周彬彬，劉曉梅

（華僑大學機電及自動化學院，福建廈門 361021）

多維度關(guān)聯(lián)維數(shù)的電梯故障診斷*

周彬彬，劉曉梅

（華僑大學機電及自動化學院，福建廈門 361021）

研究發(fā)現(xiàn)，通過低信噪比的實測數(shù)據(jù)得到的單一關(guān)聯(lián)維數(shù)識別電梯的運行狀態(tài)，是不全面的，易出現(xiàn)誤判。這里提出以多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)作為識別依據(jù)，并以最小二乘支持向量機為識別方法。結(jié)果表明：多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)能夠反映更加豐富的電梯動力學特性，識別準確度較高。

電梯；故障診斷；關(guān)聯(lián)維數(shù)；最小二乘支持向量機；信噪比

電梯安全運行與否直接影響乘客的生命、財產(chǎn)安全。如何有效快速地檢測出電梯的運行狀態(tài)，保障電梯的安全運行是一項重大的研究課題。

研究資料表明，關(guān)聯(lián)維數(shù)可以反映機械設備的運行狀態(tài)[1-3]。因此，借助這一特征量，將有助于機械設備運行狀態(tài)的識別。譬如，姜萬錄等通過計算液壓泵在不同狀態(tài)下的壓力信號的關(guān)聯(lián)維數(shù)，成功地識別其工作狀態(tài)[2]；邵輝等人將關(guān)聯(lián)維分析方法應用于軸承的故障診斷，計算軸承在四種狀態(tài)下振動信號的關(guān)聯(lián)維數(shù)，證明了軸承在四種狀態(tài)下具有明顯區(qū)別的關(guān)聯(lián)維數(shù)[4]。梁平等人運用關(guān)聯(lián)維分析汽輪機轉(zhuǎn)子的振動故障，結(jié)果表明各種故障對應的關(guān)聯(lián)維數(shù)并不相同，關(guān)聯(lián)維數(shù)可以作為一種振動故障的征兆加以提取[5]。

電梯故障可分為機械故障與電氣故障兩大類[6]。雖然機械故障發(fā)生的頻率較低，但危害較大。本文以多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)為研究方法，并結(jié)合最小二乘支持向量機對電梯的運行狀態(tài)進行識別。

1 理論分析

1.1 關(guān)聯(lián)維[7-8]

設一維時間序列為{xk,k=1,2,…,N} ，經(jīng)相空間重構(gòu)得到一組空間向量為：

其中t=1,2,…,M，M=N-(m -1) τ，τ為嵌入延遲，m為嵌入維數(shù)。對于這M個點，計算有關(guān)聯(lián)的向量對數(shù)，它在一切可能的配對中所占的比例稱為關(guān)聯(lián)積分：

實際應用中，通常是在一個給定的嵌入維數(shù)m下繪制(l nr,lnC(r))曲線，然后判定無標度區(qū)間的范圍，并對區(qū)間內(nèi)的點進行最小二乘擬合，斜率即為關(guān)聯(lián)維數(shù)D2(m)。

1.2 相空間重構(gòu)參數(shù)的選擇

（1）延遲時間

（2）嵌入維數(shù)

如果嵌入維數(shù)選取過小，吸引子會發(fā)生折疊甚至自相交。如果嵌入維數(shù)選取過大，吸引子的集合結(jié)構(gòu)被完全打開。常用的方法有幾何不變量法[13]、虛假最鄰近法點[14]、偽最鄰近法點[15]。采用偽最鄰近點法計算嵌入維數(shù)，得m=4。

2 實驗過程

實驗時，將三個加速度傳感器安裝在電梯的三個方向測試位置上，如圖1所示。電梯運行時，傳感器就會接收到電梯的振動加速度信號；通過信號放大器對原始信號進行放大處理；將放大后的信號輸PCI-6014數(shù)據(jù)采集卡，并通過Lab?VIEW信號采集程序?qū)?shù)據(jù)保存，如圖2所示。最后通過MATLAB程序?qū)π盘栠M行相應的分析與處理。

