基于模糊信息融合的电梯故障诊断研究

周献　吕小艳　左可

【摘 要】针对电梯工作状态的综合性和复杂性，为了提高其故障诊断准确率，采用多信息融合技术进行电梯故障诊断，建立了基于模糊信息融合的电梯故障诊断模型，并将此诊断模型用于电梯驱动系统的故障诊断。通过对单传感器诊断结果和信息融合诊断结果进行比较，表明该模型和算法具有较高的诊断精度。

【关键词】电梯；故障诊断；模糊信息融合

中图分类号： TD634.1；TD528.1 文献标识码： A 文章编号： 2095-2457（2018）12-0031-002

DOI：10.19694/j.cnki.issn2095-2457.2018.12.013

Study on fault diagnosis of elevator based on fuzzy information fusion

ZHOU Xian LV Xiao-yan ZUO Ke

（Institute of Elevator Technology， Hunan Vocational and Technical College of Electronics， Xiangtan Hunan 411100， China）

【Abstract】In order to improve the accuracy of elevator fault diagnosis， this paper puts forward a fault diagnosis algorithm using multi-information fusion technology. The fault diagnosis model of fuzzy information fusion is set up. At last， this model is used to diagnose elevator fault of driving system. The simulation of the fault phenomena has the good effect of this fault diagnosis system.

【Key words】Elevator； Fault diagnosis； Fuzzy information fusion

近年来，随着我国经济持续稳健增长、城镇化建设的加速以及房地产行业的进一步发展，电梯在人们日常生活中日渐普及。虽然电梯的安全性、可靠性有了显著提升，但人们对电梯运行的安全性、舒适性以及实时故障诊断和预测都提出了更高的要求。电梯是复杂的机电一体化设备，其故障存在多样性、不确定性和复杂性等特点，采用单一的故障诊断方法无法对电梯故障实施精确诊断。多传感器信息融合技术的快速发展，为解决复杂系统故障诊断的不确定性问题提供了一种新的方法。

1 模糊信息融合故障诊断方法研究

信息融合技术是针对同一对象，利用多个传感器综合获取各类故障信息，最后进行故障诊断。目前，故障诊断的信息融合方法按其融合算法不同，主要有以下几种：基于贝叶斯定理信息融合故障诊断方法；基于模糊信息融合故障诊断方法；基于DS证据理论信息融合故障诊断方法；基于神经网络信息融合故障诊断方法等。多传感器信息融合故障诊断在复杂系统故障诊断准确率上具有优势，但在具体融合算法上面有一定的局限性。如贝叶斯算法中先验知识概率难以确定；模糊算法中各个传感器的权重选择具有一定的主观性；DS证据理论中故障信度函数的确定也存在着人为因数；神经网络信息融合算法不仅存在故障隶属度值确定困难，还存在难以获取训练样本的问题[1]。在融合算法实际应用中既要考虑到各自的不足，又要发挥其优点，设计出高质量的诊断系统。

在电梯故障诊断系统中，存在传感器数目少，故障样本难以获取等不利因数，而且电梯设备和故障产生机理之间存在着复杂性和不确定性的问题，本文选择模糊信息融合算法进行电梯故障诊断方法设计。

2 基于模糊信息融合的电梯故障诊断模型

模糊信息融合的电梯故障诊断系统结构如图1所示。电梯故障診断的过程可以分为：

（1）信号采集。通过在电梯机房、轿厢安装传感器，采集电梯运行状态信号，如等变频器电压（电流）、轿厢垂直加速度。

（2）模糊变换。将采集到的数据进行模糊化处理，建立模糊关系矩阵，与传感器权重向量进行合成运算，得到模糊变换结果。

（3）故障诊断。将上述结果按照一定的规则进行评判，最终判定系统的故障类型。

3 基于模糊信息融合的电梯故障诊断方法

模糊理论的基本思想是把普通集合中的绝对隶属度关系模糊化，使元素对集合的隶属度从原来只能取0或者1扩充到[0，1]区间中的任意数值，适用于对不确定性进行描述和处理。在应用多传感器信息进行融合时，模糊集理论采用隶属度函数来表示各传感器信息的不确定性，再利用模糊变换进行数据处理[2]。

假设A为被诊断电梯典型故障点集合，如变频器故障、制动器故障等；B为传感器信息集合，如前述变频器、轿厢垂直加速度等电梯运行状态信号。A和B的关系矩阵RA×B中的元素μij为由传感器i推断决策为j的可能性，X为各个传感器判断的可信度值，经模糊变换得到的Y为融合后各决策的可能性。如果诊断系统中有m个传感器，而诊断系统可能的决策有n个，那么

