详情

原文传递一种基于云平台的自动扶梯在线监测预警系统及方法

专利名称：	一种基于云平台的自动扶梯在线监测预警系统及方法
摘要：	本发明涉及扶梯的监测领域，具体一种基于云平台的自动扶梯在线监测预警系统及方法，系统包括线网云平台、位于线网中央级的数据综合服务系统、通信系统、以及车站级监测预警系统；车站级监测预警系统设置在各个车站内；每台扶梯都设置有扶梯代码，车站级监测预警系统将零部件风险预警信息及扶梯代码通过通信系统传输至线网云平台；所述数据综合服务系统从所述线网云平台调取所述零部件风险预警信息并基于聚类分析方法对扶梯进行分类。本发明通过对车站内的所有扶梯的关键零部件的运行状态进行检测，并采用聚类分析方法对同类型的扶梯的异常信息的特征和规律进行分析，克服现有技术中无法在故障发生前及时预警、无法提前预测扶梯故障发展趋势的技术问题。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	广州地铁设计研究院股份有限公司
发明人：	饶美婉;王飞;吕长乐;李华;梁海健;史海欧;林斌;何东山;刘鑫美;何治新;林珊;卢昌仪;田伦
专利状态：	有效
申请日期：	2018-12-29T00:00:00+0800
发布日期：	2019-07-12T00:00:00+0800
申请号：	CN201811641070.X
公开号：	CN110002329A
代理机构：	广州新诺专利商标事务所有限公司
代理人：	罗毅萍
分类号：	B66B29/00(2006.01);B;B66;B66B;B66B29
申请人地址：	510010 广东省广州市越秀区环市西路204号
主权项：	1.一种基于云平台的自动扶梯在线监测预警系统，其特征在于，包括线网云平台、位于线网中央级的数据综合服务系统、通信系统、以及车站级监测预警系统；所述车站级监测预警系统设置在车站内，用于车站内每台扶梯零部件的运行状态监测及风险预警，并生成零部件风险预警信息；每台扶梯都设置有扶梯代码，所述车站级监测预警系统将所述每台扶梯的所述零部件风险预警信息及其对应的扶梯代码通过所述通信系统传输至所述线网云平台；所述数据综合服务系统从所述线网云平台获取所述零部件风险预警信息并基于聚类分析方法对扶梯进行分类，同时结合同类型扶梯的所述零部件风险预警信息的分布特性建立扶梯关键零部件性能参数数据库。 2.根据权利要求1所述的一种基于云平台的自动扶梯在线监测预警系统，其特征在于，所述车站级监测预警系统包括：站级预警显示终端、与所述站级预警显示终端电连接的扶梯旋转部件监测子系统、梯级链监测子系统、主驱动链监测子系统、温度监测子系统、桁架监测子系统、客流分析监测子系统、制动系统监测子系统。 3.根据权利要求2所述的一种基于云平台的自动扶梯在线监测预警系统，其特征在于，所述旋转部件监测子系统包括：加速度传感器、多通道数据采集模块、异常分析模块、故障预分析模块；所述零部件风险预警信息包括旋转部件风险预警信息；所述加速度传感器，用于获取扶梯旋转部件的振动信号；所述多通道数据采集模块，用于周期采集所述加速度传感器输出的振动信息，其内部A/D转换模块可将传感器输入的模拟信号以数字量的形式输出；所述异常分析模块，采用时域分析法分析所述振动信息是否存在异常；所述故障预分析模块，采用频域分析方法分析异常的所述振动信息的故障类型；所述旋转部件监测子系统将所述故障类型、所述旋转部件对应的扶梯代码、以及所述旋转部件风险预警信息发送至所述站级预警显示终端。 4.根据权利要求2所述的一种基于云平台的自动扶梯在线监测预警系统，其特征在于，所述梯级链监测子系统包括：位移传感器，所述位移传感器安装在扶梯桁架下部纵梁处并用于监测扶梯梯级链张紧轮的水平位置；所述零部件风险预警信息包括梯级链风险预警信息；当扶梯梯级链张紧轮的水平位置超出预先设定的预警位置时，所述梯级链监测子系统向所述站级预警显示终端发送所述梯级链对应的扶梯代码、以及所述梯级链风险预警信息。 5.根据权利要求2所述的一种基于云平台的自动扶梯在线监测预警系统，其特征在于，所述主驱动链监测子系统包括：摆杆、角位移传感器、与所述角位移传感器电连接的伸长量计算模块；扶梯主驱动链包括分布在扶梯主轴驱动轮两侧的链条，其中一侧为松边链条；所述摆杆的一端安装在扶梯桁架上，所述摆杆的另一端的端部设置有小齿轮，所述小齿轮与所述松边链条相啮合，所述摆杆随所述松边链条的松垂而摆动；所述角位移传感器设置在所述扶梯桁架上，用于检测所述摆杆摆动的角度θ；所述零部件风险预警信息包括主驱动链风险预警信息；所述伸长量计算模块根据所述摆杆摆动的角度的大小计算所述松边链条的长度L(t)；当所述L(t)的长度超出预先设定的主驱动链链长预警值时，所述主驱动链监测子系统向所述站级预警显示终端发送所述主驱动链对应的扶梯代码、以及主驱动链风险预警信息。 