基于大数据的电梯故障分析方法和装置与流程

本发明涉及电梯故障分析和维修技术领域，特别是涉及一种基于大数据的电梯故障分析方法和装置。

背景技术：

随着生活节奏的加快和高层建筑的普及，电梯已广泛应用到各类特定场合，包括住宅、商场、写字楼、医院等等。电梯给人们带来方便的同时，也存在潜在安全隐患，尤其是在电梯发生故障时，可能会导致安全事故，严重时将威胁乘客的生命。可见，对电梯的故障进行分析并及时维修就显得尤为重要。

目前，在电梯故障分析时，通常只能获取电梯发生故障时电梯的瞬时状态，无法准确分析电梯故障产生的原因。

技术实现要素：

基于此，有必要针对目前的电梯故障分析方法无法准确分析电梯故障产生的原因的问题，提供一种基于大数据的电梯故障分析方法和装置。

一种基于大数据的电梯故障分析方法，包括以下步骤：

获取电梯故障时间，以所述故障时间为基点，从电梯运行状态数据库中选取预设时间段内电梯运行状态数据；

利用数据驱动法提取所述电梯运行状态数据中的关键信息，获得电梯运行状态的分析结果；

根据所述分析结果判定故障产生原因。

一种基于大数据的电梯故障分析装置，包括

故障时间获取模块，用于获取电梯故障时间；

运行状态数据选取模块，用于以所述故障时间为基点，从电梯运行状态数据库中选取预设时间段内电梯运行状态数据；

分析结果获得模块，用于利用数据驱动法提取所述电梯运行状态数据中的关键信息，获得电梯运行状态的分析结果；

故障原因判定模块，用于根据所述分析结果判定故障产生原因。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

获取电梯故障时间，以所述故障时间为基点，从电梯运行状态数据库中选取预设时间段内电梯运行状态数据；

利用数据驱动法提取所述电梯运行状态数据中的关键信息，获得电梯运行状态的分析结果；

根据所述分析结果判定故障产生原因。

一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：

获取电梯故障时间，以所述故障时间为基点，从电梯运行状态数据库中选取预设时间段内电梯运行状态数据；

利用数据驱动法提取所述电梯运行状态数据中的关键信息，获得电梯运行状态的分析结果；

根据所述分析结果判定故障产生原因。

本发明在进行电梯故障分析时，先获取电梯故障的时间，以电梯故障时间为基点，从电梯运行状态数据库中选取预设时间段内(电梯发生故障前后一段时间内或电梯发生故障前一段时间内)电梯运行状态数据，对这些运行状态数据进行分析，根据分析结果来判断电梯故障的原因。采用大量的电梯运行状态数据对电梯故障进行分析，能提高分析的准确性，从而便于电梯研发或维护人员全面且准确了解电梯故障原因，进而进行维修。

附图说明

图1为本发明的基于大数据的电梯故障分析方法在其中一个实施例中的流程示意图；

图2为本发明的基于大数据的电梯故障分析方法在其中一个实施例中的流程示意图；

图3为本发明的基于大数据的电梯故障方法中电梯运行状态数据库建立的流程示意图；

图4为本发明的基于大数据的电梯故障分析方法中数据包处理方法的流程示意图；

图5为本发明的基于大数据的电梯故障分析装置在其中一个实施例中的流程示意图；

图6为本发明的计算机设备在一个实施例中的结构示意图。

具体实施方式

下面将结合较佳实施例及附图对本发明的内容作进一步详细描述。显然，下文所描述的实施例仅用于解释本发明，而非对本发明的限定。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。应当说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。

图1为本发明的基于大数据的电梯故障分析方法在一个实施例中的流程示意图，如图1所示，本发明实施例中的基于大数据的电梯故障分析方法，包括以下步骤：

步骤S110，获取电梯故障时间，以故障时间为基点，从电梯运行状态数据库中选取预设时间段内电梯运行状态数据。

电梯发生故障时，研发人员或电梯维护人员需要详细了解故障发生原因，并针对故障原因制定详细而准确的解决方案。在本实施例中，在研发人员或者电梯维护人员需要了解某一时刻电梯故障的原因时，获取电梯故障的时间，以电梯发生故障的时间为基点，从电梯运行数据库中选取预设时间段内电梯运行状态数据。其中，从电梯运行数据库中选取预设时间段内电梯运行状态数据的过程中，可以以电梯发生故障的时间为基点选取电梯故障发生前和故障发生后预设时间段内的电梯运行状态数据。可选地，也可以以电梯发生故障的时间为基点选取电梯故障发生前预设时间段内的电梯运行状态数据。另外，所述预设时间内指的是任意一段时间内，可以是十几分钟(例如15分钟)、几十分钟(例如30分钟)或几个小时(例如1个小时)等，研发人员或者电梯维护人员可以根据其在研究过程中的实际需求选择预设时间段。

