论文部分内容阅读
针对电梯分布广和电梯老龄化造成故障频发的问题,分析了分布式电梯故障诊断系统(Distributed Elevator Fault Diagnosis System,DEFDS)的功能需求,阐述了采用智能故障诊断算法和GPRS网络通信技术的DEFDS的总体架构及其功能模块的设计与实现方法,重点介绍了系统的结构模型,即电梯数据采集诊断终端(下位终端)的系统结构和远程上位故障诊断中心(Remote Fault Diagnosis Center,RFDC)的框架设计,下位终端采用性价比优异的嵌入式系统实现。通过精简传感器配置和优化设计电梯常见故障推理策略,很好的完成对电梯运行状态数据的采集、传输,通过对电梯运行状态信息进行逻辑分析以完成对其常见故障的识别并及时发现电梯故障困人。其次,着重介绍了系统实现的关键技术以及系统实现过程中解决疑难问题的所采用具体方案。阐述了使用GPRSDTU模块实现电梯现场数据到RFDC的传输方案;建立了现场下位终端和RFDC的广域网连接;研究了RFDC接收现场数据的技术方案与实现步骤;介绍了诊断数据在SQL2000的存储的实现;采用VB设计开发了RFDC的上位监测诊断软件;针对疑难故障,上位通过Matlab GUI开发了将最小二乘支持向量机(Least Square Support VectorMachine,LS-SVM)和随机森林(Rand Forests,RF)集成的智能故障诊断软件。本系统是电梯安全管理模式创新的技术基础,使电梯监测和故障诊断更科学。针对神经网络用于电梯故障诊断时,需要大量数据训练模型,还具有过拟合、收敛速度慢等缺陷,本文主要研究了基于LS-SVM和RF的电梯故障诊断方法:一、为了提高故障识别率和自动化程度,设计了基于改进的粒子群算法和多种群遗传算法优化的LS-SVM的故障分类模型;二、针对故障样本数据高度非线性且存在噪声,普通分析方法获得的主要特征不能有效表征原始样本,KPCA(Kernel Principle Components Analysis)能够很好的对故障数据进行降维、消噪,RF具有优良的噪声容忍度和较高的故障识别率,提出了KPCA-RF的故障诊断方法。通过UCI数据集验证了诊断方法的可行性及有效性,最后将这两种方法用于电梯疑难故障识别,诊断实验表明,本文方法实用而有效,工程应用价值高。