本發(fā)明涉及信息物理系統(tǒng)領(lǐng)域，更具體地，本發(fā)明涉及一種基于信息物理系統(tǒng)的電梯評估系統(tǒng)。

背景技術(shù)：

1、現(xiàn)有的電梯評估系統(tǒng)主要依賴于定期的人工檢查和維護，這種傳統(tǒng)方法往往無法實時監(jiān)測電梯的運行狀態(tài)，導(dǎo)致無法及時發(fā)現(xiàn)潛在的故障和安全隱患。此外，人工檢查的效率低下，成本高昂，且受檢查人員經(jīng)驗和技能水平的限制，難以做到全面和精確的評估。技術(shù)原理方面，傳統(tǒng)系統(tǒng)缺乏有效的數(shù)據(jù)采集和分析手段，無法對電梯的各個部件和運行狀態(tài)進行深入的量化分析，從而無法準(zhǔn)確預(yù)測電梯的故障趨勢和維護需求。隨著信息物理系統(tǒng)（cps）技術(shù)的發(fā)展，集成傳感器、數(shù)據(jù)預(yù)處理、智能分析和綜合評估的電梯評估系統(tǒng)成為可能，這種系統(tǒng)能夠?qū)崿F(xiàn)對電梯運行狀態(tài)的實時監(jiān)控和故障預(yù)測，提高電梯的安全性和可靠性。

2、在實現(xiàn)本發(fā)明實施例過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題或缺陷：現(xiàn)有的電梯評估系統(tǒng)無法提供實時的故障診斷和預(yù)測，缺乏對電梯各部件和運行狀態(tài)的全面量化分析，以及無法根據(jù)實時數(shù)據(jù)進行電梯安全性和可靠性的綜合評估。這些問題限制了電梯維護和安全管理的效率和效果，增加了電梯故障和事故的風(fēng)險。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種基于信息物理系統(tǒng)的電梯評估系統(tǒng)，包括：

2、電梯傳感器系統(tǒng)，用于獲取電梯運行過程中的原始物理數(shù)據(jù)，數(shù)據(jù)類型涵蓋轎廂載重數(shù)據(jù)、轎廂速度數(shù)據(jù)、轎廂位置數(shù)據(jù)、井道導(dǎo)軌壓力數(shù)據(jù)、轎廂與井道壁距離數(shù)據(jù)、機房電機溫度數(shù)據(jù)、機房電機振動數(shù)據(jù)；

3、數(shù)據(jù)預(yù)處理單元，用于對原始物理數(shù)據(jù)進行處理，從而得到電梯各部件和運行狀態(tài)的格式化數(shù)據(jù)；

4、故障相似率處理單元，用于依據(jù)電梯各部件和運行狀態(tài)的格式化數(shù)據(jù)，獲取電梯各部件所呈現(xiàn)的故障相似率向量；

5、運行狀態(tài)識別概率處理單元，用于對電梯各部件和運行狀態(tài)的格式化數(shù)據(jù)進行智能分析，從而得到電梯運行狀態(tài)對應(yīng)的正常運行識別概率向量；

6、電梯綜合評估單元，依據(jù)故障相似率向量和正常運行識別概率向量，對電梯的安全性和可靠性進行綜合評估。

7、進一步地，所述故障相似率處理單元包括：

8、部件數(shù)據(jù)分割模塊、部件特征提取模塊和故障特征比對模塊；其中，所述部件數(shù)據(jù)分割模塊，用于對電梯各部件和運行狀態(tài)的格式化數(shù)據(jù)依據(jù)區(qū)域和部件類型進行劃分，依據(jù)劃分出的獨立部件數(shù)量對數(shù)據(jù)進行分割，將分割得到的個獨立部件的數(shù)據(jù)輸入到部件特征提取模塊；

9、所述部件特征提取模塊，用于對部件的數(shù)據(jù)進行特征值提取，提取的特征值包括轎廂載重變化特征值、導(dǎo)軌磨損特征值，將得到的部件特征值輸入到故障特征比對模塊；

