本發(fā)明實(shí)施例涉及電梯技術(shù)領(lǐng)域，尤其涉及一種電梯的預(yù)診斷方法及裝置。

背景技術(shù)：

目前對電梯的部件，都是等電梯部件異常，導(dǎo)致故障報出后，維護(hù)保養(yǎng)人員才去現(xiàn)場處理。這樣往往導(dǎo)致了停梯、甚至困人等問題，極大影響客戶的使用。同時，為了減少電梯部件異常，維保人員通常要頻繁的對電梯所有主要部件進(jìn)行定期檢查。這樣降低了維保人員的工作效率，減少維保人員維護(hù)保養(yǎng)電梯的數(shù)量，增加了電梯的維護(hù)保養(yǎng)的成本。

技術(shù)實(shí)現(xiàn)要素：

針對上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種電梯的預(yù)診斷方法及裝置，以降低電梯的維護(hù)保養(yǎng)成本。

一方面，本發(fā)明實(shí)施例提供了一種電梯的預(yù)診斷方法，所述方法包括：

存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)；

關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)；

對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否將會出現(xiàn)故障進(jìn)行預(yù)診斷。

另一方面，本發(fā)明實(shí)施例還提供了一種電梯的預(yù)診斷裝置，所述裝置包括：

數(shù)據(jù)存儲模塊，用于存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)；

數(shù)據(jù)關(guān)聯(lián)模塊，用于關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)；

故障預(yù)診斷模塊，用于對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否將會出現(xiàn)故障進(jìn)行預(yù)診斷。

本發(fā)明實(shí)施例提供的電梯的預(yù)診斷方法及裝置，通過部署在云端的大數(shù)據(jù)分析系統(tǒng)存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)，關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)，以及利用大數(shù)據(jù)分析系統(tǒng)對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否將會出現(xiàn)故障進(jìn)行預(yù)診斷，從而使得維護(hù)保養(yǎng)人員對電梯部件是否將會出現(xiàn)故障有提前的準(zhǔn)確預(yù)判，使用大數(shù)據(jù)分析系統(tǒng)有效的降低了電梯的維護(hù)保養(yǎng)成本。

附圖說明

通過閱讀參照以下附圖所作的對非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會變得更明顯：

圖1是本發(fā)明第一實(shí)施例提供的電梯的預(yù)診斷方法的流程圖；

圖2是本發(fā)明第二實(shí)施例提供的電梯的預(yù)診斷方法中診斷操作的流程圖；

圖3是本發(fā)明第三實(shí)施例提供的電梯的預(yù)診斷方法的流程圖；

圖4是本發(fā)明第四實(shí)施例提供的電梯的預(yù)診斷方法的流程圖；

圖5是本發(fā)明第五實(shí)施例提供的電梯的預(yù)診斷裝置的結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。可以理解的是，此處所描述的具體實(shí)施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部結(jié)構(gòu)。

第一實(shí)施例

本實(shí)施例提供了電梯的預(yù)診斷方法的一種技術(shù)方案。在該技術(shù)方案中，所述電梯的預(yù)診斷方法由電梯的預(yù)診斷裝置執(zhí)行。并且，所述電梯的預(yù)診斷裝置集成在部署于云端的例如Hadoop、Storm、Spark Streaming，或者Samza等大數(shù)據(jù)分析系統(tǒng)之中。

參見圖1，所述電梯的預(yù)診斷方法包括：

S11，存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)。

所述電梯運(yùn)行狀態(tài)數(shù)據(jù)是指在電梯本地采集的，并且有電梯本地的通信設(shè)備上傳至云端的指示電梯的各個部件的運(yùn)行狀態(tài)的數(shù)據(jù)。所述電梯運(yùn)行狀態(tài)數(shù)據(jù)包括：電梯的載重、電梯的運(yùn)行方向、運(yùn)行速度、用戶的召梯信息、電機(jī)輸出功率、各個部件的通斷電情況等。

部署于云端的電梯的預(yù)診斷裝置在接收到所述電梯運(yùn)行狀態(tài)數(shù)據(jù)之后，將上述電梯運(yùn)行狀態(tài)數(shù)據(jù)存儲。優(yōu)選的，將上述電梯運(yùn)行狀態(tài)數(shù)據(jù)存儲于分布式數(shù)據(jù)庫中。進(jìn)一步優(yōu)選的，所述分布式數(shù)據(jù)可以是Hbase數(shù)據(jù)庫。