6.根据权利要求2所述的一种基于云平台的自动扶梯在线监测预警系统，其特征在于，所述桁架监测子系统包括：摄像头、与所述摄像头电连接的图像分析模块；所述零部件风险预警信息包括桁架风险预警信息；扶梯桁架的变形敏感区域的表面有散斑，所述摄像头安装在扶梯桁架上，用于获取所述散斑的图像，所述图像包括扶梯桁架变形前的散斑图像和变形后的散斑图像；所述图像分析模块利用数字图像相关技术，测量扶梯桁架变形后的散斑相对变形前的散斑所移动的位移大小；当所述散斑移动的位移超出预先设定的散斑移动预警值时，所述桁架监测子系统向所述站级预警显示终端发送所述桁架对应的扶梯代码、以及所述桁架风险预警信息。 7.根据权利要求6所述的一种基于云平台的自动扶梯在线监测预警系统，其特征在于，所述变形敏感区域包括扶梯桁架与结构板的搭接位置，所述桁架监测子系统还包括客流分析模块；所述客流分析模块将所述散斑移动的位移D(t)代入预先标定的D-F关系曲线中，得出当前扶梯载荷状态F(t)；所述D-F关系曲线，为扶梯静载时，所述散斑移动的位移的大小D随扶梯桁架上的砝码的重量F变化的而变化的关系曲线。 8.根据权利要求2所述的一种基于云平台的自动扶梯在线监测预警系统，其特征在于，所述制动系统监测子系统包括：电感式传感器、与所述电感式传感器电连接的制停距离计算模块；所述零部件风险预警信息包括制动系统风险预警信息；所述电感式传感器设置在扶梯主轴驱动轮的前方，用于检测扶梯主轴驱动轮从扶梯发出制停指令后直至扶梯停止时，扶梯主轴驱动轮转过的齿的个数N；所述制停距离计算模块根据扶梯主轴驱动轮转动的齿的位移的个数N计算扶梯制停距离L′，所述L′的计算公式为：其中，所述Z为扶梯主轴驱动轮的齿的个数，d为扶梯梯级链驱动轮的直径。当所述L′大于预先设定的制停距离安全阈值时，所述制动系统监测子系统向所述站级预警显示终端发送所述制动系统对应的扶梯代码、以及所述制动系统风险预警信息。 9.一种基于云平台的自动扶梯在线监测预警方法，其特征在于，包括如下步骤：获取车站内所有扶梯的关键零部件的运行状态信息和每台扶梯对应的扶梯代码信息；分析获取所述运行状态信息是否存在异常；所述运行状态信息存在异常时，生成零部件风险预警信息，并将所述零部件风险预警信息及其对应的扶梯代码传输至车站内的预警显示终端，所述预警显示终端对存在异常的零部件进行风险预警或报警；将某区域内的车站的所述零部件风险预警信息及其对应的扶梯代码传输至该区域的线网云平台；采用聚类分析方法对所述线网云平台中的所有扶梯进行分类，并分析获取同类型自动扶梯的所述零部件风险预警信息的分布特性。 10.根据权利要求9所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，所述扶梯的关键零部包括件扶梯的旋转部件，所述运行状态信息包括旋转部件的振动信号，所述零部件风险预警信息包括旋转部件预警信息；所述获取车站内所有扶梯的关键零部件的运行状态信息，包括周期采集一组扶梯旋转部件的振动信号；所述分析获取的运行状态信息是否存在异常，包括如下步骤：获取该组振动信号的时域特征向量其中，所述μxn、σxn、分别为该组振动信号的均值、方差、偏斜度、峭度；计算时域特征向量R(n)与扶梯主机轴承无故障运行的时域特征向量R(0)之间的空间角；在所述空间角小于或等于预先设定的角度阈值时，判定扶梯旋转部件无异常，继续采集下一组扶梯旋转部件的振动信号；在所述空间角大于预先设定的角度阈值时，判定扶梯旋转部件存在明显异常。 11.根据权利要求10所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，在判定振动状态存在明显异常之后，还包括如下步骤：对扶梯旋转部件的振动信号进行滤波处理；对滤波后的振动信号进行自相关运算得到相关函数；将相关函数采用Hilbert变换进行包络解调；将解调后的信号进行快速傅里叶变换获得振动信号的包络谱；提取包络谱中除正常振动频率外幅值最大的频率及其倍频，对照预先求解的旋转部件的故障特征频率，判断扶梯旋转部件故障的类型。 12.根据权利要求9所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，所述扶梯的关键零部件包括扶梯梯级链，所述运行状态信息包括梯级链张紧轮的水平位置，所述零部件风险预警信息包括梯级链预警信息；所述获取车站内所有扶梯的关键零部件的运行状态信息，包括：安装在扶梯梯级链张紧轮末端的位移传感器获取梯级链张紧轮的水平位置；分析获取的运行状态信息是否存在异常，包括：在梯级链张紧轮的水平位置超出预先设定的梯级链预警位置时，判定扶梯梯级链存在异常。 