电梯智慧监管与检验技术发展综述*

郭 淼,邬晓月,李 斌,冯月贵,潘 锋,王会方

(1.中国合格评定国家认可中心,北京 100062;2.南京市特种设备安全监督检验研究院,江苏 南京 210019)

0 引言

随着城市化水平的不断提高,我国国内电梯行业得到一定程度发展。截至2022年年底,全国特种设备总量达1 955.25万台,其中电梯964.46万台[1]。然而,随着电梯生产量及使用量的增加,高龄老旧电梯日益增多,长期服役老旧电梯会导致其故障率增长。电梯运行安全事关人民群众生命财产安全,广受社会关注。在物联网、大数据和人工智能等新技术发展的背景下,如何利用现代信息化手段加强电梯智慧监管、提升其检验能力和水平,已成为电梯安全治理的重难点,应着重高效发展电梯智慧监管技术也成为了相关行业内的共识。

近年来,为探索科学有效的监管和检验模式,我国已出台一系列政策文件。如,2017年《质检总局关于同意江苏、浙江省开展电梯安全监管改革创新试点的批复》(国质检特函〔2017〕187号)[2]提出“开展电梯安全监管改革创新试点”任务;2020年《市场监管总局关于进一步做好改进电梯维护保养模式和调整电梯检验检测方式试点工作的意见》(国市监特设〔2020〕56号)[3]提出“推广‘物联网+维保’”、“科学调整电梯检验、检测方式”和“推动智慧监管体系建设”任务;2021年《市场监管总局关于同意开展电梯智慧监管试点的批复》(国市监特设函〔2021〕72号)[4]提出“深入探索电梯安全监管改革,实现更加科学的分类监管、精准监管”工作要求。电梯智慧监管和检验是通过数据感知与归集技术,联通汇聚检验、应急、运行维护等业务系统数据及视频监控、运行状态等物联网数据,建立面向智慧监管和检验的数据底座,搭建数据驱动的电梯智慧治理平台,对监管和检验过程进行数字化、智能化升级[5]。在监管环节,通过建立数据分析模型,实现综合统计、日常监督、质量安全追溯、风险预警、隐患排查、应急救援、事故管理等功能,形成以数据为核心的特种设备智慧监管体系,为风险管理、安全评价和辅助决策提供支撑;在检验环节,将信息技术与检验检测技术深度融合,以智能采集、传输存储、分析处理、挖掘应用为主线,构建“互联网+检验检测”新模式,提高检验工作质量。

因此,数据感知技术、大数据分析技术、平台应用是当前电梯智慧监管与检验研究的重点问题。本文通过文献综述法,对2012—2022年我国电梯行业智慧监管与检验发展现状进行梳理,从数据感知技术、大数据分析技术、平台应用3个方面,分析提炼当前智慧监管与检验研究存在的重难点,研究结果可为电梯智慧监管和检验提供一定参考。

1 电梯多源异构数据感知及获取方法研究现状

图1所示为电梯数据所涉及的制造、安装、监管、检验、应急处置、使用、维护保养等业务及多维数据流示意。由图1可知,由于各业务主体系统建设、数据格式均不同,存在信息分布分散、质量参差不齐等问题,因此形成多个“数据孤岛”。为解决上述问题,需要研究电梯多源异构数据归集与感知技术,汇聚电梯相关业务平台和运行监测平台,形成电梯公共安全大数据,并通过数据挖掘技术与大数据分析平台开展应用研究。

图1 电梯数据所涉及的各业务及多维数据流示意Fig.1 Schematic diagram of various business entities and data flow related to elevator data

1.1 电梯运行工况数据感知方法研究现状

目前,对电梯运行的数据感知主要包括开关量和模拟量的感知。开关量感知主要包括感知楼层、总接触器、运行接触器、制动器状态、安全回路、运行状态、门状态、电梯上下行、平层状态、上下极限状态、钢丝绳折弯次数、运行次数、运行时间等状态;模拟量感知主要包括电梯运行过程中的电流、电压、振动、噪声、温度等信息。