S12，關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)。

可以理解的是，并不是所有的所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中的數(shù)據(jù)項都是與具體的電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)。例如，對于電梯部件抱閘來說，用戶的召梯信息就與它是否處于故障狀態(tài)在邏輯上沒有任何關(guān)聯(lián)。

正因為所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中包含與具體的電梯部件是否處于故障狀態(tài)完全無關(guān)的數(shù)據(jù)，在存儲了所述電梯運(yùn)行狀態(tài)數(shù)據(jù)之后，需要從所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中識別出與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)，以便將所述故障辨別數(shù)據(jù)進(jìn)一步的用于對電梯部件的故障診斷。

具體的一項電梯運(yùn)行狀態(tài)數(shù)據(jù)是否屬于與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)，在初始化階段是由維護(hù)保養(yǎng)人員根據(jù)自身的維護(hù)保養(yǎng)經(jīng)驗指定的。例如，與電梯內(nèi)的照明燈的運(yùn)行相關(guān)的故障辨別數(shù)據(jù)應(yīng)該包括：電源開關(guān)的動作次數(shù)，以及亮燈的總時間。而在初始化過程完成之后，一項電梯運(yùn)行狀態(tài)數(shù)據(jù)是否屬于故障辨別數(shù)據(jù)則可以根據(jù)對電梯運(yùn)行狀態(tài)數(shù)據(jù)的機(jī)器學(xué)習(xí)過程進(jìn)行調(diào)優(yōu)，如在所述故障辨別數(shù)據(jù)中添加溫度、濕度兩項數(shù)據(jù)。

S13，對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷。

優(yōu)選的，對所述故障辨別數(shù)據(jù)進(jìn)行的統(tǒng)計分析是根據(jù)預(yù)定的統(tǒng)計分析模型進(jìn)行的。優(yōu)選的，可以根據(jù)預(yù)先給定的故障辨別數(shù)據(jù)的加權(quán)平均模型對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，也可以根據(jù)預(yù)先給定的人工神經(jīng)網(wǎng)絡(luò)模型對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析。

對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析的結(jié)果是電梯部件當(dāng)前是否處于故障狀態(tài)的判斷。進(jìn)一步優(yōu)選的，如果電梯部件已經(jīng)處于故障狀態(tài)，對所述故障辨別數(shù)據(jù)的統(tǒng)計分析結(jié)果還可以包括該故障需要維護(hù)的緊急程度。有了上述的緊急程度的判斷，就可以進(jìn)一步指示維護(hù)保護(hù)人員是否需要立即趕赴維護(hù)現(xiàn)場。

本實(shí)施例通過在部署于云端的大數(shù)據(jù)分析系統(tǒng)中存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)，關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)，以及對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，自動的給出了對電梯部件是否處于故障狀態(tài)的判斷，降低了電梯的維護(hù)保養(yǎng)成本。

第二實(shí)施例

本實(shí)施例以本發(fā)明上述實(shí)施例為基礎(chǔ)，進(jìn)一步的提供了電梯的預(yù)診斷方法中診斷操作的一種技術(shù)方案。在該技術(shù)方案中，對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷包括：獲取預(yù)置的，用于對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析的加權(quán)平均模型；根據(jù)所述加權(quán)平均模型，對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷。

參見圖2，對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷包括：

S21，獲取預(yù)置的、用于對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析的加權(quán)平均模型。

示例性的，所述加權(quán)平均模型由如下公式給出：

s＝w₁·v₁+Λ+w_i·v_i+Λw_N·v_N

其中，v_i是第i個故障辨別數(shù)據(jù)項，w_i是第i個故障辨別數(shù)據(jù)項所對應(yīng)的加權(quán)系數(shù)，s是對各項故障辨別數(shù)據(jù)進(jìn)行加權(quán)平均的結(jié)果。

獲取所述加權(quán)平均模型是，需要確定所述加權(quán)平均模型中包含哪些故障辨別數(shù)據(jù)項，以及每個故障辨別數(shù)據(jù)項所對應(yīng)的加權(quán)系數(shù)的取值。

S22，根據(jù)所述加權(quán)平均模型，對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷。

具體的，將上述加權(quán)平均模型的加權(quán)平均結(jié)果s，與預(yù)置的診斷閾值進(jìn)行比較。如果所述加權(quán)平均結(jié)果s在由所述診斷閾值確定的取值范圍內(nèi)，則可以判斷所述電梯部件并沒有出現(xiàn)故障；如果所述加權(quán)平均結(jié)果s不在由所述診斷閾值確定的取值范圍內(nèi)，則可以判斷所述電梯部件出現(xiàn)了故障。

