打开文本图片集

摘要：随着城市化进程的加快，电梯作为现代建筑中不可或缺的垂直交通工具，其安全运行对于保障人民群众的生命财产安全具有重要意义。传统的电梯维护方式主要依靠人工巡检，存在效率低、反应慢、维护成本高等问题。本文针对电梯远程监控及故障诊断系统在预防性维护中的应用进行了深入研究，分析了系统的设计原理、功能特点及其在提高电梯运行安全性和降低维护成本方面的优势。

关键词：电梯；远程监控；故障诊断；预防性维护

引言

电梯作为一种重要的公共交通工具，广泛应用于住宅、商场、办公楼等场所。然而，电梯故障事故时有发生，给人民群众的生命财产安全带来了严重威胁。传统的电梯维护方式巡检效率低，无法及时发现潜在故障，对电梯运行状态掌握不足，难以实现预防性维护。为解决问题，电梯远程监控及故障诊断系统应运而生。该系统通过实时监测电梯运行状态，及时发现故障隐患，实现预防性维护，提高电梯运行安全性和降低维护成本。

1、电梯远程监控技术的发展现状

国外在电梯远程监控技术方面起步较早，已形成较为成熟的研究体系。例如，美国奥的斯公司（Otis）推出的SmartCare系统，通过安装在电梯内部的传感器收集数据，实现对电梯运行的实时监控。该系统可以对电梯的运行状态、故障信息等进行远程诊断，从而提高电梯的运行效率和使用寿命。在国外，通过分析电梯运行过程中的振动信号，判断电梯是否存在异常。例如，德国西门子公司（Siemens）开发的Vibration Analysis System（VAS）可以对电梯振动进行实时监测和分析。利用监测电梯运行过程中的声发射信号，诊断电梯的故障。美国通用电气公司（GE）的Vibration Monitoring System（VMS）便是基于此技术。基于神经网络和模糊逻辑技术对电梯故障进行预测和诊断。例如，日本东芝公司（Toshiba）的研究人员提出了一种基于神经网络和模糊逻辑的电梯故障诊断方法。近年来，我国在电梯远程监控技术方面取得了显著成果。例如，我国电梯制造商奥的斯机电推出的OTIS CONNECT物联网系统，与国外产品相比，具有较高的性价比和适应性。我国科研人员针对电梯振动信号分析技术进行了深入研究，如西安交通大学、上海交通大学等高校的研究成果，在人工智能相关技术方面也取得了一定的成果，如清华大学、北京航空航天大学等高校的研究成果。我国科研人员将人工智能技术应用于电梯故障诊断领域，如基于深度学习、支持模糊采集控制等方法的研究成果。国内外在电梯远程监控及故障诊断技术方面都取得了显著成果，但仍存在一些挑战，如数据采集、信号处理、故障诊断准确性及物联网大数据汇总分析及利用等方面。未来，随着技术的不断进步，电梯远程监控及故障诊断技术及预防维护中应用将得到更广泛的应用。

2、系统架构

电梯远程监控及故障诊断系统采用分层分布式架构，主要包括：①感知层。负责实时采集电梯运行状态信息，包括电梯位置、速度、载重、开门状态、故障代码等。感知层通过安装在电梯中的传感器实现数据的实时采集。②传输层。负责将感知层采集到的数据传输到云端平台。传输层采用无线通信技术，如4G/5G、Wi-Fi、LoRa等，保证数据的稳定传输。③平台层。负责对传输层传来的数据进行处理、存储和分析。包括数据处理模块，对采集到的原始数据进行预处理，如数据清洗、去噪等，提高数据质量。将处理后的数据存储在数据库中，便于后续查询和分析的数据存储模块。对存储的数据进行统计分析，挖掘电梯运行规律和潜在故障的数据分析模块。④应用层。面向用户，提供电梯远程监控和故障诊断功能。应用层主要包括3个模块，监控模块实时显示电梯运行状态，包括位置、速度、载重、开门状态等，便于管理人员及时掌握电梯运行情况。故障诊断模块是根据历史数据和实时数据，对电梯故障进行诊断，并提供故障原因和修复建议。报警模块是当电梯发生故障或异常情况时，系统自动向相关人员发送报警信息，提醒及时处理。⑤支撑层。为系统运行提供必要的支撑，包括安全保障、系统管理、技术支持。6数据汇总报表层。通过以上架构，电梯远程监控及故障诊断系统能够实现对电梯运行状态的实时监控和故障诊断，提高电梯运行效率，降低故障率，保障乘客安全。

3. 电梯远程监控技术功能分析

3.1电梯远程监控功能

电梯远程监控与管理的核心在于利用安装在轿顶的数据采集设备，收集电梯的运行状态和运行数据。这些数据通过短距离的无线射频技术传输至数据接收器，由控制柜中的数据接收器进行整合处理。随后，利用GPRS技术通过无线GSM网络将这些数据传输至监控中心。监控中心通过软件将这些数据转化为直观的监控界面，并能够检索历史运行数据。该系统能够对联网电梯进行全天候的连续监控。一旦电梯发生故障，系统会自动识别故障位置并将信息传输至监控系统，同时触发警报。监控系统随即会将警报信息发送至远程监控人员，以便他们能够及时对故障电梯进行处理，防止事故发生，保障人员和财产安全。