在电梯开关量感知监测方面,相关电梯制造企业已经能够基于主控板,采集电梯的基础运行状态信息以及层门开关动作、主开关断电、紧急停止开关动作等安全开关状态信息[6]。日本三菱MelEye电梯监控系统能够实现电梯上行、下行、运行、停止、安全开关和数据通信状态的监控功能,支持最大连接64台电梯[7];美国奥的斯OTISAES远程监控系统侧重于运行状态的可视化和安全开关故障信号的传送,实现异常情况自动告警;KONE电梯E-LinkTM监控系统,监测电梯运行状态,具有故障日志记录和数据回放功能[8]。开关量的感知能够准确识别电梯各种安全保护装置状态和电梯运行状态变化,目前在相关领域内,开关量的感知监测技术较为成熟,应用也较为广泛,但仅仅能够监测电梯各种开关状态异常,起不到全面预测故障的作用。

在电梯模拟量感知监测方面,一些研究者采集电梯振动、电流、噪声等模拟量信号,综合判定电梯运行工况。杨昱[9]利用加速度、气压等传感器,对电梯运行状态和振动状况进行实时监测;周前飞等[10]通过非接触式测量方法对曳引机工作电流、制动器工作温度、闸瓦磨损量、制动器抱闸间隙等关键参数进行实时监测;王勤锋[11]设计钢丝绳缺陷图像视觉检测系统,并运用模式识别方法对钢丝绳的缺陷进行判断与分类;李晖[12]设计1种基于音频信号采集处理的电梯状态感知监测方案。模拟量的感知能识别电梯的时序运行状态,能提前预判电梯的潜在故障,能更容易及时发现事故隐患,但由于技术要求较高,应用场景较为复杂,目前仅见于实验研究,基本没有得到广泛的实际应用。

另外,开关量、模拟量的感知数据与电梯相关的业务数据缺少一定有效关联,在一定程度上也会影响后续的故障诊断和数据分析。

1.2 电梯异构业务数据感知方法研究现状

可以支撑电梯智慧监管和检验的数据除电梯运行数据以外,还有丰富的业务数据,该类信息包含大量静态、动态、文本、图片、日志、音频、视频等多模态多维度复杂数据。但对其有效富集、整合和利用一直是数据应用的痛点,对业务数据的感知,还需要进一步完善数据采集、结构化抽取、数据库构建等技术。

在日志、文本、电子表格等业务数据采集方面,电梯行业领域内鲜有较为详细的报告。在与电梯相关的其他行业领域内已有一些研究,如Qi等[13]提出1种基于Flume的地铁日志采集系统,通过对采集数据的初步处理和HBase表设计,实现对采集数据的完整性检查;Li等[14]提出1种电网广域分布式电能质量数据集成体系结构,涉及多源、异构、分布式数据集成技术和广域分布式数据存储技术,实现对大量异构电能质量数据的统一存储管理和高效访问;Wu等[15]提出异构信息资源的通用元数据描述模型、信息资源的元数据提取方法、信息资源的服务封装方法和信息资源的注册发布机制,给出以任务为中心的大量多源异构信息精确搜索机制,以实现信息共享和资源高效使用。

监管和检验业务非结构化数据的结构化表示是实现多源数据融合的关键。Hayashi等[16]讨论并得到1种生成数据分析工具元数据的方法,提出利用RDF在自然语言中描述分析工具信息作为工具套的方法;Sennaike等[17]采用Kohonen自组织映射算法(SOM)分析从平台维护数据目录中提取的元数据,解决数据集之间结构化关联问题;谭真[18]提出1种基于迁移学习的实体关系联合多三元组抽取模型TME,提高非结构化知识抽取的可行性和效能。在电梯监管业务数据的数据库构建方面,张文[19]建立囊括约14万台电梯基础数据、维保数据、检验数据的电梯基础数据库;邵永青[20]基于电梯故障的诊断,探讨电梯专家系统的组成、建立以及数据库实现等方面的内容,所设计的数据库具备电梯控制系统状态和故障信息记录功能;王会方等[21]归集电梯的基础数据、应急救援数据和检验数据,已建立相对统一的数据库。

上述研究表明,业务数据的采集方法,异构数据结构化抽取技术在其他领域已有一定研究和应用,但在电梯行业领域内,仍缺乏完备的数据收集机制、结构化抽取和统一表示方法,尤其缺乏对电梯多源异构、超高维、不完全数据的多维知识提取、图谱构建等大数据分析基础理论与方法研究,难以解决多源复杂数据的有效挖掘难题。同时,在电梯行业领域内鲜见融合运行工况和监管及检验业务的多源异构数据库构建与应用等方面的研究。

