多维度关联维数的电梯故障诊断*

周彬彬，刘晓梅

（华侨大学机电及自动化学院，福建厦门 361021）

多维度关联维数的电梯故障诊断*

周彬彬，刘晓梅

（华侨大学机电及自动化学院，福建厦门 361021）

研究发现，通过低信噪比的实测数据得到的单一关联维数识别电梯的运行状态，是不全面的，易出现误判。这里提出以多维度关联维数联合判据作为识别依据，并以最小二乘支持向量机为识别方法。结果表明：多维度关联维数联合判据能够反映更加丰富的电梯动力学特性，识别准确度较高。

电梯；故障诊断；关联维数；最小二乘支持向量机；信噪比

电梯安全运行与否直接影响乘客的生命、财产安全。如何有效快速地检测出电梯的运行状态，保障电梯的安全运行是一项重大的研究课题。

研究资料表明，关联维数可以反映机械设备的运行状态[1-3]。因此，借助这一特征量，将有助于机械设备运行状态的识别。譬如，姜万录等通过计算液压泵在不同状态下的压力信号的关联维数，成功地识别其工作状态[2]；邵辉等人将关联维分析方法应用于轴承的故障诊断，计算轴承在四种状态下振动信号的关联维数，证明了轴承在四种状态下具有明显区别的关联维数[4]。梁平等人运用关联维分析汽轮机转子的振动故障，结果表明各种故障对应的关联维数并不相同，关联维数可以作为一种振动故障的征兆加以提取[5]。

电梯故障可分为机械故障与电气故障两大类[6]。虽然机械故障发生的频率较低，但危害较大。本文以多维度关联维数联合判据为研究方法，并结合最小二乘支持向量机对电梯的运行状态进行识别。

1 理论分析

1.1 关联维[7-8]

设一维时间序列为{xk,k=1,2,…,N} ，经相空间重构得到一组空间向量为：

其中t=1,2,…,M，M=N-(m -1) τ，τ为嵌入延迟，m为嵌入维数。对于这M个点，计算有关联的向量对数，它在一切可能的配对中所占的比例称为关联积分：

实际应用中，通常是在一个给定的嵌入维数m下绘制(l nr,lnC(r))曲线，然后判定无标度区间的范围，并对区间内的点进行最小二乘拟合，斜率即为关联维数D2(m)。

1.2 相空间重构参数的选择

（1）延迟时间

（2）嵌入维数

如果嵌入维数选取过小，吸引子会发生折叠甚至自相交。如果嵌入维数选取过大，吸引子的集合结构被完全打开。常用的方法有几何不变量法[13]、虚假最邻近法点[14]、伪最邻近法点[15]。采用伪最邻近点法计算嵌入维数，得m=4。

2 实验过程

实验时，将三个加速度传感器安装在电梯的三个方向测试位置上，如图1所示。电梯运行时，传感器就会接收到电梯的振动加速度信号；通过信号放大器对原始信号进行放大处理；将放大后的信号输PCI-6014数据采集卡，并通过Lab⁃VIEW信号采集程序将数据保存，如图2所示。最后通过MATLAB程序对信号进行相应的分析与处理。

图1 传感器安装位置图

图2 LabVIEW采集程序框图面板

3 数据分析

3.1 关联维分析

在对低信噪比的实测数据的研究过程中发现，如果采用与前言中几位学者相同的方法对电梯的运行状态进行研究则会出现较大的误差。这些误差可能是低信噪比引起的。

电梯振动是指电梯轿厢在运行过程中，水平方向和垂直方向产生的振动。水平方向振动又可以分为前后和左右方向振动。水平方向振动主要由导轨与导靴的制造与安装精度引起；垂直方向，电梯系统自身可以简化为弹簧-振子模型，轿厢为振子，钢丝绳为弹簧。当钢丝绳放松时，弹簧的弹性模量降低，导致振子的振动幅度增大。

