鍵部件性能退化預測的關鍵共性難題，實現了與城市軌道交通健康管理大數據系統的聯動，提升了公共安全保障能力。

二、項目概述

（一）項目源由

“電/扶梯風險防控與智能運維關鍵技術研發與應用”項目任務來源為廣日電梯自選項目。其中，開發課題“自動扶梯與自動人行道安全檢測關鍵技術和報廢技術條件研究”被列入國家重點研發計劃“公共安全風險防控與應急技術裝備”專項“機電類特種設備風險防控與治理關鍵技術研究及裝備研制”項目（2017YFC0805700）的課題子任務2-4（2017YFC0805702-05）。

（二）研究重點

創新開展“電/扶梯風險防控與智能運維關鍵技術研發與應用”項目，是廣日電梯及合作單位站在保障公共安全的高度，深入貫徹落實市場監管總局關于開展電梯智慧監管試點工作的安排部署，聚焦公共安全重要設備電梯的安全防控與治理關鍵技術，開展的一項課題研究。

項目主要利用物聯網、大數據、云計算、人工智能新技術，為電梯設備公共安全預防與治理賦能，重點研制具有在線預警功能的電梯、扶梯設備，研發基于遷移學習的電扶梯智能運維和全生命周期管理平臺，研發故障突發環境下的乘客行為、故障演化與應對的云邊協同的大規?？焖贁底謱\生仿真系統，研發現場多類型電/扶梯大數據融合分析與虛實結合的動態交互技術，全面構建基于現場-實驗-數據-仿真綜合的電/扶梯關鍵部件性能退化及故障推演與集成分析云平臺，以攻克智慧城市規?；?、網絡化運營新格局下復雜客流帶來的電梯安全風險預防與治理難、在線監測電梯數據量少且準確度低、乘客預防性安全保護能力弱、海量設備全生命周期智能運維管理等安全風險防范和治理難題。

三、主要做法

（一）項目研究內容

本項目研究內容主要包括以下四個方面：

1.研發基于時頻轉換算法的多模智能融合遷移學習方法。

2.研發基于遷移學習的電扶梯智能運維和全生命周期管理平臺。核心開發內容：研發故障突發環境下的乘客行為、故障演化與應對的云邊協同的大規模快速數字孿生仿真系統；研發現場多類型電/扶梯大數據融合分析與虛實結合的動態交互技術；構建基于現場-實驗-數據-仿真綜合的關鍵部件性能退化及故障推演與集成分析云平臺。

3.自動扶梯與自動人行道安全檢測關鍵技術和報廢技術條件研究。

4.研發具有在線預警功能的電梯。

（二）項目主要技術指標

項目在符合現行有效國際、國家標準的基礎上，采用高于國家標準的企業標準。關鍵技術指標、成果指標及經濟指標（如表1所示）

（三）項目技術路線

本項目研究的電梯安全防控與治理關鍵技術的核心在于建立電扶梯智能運維和全生命周期管理系統，在故障預測與健康管理（Prognostic and Health Management，簡稱PHM）系統設計中引入信息物理系統（Cyber-Physical Systems，簡稱CPS），搭建了涵蓋單元級、系統級、系統之系統級層級化架構；并結合不同的網絡連接和云計算部署方式，明確了系統調用的數據種類范圍，提出了基于CPS的在線、離線、遠程三種電/扶梯設備智能運維模式，以滿足不同公共安全保障應用場景下的電梯風險防控與治理需求。

通過傳感技術全面采集設備信息，借助各種智能算法和推理模型，監控、評估和管理電扶梯設備健康狀態并預測未來趨勢，提供有效維護保障決策及任務規劃建議。其關鍵在于建立云邊協同大規模快速數字孿生仿真系統，實現數據快速轉為有效信息。（如圖1所示）

