基于统计学模型的电梯健康度检测方法及装置与流程

本发明涉及电梯检测领域，具体是涉及一种基于统计学模型的电梯健康度检测方法及装置。
背景技术：
：随着电梯在城市生活中的逐渐普及和生活水平的提高，人们对电梯运行性能和服务质量的要求也随之提高。电梯的客观性能指标，如加速度、振动、噪声等会对乘坐体验产生影响，同时乘客也有很多方面的主观体验，如轿厢空间、温度、湿度、照明等等。所以电梯健康度实际是一个检验电梯的性能、设计、质量的综合性指标。在电梯行业的国家标准中仅包含了电梯启动时垂直方向的振动、运行过程中的水平方向振动、噪声等与健康度检测相关的单项检测指标，但没有电梯健康度的直接检测方法和评价标准。现有的电梯检测设备也只是简单的将检测到的物理量显示出来，本发明专利旨在建立一套基于统计学因子分析法的电梯健康度评测模型。并以此模型为基础，进行嵌入式软硬件开发，设计出一套包含多种检测功能、高效率的电梯检测装置。技术实现要素：本发明的目的在于提供一种基于统计学模型的电梯健康度检测方法及装置，和已有的电梯检测装置相比，不仅可以采集电梯运行过程中的各物理量，还提供了一个可以准确评测电梯健康度的模型，实现对电梯健康度检验。解决本发明目的的技术解决方案为：基于统计学模型的电梯健康度检测方法，步骤如下：步骤1、采集影响电梯健康度的样本数据；步骤2、对样本数据分别进行kmo检验和bartlett检验，判断数据是否适合进行因子分析，若检验结果表明不适合，则跳转至步骤1，否则，跳转至步骤3；步骤3、做变量共同度的检验，选取初始特征值合计值大于公因子阈值的公因子，计算其对应的累加方差贡献率，若累加方差贡献率小于设定贡献率阈值，则跳转步骤1，否则，对选取的公因子进行因子分析，写出各公因子的表达式；步骤4、将上述公因子进行多重线性回归分析，确定电梯健康度检测模型；步骤5、采集影响电梯健康度的测试数据，通过确定的检测模型得到电梯健康度。电梯健康度检测装置，包括：信号采集模块、信号处理模块、健康度测评模块和交互模块，其中信号采集模块采集影响电梯健康度的数据；信号处理模块对采集的数据进行放大、滤波、线性化补偿、隔离处理；健康度测评模块对处理的数据进行测评，得到电梯健康度分数，交互模块将评测结果展示给用户。本发明与现有技术相比，其显著优点为：采用了统计学中的因子分析法来建立电梯健康度模型，并在此基础上进行嵌入式的软硬件开发，改进了以往电梯检测装置只检测不分析的缺点。附图说明图1是发明基于统计学模型的电梯健康度检测方法的流程图。图2是本发明的整体架构图；图3是本发明电梯健康度测评模块的示意图；图4是使用spss进行因子分析时选择变量图；图5是spss软件的“因子分析描述统计”图；图6是spss软件的“因子分析旋转”图；图7是spss软件的“因子分析因子得分”图。具体实施方式下面结合附图和具体实施例进一步说明本发明方案。如图1所示，基于统计学的电梯健康度检测模型的建立方法，步骤如下：步骤1、采集影响电梯健康度的样本数据，包括电梯启动和运行过程的振动、轿厢内的温度、轿厢内的湿度、轿厢内的光照度和轿厢内的噪声6类物理量。步骤2、对样本数据分别进行kmo检验和bartlett检验，判断数据是否适合进行因子分析，若检验结果表明不适合，则跳转至步骤1重新采集样本数据，否则跳转至步骤3。kom检验是为了看样本数据是否适合进行因子分析，其取值范围为0到1。其中0.9到1表示非常适合；0.8到0.9表示适合；0.6到0.8表示可以接受；0.5到0.6表示不太适合；0.5以下表示不可接受。bartlett检验是为了确定样本数据是否来自于服从多元正态分布的总体，如果检验结果小于0.05，表示适合做进一步因子分析。