10、所述故障特征比對模塊，用于將部件特征值與故障數(shù)據(jù)庫中的數(shù)據(jù)進行比對，得到個獨立部件的故障相似率向量，并提供給電梯綜合評估單元。

11、進一步地，所述電梯各部件和運行狀態(tài)的格式化數(shù)據(jù)，包括部件空間位置信息、運行參數(shù)、物理特性數(shù)據(jù)、溫度數(shù)據(jù)和振動數(shù)據(jù)，其中運行參數(shù)包含速度和加速度，物理特性數(shù)據(jù)包含材料強度相關(guān)數(shù)據(jù)和部件老化程度數(shù)據(jù)。

12、進一步地，所述部件特征值，包括部件的負載分布百分比、相對磨損程度和結(jié)構(gòu)特征參數(shù)，其中負載分布百分比依據(jù)部件負載與額定負載的比例計算，相對磨損程度依據(jù)部件磨損量與允許磨損量的比例計算，結(jié)構(gòu)特征參數(shù)依據(jù)部件的幾何形狀和結(jié)構(gòu)特點確定。

13、進一步地，所述故障特征比對模塊，將部件特征值與故障數(shù)據(jù)庫中的數(shù)據(jù)進行比較，得到該部件的故障相似率向量，其中為個獨立部件中序號為的部件代號，至為部件相對于類不同故障類型的相似率，計算公式為：

14、，

15、其中，是部件的第個特征值，是故障數(shù)據(jù)庫中第類故障的第個特征值，是特征值的總數(shù)；其中，所述故障數(shù)據(jù)庫，具有類故障的部件特征值數(shù)據(jù)，包括故障的名稱、負載分布百分比數(shù)據(jù)、相對磨損程度數(shù)據(jù)、相似率閾值，以及由類故障的相似率閾值組成的故障相似率閾值向量。

16、進一步地，所述運行狀態(tài)識別概率處理單元包括數(shù)據(jù)投影優(yōu)化模塊和運行狀態(tài)智能識別模塊；

17、所述數(shù)據(jù)投影優(yōu)化模塊，用于對來自數(shù)據(jù)預(yù)處理單元的電梯各部件和運行狀態(tài)的格式化數(shù)據(jù)進行多角度投影得到投影圖，對投影圖進行圖像增強處理，獲得二維運行狀態(tài)投影數(shù)據(jù)，圖像增強處理采用直方圖均衡化算法；

18、所述運行狀態(tài)智能識別模塊，用于對二維運行狀態(tài)投影數(shù)據(jù)進行智能識別，得到正常運行識別概率向量，提供給電梯綜合評估單元；所述二維運行狀態(tài)投影數(shù)據(jù)，包括二維坐標(biāo)數(shù)據(jù)和坐標(biāo)點對應(yīng)的歸一化至[0,1]區(qū)間的運行參數(shù)值數(shù)據(jù)。

19、進一步地，所述運行狀態(tài)智能識別模塊，包括輸入層、隱藏層和輸出層；

20、所述隱藏層包含卷積層、池化層和全連接層；其中，所述輸入層的輸入數(shù)據(jù)為二維運行狀態(tài)投影數(shù)據(jù)；

21、所述卷積層，卷積核個數(shù)為20，卷積核大小為3×3，步長為1，并用relu作為激活函數(shù)，用于對來自輸入層的輸入數(shù)據(jù)進行特征提取，對于每一張輸入圖片可以提取出20個特征圖；

22、所述池化層采用步長為2的最大池化；

23、所述全連接層用于對卷積層和池化層提取的特征進行加權(quán)求和，以獲得對二維運行狀態(tài)投影數(shù)據(jù)進行識別分類的結(jié)果；

24、所述輸出層為全連接層的末端神經(jīng)元，神經(jīng)元總數(shù)等于正常運行狀態(tài)類別總數(shù)；

25、每個輸出層神經(jīng)元代表一個正常運行狀態(tài)類別，其輸出值為歸一化分類概率值；

26、所述運行狀態(tài)智能識別模塊在應(yīng)用前使用反向傳播算法對網(wǎng)絡(luò)參數(shù)進行訓(xùn)練，訓(xùn)練集為包括類正常運行狀態(tài)的標(biāo)簽的電梯運行數(shù)據(jù)數(shù)據(jù)集；