3.2数据统计、传输和存储功能

自网络化实时监控系统投入使用以来，远端电梯设备源源不断地生成和累积着庞大的运营信息。这些数据如同时间的信使，通过GPRS无线技术的迅速传递，抵达了故障分析专用的服务器端。随着日积月累，这些信息的汇聚逐渐形成了一个巨大的数据库，成为系统维护与故障排查工作中不可或缺的智慧宝库。

3.3电梯故障诊断功能

在维护网络化电梯监控系统的过程中，系统不仅对在用电梯进行持续的在线监测，而且广泛收集了电梯的日常操作数据，涵盖门控状态、运动轨迹、速度和预定楼层等信息。此外，系统还记录了电梯可能遭遇的常见问题，例如乘客被困、顶部撞击和超速运行等情况。最为核心的是，系统能够对这些数据进行存储、深度分析和统计，并将这些数据与电梯管理数据库实现无缝对接。通过这样的系统，可以汇总并整合所有受监控电梯的数据，运用BP神经网络诊断技术，对每部电梯的故障发生率进行详细统计和分析，以此实现高效的电梯故障诊断。

4、电梯故障诊断技术

电梯在运行过程中，往往可能因为部件损坏或设备老化等各种原因造成安 全事故的发生，因此，系统不仅需要对电梯的运行状态进行实时监控，同时还需要根据运行状态信息实现对电梯的故障诊断。在Matlab这一强大的平台之上，研发出一款融合BP神经网络与D-S证据理论的电梯故障诊断模型。该模型深入挖掘电梯的振动特性，精心挑选出关键特征向量作为诊断的核心依据，并将所有可能引起振动问题的因素全面纳入故障识别体系之中。为了精准捕捉电梯运行过程中的振动数据，在轿厢底部安装三轴加速度传感器，并对所采集的信号进行了细致的噪声消除处理。接着对电梯运行状态、振动信号进行了深入的特性提取，从中筛选出有效的特征参数，以此构建了丰富的样本数据集，形成如运行参数、IO端口状态等数据状态表/库，见图1.1和1.2。这些数据在经过标准化处理之后，成为了BP神经网络训练的宝贵素材。在过程中不断优化网络的权重和阈值，力求使网络的误差平方和降至预定标准以下，确保训练的精确性和有效性。随后，将测试样本输入到训练有素的神经网络中，通过其输出的结果，初步判定电梯的故障状况。为了进一步提升诊断的准确性和可靠性，运用D-S证据理论对BP网络的输出进行了决策层融合。对故障识别框架中各种故障发生的概率进行了科学的基本赋值，然后运用合成规则整合证据，最终依据决策规则得出电梯故障的最终判断。电梯故障诊断的整体结构详见图1，该模型的设计与实施，旨在为电梯的稳定运行提供坚实的保障，确保乘客的安全与舒适。

5故障障诊断中心的实现

电梯故障诊断系统的核心精髓，在于其核心故障诊断单元。该单元利用B/S（浏览器/服务器）架构，经过精心设计和构建。用户只需一台接入互联网的电脑，无需额外安装软件，通过简单的浏览器操作，即可访问并操控直观的网页界面，实现对电梯的远程监控。B/S架构的显著特点是其极高的灵活性，它超越了地域和设备的限制。这使得全球各地的不同岗位员工，无论身处何方，无论采用何种连接方式，都能轻松访问电梯的实时信息，进行深入的数据分析，并高效完成运行和维护工作。这种架构的巧妙应用，为电梯管理的现代化和信息化的推进提供了坚实的科技保障。电梯故障诊断系统实现的界面如图 2所示，电梯实时故障监控界面如图3.1和图3.2所示。

结论

电梯远程监控及故障诊断系统在预防性维护中的应用，为电梯运行安全提供了有力保障。该系统具有实时监控、预防性维护、数据可视化、故障诊断、维护管理等功能特点，能够有效提高电梯运行安全性和降低维护成本。随着技术的不断发展，电梯远程监控及故障诊断系统将在电梯行业得到更广泛的应用。

参考文献

[1]彭诚;伍东升;江滔;徐薄;姜之平.电梯控制技术的发展问题研究[J].科学咨询（科技·管理）.2024，（06）：126-129

[2]路平.人工智能在电厂设备故障预测与维护中的应用[J].造纸装备及材料.2024 ，53 （08）：44-46

[3]李强;高勇;朱建国;褚红绢;蔡兵;侯卫锋;刘文烈.电厂智能化管控技术研究与应用[J].热力发电，2019（10）：15-21