欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017112639132
申请人: 暨南大学
专利类型:发明专利
专利状态:已下证
专利领域: 卷扬;提升;牵引
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于序贯概率的电扶梯故障诊断方法,其特征在于,所述的故障诊断方法包括下列步骤:S1、通过对电扶梯故障分析,确定引起电扶梯故障的主要部件,并对引起电扶梯故障的关键部件标号;

S2、采集各监测节点的振动信号,并对采集到的监测节点的信号采用小波包算法对低频、高频进行处理,平滑采集的监测节点信号,降低噪声,提高信噪比;

S3、将经过预处理的信号,分组并提取每组的峭度值,通过计算得到设备运行状态下的特征指标;

S4、对上述步骤中计算的特征指标数据经过序贯概率比检验算法得到似然比,通过似然比与模型故障阈值进行比较,诊断设备是否出现故障。

2.根据权利要求1所述的一种基于序贯概率的电扶梯故障诊断方法,其特征在于,所述的步骤S1包括:S101、将电扶梯的基本结构划分为曳引系统、导向系统、门系统、桥厢、重量平衡系统、电力拖动系统、电气控制系统、安全保护系统;

S102、综合相关结构的参数以及国内电梯安全评价与判废标准,确定机械部分的故障大多发生在曳引系统和门系统,筛选出关键部件为电动机、曳引轮、减速箱、制动器、轿门、层门;

S103、依据电扶梯关键部件曳引机和电动机的影响参数,选取7个故障节点,电动机轴承、电动机定子、电动机转子、电刷装置、曳引轮、轮槽、曳引钢丝绳,分别标号Q1~Q7,作为故障检验的监测节点。

3.根据权利要求2所述的一种基于序贯概率的电扶梯故障诊断方法,其特征在于,所述的步骤S2包括:S201、在步骤S1中的7个监测节点,每个监测节点的水平和垂直方向分别安装两个加速度传感器;

S202、通过监测节点水平方向上的传感器采集监测节点Q1~Q7的数据,只选取电梯曳引机的三个监测节点曳引轮Q5、轮槽Q6、曳引钢丝绳Q7,通过安装在曳引轮,轮槽,曳引钢丝绳水平位置的传感器采集节点振动信号;

S203、选取蒂森TE-evolution1无机房电梯,收集蒂森TE-evolution1无机房电梯的曳引轮Q5、轮槽Q6、曳引钢丝绳Q7三个监测节点在正常状况和故障状态两种运行状态下的六组振动信号f(t);

S204、取分析信号f(t)的离散形式f(n),为待分析信号,确定一个小波分解的层次N,N取值为3或4,然后对信号进行N层小波包分解;

S205、对于不同频段的小波包系数进行排序;

S206、对各频段的信号进行重构;

S207、对信号进行相关性分析;

S208、对各个分解尺度下的高频系数选择一个适当的阈值进行量化处理,剔除没有相关性信号对应的小波包系数;

S209、对处理过的小波包系数进行小波重构,得到去噪的信号,即各监测节点的检测信号。

4.根据权利要求3所述的一种基于序贯概率的电扶梯故障诊断方法,其特征在于,所述的步骤S204包括:S2041、根据二尺度方程构造小波基:

其中i为节点号,j为分解级数,h(n)和g(n)=(-1)nh(1-n)为一对正交镜像滤波器;

S2042、求解小波包分解系数,信号 在第j级和k点处的小波包分解系数如下式推导:S2043、假设原始信号长度为m·2N点,则f(t)信号的完全重构可以表示为:其中 为根据二尺度方程构造出的小波包基函数, 是信

号 在第j级,k点处的小波包分解系数。

5.根据权利要求2所述的一种基于序贯概率的电扶梯故障诊断方法,其特征在于,所述的步骤S3包括:S301、每个监测节点一次实验获取N=5000个数据点,每组取1000个数据点,得到n=

4001组待测检测样本序列,确定待检测信号的数据点N;

S302、记录电扶梯各监测节点经过小波包算法预处理的振动检验信号xk,xk=[x1,x2,…,x5000];

S303、根据采集到的电扶梯各监测节点的振动监测信号,筛选出每组检验信号的峭度值yt,t=1,2,3,…,n,n为模型检验的样本数,n=4001;

S304、计算上步筛选出的每组检验信号峭度值的平均值μ,以及峭度值的标准差σ;

S305、将上述步骤中得到的各个数据,代入公式,

得到反映各部件振动信号的特征参数,作为监测节点指标,进行序贯概率比检验,监测节点指标能够清晰的反映节点状态的特征信息,利用反映节点差异的特征参数准确确定故障点。

6.根据权利要求2所述的一种基于序贯概率的电扶梯故障诊断方法,其特征在于,所述的步骤S4包括:S401、对步骤S3中提取的大量节点指标进行分析,得到检验参数序列基本符合高斯分布;

S402、规定系统允许的犯第一类错误的概率α和犯第二类错误的概率β相等,α=β,α→

0,

取正常状况下的振动信号的均值作为参数μ0,取故障状态下的振动信号均值作为参数μ1;

S403、以模型中的一个监测节点Q1为例,当电动机轴承在正常运行状态下,检验参数序列H0:μ=μ0,当电动机运行在故障状态下,检验参数序列满足假设H1:μ=μ1;

S404、监测节点第K次样本值在假设条件H0和H1下的概率密度函数为:其中k为模型已抽取到第k次样本,标准差σ不变,序贯概率比检验的似然比为:其中P0,P1为H0,H1条件下的先验概率,一般条件下取 在实际模型中,对上述似然比计算公式进行如下化简:相应的,阈值a=ln A,阈值b=ln B;

S405、将经过小波包分析的待测节点信号输入故障诊断模型中,通过序贯概率比检验算法得到似然比,似然比与阈值a和b进行比较,似然比Δa,该节点异常,则该关键部件有故障,若b<Δ<a,则继续抽样,直到符合检验参数序列要求,从而确定电梯部件的状况。

7.根据权利要求6所述的一种基于序贯概率的电扶梯故障诊断方法,其特征在于,选取a=1000和b=-1000作为判断故障的检验阈值。