电梯运行状态数据主要是一些跟电梯运行状态有关的数据，可以包括电梯识别信息数据、电梯运行楼层数据、电梯运行方向数据、电梯运行速度数据、电梯运行加速度数据、电梯门状态数据、电梯平层数据、电梯是否有乘客的状态数据、电梯是否有电状态数据等等，其中电梯门状态数据还包括电梯开门数据和电梯关门数据。研发人员或维修人员可以根据自己的需求选择所要监控的数据。

步骤S120，利用数据驱动法提取电梯运行状态数据中的关键信息，获得电梯运行状态的分析结果。

具体地，基于数据驱动的法就是提取系统过程数据中的有用信息，根据这些有用信息来诊断系统的故障。基于数据驱动的方法一般可以分成：机器学习法、信息融合法、信号处理法、粗糙集法以及统计分析。机器学习法的主要思想是利用历史数据去训练学习机器，然后用训练好的机器去诊断系统故障，其主要的代表方法是神经网络方法和支持向量机方法。信息融合法主要思想是将多源的数据整合起来，通过数据间信息的互补，在一定准则下完成决策，提高故障诊断的可靠性，根据融合信息的不同分为数据层融合方法、特征层融合方法和决策层融合方法。信号处理法的主要思想是利用信号处理的理论方法和技术手段，对过程数据进行分析，提取其中时域或频域方面的相关信息来诊断系统故障，其代表方法有小波变换方法和谱分析方法。粗糙集法主要思想是从大量的过程数据中寻找隐藏的知识和分辨系统的某些特点，从而达到故障诊断的目的。统计分析法主要是在系统过程数据的基础上，通过构建对应的统计量信息，并与统计量的故障阈值进行比较，对系统进行故障诊断，一般分为单变量和多变量统计分析方法。在本实施例中，主要是利用数据驱动法提取电梯运行状态数据中的关键信息，并对这些关键信息进行分析，获得电梯运行状态的分析结果。

应当理解，在利用数据驱动法提取电梯运行状态数据中的关键信息时，并不是只能采用上述所述的数据驱动法中的一种，本领域技术人员可以根据实际的需求进行选择两种或多种数据驱动法对电梯运行状态数据进行综合处理。

步骤S130，根据分析结果判定故障产生原因。

上述的基于大数据的电梯故障分析方法，在进行电梯故障分析时，先获取电梯故障的时间，以电梯故障时间为基点，从电梯运行状态数据库中选取预设时间段内(电梯发生故障前后一段时间内或电梯发生故障前一段时间内)电梯运行状态数据，对这些运行状态数据进行分析，根据分析结果来判断电梯故障的原因。采用大量的电梯运行状态数据对电梯故障进行分析，能提高分析的准确性，从而便于电梯研发或维护人员全面且准确了解电梯故障原因，进而进行维修。

在其中一个实施例中，在利用数据驱动法提取电梯运行状态数据中的关键信息的步骤中，包括：

步骤S121，以时间为横坐标，以电梯运行状态数据为纵坐标，生成电梯运行状态波形图；其中，电梯运行状态数据包括电梯门状态数据、电梯平层数据、电梯运行速度数据、电梯运行加速度数据和电梯运行方向数据中的一种或多种。

步骤S122，从电梯运行状态波形图中提取关键信息，获得电梯运行状态的分析结果。

具体地，以时间为横坐标，以电梯运行状态数据为纵坐标，生成电梯运行状态波形图，从波形图中提取关键信息，获得电梯运行状态分析结果，将电梯运行状态数据生成波形图(例如曲线图)，非常直观，方便电梯研发人员或维修人员快速且准确地从波形图中提取关键信息，得到电梯运行状态的分析结果，从而分析出电梯故障的原因。

在其中一个实施例中，电梯状态数据为电梯开门数据和电梯平层数据，电梯开门数据和电梯平层数据为0和1组成的信号数据；在从电梯运行状态波形图中提取关键信息的步骤中，包括：

步骤S1221，当电梯开门数据与电梯平层数据在同一个时间点出现不对应时，调用电梯开门数据的波形图，并从电梯开门数据和电梯平层数据的波形图中提取电梯开门数据中的关键信息。