2 电梯智慧监管和检验数据分析方法研究现状

为全面满足电梯状态分析、智慧监管、故障预判、远程处置、风险评估、维保优化等安全运行需求,在获取电梯运行参数、业务系统等感知数据的基础上,利用大数据分析、机器学习等技术,实现电梯远程诊断、风险防控、智慧应急等功能。

从电梯智慧监管与检验系统的原始数据采集到最终电梯安全智慧监管与检验业务应用,经历多源异构数据归集、数据转换、数据预处理、数据融合、数据库建立、数据挖掘算法、模型算法应用等数据处理与分析环节。基于数据融合与挖掘的电梯数据分析框架如图2所示。

图2 基于数据融合与挖掘的电梯数据分析框架Fig.2 Analysis framework of elevator data based on data fusion and mining

2.1 电梯故障数据分析研究现状

电梯故障数据分析研究经历从简易诊断到精密诊断、从一般诊断到智能诊断、从单机诊断到远程诊断的过程。在单维度特征识别方面,陈志平等[22]对电梯轿厢振动的数据进行特征参数提取,通过监督学习与非监督学习的数据挖掘手段,诊断和预测电梯机械系统的各种故障隐患;Mishra等[23]提出通用多层感知器(MLP)神经网络模型,对电梯的时间序列数据进行挖掘分析;Hsu等[24]提出1种基于机器学习的电梯门故障诊断方法,通过图像处理提取电梯门间动态距离随时间变化的信号,分别采用K最近邻分类器、支持向量机和二叉分类树3种分类器动态识别电梯门故障情况;Jiang等[25]通过提取电梯振动信息,基于小波包的多阈值去噪方法对信号进行预处理,并通过特征信息提取进行故障预测。

在多维度特征识别方面,陆二伟[26]对电梯困人故障下产生的数据进行深入分析和挖掘,利用统计分析、关联分析、分类,实现电梯故障率、易发事故属性挖掘和故障原因预测等;刘小畅等[27]对电梯全生命周期环节中的大量数据进行数据预处理和挖掘分析,对电梯故障进行预测;张兴凤等[28]构建电梯数据图谱网络,并对各节点降维和规约处理生成训练模型,对电梯进行故障预测。上述分析从故障现象角度出发,分析多维故障数据,有利于进一步研究故障属性组合情况。

在故障诊断方面,吴鹏等[29]提出1种基于核主元分析与有向无环图支持向量机相结合的电梯运行故障诊断方法;赵裕峰[30]针对电梯实时故障诊断困难及故障点定位准确率低等缺点,提出1种基于神经网络,且结合D-S理论的信息融合诊断方法,建立相应的故障诊断模型;胡海博[31]构建1种基于融合粒子群寻优算法的电梯故障数据聚类模型,得到具有可类比性的电梯群故障数据集,并采用集成学习Boosting算法构建社区电梯故障预测模型,分别对每个电梯群故障数据集进行故障预测训练;朱明等[32]建立电梯故障率的GM(1,1)灰色预测模型,并建立GM(1,1)灰色预测模型的残差修正模型,利用该残差修正模型对原预测模型进行修正。

上述研究表明,电梯故障的单维度特征识别主要集中在对振动信号的特征参数的提取方面,在多维度特征识别方面,主要集中在故障现象角度的组合分析。在基于特征提取后的故障诊断方面,很多研究已尝试一些故障预测方法的应用,但目前特征提取研究主体仍是电梯硬件设备本身,通过单台电梯状态监测数据定量分析实现故障预测和健康管理。对于设备全要素全业务全流程数据利用不够充分,存在数据分析手段偏于单一、分析过程面向特定特征值、预测结果较为片面等缺点。对风险管理、智慧监管、分类监管等支撑力较为不足,鲜见安装、改造、重大修理施工等高风险生产过程的仿真研究。