27、對訓(xùn)練后的識別結(jié)果進行統(tǒng)計，得到類正常運行狀態(tài)的分類識別閾值至，組成正常運行狀態(tài)的分類識別閾值向量。

28、進一步地，通過將二維運行狀態(tài)投影數(shù)據(jù)輸入到運行狀態(tài)智能識別模塊，獲得相對于每一類正常運行狀態(tài)的識別概率至，組成該電梯運行狀態(tài)的正常運行識別概率向量，計算公式為：

29、，

30、其中，，是全連接層中連接第i個輸入特征與第j個神經(jīng)元的權(quán)重，是輸入層輸入的第i個特征（如二維坐標(biāo)數(shù)據(jù)、歸一化運行參數(shù)值數(shù)據(jù)等），是第j個神經(jīng)元的偏置。是指第j類正常運行狀態(tài)的識別概率，其值表示電梯處于第j類正常運行狀態(tài)的可能性大小，取值范圍在0到1之間，通過上述公式計算得到，所有的構(gòu)成了正常運行識別概率向量t。

31、進一步地，所述對電梯的安全性和可靠性進行綜合評估，獲得評估指標(biāo)，包括：

32、對m個獨立部件，依次進行比較評估，并對評估結(jié)果進行排序列表；其中，對部件的評估過程為：將部件的故障相似率向量與故障相似率閾值向量比較，當(dāng)時，將設(shè)為0，其中為部件的結(jié)構(gòu)特征參數(shù)；

33、將正常運行識別概率向量與正常運行狀態(tài)的分類識別閾值向量比較，當(dāng)時，將設(shè)為0；

34、經(jīng)上述處理后，計算評估結(jié)果向量，計算公式為：

35、，

36、其中，為針對第j類故障的疑似故障評估閾值，是根據(jù)電梯在不同故障模式下的安全余量、歷史故障數(shù)據(jù)統(tǒng)計分析以及專家經(jīng)驗等確定的用于判斷部件是否疑似出現(xiàn)該類故障的臨界值；是評估指標(biāo)，表示部件相對于第j類故障的綜合疑似程度。當(dāng)時，表示從綜合故障相似率和正常運行識別概率的角度來看，部件有疑似第j類故障的傾向；當(dāng)時，表示部件從當(dāng)前評估角度看沒有第j類故障的跡象。

37、進一步地，還包括告警單元；所述告警單元，對評估出來的疑似故障名稱，依據(jù)至中大于0的項數(shù)值的高低進行實時排序列表，在顯示終端進行告警。

38、根據(jù)本發(fā)明的上述實施例至少具有以下有益效果：本發(fā)明所述的基于信息物理系統(tǒng)的電梯評估系統(tǒng)通過集成電梯傳感器系統(tǒng)、數(shù)據(jù)預(yù)處理單元、故障相似率處理單元、運行狀態(tài)識別概率處理單元和電梯綜合評估單元，可以實時監(jiān)測和分析電梯運行過程中的關(guān)鍵物理數(shù)據(jù)，從而提供電梯各部件和運行狀態(tài)的詳細評估。系統(tǒng)能夠準(zhǔn)確識別電梯的故障相似率向量和正常運行識別概率向量，進而對電梯的安全性和可靠性進行綜合評估，可以有效提升電梯故障預(yù)測的準(zhǔn)確性和及時性。

39、此外，該系統(tǒng)通過智能分析和深度學(xué)習(xí)技術(shù)，可以自動提取電梯部件的特征值，并與故障數(shù)據(jù)庫中的數(shù)據(jù)進行比對，以獲得故障相似率向量。同時，系統(tǒng)利用圖像增強處理和智能識別技術(shù)，對電梯的運行狀態(tài)進行多角度投影和識別，得到正常運行識別概率向量。這些技術(shù)的應(yīng)用不僅可以提高電梯評估的效率，還可以降低維護成本，增強電梯使用的安全性，為電梯的維護和管理提供強有力的技術(shù)支持。