所述电梯状态数据可以为电梯开门数据和电梯平层数据。所述电梯开门数据和电梯平层数据为0和1组成的信号数据，具体地，当电梯开门时，数据记为1，当电梯不开门时，数据记为0；当电梯到达平层时，数据记为1，当电梯未到达平层时，数据记为0。将电梯开门数据和电梯平层数据进行比较，在同一个时间点当电梯开门数据和电梯平层数据不对应时(即电梯开门数据1和电梯平层数据1不是同时出现，例如电梯开门数据1，电梯平层数据为0；电梯开门数据0，电梯平层数据1)，表明电梯在中间位置(未到达平层时)电梯出现开门状况，或者电梯到达平层时，电梯未开门，这几种状况下电梯都发生故障。为了快速查询电梯出现故障的原因，调用电梯开门数据的波形图，并从电梯开门数据和电梯平层数据的波形图中提取电梯开门数据中的关键信息，从而分析电梯故障的原因。上述的故障是电梯最常见的故障之一，利用上述的方式可以确保用户快速的查找出电梯故障的原因，从而便于找出故障解决的方法，

为了便于理解，给出一个详细的实施例。在一段时间内，开门数据都为1，电梯平层数据都为0。研发人员就可以判断系统出现了异常，从而进一步去调用生成电梯开门数据的波形图，从而逐渐找到问题的根源。

在其中一个实施例中，如图2所示，从电梯运行状态数据库中选取预设时间段内电梯运行状态数据的步骤之前，还包括：

步骤S140，定时采集电梯运行状态数据，将电梯运行状态数据进行压缩并存储在电梯运行状态数据库中。

具体地，目前在电梯故障时，通常只能获取电梯发生故障时电梯的瞬时状态，不利于电梯故障的分析，为了提高电梯故障分析的准确性，定时采集电梯运行状态数据，对这些数据进行压缩并存储在电梯运行状态数据库中，便于在电梯发生故障时，研发人员或者研究人员从电梯运行状态数据库中提取大量的电梯运行状态数据，利用大数据的分析技术，准确找出电梯故障的原因。其中，所述定时采集电梯运行状态数据，定时可以是任意时间，例如30秒或1分钟采集一次电梯运行状态数据。具体采集数据的频率可以根据实研究的需求进行确定。另外，所述电梯运行状态数据库可以是本地数据库，也可以是云端数据库。利用本地数据库存储电梯运行状态数据，方便研究人员快速调用电梯运行状态数据，并对数据进行处理，分析电梯故障。利用云端数据库存储电梯运行状态数据。方便援救人员随时随地调用电梯运行状态数据。如图3所示，主要是利用电梯控制系统31才定时采集电梯运行状态数据，然后通过通信终端32将采集到的电梯运行状态数据发送到电梯运行状态数据33中。

在其中一个实施例中，在定时采集电梯运行状态数据的步骤中，包括：

步骤S141，在每个采集周期内，定时采集电梯运行状态数据，并将各个采集周期内的电梯状态数据记为一个数据包。

步骤S142，分别将各个采集周期所对应的数据包中的电梯状态数据装入数据缓存器中，并将数据包中的电梯状态数据进行循环比对，删除连续时间点内重复的数据。

具体地，可以将时间T(T为任意时间，T的取值不要过大或过小)作为一个采集周期，在一个时间T内，定时采集电梯运行状态数据，并将一个时间T内采集的电梯运行状态数据装入数据缓存器中，然后对数据缓存器(例如buffer)中的数据进行循环比对，当连续时间点内的数据重复时，删除重复的数据(由于电梯在正常工作状态时或异常工作时，大部分时间的数据都处于不变的状态因此，在周期性数据采集时，会产生大量的重复数据)。依次类推，分别将每个时间T采集的数据，记为多个数据包，对多个数据包中的数据都做相同处理。

为了便于理解，给出一个详细实施例。如图4所示，有M个采集时间T1、T2......TN，将采集时间T1、T2......TM采集的电梯运行状态数据分别记为数据包1、数据包2……数据包M，其中每一个数据包中有M的数据，记为数据1、数据2，……数据N。将数据包1中的数据1和数据2进行比较，数据1和数据2完全相同，则可以删除数据2，然后将数据1和数据3进行比较，如果相同删除数据3，数据不相同，保留数据3，依次进行比较，删除重复的数据。同理对数据包2，.....数据包M做相同处理，最后将所有数据包数据都保存到电梯运行状态数据库中。利用上述的数据存储方式，可以删除大量重复的数据，一方面减少了数据存储的空间，另一方面提高了数据传输的速度。

在其中一个实施例中，将数据包中的电梯状态数据进行循环比对的步骤中，还包括：

步骤S1411，在数据包长度小于预设的字节时，保存数据包中所有的电梯状态数据。

当数据包长度预设的字节时，表明数据包较小(即一个采集周期T内采集到电梯运行状态数据较少)，不用对数据进行删除，直接保存数据包中所有的电梯状态数据，以确保后期进行电梯故障分析时，可以选择足够多的数据，从而保证分析结果的准确性。

