一种防止施工电梯轿厢意外移动的控制系统及其控制方法与流程
本发明涉及施工电梯意外控制领域,尤其涉及一种防止施工电梯轿厢意外移动的控制系统及其控制方法。
背景技术:
1、随着城市化进程的加速,施工电梯作为垂直交通的关键设备,其使用频率大幅增加。然而,施工电梯轿厢意外移动事故时有发生,给人们的生命和财产安全带来了严重威胁。这类事故不仅会导致乘客被困、坠落等伤亡情况,还可能造成施工电梯设备的严重损坏,引发后续维修成本剧增以及建筑物内交通瘫痪等问题。社会对施工电梯运行安全性的关注度日益提升,研发一种高效可靠的防止施工电梯轿厢意外移动的控制系统及其控制方法迫在眉睫。
2、在现有技术中,许多防止施工电梯轿厢意外移动的方案在检测环节存在明显缺陷。部分系统仅依赖单一类型传感器,如仅依靠速度传感器来判断轿厢是否意外移动。但施工电梯运行状态复杂多变,仅监测速度无法全面准确反映轿厢实际情况。当轿厢因门锁故障、曳引系统异常等原因产生微小位移时,单一速度传感器可能无法及时察觉,导致检测结果滞后或不准确,难以在意外移动初期及时预警和采取措施。
3、现有技术在制动响应及时性上也不尽人意。一些控制系统在判断出轿厢意外移动后,制动指令的传输和执行存在延迟。从检测到意外移动到制动装置启动,中间经历多个环节,信号传输过程中的干扰、控制逻辑的复杂运算等因素,都会导致制动响应时间延长。在这短暂却关键的时间差内,轿厢可能已产生较大位移,增加了事故发生的风险。而且,现有技术在应对不同场景和复杂运行状况时,缺乏足够的适应性。例如,在施工电梯频繁启停的高负荷运行环境下,或者当施工电梯处于老旧建筑物中,电力供应不稳定时,现有系统难以根据实际情况灵活调整检测和制动策略,无法有效保障施工电梯的安全运行。
技术实现思路
1、为了克服现有技术存在的缺点与不足,本发明提供一种防止施工电梯轿厢意外移动的控制系统及其控制方法。
2、第一方面本技术提出一种防止施工电梯轿厢意外移动的控制系统,该系统包括:
3、数据采集模块:该模块布置于施工电梯的各个预设位置,包括轿厢内部、井道壁、曳引机旁以及门锁处,在轿厢内部,安装有高精度的位移传感器、速度传感器和加速度传感器,用于实时捕捉轿厢的位置变化、运行速度和加速度情况,井道壁上布置的传感器则辅助监测轿厢在井道中的相对位置,曳引机旁的传感器能够获取曳引机的转速、扭矩运行参数,门锁处的传感器判断门锁的开闭状态,这些传感器将采集到的模拟信号转换为数字信号,然后通过内部的数据总线传输到数据处理模块;
4、数据处理模块:与数据采集模块紧密相连,接收来自数据采集模块的原始数据,对这些数据进行初步的清洗,去除其中,存在的噪声和干扰信号,运用特征提取算法从清洗后的数据中提取出能够反映施工电梯运行状态的关键特征,包括轿厢速度的变化趋势、加速度的峰值,对这些特征进行归一化处理,将不同范围的数据统一到预设区间,数据处理模块还会对处理后的数据进行分类存储,为不同类型的数据建立索引;
5、意外移动判断模块:连接数据处理模块,接收经过处理的数据,此模块采用基于深度学习的异常检测算法,将处理后的数据输入到预先训练好的深度学习模型中,模型会根据输入的数据进行分析和判断,通过学习大量正常运行状态和意外移动状态的数据样本,自动识别出当前施工电梯运行状态是否属于意外移动情况,该模块会综合考虑多个因素,包括轿厢的速度、加速度、位置变化以及门锁状态,进行多维度的分析,当判断出施工电梯轿厢存在意外移动的风险,会立即生成危险信号,并将其发送到制动控制模块;
6、制动控制模块:与意外移动判断模块相连,接收来自意外移动判断模块的信号,当接收到意外移动的信号后,制动控制模块会根据信号的强度和类型,迅速计算出所需的制动参数,包括制动力的大小、制动时间,通过内部的控制电路将这些参数转换为具体的控制指令,发送到制动执行模块,制动控制模块还会实时监测制动执行模块的反馈信息,根据反馈情况对制动参数进行动态调整;
7、制动执行模块:接收制动控制模块的指令,根据指令中的制动参数,启动制动装置,制动装置包括电磁制动器、液压制动器,通过机械力或液压力将轿厢迅速制动,在制动过程中,制动执行模块会实时采集制动装置的运行状态信息,包括制动力的大小、制动速度,并将这些信息反馈给制动控制模块;