在充分分析电梯振动的产生机理与故障原因，以及大量的实验验证之后发现，仅仅通过单一的关联维数难以从低信噪比的实测数据中识别电梯的运行状态。通过大量的实验与计算，得出不同运行状态三维方向的关联维数表（见表1）。

观察表1可得：

（1）垂直方向，正常工况的关联维数在2.5左右、钢丝绳放松和导靴夹紧两种故障状态下的关联维数大体都在2.6以上。正常与故障工况的区分度较好，但难以判定处于何种故障；

表1 不同运行状态三个方向的关联维数（节选）

（2）左右方向，三种工况的关联维数分别在2.5、3.0、2.8左右，具有较好的区分度，但由于信噪比不高，导致关联维数存在一定的波动，仅以此方向作为判据，易出现误判；

（3）前后方向，三种工况的关联维数分别在2.7、2.6、2.75左右，能够通过该方向的关联维数识别出钢丝绳放松工况；

（4）关联维数作为识别电梯运行状态的依据是可行的，单一方向的关联维数判据虽然具有一定的效能，但不够全面，多方向的关联维数联合判据为识别电梯的工作状态提供了可能。

3.2 最小二乘支持向量机分类

通过前面的分析可知，多维度关联维数联合判据可以作为识别电梯系统运行状态的依据，但它是多维的，依靠人的主观分析和判断是难以保证获得准确和客观的结论的。本文引入最小二乘支持向量机作为进一步识别电梯运行状态的方法。应用计算机智能系统，采用统计分析和学习的方法，以统一的准则进行分类识别，其准确性和客观性都远远优于人工识别。

在采集的三种运行状态三个方向的数据中，各选取50组数据，每组至少1 024个数据点。应用GP算法计算关联维数。二分类时，从100组数据中，随机选取60组作为训练样本，余下的作测试样本，识别正确率如表2。多分类时，从150组数据中选取90组作为训练数据，其余的作测试数据，识别结果如表3。

由表2、3可以得出：

（1）二分类与多分类的正确率分别达到95%、85%以上，具有较好的实用性，基本能够满足实际应用的需求；

（2）多维度关联维数联合判据与最小二乘支持向量机结合的方法不仅能够识别电梯的工作状态，而且能够识别故障的类型，表明多测度关联维数联合判据作为识别电梯运行状态的依据是可行的；

（3）多维度关联维数联合判据与最小二乘支持向量机结合能够在信噪比不高的情况下识别出电梯的运行状态，表现出较好的抗噪能力；

（4）最小二乘支持向量机的使用消除了因研究者的主观因素对识别结果的影响，提高了结论的科学性、客观性和准确性。

表2 最小二乘支持向量机二分类正确率

表3 最小二乘支持向量机多分类正确率

4 结语

运用关联维数对信噪比不高的实测电梯振动信号进行分析。结果表明，电梯在不同运行状态不同方向具有不同的关联维数，反映了在三种工况下电梯的动力学特性发生了变化。

单一方向的关联维数作为判据，不够全面，具有一定的误判几率。多维度关联维数联合判据降低了噪声的干扰，提高了识别准确率，显示出多维度关联维数联合判据包含的动力学特性更加丰富。

［1］Chun L，Laibin Z，Zhaohui W.Estimation and predic⁃tion of the condition of the vehicle engine based on the correlation dimension［J］.石油科学：英文版，2004（1）：7.

［2］张梅军，陈江海，侯宝科.发动机故障分形诊断中噪声信号的分析和处理［J］.解放军理工大学学报：自然科学版，2006（04）：380-384.

［3］Jiang J D，Chen J，Qu L S.The application of correla⁃tion dimension in gearbox condition monitoring［J］. Journal of Sound and Vibration，1999，223（4）：529-541.

［4］姜万录，陈东宁，姚成玉.关联维数分析方法及其在液压泵故障诊断中的应用［J］.传感技术学报，2004（01）：62-65.

［5］邵辉，赵庆贤，李燕.关联维数在机械设备故障诊断中的应用研究［J］.中国安全科学学报，2006（03）：129-134.