在其中一个实施例中，如图2所示，基于大数据的电梯故障分析方法，还包括：

步骤S150，根据电梯运行状态数据，对电梯的运行状态进行重建，获得电梯运行过程的动画图像。

具体地，利用电梯运行状态的数据，对进行运行状态进行重建，得到电梯运行状态的动画图像(可以根据某一段时间电梯运行数据，模拟电梯运行动画图像，例如从15:00-15:10，电梯运行到了3楼，然后到了10楼，最后停止在5楼这一动画)，便于研究人员和维修人员更加直观了解电梯运行状态。

图5为本发明的基于大数据的电梯故障分析装置在一个实施例中的结构示意图。如图5所示，该实施例中的基于大数据的电梯故障分析装置，包括：

故障时间获取模块10，用于获取电梯故障时间；

运行状态数据选取模块20，用于以故障时间为基点，从电梯运行状态数据库中选取预设时间段内电梯运行状态数据；

分析结果获得模块30，用于利用数据驱动法提取电梯运行状态数据中的关键信息，获得电梯运行状态的分析结果；

故障原因判定模块40，用于根据分析结果判定故障产生原因。

在其中一个实施例中，分析结果获得模块30，包括：运行状态波形图生成模块31；

运行状态波形图生成模块31，用于以时间为横坐标，以电梯运行状态数据为纵坐标，生成电梯运行状态波形图；其中，所述电梯运行状态数据包括电梯门状态数据、电梯平层数据、电梯运行速度数据、电梯运行加速度数据和电梯运行方向数据中的一种或多种；

分析结果获得模块30，用于从所述电梯运行状态波形图中提取所述关键信息，获得电梯运行状态的分析结果。

在其中一个实施例中，所述电梯状态数据为电梯开门数据和所述分析结果获得模块30，还包括：关键信息提取模块32；

关键信息提取模块32，用于当电梯开门数据与电梯平层数据在同一个时间点出现不对应时，调用电梯开门数据的波形图，并从电梯开门数据和电梯平层数据的波形图中提取电梯开门数据中的关键信息。

在其中一个实施例中，基于大数据的电梯故障分析装置，还包括：

电梯运行状态数据采集模块50，用于定时采集电梯运行状态数据。

数据压缩存储模块60，用于将电梯运行状态数据进行压缩并存储在电梯运行状态数据库中。

在其中一个实施例中，基于大数据的电梯故障分析装置，还包括：

电梯运行状态数据采集模块50，还用于在每个采集周期内，定时采集电梯运行状态数据；

数据包建立模块70，用于将各个采集周期内的电梯状态数据记为一个数据包；

数据包处理模块80，用于分别将各个采集周期所对应的数据包中的电梯状态数据装入数据缓存器中，并将数据包中的电梯状态数据进行循环比对，删除连续时间点内重复的数据。

在其中一个实施例中，基于大数据的电梯故障分析装置，还包括：

数据包处理模块80，还用于在数据包长度小于预设的字节时，保存数据包中所有的电梯状态数据。

在其中一个实施例中，基于大数据的电梯故障分析装置，还包括：

动画图像获得模块90，用于根据电梯运行状态数据，对电梯的运行状态进行重建，获得电梯运行过程的动画图像。

上述基于大数据的电梯故障分析装置可执行本发明实施例所提供的基于大数据的电梯故障分析方法，具备执行方法相应的功能模块和有益效果。至于其中各个功能模块所执行的处理方法，例如故障时间获取模块10、运行状态数据选取模块20、动画图像获得模块90，可参照上述方法实施例中的描述，此处不再进行赘述。

根据上述本发明的基于大数据的电梯故障分析方法和装置，本发明还提供一种计算机设备，下面结合附图及较佳实施例对本发明的计算机设备进行详细说明。

图6为本发明的计算机设备在一个实施例中的结构示意图。如图6所示，该实施例中的计算机设备600，包括存储器601、处理器602及存储在存储器上并可在处理器上运行的计算机程序，其中处理器执行程序时可实现本发明方法实施例中的所有方法步骤。

上述计算机设备600中处理器602可执行本发明实施例所提供的基于大数据的电梯故障分析方法，具备执行方法相应的有益效果。可参照上述方法实施例中的描述，此处不再进行赘述。

根据上述本发明的基于大数据的电梯故障分析方法、装置和计算机设备，本发明还提供一种计算机可读存储介质，下面结合附图及较佳实施例对本发明的计算机可读存储介质进行详细说明。

本发明实施例中的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可以实现本发明方法实施例中的所有方法步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等”。

上述计算机可读存储介质用于存储本发明实施例所提供的基于大数据的电梯故障分析方法的程序(指令)，其中执行该程序可以执行本发明实施例所提供的基于大数据的电梯故障分析方法，具备执行方法相应有益效果。可参照上述方法实施例中的描述，此处不再进行赘述。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。