8、通信模块:用于与施工电梯的主控制系统以及其他相关设备进行通信,将本控制系统的运行状态、故障信息数据实时发送给施工电梯主控制系统,同时接收来自施工电梯主控制系统的指令和其他相关设备的信息,包括施工电梯的运行计划、维修指令,通信模块采用的通信协议,包括can总线协议、modbus协议。
9、进一步地,所述数据采集模块,传感器数据预处理采用小波变换算法,设原始传感器数据为,经过小波分解后得到近似系数和细节系数,小波分解层数,选用db4小波基函数,在小波分解过程中,通过mallat算法进行快速计算,具体公式为:
10、
11、其中,和分别为低通和高通滤波器系数,经过小波分解后,对细节系数进行阈值处理,采用软阈值函数,阈值,然后,通过小波重构算法将处理后的近似系数和细节系数重构得到预处理后的数据。
12、进一步地,所述意外移动判断模块,采用长短时记忆网络模型进行判断,设输入序列为,其中,为时刻的数据特征向量,维度为,lstm单元的隐藏层维度,长短时记忆网络模型的输入门,遗忘门,输出门和细胞状态的计算公式如下:
13、
14、其中,为权重矩阵,为偏置向量,为sigmoid函数,tanh为双曲正切函数,为逐元素相乘,长短时记忆网络模型的输出层采用全连接层,将隐藏层输出映射到一个二维向量,通过softmax函数进行分类,判断是否为意外移动情况。
15、进一步地,所述制动控制模块,制动参数计算采用基于模糊神经网络的算法,模糊神经网络的输入为意外移动判断模块输出的风险等级和轿厢当前速度,输出为制动力大小和制动时间,模糊神经网络的结构包括输入层,模糊化层,规则层,去模糊化层和输出层,输入层有2个节点,分别对应和;模糊化层采用高斯隶属度函数,其中,和为隶属度函数的参数,对于风险等级分为3个模糊子集,,对于轿厢速度分为4个模糊子集,,,规则层采用乘积推理规则,去模糊化层采用重心法,模糊神经网络通过反向传播算法进行训练,学习率,训练迭代次数。
16、进一步地,所述数据处理模块,特征提取采用卷积神经网络,设输入数据为,是一个的矩阵,其中,为时间序列长度,为特征维度,卷积神经网络包括2个卷积层和1个池化层,第一个卷积层有16个卷积核,卷积核大小为,步长为1,填充为0,卷积操作公式为,其中,为卷积核权重,为偏置,第二个卷积层有32个卷积核,卷积核大小为,步长为1,填充为0,池化层采用最大池化,池化窗口大小为,步长为2,经过卷积和池化操作后,将输出展平为一维向量,作为后续处理的特征向量。
17、进一步地,所述意外移动判断模块,还结合了门控循环单元进行辅助判断,设输入序列为,门控循环单元的隐藏层维度,gru单元的重置门,更新门和候选隐藏状态的计算公式如下:
18、
19、门控循环单元的输出层同样采用全连接层,将隐藏层输出映射到一个二维向量,通过softmax函数进行分类,最终的判断结果结合lstm模型和gru模型的输出,采用投票机制确定是否为意外移动情况。
20、进一步地,所述制动执行模块,制动过程采用自适应控制算法,设制动装置的动力学模型为,其中,为轿厢质量,为阻尼系数,为弹性系数,为轿厢位移,为制动力,自适应控制律采用模型参考自适应控制,参考模型为,其中,为参考模型参数,自适应增益调整律为,其中,为自适应参数向量,为自适应增益矩阵,为跟踪误差,为回归向量。
21、进一步地,所述通信模块,采用深度强化学习算法优化通信策略,设通信环境的状态空间包括网络带宽,信号强度,数据传输延迟,动作空间包括选择不同的通信速率,重传次数,深度强化学习采用深度q-网络,神经网络的输入为状态向量,输出为每个动作的q值,神经网络的结构包括2个隐藏层,每个隐藏层有64个神经元,深度q-网络的目标网络和在线网络的参数更新采用软更新策略,更新率。
22、进一步地,该系统还包括故障诊断模块,该模块采用生成对抗网络进行故障诊断,生成对抗网络包括生成器和判别器,生成器的输入为随机噪声向量,输出为模拟的故障数据,判别器的输入为真实故障数据和生成的故障数据,输出为判断结果,生成器和判别器的神经网络结构均为多层感知机,生成器有3个隐藏层,每个隐藏层有128个神经元;判别器有2个隐藏层,每个隐藏层有64个神经元,生成对抗网络的训练过程采用交替训练的方式,生成器的目标是最大化判别器将生成数据判断为真实数据的概率,判别器的目标是正确区分真实数据和生成数据,通过训练好的判别器对系统的运行数据进行判断,识别是否存在故障情况。
