[發(fā)明專利]一種自動扶梯扶手帶松緊程度檢測方法

有效

• 申請?zhí)枺?/td>: 202111162491.6
• 申請日: 2021-09-30
• 公開（公告）號: CN113928964B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計）人: 劉稷;張琨;張銀龍
• 申請（專利權(quán)）人: 中鐵第四勘察設(shè)計院集團(tuán)有限公司;武漢思恒達(dá)科技有限公司
• 主分類號: B66B29/00
• 分類號: B66B29/00;B66B23/20;G01K13/00;G06F18/2431;G06F18/214
• 代理公司: 武漢知伯樂知識產(chǎn)權(quán)代理有限公司 42282
• 代理人: 胡江

本發(fā)明公開了一種自動扶梯扶手帶松緊程度檢測方法，包括：對扶手帶摩擦力最大的部位的前后兩端的溫度變化數(shù)據(jù)進(jìn)行采集；在前期訓(xùn)練模型的時候整理出過緊和正常的扶手帶溫度數(shù)據(jù)模型；采用區(qū)間極值統(tǒng)計量的方法來計算溫度統(tǒng)計特征；計算溫度比值；對得到的溫度比值數(shù)據(jù)T分段計算統(tǒng)計量；結(jié)合提取的特征來構(gòu)建分類模型，在構(gòu)建模型之前首先進(jìn)行訓(xùn)練樣本和測試樣本的劃分，對采集得到的正常和過緊的溫度數(shù)據(jù)進(jìn)行劃分；用隨機(jī)森林算法進(jìn)行分類識別，判斷扶手帶的松緊程度；用測試數(shù)據(jù)來測試所構(gòu)建模型的準(zhǔn)確率；本方法不受環(huán)境溫度變化的影響，有效地避免了干擾，可以對實時運行的自動扶梯的扶手帶的松緊程度進(jìn)行檢測判別。

技術(shù)領(lǐng)域

本發(fā)明涉及故障診斷領(lǐng)域，具體涉及一種自動扶梯扶手帶松緊程度檢測方法。

背景技術(shù)

自動扶梯作為一種大型運輸機(jī)械，在鐵路、城市軌道交通、商場、機(jī)場等有著廣泛的應(yīng)用，扶手帶位于扶手裝置的頂面，與梯級、踏板或膠帶同步運行，供乘客扶握的帶狀部件，其作為自動扶梯這種大型回轉(zhuǎn)裝置的一個重要組成部分，扶手帶的狀態(tài)與旅客的安全有著直接的關(guān)系。扶手帶作為自動扶梯的易損件，其結(jié)構(gòu)主要由橡膠層、簾子布層、鋼絲層、摩擦層構(gòu)成。扶手帶的驅(qū)動方式主要有1)摩擦輪驅(qū)動，2)壓輪驅(qū)動，都是利用機(jī)械滾輪的摩擦力帶動扶手帶運行。扶手帶與機(jī)械滾輪的松緊程度會直接影響扶手帶的正常運行，過松則會造成扶手帶失速，從而引發(fā)安全事故，過緊則會造成扶手帶的異常磨損，加速扶手帶的老化過程，造成扶手帶的斷裂，引發(fā)安全事故。

現(xiàn)有的扶手帶檢測主要是通過扶手帶的運行速度來進(jìn)行檢測，只能反應(yīng)扶手帶的運行速度，而不能準(zhǔn)確地判斷扶手帶的松緊程度，無法及時地指導(dǎo)維修保養(yǎng)人員做出及時調(diào)整。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于，提供一種通過溫度算法來自動檢測扶手帶松緊程度的檢測方法，能夠自動對扶手帶的松緊程度做出判斷，及時指導(dǎo)維修保養(yǎng)人員做出調(diào)整。

為了實現(xiàn)上述目的，本發(fā)明提供一種自動扶梯扶手帶松緊程度檢測方法，包括如下步驟：

步驟1：在自動扶梯扶手帶與驅(qū)動輪及扶手帶導(dǎo)軌的摩擦部位的前后各安裝一個溫度傳感器，對扶手帶摩擦力最大的部位的前后兩端的溫度變化數(shù)據(jù)進(jìn)行采集；

步驟2：對于傳感器采集到的批量數(shù)據(jù)，將每一個溫度傳感器采集到的數(shù)據(jù)進(jìn)行分類整合,在前期訓(xùn)練模型的時候整理出過緊和正常的扶手帶溫度數(shù)據(jù)模型；

步驟3:采用區(qū)間極值統(tǒng)計量的方法來計算溫度統(tǒng)計特征，區(qū)間極值統(tǒng)計量通過截取數(shù)據(jù)區(qū)間，然后在每一個區(qū)間內(nèi)的樣本計算相關(guān)的統(tǒng)計量，將這些統(tǒng)計量作為識別樣本的特征；

步驟4：通過溫度傳感器測量張緊輪前面的溫度T1，測量得到張緊輪后面的溫度T2；則張緊輪前后的溫度比值為：T＝T2/T1；計算溫度比值可以反映扶手帶在張緊前后的溫度變化速率，為后面更好的提取統(tǒng)計特征做準(zhǔn)備；

步驟5：對得到的溫度比值數(shù)據(jù)T分段計算統(tǒng)計量，每一段選取的數(shù)據(jù)量為N，統(tǒng)計量包括均值、均方差、方差、峰度、偏度、裕度、脈沖及峰峰值；

步驟6：結(jié)合提取的特征來構(gòu)建一個分類模型，在構(gòu)建模型之前首先進(jìn)行訓(xùn)練樣本和測試樣本的劃分，然后根據(jù)劃分的訓(xùn)練樣本和測試樣本；對采集得到的正常和過緊的溫度數(shù)據(jù)進(jìn)行劃分，對整合得到的數(shù)據(jù)隨機(jī)抽樣選取80％的數(shù)據(jù)作為訓(xùn)練集，剩下的20％的數(shù)據(jù)作為測試集；

步驟7：用隨機(jī)森林(Random?Forest，RF)算法進(jìn)行分類識別，判斷扶手帶的松緊程度；RF是一種組成式的有監(jiān)督學(xué)習(xí)方法，在隨機(jī)森林的算法中，同時生成多個預(yù)測模型，并將模型的結(jié)果匯總以提升分類準(zhǔn)確率；隨機(jī)森林的算法涉及到兩部分的隨機(jī)抽樣，分別是對樣本單元抽樣和對變量因子抽樣，以此來生成大量決策樹；對每一個樣本單元來說，所有決策樹依次對該樣本單元進(jìn)行分類，所有決策樹預(yù)測類別中的眾數(shù)即為隨機(jī)森林所預(yù)測的這一樣本單元的類別；

步驟8：通過用訓(xùn)練數(shù)據(jù)訓(xùn)練隨機(jī)森林模型的參數(shù)，然后用測試數(shù)據(jù)來測試所構(gòu)建模型的準(zhǔn)確率。