电梯是方便人们出行的楼宇交通工具,越来越多的电梯正被注册投入使用,伴随而来的电梯故障与维保问题也日益突出。近年来,研究者分析电梯的各种运行特征,以寻求监控和预防电梯故障的方法。本文在开发出一套电梯工况数据采集系统,用以获取电梯运行过程产生的电信号数据的基础上,提出正负两类超球体模型进行电梯故障的短期实时诊断以及预警分类,通过改进的二维卷积网络实现对电梯疲劳故障的诊断。论文还提出一种改进的长短时记忆自动编码网络进行电梯故障的早期预测,并搭建了电梯故障诊断预警平台。论文主要研究内容包括:1.根据曳引电梯的结构,具体分析电梯健康运行的影响因素,确定电梯运行过程所产生的电信号,相比于其他部件的振动信号,其受外部噪声影响的程度要低。开发出一套电梯运行状态实时数据采集系统,通过无线模块实现数据采集系统与电梯控制器之间的远程通信和协议解析。采集到的数据按照电梯控制协议进行解析并数据提取,解析后的数据通过可视化操作进行展示。2.电梯的故障在运行中可能随时发生,本文应用超球体模型判别电梯运行过程中任一时刻的数据是否在安全阈值范围内,超出该阈值的就视为故障。在设备异常检测和故障诊断中,可以很容易获取大量正类样本,能够获取的负类样本就很少。该方法并不能充分利用这些负样本数据使超球体边界偏移到最佳位置,导致误判率较高。本文提出正负两类超球体短期故障诊断模型,使所有正、负类样本数据在投影空间中具有较好的分布特性。数据分析结果表明,该方法可达到98.3%的平均分类准确率,可以实现电梯故障的监测与短期实时诊断。3.电梯运行过程是由时间序列片段组成的,时序数据前后关联且不断变化,相比于单一时刻的数据更有利于电梯工况的识别。基于数据的可视化分析,可以发现同一台电梯相同运行过程下的电流或有功功率的变化曲线相似。本文提出一种改进的二维卷积网络方法,将电流或有功功率的二维图像和上下行、载重、楼层变化组成的标签进行学习与识别。数据分析结果表明,该方法在电流图像上识别的准确率达到98.78%,可有效的识别电梯运行时存在的中长期故障。4.为了实现电梯故障的早期预测,提出一种长短时记忆自动编码器与多层感知机相结合的网络方法。将电梯启动过程中产生的电流最大值作为辅助特征值,一起输入网络进行学习,解决了长短时编码器的重构误差对故障的早期预测性能较差的问题。数据分析结果表明,故障早期预测的平均准确率达到85.3%。5.搭建了电梯故障诊断和预警平台,利用图像处理、数据挖掘等技术,对电梯故障进行实时监测和预警,对电梯维保进行实时决策和调度。