23、另一方面本技术提出一种基于权利要求1所述控制系统的防止施工电梯轿厢意外移动的控制方法,该方法包括:
24、步骤s1、数据实时采集:在施工电梯运行过程中,数据采集模块中的各类传感器持续不断地采集施工电梯的运行数据,位移传感器每隔0.1秒采集一次轿厢的位置信息,速度传感器和加速度传感器以0.05秒的间隔采集相应的数据,门锁传感器实时监测门锁的开闭状态,曳引机传感器则每0.2秒采集一次曳引机的运行参数,这些传感器将采集到的模拟信号转换为数字信号后,通过内部的数据总线传输到数据处理模块;
25、步骤s2、数据精细处理:数据处理模块接收到数据采集模块传来的数据后,对数据进行清洗,通过低通滤波器去除高频噪声,对于异常值采用中位数滤波的方法进行处理,运用小波变换算法对数据进行分解和重构,得到预处理后的数据,使用卷积神经网络进行特征提取,将输入的时间序列数据转换为具有代表性的特征向量,对特征向量进行归一化处理,将值统一到[0,1]区间内;
26、步骤s3、意外移动精准判断:意外移动判断模块接收经过处理的数据,将其输入到预先训练好的长短时记忆网络模型和门控循环单元模型中,两个模型分别对输入的数据进行分析和判断,通过softmax函数输出分类结果,采用投票机制结合两个模型的输出结果,确定施工电梯轿厢是否存在意外移动的情况,如果判断为意外移动,模块会立即生成危险信号,并将其发送到制动控制模块;
27、步骤s4、制动参数智能计算:制动控制模块接收到意外移动判断模块的信号后,根据信号的强度和类型,结合模糊神经网络算法计算所需的制动参数,模糊神经网络的输入为意外移动的风险等级和轿厢当前速度,输出为制动力大小和制动时间,通过对输入数据进行模糊化处理,利用规则层的推理规则和去模糊化层的重心法,得到最终的制动参数,将这些参数转换为具体的控制指令,发送到制动执行模块;
28、步骤s5、制动动作高效执行:制动执行模块接收制动控制模块的指令,根据指令中的制动参数迅速启动制动装置,在制动过程中,采用自适应控制算法实时调整制动力,使制动过程能够更好地跟踪参考模型,同时,实时采集制动装置的运行状态信息,包括制动力的大小、制动速度,并将这些信息反馈给制动控制模块,如果在制动过程中出现异常情况,制动执行模块会及时采取相应的措施进行调整;
29、步骤s6、信息交互与反馈:通信模块负责与施工电梯的主控制系统以及其他相关设备进行通信,将本控制系统的运行状态、故障信息、制动执行结果数据实时发送给施工电梯主控制系统,同时,接收来自施工电梯主控制系统的指令和其他相关设备的信息,包括施工电梯的运行计划、维修指令,通信模块采用深度强化学习算法优化通信策略,故障诊断模块定期对系统的运行数据进行分析,通过生成对抗网络识别是否存在故障情况,并将故障信息及时反馈给相关人员。
30、有益效果:
31、本发明提出一种防止施工电梯轿厢意外移动的控制系统及其控制方法,本发明具有多方面显著的有益效果,从安全层面看,通过全方位布置的传感器模块,能实时精准采集轿厢位置、速度、加速度、门锁状态及曳引机转速等关键数据,配合数据处理模块对数据的精细处理,为意外移动判断模块提供了坚实依据。当判断模块识别出意外移动风险,制动控制模块迅速响应,指挥制动执行模块及时制动,有效避免轿厢意外移动引发的人员伤亡和设备损坏,极大提升了施工电梯运行的安全性。在可靠性上,各模块间紧密且稳定的连接关系,以及采用的如粒子滤波算法、模糊逻辑判断算法等先进技术,确保系统在复杂运行环境下仍能稳定运行。即使面对传感器数据噪声干扰、施工电梯运行状态突变等情况,也能准确判断并执行制动操作,减少了因系统故障导致的意外移动风险,大幅增强了系统的可靠性。从运行管理角度,通信模块实现了与施工电梯主控制系统及其他设备的高效信息交互。一方面,系统可及时将自身运行状态、故障信息等反馈给主控制系统,便于维护人员提前预判和处理潜在问题;另一方面,能接收主控制系统指令及其他设备信息,实现协同运行。此外,备用电源模块在主电源故障时自动供电,维持系统短时间运行,保障了紧急情况下的安全制动,进一步优化了施工电梯的运行管理,为用户提供更可靠、安全的乘梯体验,推动施工电梯行业安全技术水平的提升。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com