（四）項目關鍵技術方案

1.研發基于時頻轉換算法的多模智能融合遷移學習方法

針對電扶梯故障數據具有大容量、多樣性的特點，通過傳感器采集電/扶梯運行數據，提取特征參數輸入到采用自我感知能力的粒子群算法的混合深度學習模型中進行訓練、優化，采用基于模型的遷移學習方法，將訓練好的智能診斷模型遷移到目標域中設備的運行狀態分析中，以實現具有強泛化能力和高精度的電/扶梯故障預警功能。

其中，混合深度學習模型是采用格蘭姆變換和深度殘差神經網絡（ResNet）的有監督深度學習模型、采用壓縮感知和堆棧稀疏自編碼（SSAE）的無監督深度學習模型的融合，以解決單一模型存在收斂速度慢、訓練時間長、精度低的問題。（如圖2所示）

圖1 項目技術路線圖

圖2 基于遷移學習的電/扶梯故障預警方法流程圖

現以基于時頻轉換算法的電/扶梯振動數據分析為例說明混合深度學習模型的創建過程。時域分析是信號關于時間的特征，從信號中無法獲得電梯故障特征時域信息，而頻域分析則是信號關于頻率的特征，從信號中不能確定故障發生的具體時刻。

因此，本項目采用時頻變換算法將一維時頻信號轉為更全面表達故障信息的二維時頻信號特征輸入網絡模型，以增強網絡模型對細節特征的表達能力。給定一個窗函數γ(τ)，當窗滑動時，信號Z(τ)的時頻變換表示如下：

其中：τ為時間，f為頻率，τ'-τ代表滑動的窗口，*代表復數共軛。對于離散信號的時頻變換表示如下：

式中：ω[m]為窗函數，η為信號序列，ω為角頻率。

本項目提出的時頻轉換算法解決了常規傅立葉變換方法不能刻畫任一時刻的頻率成分進行全面分析的短板，提升模型的遷移學習能力。（如圖3所示）

針對電/扶梯關鍵部件性能退化過程存在的不確定性以及動態隨機非線性特征，通過對采集的性能退化數據進行分析，分別對不同退化數據建立狀態空間形式的隨機非線性性能退化預測模型。對直接數據構建基于期望最大化（Expectation-Maximum，簡稱EM）算法的預測模型；對間接數據構建基于隨機濾波的參數和狀態聯合估計預測模型；對多元數據構建融合Copula理論相關性分析和MCMC（Markov Chain Monte Carlo）多性能退化量估計的多模式預測模型。最終利用首達時間性質推導出基于退化數據的壽命/剩余壽命的表達式，得到壽命預測特征值，實現性能退化預測。（如圖4所示）

圖3 基于時頻轉換信號處理方法原理

圖4 建立狀態空間形式的隨機非線性性能退化預測模型

以EM算法為例說明電/扶梯設備壽命預測方法。給定相互獨立的觀測數據X={X_1,…,X_N}，和包含隱變量Z、參數θ的概率模型f(X,Z,θ)，根據基于極大似然估計（Maximum Likelihood Estimation,MLE，簡稱MLE）理論，θ的最優單點估計在模型的似然取極大值時給出：θ=argmaxp（X/θ）考慮隱變量，模型的似然按如下展開：

隱變量可以表示缺失數據，或概率模型中任何無法直接觀測的隨機變量，式中第一行是隱變量為連續變量的情形，第二行是隱變量為離散變量的情形，積分/求和的部分也被稱為X,Z的聯合似然。不失一般性，這里按離散變量為例進行說明。由MLE的一般方法，對上式取自然對數后可得：

