基于數據融合的電梯故障診斷方法研究.pdf

1、電梯設備本身構成比較復雜，在給人們的生活帶來便利的同時，使用過程中無可避免的會出現各種各樣的故障。過去的兩年中發(fā)生了多起因電梯故障而奪取電梯乘客生命的重大案例，這些重大的電梯安全事件不僅使得電梯相關的安檢部門和生產商們進行深入的反思，而且電梯乘客們也對電梯使用的安全性提出了更嚴格的要求。因此，對電梯故障診斷方法進行研究，實現對電梯故障的有效診斷，將變得非常有意義。
　　本文以電梯的急停故障為診斷對象，對電梯故障的診斷方法進行研究。

2、首先，根據電梯急停故障特征設計了BP神經網絡故障診斷分類器，并對不同訓練函數下分類器的性能進行了比較。針對BP神經網絡訓練過程中易于陷入局部極小值的缺點，使用遺傳算法對BP神經網絡的初始訓練權值和閾值進行了優(yōu)化，對優(yōu)化后得到的GA-BP神經網絡故障診斷分類器的診斷性能進行測試分析。其次，從優(yōu)化急停故障特征參數的角度，對現有電梯急停故障的特征參數進行了優(yōu)化。初次使用聚類分析的方法確定現有的急停特征參數中存在冗余特征，接著從電梯急停新息特征

3、矢量和特征參數變化率的角度確定了用于急停故障診斷的主要特征，并去除了冗余特征。最后，針對在實際應用過程中，由于噪聲以及其他因素的干擾，使用單次采樣特征數據進行一次診斷的方式可能會存在誤判的現象。本文提出了使用多次采樣的數據進行一次診斷的方式，并通過主成分分析的方法，對多次采樣診斷情況下GA-BP診斷分類器進行設計，并對其進行了測試分析。
　　文中以電梯急停故障數據為樣本，利用MATLAB軟件對所使用的所有優(yōu)化方法行了驗證。結果表明