圖1 傳感器安裝位置圖

圖2 LabVIEW采集程序框圖面板

3 數(shù)據(jù)分析

3.1 關(guān)聯(lián)維分析

在對低信噪比的實測數(shù)據(jù)的研究過程中發(fā)現(xiàn)，如果采用與前言中幾位學者相同的方法對電梯的運行狀態(tài)進行研究則會出現(xiàn)較大的誤差。這些誤差可能是低信噪比引起的。

電梯振動是指電梯轎廂在運行過程中，水平方向和垂直方向產(chǎn)生的振動。水平方向振動又可以分為前后和左右方向振動。水平方向振動主要由導軌與導靴的制造與安裝精度引起；垂直方向，電梯系統(tǒng)自身可以簡化為彈簧-振子模型，轎廂為振子，鋼絲繩為彈簧。當鋼絲繩放松時，彈簧的彈性模量降低，導致振子的振動幅度增大。

在充分分析電梯振動的產(chǎn)生機理與故障原因，以及大量的實驗驗證之后發(fā)現(xiàn)，僅僅通過單一的關(guān)聯(lián)維數(shù)難以從低信噪比的實測數(shù)據(jù)中識別電梯的運行狀態(tài)。通過大量的實驗與計算，得出不同運行狀態(tài)三維方向的關(guān)聯(lián)維數(shù)表（見表1）。

觀察表1可得：

（1）垂直方向，正常工況的關(guān)聯(lián)維數(shù)在2.5左右、鋼絲繩放松和導靴夾緊兩種故障狀態(tài)下的關(guān)聯(lián)維數(shù)大體都在2.6以上。正常與故障工況的區(qū)分度較好，但難以判定處于何種故障；

表1 不同運行狀態(tài)三個方向的關(guān)聯(lián)維數(shù)（節(jié)選）

（2）左右方向，三種工況的關(guān)聯(lián)維數(shù)分別在2.5、3.0、2.8左右，具有較好的區(qū)分度，但由于信噪比不高，導致關(guān)聯(lián)維數(shù)存在一定的波動，僅以此方向作為判據(jù)，易出現(xiàn)誤判；

（3）前后方向，三種工況的關(guān)聯(lián)維數(shù)分別在2.7、2.6、2.75左右，能夠通過該方向的關(guān)聯(lián)維數(shù)識別出鋼絲繩放松工況；

（4）關(guān)聯(lián)維數(shù)作為識別電梯運行狀態(tài)的依據(jù)是可行的，單一方向的關(guān)聯(lián)維數(shù)判據(jù)雖然具有一定的效能，但不夠全面，多方向的關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)為識別電梯的工作狀態(tài)提供了可能。

3.2 最小二乘支持向量機分類

通過前面的分析可知，多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)可以作為識別電梯系統(tǒng)運行狀態(tài)的依據(jù)，但它是多維的，依靠人的主觀分析和判斷是難以保證獲得準確和客觀的結(jié)論的。本文引入最小二乘支持向量機作為進一步識別電梯運行狀態(tài)的方法。應用計算機智能系統(tǒng)，采用統(tǒng)計分析和學習的方法，以統(tǒng)一的準則進行分類識別，其準確性和客觀性都遠遠優(yōu)于人工識別。

在采集的三種運行狀態(tài)三個方向的數(shù)據(jù)中，各選取50組數(shù)據(jù)，每組至少1 024個數(shù)據(jù)點。應用GP算法計算關(guān)聯(lián)維數(shù)。二分類時，從100組數(shù)據(jù)中，隨機選取60組作為訓練樣本，余下的作測試樣本，識別正確率如表2。多分類時，從150組數(shù)據(jù)中選取90組作為訓練數(shù)據(jù)，其余的作測試數(shù)據(jù)，識別結(jié)果如表3。

由表2、3可以得出：

（1）二分類與多分類的正確率分別達到95%、85%以上，具有較好的實用性，基本能夠滿足實際應用的需求；

（2）多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)與最小二乘支持向量機結(jié)合的方法不僅能夠識別電梯的工作狀態(tài)，而且能夠識別故障的類型，表明多測度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)作為識別電梯運行狀態(tài)的依據(jù)是可行的；