上述展開考慮了觀測數據的相互獨立性。引入與隱變量有關的概率分布q(Z)，觀測數據的對數似然有如下不等關系：

當θ,q使不等式右側取全局極大值時，所得到的θ至少使不等式左側取局部極大值。因此，將不等式右側表示為L(θ,q)后，EM算法求解目標：

基于EM算法的電扶梯設備運行狀態預估流程：①采集電梯運行過程的監測信號，經過剔除異常信號值后，將預處理后的正常信號作為模型的輸入信號→②求解未知參數 θ，先隨機初始化未知參數，求出每一組數據的分布→③求出每組實驗數據分布后，綜合每組數據求出一套新的參數 θ，與初始參數比較，如果發現誤差在設定范圍內則停止，否則拿新參數繼續②步驟，最終實現關鍵部件的壽命預測，為電/扶梯關鍵部件的故障預警和健康體檢提供科學依據，實現按需維保。（如圖5所示）

圖5 基于EM算法的電扶梯設備運行狀態預估流程

圖6 云邊協同大規?？焖贁底謱\生仿真系統

圖7 電扶梯關鍵部件性能退化及故障推演與應對

2.研發基于遷移學習的電扶梯智能運維全生命周期管理平臺

研發廣日電梯新一代4G/5G工業互聯網云平臺，整合管理2G/4G多款終端數據以及CRM訂單系統數據，研發4G/5G遙監終端，與安裝在電/扶梯上的數據采集器傳感器連接，覆蓋應用G20、G15、G12等G系列控制系統的全部垂直電梯產品和應用GR-ECS控制系統的全系列自動扶梯產品；建立電扶梯智能運維生命周期管理平臺，對電梯工況/業務/健康進行全方位分析、預警，并提供可配置的報表系統；搭建可視化數據駕駛倉，適用于PC、大屏、移動端、平板等多種設備；提供瀏覽器客戶端、IOS系統和Android系統的移動客戶端、對外數據接口，滿足公共安全保障不同應用場景數據共享交互需求。

（1）研發故障突發環境下的乘客行為、關鍵部件性能退化及故障推演與應對的云邊協同大規?？焖贁底謱\生仿真系統

為實現海量電梯數據大規?？焖儆嬎隳芰Γ卷椖繑M建立基于4G/5G通訊的云邊協同大規模快速數字孿生仿真系統，借助BIM系統建立電/扶梯應用場景級別的“數字孿生”虛擬空間模型，構造虛擬空間與物理空間的實時映射和閉環交互，實現數據到信息的快速有效轉換。邊緣計算終端僅對傳感器采集數據進行實時處理、故障報警、負荷識別、乘客行為識別等邊緣計算操作，將終端計算能力輕量化，云中心負責數據存儲、大數據挖掘、人工智能，機理模型沉淀、模型訓練、故障診斷、預警分析等強計算需求。在保障低時延、高并發、大流量數據計算能力的同時，共享云計算資源，優化配置，降低成本，滿足多級別公共安全保障應用場景需求。（如圖6所示）

借助電/扶梯數字化孿生模型以展示關鍵部件性能退化及故障推演過程，當電/扶梯或零部件運行狀態異常時會變色突出顯示，智能運維系統自動生成預警報修信息和維保建議，并就近派工，維保人員根據可視化維修指引對目標扶梯及其目標零部件的空間位置進行快速定位和提供維修服務，維修完成后，客戶可電子簽名確認服務價格和評價服務質量。（如圖7所示）

構建電/扶梯風險分級防控與數據聯動管理機制，提升治理效能。根據故障危險程度及連帶后果對電/扶梯風險進行分級評估，并建立相應級別的安全控制策略和數據存儲策略，從而較好地取得了安全與成本的平衡。其中：部件風險分為A-D共4個評估等級，相應關注度分為高、中、低3類，數據存儲分為4級。（如圖8所示）

圖8 4個風險評估等級、3類關注度、4個數據存儲等級

圖9 電/扶梯智能運維&全生命周期管理平臺四級組網架構

（2）研發現場多層次、多時空、多級別電/扶梯大數據聚類分析與虛實結合的動態交互技術

為滿足軌道交通對電扶梯公共安全防控與治理需求，本項目擬建立一套軌道交通線網級自動扶梯智能運維與全生命周期管理體系。組成設備級、車站級、線路級與線網級四級組網架構。（如圖9所示）