［6］徐咏梅，刘松国，范锦昌.基于网络互动的电梯监测与报警系统［J］.机电工程，2013（9）：1137-1141.

［7］Procaccia I，Grassberger P.Characterization of Strange Attractors［J］.Physical Review Letters，1983，50（5）：346-349.

［8］汪慰军，陈进，吴昭同.关联维数在大型旋转机械故障诊断中的应用［J］.振动工程学报，2000（02）：73-78.

［9］Rosenstein M T，Collins J J，De Luca C J.A practical method for calculating largest Lyapunov exponents from small data sets［J］.Physica D：Nonlinear Phenome⁃na，1993，65（1）：117-134.

［10］Rosenstein M T，Collins J J，De Luca C J.Reconstruc⁃tion expansion as a geometry-based framework for choos⁃ing proper delay times［J］.Physica D： Nonlinear Phenomena，1994，73（1）：82-98.

［11］林嘉宇，王跃科.语音信号相空间重构中时间延迟的选择—复自相关法［J］.信号处理，1999，15（3）：220-225.

［12］Fraser A M，Swinney H L.Independent coordinates for strange attractors from mutual information［J］.Physi⁃cal review A，1986，33（2）：1134.

［13］张雨，任成龙.确定重构相空间维数的方法［J］.国防科技大学学报，2005，27（6）：101-105.

［14］Kennel M B，Brown R，Abarbanel H D.Determining embedding dimension for phase-space reconstruction us⁃ing a geometrical construction［J］.Physical review A，1992，45（6）：3403.

［15］Cao L.Practical method for determining the minimum embedding dimension of a scalar time series［J］. Physica D：Nonlinear Phenomena，1997，110（1）：43-50.

(编辑：阮 毅)

全新的FARO Edge ScanArm HD测量臂

近日，FARO宣布推出全新的FARO Edge ScanArm HD测量臂（Laser Line Probe HD激光扫描头）。FARO Edge ScanArm HD测量臂将全新Laser Line Probe激光扫描头的强大功能与FaroArm®测量臂的灵活性结合在一起，成为极具性价比的高性能接触式/非接触式便携式测量系统。

ScanArm HD将快速的点云捕获性能、极佳的分辨率和较高的精确性集成在一个紧凑、轻质和易用的系统之中。这些新功能可以让用户无缝地扫描不同表面的材料，无论具有怎样的对比度、反射率或部件复杂性，都不需使用任何特殊涂层或放置靶标。

超宽的扫描幅度和较快的帧速率能够扩大扫描范围和缩短扫描时间，从而提高了生产率。由于每行的实际扫描点可达到2,000点，同时凭借蓝色激光的降噪技术，复杂部件的详细特征也能被轻松捕获。利用新增加的十字型光斑特性以及现有的、能够提供实时扫描反馈的LED测距功能，用户可以大大缩短所需的培训时间。

FARO Edge ScanArm HD是产品开发、检测和质量控制的理想工具，具有将点云数据与CAD模型进行比对、快速成型、逆向工程及三维建模等功能。

——来源：FARO公司

Fault Diagnosis of Elevator by Using Multi-Dimension Correlation Dimensions

ZHOU Bin-bin，LIU Xiao-mei
（Mechanical College，Huaqiao University，Xiamen361021，China）

The study found that using the single correlation dimension calculated from the vibration signal of elevator which is low signal-to-noise ratio，recognizes the running states of elevator.The resolution is not comprehensive enough and prone to miscarriage of justice.In this paper，we make the combined criterion of correlation dimension to multiple dimensions as recognition basis，and with the least square support vector machine method.The results show that the combined criterion reflects dynamic characteristic of elevator richer，and the recognition accuracy is relatively high.

elevator；fault diagnosis；correlation dimension；LSSVM；SNR

TU857

A

1009－9492(2014)09－0005－04

10.3969/j.issn.1009-9492.2014.09.002

周彬彬，男，1988年生，安徽蚌埠人，硕士。研究领域：非线性动力学，电梯机械故障诊断。

*福建省自然科学基金资助项目（编号：2012J01213）

2014－05－09