2.2 电梯风险评估现状

风险评估是量化测评电梯某一故障或隐患带来的影响或损失的可能性与后果严重程度。在评价指标和方法方面,Niu等[33]将电梯运行过程中的振动指标、启停加速度指标、噪声指标、门的开闭速度指标纳入评价指标体系,提出1种客观数据与专家主观经验相结合的评价方法;章国宝等[34]通过分析电梯各个子系统的主要特征量,提出1种基于云模型、熵权法和模糊综合评价法的电梯运行可靠性评估模型;徐金海[35]结合专家打分综合法、层次分析法和指数综合法3种方法,提出基于指数化线性综合法的安全风险综合评价方法,并给出指数化线性综合的数学模型;张巍等[36]应用FMEA方法开展失效模式分析,结合功能安全理论,构建自动扶梯驱动系统FMEA-SIL风险评价模型。

在风险评估应用方面,方俊杰等[37]在建立电梯评估指标体系基础上,采用主观-客观结合的组合赋权法(CW)确定电梯指标权重,并利用改进的VIKOR法进行评估;Wang等[38]提出自动扶梯逆转事故的风险分析模型,通过实地调查和信息收集识别危险源,进而采用LEC评价方法设计风险等级;李隆[39]将Bowtie模型应用于自动扶梯客伤事故中进行分析,给出相应的安全对策;胡晓萍等[40]从“设备、乘客、使用环境、安全管理”4个方面建立自动扶梯安全综合评价指标体系,采取模糊综合评价和概率神经网络对扶梯状态进行初级评价,并通过转换函数转化为安全状态等级信度函数;Wang等[41]构建自动扶梯事故风险评价指标体系,采用层次分析法(AHP)计算风险指标权重,结合广义遗传算法和模糊数学对自动扶梯事故风险进行评价;杨旭彬[42]利用从电梯制造安装、维保、检验、使用、监督抽查、监察投诉、事故处理等各个方面收集的数据,提出1种动态的电梯安全评估机制,并根据对风险与事故的分析,总结出系统性风险预警体系。

上述研究表明,目前电梯风险识别大多为静态风险评价,存在易受人为主观影响等问题;缺少通过有效结合监测数据、健康状态特征提取和监管业务时空大数据挖掘等方式,实现运行风险动态识别与评价;缺少风险精准管控等方面的策略研究。

3 电梯智慧监管平台应用及现状

在智慧监管平台应用方面,整合前端感知系统获取的运行数据和故障诊断及分析数据,开展面向监管的平台应用。目前,相关行业内的重点集中在应急处置和综合监管平台建设方面。

3.1 电梯智慧应急处置技术研究现状

当电梯发生故障造成困人等后果后,采取相应的应急处置工作对减轻事故后果具有重要的现实意义,合理的应急处置体系也是电梯智慧应用的重点之一。国家质检总局发布《关于推进电梯应急处置服务平台建设的指导意见》(国质检特〔2014〕433号)[43],至2016年,文献[44]提到“建立电梯应急处置平台的城市已增加到104个,应急平台处置能力和覆盖面大幅提高”[44]。王会方等[45]基于物联网技术构建电梯安全运行应急处置中心系统,建立电梯应急救援响应体系和对策;韩树新等[46]提出新型电梯救援体系架构,由应急救援平台、远程监视系统、应急救援队伍及电梯应急救援网络组成;焦青山[47]针对电梯监测中发现的监测数据离散、查询过程繁琐且易缺失、维保和监管容易出现脱节等问题,应用物联网技术及各类多媒体终端,设计1种检测精确度高、覆盖面广、数据及时度高的电梯应急处置公共服务平台;李娟等[48]针对电梯安全事故救援问题,提出1种电梯安全应急救援处置服务平台技术架构。

上述研究表明,相关综合监管平台的建设一定程度上实现了电梯应急救援指挥调度等关键功能,对电梯故障及时报警和处置、应急救援网格化管理有一定促进作用,在实际应用中发挥了积极作用。但目前大部分报警方式还以人工为主;在实际应用中,电梯故障预警与物联网技术结合的不够深入;部分应急处置数据分析利用还处于统计分析阶段,缺乏深入的关联分析和特性提取等。