構建多層次、多時空、多級別扶梯數據庫，研發基于聚類分析算法的虛實結合的動態交互技術。軌道交通線網級扶梯數據具有相似的運行工況與特征參數，可采用聚類分析訓練優化無監督深度學習模型的遷移學習能力，更加科學地建立電/扶梯關鍵零部件故障趨勢分析、壽命預測、設備維保的健康管理體系，為扶梯產品及部件優化設計提供數據依據。

本項目對公交扶梯整機及零部件的服役年限、故障周期、預警記錄等內容進行聚類，建立聚類分類模型：

以公交扶梯的提升高度（H）與載客強度因子（γ，可通過智能視頻分析系統獲?。﹥蓚€參數為主特征參數進行聚類。如扶梯E0101/01(N)公交扶梯的主特征參數為［HE0101/01(N)，γE0101/01(N)］，E1102/03(N)公交扶梯的主特征參數為［HE1102/03(N)，γE1102/03(N)］，定義相關度系數：

其中（0＜β≤1），ξ為一個可調的相關度閾值參數，當ξ≤β≤1時，這兩臺扶梯被歸為同類扶梯。反之為非同類扶梯。

通過對軌道交通線網級公交扶梯進行單臺多點、多臺同點縱向、橫向分析，通過模型(虛)與分布在線網級的扶梯物理設備（實）的動態數據交互比對，提高扶梯故障及壽命測準確度，優化公交扶梯產品及關鍵部件設計，雙重提升扶梯的公共安全保障能力。（如圖10所示）

（3）構建基于現場-實驗-數據-仿真綜合的關鍵部件性能退化及故障推演與集成分析云平臺。

因現行電/扶梯數據庫中服役周期較長的電/扶梯數據量較少，本項目擬開發便攜式數據采集箱，結合磁性式振動傳感器，對現場電/扶梯運行數據進行快速采集，搭建故障模擬測試平臺，采用破壞部件來驗證檢測準確性，采用型號發生器對難模擬故障輸入理論故障波形，測試故障預警系統是否可檢出故障。通過現場-實驗-數據-仿真深度融合與交互，不斷對模型進行修正，提升遷移學習能力，從而進一步提升預警準確度。（如圖11所示）

（4）4G/5G網關開發

圖10 基于聚類分析算法的虛實結合的動態交互技術

圖11 構建基于現場-實驗-數據-仿真綜合的科學預警云平臺

圖12 數據接口開發方案

完成4G/5G數據采集終端（遙監終端）硬件開發，實現狀態監控、故障上報、地址讀寫、涵蓋語音視頻等大數據傳輸、邊緣計算、主控程序升級等功能。當由4G升級5G網絡時，僅需更換數據采集終端即可，并兼容2G數據采集終端數據。

（5）服務器布署

由傳統的物理服務器轉為云服務器，有利于通信及數據處理性能提升，按需擴容更便捷。

（6）數據接口開發

完成CRM系統電梯基礎數據、故障下單接口、維保信息數據對接、遙監1.0、2.0系統數據對接及展示、2G遙監1.0、2.0系統數據對接及展示、4G遙監終端數據對接及展示，以及不同應用場景的對外接口開發。（如圖12所示）

（7）平臺模塊開發

主要包括故障預警管理、維保管理、綜合監控、系統管理、設備管理、能耗管理、統計管理、移動App、基礎信息模塊開發。

故障預警核心模塊新功能：分布圖、單臺設備監測圖（運行狀態、監測部位、監測部位狀態等）和電梯相關參數（運行狀態和故障狀態）展示；實時趨勢分析、模擬量閥值設定、大數據分析；波形頻譜分析、包絡譜分析、故障原因分析等預診斷功能；具備可遷移性，實現不同應用場景預警數據展示、分析管理工作。