A={y1/决策1，y2/决策2，…，yn/决策n}

B={x1/传感器1，x2/传感器2，…，xm/传感器m}

传感器对所有可能决策的判定，用定义在A上的隶属度函数表示。设传感器i对待诊断系统的判定结果为：[μi1/决策1，μi2/决策2，…，μin/决策n]，其中0<μij<1，μil为结果为决策j的可能性， 记为向量，（μi1，μi2…，μin），m个传感器构成AB的关系矩阵

将各传感器判断的可信度用B上的隶属度X={x1/传感器1，x2/传感器2，…，xm/传感器m}表示，则由Y=X×RA×B进行模糊变换，便可得到融合后的诊断结果Y=（y1，y2，…，yn）， 即融合后的各故障决策的可能性集合。

最后，對各个故障决策的可能性集合按照一定的权重进行选择，得出最优结果。对故障进行决策时，采用基于规则的方法，基本原则如下[3]：

（1）判定的决策目标应具有最大的隶属度值。

（2）判定的决策目标的隶属度值要大于某一阈值，具体数值要视实际问题而定。

（3）判定的决策目标和其他目标的隶属度值之差要大于某个门限。

模糊数据融合故障诊断算法流程如图2所示。首先采集电梯状态数据并进行模糊化处理，建立关系矩阵，获取各个传感器的权重向量，和关系矩阵做乘法运算，进一步得到诊断隶属度结果矩阵，最后依据故障判定原则得到最终诊断结果。

4 实验结果分析

经过对载重量1000Kg，额定速度1.25m/s的10层客梯进行实验数据分析，以电梯驱动系统过载为例进行实验数据分析。系统采集的传感器信息有变频器主回路电压、变频器输入三相电压、变频器输出三相电流信号以及轿厢垂直加速度。预判定的故障状态有变频器故障A1、电机缺相故障A2、电机过载A3、制动器松闸力不足A4。

表1 单传感器单独故障识别与模糊信息融合故障识别结果诊断表

表1为以变频器故障为例，分别采用单传感器单独故障识别与多传感器模糊信息融合故障识别结果诊断表。表中第一项至第四项为从变频器主回路电压、变频器输入三相电压、轿厢垂直加速度、变频器输出三相电流单个传感器信息所得到的故障的隶属度值，第五项为模糊信息融合后的隶属度值。故障判定过程中，取决策目标的隶属度最小阈值为0.5，决策目标和其他目标的隶属度值之差最小阈值为0.3，从表中可以看出，前四种传感器单独识别时，故障点判定准确率低，采用模糊信息融合算法后能完全识别出来，减少了由于单传感器提供信息量少而产生的误诊现象，有效地提高了故障点定位的准确率。

5 结束语

通过对多信息融合故障诊断系统的分析和研究，建立了一种基于模糊信息融合的电梯驱动系统故障诊断模型，并进行了初步实验，仿真结果表明利用该模型和算法可以获得较高的诊断精度。与其他故障诊断方法相比，模糊信息融合方法具有简单实用的特点，具有进一步研究和发展价值。

【参考文献】

[1]朱大奇，刘永安.故障诊断的信息融合方法[J].控制与决策，2007，22（12）.1321-1328.

[2]朱大奇，于盛林，田裕鹏.应用模糊数据融合实现电子电路的故障诊断[J].小型微型计算机系统，2002，23（5）：633-635.

[3]韩静，陶云刚.基于D-S证据理论和模糊数学的多传感器数据融合算法[J].仪器仪表学报，2000，21（6）：644-647.

[4]冯鑫，夏洪山，冯月贵等.基于遗传神经网络的电梯故障诊断技术研究[J].起重运输机械，2017（1）：28-32.

[5]孙文义，马淑华，顾德英.模糊数据融合故障诊断在电缆监测中的应用[J].单片机与嵌入式系统应用，2010（2）：18-19.

[6]李端，艾永乐.神经网络信息融合用于电梯故障诊断的研究[J].计算机工程与应用，2010，46（14）：231-234.

[7]Luo Zhi-zeng.A target recognition and classification method based on fuzzy data fusion[1].chinese Journal Of Scientific Instrument，1999，20（4）：401-404.

[8]Han Jing，Tao Yun-gang.Data fusion algorithm of multisensory based on D-S evidential theory and fuzzy mathematics[J].Chinese Journal Of Scientific Instrument，2000，21（6）：644-647.