進(jìn)一步的，如果確定所述電梯部件出現(xiàn)了故障，還可以進(jìn)一步的將所述加權(quán)平均結(jié)果s與預(yù)置的緊急程度閾值進(jìn)行比較，以確定當(dāng)前故障的緊急程度。確定上述緊急程度的優(yōu)勢在于，可以根據(jù)確定的故障的緊急程度，進(jìn)一步確定是否需要通知維護(hù)保養(yǎng)人員立即趕赴維護(hù)現(xiàn)場。

本實(shí)施例通過獲取預(yù)置的，用于對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析的加權(quán)平均模型，以及根據(jù)所述加權(quán)平均模型，對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷，實(shí)現(xiàn)了對電梯部件是否出現(xiàn)故障的準(zhǔn)確判斷。

第三實(shí)施例

本實(shí)施例以本發(fā)明上述實(shí)施例為基礎(chǔ)，進(jìn)一步的提供了電梯的預(yù)診斷方法的另一種技術(shù)方案。在該技術(shù)方案中，所述電梯的預(yù)診斷方法還包括：根據(jù)機(jī)器學(xué)習(xí)算法，對所述加權(quán)平均模型的模型參數(shù)進(jìn)行調(diào)整。

參見圖3，所述電梯的預(yù)診斷方法包括：

S31，存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)。

S32，關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)。

S33，獲取預(yù)置的、用于對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析的加權(quán)平均模型。

S34，根據(jù)所述加權(quán)平均模型，對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷。

S35，根據(jù)機(jī)器學(xué)習(xí)算法，對所述加權(quán)平均模型的模型參數(shù)進(jìn)行調(diào)整。

在本實(shí)施例中，所述加權(quán)平均模型的模型參數(shù)包括：所述加權(quán)平均模型的加權(quán)系數(shù)，以及所述加權(quán)平均模型的診斷閾值。

例如，如果通過機(jī)器學(xué)習(xí)算法，發(fā)現(xiàn)所述加權(quán)平均模型中的一項故障辨別數(shù)據(jù)對于最終的診斷結(jié)果的影響已經(jīng)相對降低，則可以相應(yīng)的下調(diào)該故障辨別數(shù)據(jù)項所對應(yīng)的加權(quán)系數(shù)的取值。如果通過機(jī)器學(xué)習(xí)算法，發(fā)現(xiàn)所述加權(quán)平均模型中某一項故障辨別數(shù)據(jù)對于最終的診斷結(jié)果的影響已經(jīng)相對增強(qiáng)，則可以相應(yīng)的增大該故障辨別數(shù)據(jù)項所對應(yīng)的加權(quán)系數(shù)的取值。

示例性的，所述機(jī)器學(xué)習(xí)算法可以是決策樹算法。

進(jìn)一步優(yōu)選的，在上述調(diào)整過程中，還可以在所述加權(quán)平均模型中增加或者刪除故障辨別數(shù)據(jù)項。例如，通過機(jī)器學(xué)習(xí)過程，發(fā)現(xiàn)一項故障辨別數(shù)據(jù)對于最終的故障判斷已經(jīng)沒有意義，則可以從所述加權(quán)平均模型中將上述故障辨別數(shù)據(jù)項刪除。

本實(shí)施例通過根據(jù)機(jī)器學(xué)習(xí)算法，對所述加權(quán)平均模型的模型參數(shù)進(jìn)行調(diào)整，使得進(jìn)行故障診斷的加權(quán)平均模型能夠根據(jù)數(shù)據(jù)的實(shí)時變化進(jìn)行調(diào)整，使得對于電梯部件的故障狀態(tài)的診斷更為準(zhǔn)確。

第四實(shí)施例

本實(shí)施例以本發(fā)明上述實(shí)施例為基礎(chǔ)，進(jìn)一步的提供了電梯的預(yù)診斷方法的再一種技術(shù)方案。在該技術(shù)方案中，所述電梯的預(yù)診斷方法還包括：根據(jù)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)，以及診斷結(jié)果，生成用于顯示電梯運(yùn)行狀態(tài)的運(yùn)行狀態(tài)報告；將所述運(yùn)行狀態(tài)報告顯示給用戶。