維保管理核心模塊新功能：按需維保自動生成電子維保計劃、維?？记诩白詣优晒?、維保評價、遠程主板程序升級、遠程救援、電梯健康體檢、遠程數據備份等管理功能。實現從保養計劃→保養自動派工→線下保養→線上維保培訓及遠程技術支持→客戶電子簽名確認服務費用及評價全服務流程的無紙化在線管理。電梯維保方式由傳統線下維保2次/月變革為預防性按需維保服務新模式，使維保效率提升50%，以緩解維保人員短缺、經驗不足的行業困境，以最終實現“零困人”故障的理想目標。

3.研究自動扶梯與自動人行道安全檢測關鍵技術和報廢技術條件

研發視覺監測乘客行為與預警聯動控制技術。采用圖像識別算法，對小孩單獨搭乘扶梯及攀爬扶手帶、乘客摔倒、逆行及頭、手伸出扶手帶、乘客擁堵等異常行為進行檢測與追蹤，預測乘客行為趨勢，并根據危險程度及后果聯動采取聲光警示、減速、緩停等安全控制措施，建立一套安全、可靠的聯動控制策略，最大程度上降低乘客異常行為引發的安全風險。（如圖13所示）

圖13 視覺監測乘客行為與預警聯動控制技術

研發扶梯傳感預警技術。主要是根據軌道交通應用場景下的扶梯預警新需求，確定傳感器數據采集方案。通過對歷史扶梯故障數據進行分析，確定增加19個傳感器檢測點，采集、分析扶梯運行數據和故障數據，以確定部件報廢條件，制定相關標準。（如表2所示）

扶梯傳感器選型要求（如圖14所示）

就地數據采集器需要滿足故障診斷服務、電梯控制器數據采集、過程量數據采集、BAS系統接口、預警系統接口、斷網續傳、數據壓縮、4G/5G通信接口等功能需求。（如表3所示）

扶梯可實現的故障預警功能清單（如表4所示）

接下來以電機為例說明故障預警治理方法。其中：轉子質量不平衡——故障特點1倍頻幅值大，大于建庫值2倍左右，并超過其他頻段2倍以上，持續大、無論工況如何，只要開機轉動，一般非正常狀態持續5分鐘基本可以判定。電磁不平衡——故障特點2倍頻幅值很大，大于建庫值2倍左右，大于1倍頻或和1倍頻相當，并超過其他頻段2倍以上，持續大、無論工況如何，只要開機轉動，一般狀態持續5分鐘基本可以判定。軸承故障（內圈磨損、外圈磨損或保持架磨損）——0.5倍頻、1.5倍頻或8倍頻、10倍頻數幾個頻段的樣本大于建模數據庫樣本，大于1倍頻幅值，一般持續大、無論工況如何，只要開機轉動，一般狀態持續5分鐘基本可以判定軸承出現故障。（如表5所示）

表2 扶梯預警系統傳感器測點位置分布

表3 就地數據采集器選型要求

（4）研制具有在線預警功能的電梯新產品

研發視覺監測電梯困人故障及自動救援聯動控制技術。通過安裝在轎廂頂部的智能攝像頭獲取視頻數據，

對視頻數據進行圖像處理后發送給預警系統，采用圖像識別算法對圖像信息進行分析。通過訓練優化預設模型的遷移學習功能，準確預測乘客行為趨勢，對電動車進入轎廂、打斗、跳躍等危險動作，進行語音提示和系統彈窗提醒，嚴重時采取停梯報警等聯動處理措施。（如圖15所示）

研發電梯傳感預警技術。根據軌道交通應用場景對電梯預警新需求，確定傳感器數據采集方案。以解決傳統電梯通過遙監終端采集變頻器數據少且采梯速率低的短板，通過對歷史電梯故障數據進行分析，確定15個傳感器監測點。（如表6所示）