13.根据权利要求9所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，扶梯主驱动链包括分布在扶梯主轴驱动轮两侧的链条，其中一侧链条为松边链条；扶梯桁架上设置有摆杆，所述摆杆与所述松边链条的连接端设置有小齿轮，所述小齿轮与所述松边链条咬合连接；所述扶梯的关键零部件包括扶梯主驱动链，所述运行状态信息包括所述松边链条的长度，所述零部件风险预警信息包括扶梯主驱动链警信息；所述获取车站内所有扶梯的关键零部件的运行状态信息，包括如下步骤：测量所述摆杆摆动的角度θ；计算所述松边链条的弯曲弧的曲率半径R(θ)；计算所述松边链条的长度L(t)，所述L(t)的计算公式为：其中，L(0)为所述松边链条的初始长度；分析获取的运行状态信息是否存在异常，包括如下步骤：在L(t)的长度超出预先设定的松边链条安全值时，或L(t)在某一时刻或某个时间段内的伸长率超出预先设定的松边链条第二安全值时，判定扶梯主驱动链存在异常。 14.根据权利要求9所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，所述扶梯的关键零部件包括扶梯桁架，扶梯桁架变形敏感区域的表面锌层形成有散斑；所述运行状态信息包括散斑的变形云图，所述零部件风险预警信息包括桁架预警信息；所述获取车站内所有扶梯的关键零部件的运行状态信息，包括如下步骤：获取扶梯桁架变形前后所述散斑的数字图像；利用数字图像相关技术，计算扶梯桁架变形后相对与变形前所述散斑的数字图像的位移量，获得所述散斑的变形云图；分析获取的运行状态信息是否存在异常，包括：在所述散斑的变形云图的某一区域的各点位移的平均值大于预先设定的桁架安全阈值时，判定桁架存在异常。 15.根据权利要求14所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，所述扶梯桁架变形敏感区域包括桁架与结构板的搭接位置，所述变形云图还包括所述桁架与结构板的搭接位置的第二变形云图；所述基于云平台的自动扶梯在线监测预警方法，还包括如下步骤：在所述第二变形云图中构建直角坐标系x-y，提取各像素点在y向位移分量的均值D(t)；将D(t)代入预先标定D-F关系曲线中，得出当前扶梯载荷状态F(t)；所述D-F关系曲线，为扶梯静载时，所述第二变形云图的各像素点在y向位移分量的均值特征参数D随扶梯桁架上的砝码的重量变化的而变化的关系曲线。 16.根据权利要求9所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，所述扶梯的关键零部件包括扶梯制动系统，所述运行状态信息包括扶梯制动距离，所述零部件风险预警信息包括制动系统预警信息；所述获取车站内所有扶梯的关键零部件的运行状态信息，包括如下步骤：计算扶梯发出制停指令后至扶梯停止时，扶梯主轴驱动轮转动一个齿的位移的个数N；计算扶梯制停距离L′，所述L′的计算公式为：其中，所述Z为扶梯主轴驱动轮的齿数，d为扶梯梯级链驱动轮的直径；分析获取的运行状态信息是否存在异常，包括：在所述L′大于预先设定的制动距离安全阈值时，判定扶梯制动系统存在异常。 17.根据权利要求16所述的基于云平台的自动扶梯在线监测预警方法，其特征在于，还包括如下步骤：记录扶梯主轴驱动轮每转动一个齿的位移时的时间点t；计算时刻tn扶梯梯级链的瞬时速度v(tn)，所述v(tn)的计算公式为：分析获取的运行状态信息是否存在异常，包括：在v(tn)出现异常时，判定扶梯制动系统存在异常。 18.根据权利要求9所述的基于云平台的自动扶梯在线监测预警方法，其特征在于：所述采用聚类分析方法对所述线网云平台中所有扶梯进行分类，包括：以扶梯的提升高度与载客强度因子为主特征参数对所述线网云平台中所有扶梯进行分类；所述分析获取同类型自动扶梯的异常信息的分布特性，包括：将同类扶梯的服役时间作为横坐标，每年每台扶梯各类预警信息发生次数作为纵坐标，绘制该类型扶梯的“服役时间-平均每年预警次数”预警分布图。 19.根据权利要求18所述的基于云平台的自动扶梯在线监测预警方法，其特征在于：所述基于云平台的自动扶梯在线监测预警方法还包括：根据所述“服役时间-平均每年预警次数”预警分布图的分布规律及趋势，对扶梯关键零部件的风险进行预测。
所属类别：	发明专利