參見圖4，所述電梯的預(yù)診斷方法包括：

S41，存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)。

S42，關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)。

S43，對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷。

S44，根據(jù)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)，以及診斷結(jié)果，生成用于顯示電梯運(yùn)行狀態(tài)的運(yùn)行狀態(tài)報告。

生成的運(yùn)行狀態(tài)包括不僅包含必要的電梯運(yùn)行狀態(tài)數(shù)據(jù)，還包括根據(jù)所述加權(quán)平均模型給出的電梯部件當(dāng)前是否處于故障狀態(tài)的判斷。

所述運(yùn)行狀態(tài)包括而不限于運(yùn)行次數(shù)、運(yùn)行時間、部件動作次數(shù)、部件動作時間、預(yù)診斷結(jié)果、建議更換器件提示。

優(yōu)選的，對于運(yùn)行狀態(tài)報告的生成可以是根據(jù)系統(tǒng)設(shè)置的生成，也可以是根據(jù)用戶實(shí)時指令的生成。

S45，將所述運(yùn)行狀態(tài)報告顯示給用戶。

可以在云端本地直接顯示所述運(yùn)行狀態(tài)報告，也可以將生成的運(yùn)行狀態(tài)報告發(fā)送給遠(yuǎn)端的客戶端，再由客戶端將所述運(yùn)行狀態(tài)報告顯示給用戶。

本實(shí)施例通過生成運(yùn)行狀態(tài)報告，并將生成的運(yùn)行狀態(tài)報告顯示給用戶，使得電梯的維護(hù)保養(yǎng)人員能夠?qū)崟r了解電梯的各個部件的當(dāng)前的運(yùn)行狀態(tài)及是否處于故障狀態(tài)，提高了云端系統(tǒng)的可用性。

第五實(shí)施例

本實(shí)施例提供了電梯的預(yù)診斷裝置的一種技術(shù)方案。在該技術(shù)方案中，所述電梯的預(yù)診斷裝置包括：數(shù)據(jù)存儲模塊51、數(shù)據(jù)關(guān)聯(lián)模塊52，以及故障預(yù)診斷模塊53。

所述數(shù)據(jù)存儲模塊51用于存儲電梯上傳的電梯運(yùn)行狀態(tài)數(shù)據(jù)。

所述數(shù)據(jù)關(guān)聯(lián)模塊52用于關(guān)聯(lián)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)中與電梯部件運(yùn)行相關(guān)的故障辨別數(shù)據(jù)。

所述故障預(yù)診斷模塊53用于對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析，以對所述電梯部件是否將會出現(xiàn)故障進(jìn)行預(yù)診斷。

優(yōu)選的，所述故障預(yù)診斷模塊53包括：模型獲取單元以及診斷單元。

所述模型獲取單元用于獲取預(yù)置的、用于對所述故障辨別數(shù)據(jù)進(jìn)行統(tǒng)計分析的加權(quán)平均模型。

所述診斷單元用于根據(jù)所述加權(quán)平均模型，對所述電梯部件是否出現(xiàn)故障進(jìn)行診斷。

優(yōu)選的，所述電梯的預(yù)診斷裝置還包括：模型調(diào)整模塊54。

所述模型調(diào)整模塊54用于根據(jù)機(jī)器學(xué)習(xí)算法，對所述加權(quán)平均模型的模型參數(shù)進(jìn)行調(diào)整。

優(yōu)選的，所述加權(quán)平均模型的模型參數(shù)包括：加權(quán)系數(shù)，以及診斷閾值。

優(yōu)選的，所述電梯的預(yù)診斷裝置還包括：報告生成模塊55以及報告顯示模塊56。

所述報告生成模塊55用于根據(jù)所述電梯運(yùn)行狀態(tài)數(shù)據(jù)，以及診斷結(jié)果，生成用于顯示電梯運(yùn)行狀態(tài)的運(yùn)行狀態(tài)報告，運(yùn)行狀態(tài)報告內(nèi)容包括運(yùn)行次數(shù)、運(yùn)行時間、部件動作次數(shù)、部件動作時間、預(yù)診斷結(jié)果、建議更換器件提示。

所述報告顯示模塊56用于將所述運(yùn)行狀態(tài)報告顯示給用戶。

優(yōu)選的，所述電梯的預(yù)診斷裝置集成在Hadoop、Storm、Spark Streaming，或者Samza系統(tǒng)中。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并不用于限制本發(fā)明，對于本領(lǐng)域技術(shù)人員而言，本發(fā)明可以有各種改動和變化。凡在本發(fā)明的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。