（3）多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)與最小二乘支持向量機結(jié)合能夠在信噪比不高的情況下識別出電梯的運行狀態(tài)，表現(xiàn)出較好的抗噪能力；

（4）最小二乘支持向量機的使用消除了因研究者的主觀因素對識別結(jié)果的影響，提高了結(jié)論的科學性、客觀性和準確性。

表2 最小二乘支持向量機二分類正確率

表3 最小二乘支持向量機多分類正確率

4 結(jié)語

運用關(guān)聯(lián)維數(shù)對信噪比不高的實測電梯振動信號進行分析。結(jié)果表明，電梯在不同運行狀態(tài)不同方向具有不同的關(guān)聯(lián)維數(shù)，反映了在三種工況下電梯的動力學特性發(fā)生了變化。

單一方向的關(guān)聯(lián)維數(shù)作為判據(jù)，不夠全面，具有一定的誤判幾率。多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)降低了噪聲的干擾，提高了識別準確率，顯示出多維度關(guān)聯(lián)維數(shù)聯(lián)合判據(jù)包含的動力學特性更加豐富。

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

［2］張梅軍，陳江海，侯寶科.發(fā)動機故障分形診斷中噪聲信號的分析和處理［J］.解放軍理工大學學報：自然科學版，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］姜萬錄，陳東寧，姚成玉.關(guān)聯(lián)維數(shù)分析方法及其在液壓泵故障診斷中的應用［J］.傳感技術(shù)學報，2004（01）：62-65.

［5］邵輝，趙慶賢，李燕.關(guān)聯(lián)維數(shù)在機械設備故障診斷中的應用研究［J］.中國安全科學學報，2006（03）：129-134.

［6］徐詠梅，劉松國，范錦昌.基于網(wǎng)絡互動的電梯監(jiān)測與報警系統(tǒng)［J］.機電工程，2013（9）：1137-1141.

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

［8］汪慰軍，陳進，吳昭同.關(guān)聯(lián)維數(shù)在大型旋轉(zhuǎn)機械故障診斷中的應用［J］.振動工程學報，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，王躍科.語音信號相空間重構(gòu)中時間延遲的選擇—復自相關(guān)法［J］.信號處理，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］張雨，任成龍.確定重構(gòu)相空間維數(shù)的方法［J］.國防科技大學學報，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.

(編輯：阮 毅)

全新的FARO Edge ScanArm HD測量臂

近日，F(xiàn)ARO宣布推出全新的FARO Edge ScanArm HD測量臂（Laser Line Probe HD激光掃描頭）。FARO Edge ScanArm HD測量臂將全新Laser Line Probe激光掃描頭的強大功能與FaroArm?測量臂的靈活性結(jié)合在一起，成為極具性價比的高性能接觸式/非接觸式便攜式測量系統(tǒng)。

ScanArm HD將快速的點云捕獲性能、極佳的分辨率和較高的精確性集成在一個緊湊、輕質(zhì)和易用的系統(tǒng)之中。這些新功能可以讓用戶無縫地掃描不同表面的材料，無論具有怎樣的對比度、反射率或部件復雜性，都不需使用任何特殊涂層或放置靶標。

超寬的掃描幅度和較快的幀速率能夠擴大掃描范圍和縮短掃描時間，從而提高了生產(chǎn)率。由于每行的實際掃描點可達到2,000點，同時憑借藍色激光的降噪技術(shù)，復雜部件的詳細特征也能被輕松捕獲。利用新增加的十字型光斑特性以及現(xiàn)有的、能夠提供實時掃描反饋的LED測距功能，用戶可以大大縮短所需的培訓時間。

FARO Edge ScanArm HD是產(chǎn)品開發(fā)、檢測和質(zhì)量控制的理想工具，具有將點云數(shù)據(jù)與CAD模型進行比對、快速成型、逆向工程及三維建模等功能。

——來源：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，碩士。研究領(lǐng)域：非線性動力學，電梯機械故障診斷。

*福建省自然科學基金資助項目（編號：2012J01213）

2014－05－09