3.2 电梯智慧监管和检验平台建设发展现状

2021年,国家市场监督管理总局批复上海、南京、杭州、广州4个城市开展全国首批电梯智慧监管试点工作[4]。我国国内其他各城市纷纷建立类似的一些智慧监管平台。图3所示为典型智慧电梯综合监管平台系统架构示意。南京市建成“96333”电梯应急处置平台,基于数据分析推动智慧监管,通过对接电梯厂商监测系统,实时采集电梯状态信息,发现隐患后及时预警,已经形成“一库五平台系统”架构的智慧电梯综合监管平台,通过多年运行已积累大量的监管业务数据[17];杭州、广州、重庆等城市也相继建成智慧平台,通过运行逻辑和安全状态监测,采用故障树等分析决策方法,实现故障快速定位[19];重庆市建立的平台包含电梯基本概况、智慧风控、智慧应急和智慧物联板块[49]。

图3 智慧电梯综合监管平台系统架构示意Fig.3 System architecture of intelligent elevator integrated supervision platform

上述应用均在一定程度上推动电梯精准管理和故障综合治理,并着力完善构建事前、事中、事后全生命周期电梯安全监管机制。但现有的智慧监管和检验平台主要聚焦于电梯运行监管,在针对解决电梯故障造成困人等后果的应急救援需求方面,仍存在监管内容不全面、缺乏标准化体系、电梯动态运行数据易忽视、故障预测模型不稳定等问题。

4 发展现状及趋势

不断提升和完善电梯智慧监管技术,有助于保证设备安全运行,是电梯行业的发展趋势。目前,电梯智慧监管技术的发展现状及趋势,可总结为以下5点:

1)智慧监管技术在电梯中应用主要体现在多源异构数据感知及获取、数据分析方法研究和电梯智慧监管平台应用等方面,其中数据感知及获取是基础,数据分析是应用支撑,应用平台是智慧监管技术的最终形式。

2)在电梯运行数据感知及获取方面,已有较为成熟的开关量获取方式和应用,但对模拟量的感知和监测基本上还处于实验研究阶段。

3)在电梯业务数据的获取及应用方面,已有相关业务应用系统,但数据的有效富集和整合有待进一步加强。同时,缺乏对电梯应用的日志、文本、表格、图片、视频等数据结构化抽取和统一表示的方法,尤其缺乏对电梯多源异构、超高维、不完全数据的多维知识提取、图谱构建等大数据分析基础理论与方法的研究,难以解决多源复杂数据的有效挖掘难题。

4)在数据应用和分析方面,已有对电梯单维度特征识别和多维数据分析的研究和部分应用,但对于反映一定物理机理的电梯数据,还存在数据利用不充分,分析方法单一、分析过程面向特定特征值、预测结果较为片面等缺点。在对电梯状态及故障数据进行应用的风险识别方面,缺少结合监测数据健康状态特征提取和监管业务时空大数据挖掘等方式,以实现运行风险动态识别与评价方面的研究,缺少风险精准管控等方面的策略研究。

5)在智慧监管平台方面,较多城市均在电梯应急处置基础上不断扩展智慧应用场景。目前,平台功能主要集中在基础信息管理、应急救援、物联监测等方面,缺乏在设备的故障诊断和健康监测,系统的风险分析、风险防控等方面的实际应用;缺少高风险生产过程数据分析、全要素全业务全流程智慧监管平台的研究和应用。

5 结论

1)在电梯智慧监管和检验技术研究中,多源异构数据感知、故障数据分析及风险评价、智慧监管应用平台等是较为重要研究内容。

2)在电梯数据感知方面,已有较为成熟的开关量获取方式和应用,较多的业务应用系统已获取丰富的业务数据;在数据分析和风险评价方面,已有相关电梯振动信号的单维度特征识别研究,并通过单台电梯状态监测数据定量分析实现故障预测和健康管理;在应用平台方面,已有较为成熟的电梯应急处置平台,且其应用场景在不断丰富。

3)在电梯模拟量的感知和监测、业务数据有效富集和整合等方面,其应用研究有待加强;电梯多源异构超高维数据的知识提取、图谱构建等方面的基础理论与方法研究是未来重要研究方向。

4)在故障预测和健康管理方面,有待加强设备全要素全业务全流程数据利用,应继续丰富数据分析手段;在智慧电梯综合监管平台方面,应进一步加强高风险生产过程数据分析,并丰富故障诊断和健康监测、风险分析和防控等应用场景,进而推动全要素全业务全流程智慧监管平台应用。