圖15 視覺監測電梯困人故障及自動救援聯動控制技術

表7 傳感器的選型要求

根據軌道交通等應用場景對電梯預警技術要求，確定傳感器和數據采集器的選型要求。（如表7、表8所示）

電梯可實現故障預警功能清單（如表9所示）

四、取得的成效

（一）成果指標達到項目預期

本項目按計劃在2021年12月通過公司結題驗收，達到項目預期成果指標。（如表10所示）

（二）關鍵技術指標符合相關標準要求

項目關鍵技術指標符合相關標準要求，達到了項目計劃書技術指標要求。項目關鍵技術指標完成情況（如表11所示）

（三）經濟效益顯著

項目起止日期為2017年1月至2021年12月，累計投入研發經費共2515.3萬元。項目研究成果自2019年1月開始實現產業化。截至2022年6月，累計共應用到20201臺電/扶梯產品上，占公司全部產品系列的比重為32.19%，累計新增銷售收入229550.39萬元，占公司總銷售收入的比重為29.63%，新增凈利潤6252.62萬元，新增稅收5857.98萬元，新增創匯16.59萬美元，經濟效益顯著。

表9 電梯可實現故障預警功能清單

表10 項目成果指標完成情況

表11 項目關鍵技術指標完成情況

（四）社會效益突出

本項目成果填補了國內外軌道交通線網級電扶梯智能運維和全生命周期管理平臺技術空白，克服了現有技術無法實現電/扶梯事前故障預警及關鍵部件性能退化預測的關鍵共性難題，實現了與城市軌道交通健康管理大數據系統的聯動，提升公共安全保障能力。

本項目建立的一套面向設備安全保障、面向運維智能化管理的電/扶梯設備全壽命周期智慧運維管理系統，對于全方位保障乘客安全、全面提升電/扶梯設備智能化運維管理水平、實現電梯按需維保和數字化監管有著重要作用，能夠引領電梯行業在乘客安全保障、智能運維及節能降耗等方面的科技進步，為民族品牌實現彎道超車提供技術基礎，提升自主民族品牌的國際競爭力。

本項目成果的應用推廣，深度融合了人工智能、智能制造、物聯網維保、大數據、云平臺等新技術應用，助力公司獲評國家第三批服務型制造示范企業。同時，以廣州廣日工業園為中心向全國輻射，充分發揮電梯高端裝備制造產業集群鏈主的示范作用，引領電梯產業鏈向數字化、智能化、網絡化轉型升級。

本項目圍繞電梯風險防控與治理關鍵技術進行知識產權布局和標準制定，獲得相關知識產權40項，其中：發明21件、實用新型11件、軟件著作權8件，參編國標17項，充分發揮廣東省知識產權示范企業的引領作用，增強社會知識產權保護意識，健全國家標準體系，促進國家向“知識產權強國”“中國創造”轉變。

五、探討與思考

本項目填補了國內外軌道交通線網級扶梯系統智能運維全生命周期管理平臺產品空白，實現了線網級電/扶梯運行狀態及故障數據多層次、多時空、多級別聚類分析功能，建立了關鍵零部件故障趨勢分析、壽命預測、設備維保的科學健康管理體系，促進大數據、人工智能技術賦能電/扶梯系統安全提升及健康管理。但還存在以下行業共性問題有待改進：

目前，電梯傳感預警技術在國內應用時間3年左右，“電梯物聯網智慧監管服務平臺”只在上海、南京、杭州、廣州市等試點城市推行，未在全國全面推行，電梯物聯網共享的電梯有效數據有限。

建議國家出臺政策鼓勵各電梯企業應用推廣基于云平臺的故障預診斷及壽命預測技術，擴大項目成果的使用范圍，用好電梯大數據，以實現電/扶梯風險的防控與治理，降低電梯故障率，真正做到電梯的精準管理和故障綜合治理，提升城市治理現代化水平。

另外，目前電梯故障預警系統承擔邊緣計算功能的數據采集終端存在多個未整合的情況，如：視頻數據采集終端單獨設置，未與其他數據采集器整合，且成本高，下一步可將數據采集終端進行整合優化，以降低成本。