综上所述，若kmo检验结果为[0.6,1]，且bartlett检验结果小于0.05，则表明适合进行因子分析，否则不适合。步骤3、首先做变量共同度的检验，变量共同度表示的是各变量中所含原始信息能被提取的公因子所解释的程度，这一检验结果越高，表明所提取的公因子对各变量的解释能力越强。然后选取初始特征值合计值大于公因子阈值的公因子，用f1，f2…fn来表示，每个公因子表征了一个或多个因素对结果的影响。由于提取平方和载入表示了某个公因子对总方差的贡献率，因此计算提取的公因子对应的累加方差贡献率，若累加方差贡献率小于设定贡献率阈值，则跳转步骤1，否则对选取的公因子进行因子分析，根据成分系数矩阵写出各公因子的表达式。本发明中公因子阈值设置为1，贡献率阈值设置为0.8。步骤4、将上述公因子进行多重线性回归分析，确定电梯健康度检测模型的形式如下：其中，p表示最终测评结果，c为一个常数，qi为权重系数，fn为第3步得到的公因子表达式，n为公因子的个数。如图2所示，电梯健康度检测装置包括信号采集模块、信号处理模块、健康度测评模块和交互模块，其中信号采集模块采集影响电梯健康度的数据，包括adxl362z数字加速度传感器、yav-1型噪音传感器、ds18b20温度传感器和rk-g-n01光照度变送器，分别用于采集电梯运行过程中的三轴加速度、噪声信号、温度信号和光照度信号。信号处理模块对采集的数据进行放大、滤波、线性化补偿、隔离处理，处理后的数据传输存至存储器方便后续计算；处理器根据处理后的数据信号进行计算后得到电梯运行时的三轴振动、启动时的加速度，并从中直接提取轿厢中的噪声，温度和光照度等参数。健康度测评模块对处理的数据进行测评，得到电梯健康度分数。如图3所示，健康度测评模块以前面建立的电梯健康度模型为基础，以信号处理模块传入的数据为输入，进行测评后，以分数形式给出检测结果，具体建模过程详见上文。交互模块将评测结果展示给用户。所述交互模块包括液晶显示屏和打印机，可以直接在液晶显示屏上显示，或者外接打印机直接打印。同时还可以把数据暂时存储至文件系统中，待上传至pc机后做更加详细的分析。实施例11、使用spss数据分析软件对样本进行初步分析，打开待分析数据样本，选择“分析”|“降维”|“因子分析”，选取“振动”，“温度”，“湿度”，“光照度”，“噪声”，“氧气浓度”六个变量，单击“→”按键将它们选入“变量”列表，接着单击“描述”按键，如图4所示；接着单击“描述”按钮，在弹出如图5的对话框中勾选“原始分析结果”和“kmo与bartlett球形度检验”，单击“继续”，保存设置结果；然后单击“旋转”按键，弹出如图6所示对话框，选择“最大方差法”；最后单击“得分”按键，弹出如图7所示对话框，勾选“保存为变量”复选框，单击“确定”，等待输出结果。结果一共有四张图表，第一张是kmo和bartlett检验结果，如表1所示；表1数据样本的kmo和bartlett检验结果第一行可以看到kmo的取值为0.691，该值在0.6到1之间说明样本适合进行因子分析。最后一行bartlett检验中的sig.值为0.000，小于显著水平0.05说明数据来自正态分布总体，适合做进一步分析。第二张为解释总方差，如表2所示，提取方法为主成分分析法；表2数据样本的解释总方差其中“初始特征值”一栏，可知只有前三个的特征值大于1，所以选取前三个公因子；“提取平方和载入”一栏显示第一个公因子的方差贡献率是38.66％，第二个公因子的方差贡献率为28.469％，第三个公因子的方差贡献率为22.022％，总计为89.151％。基本可以表征原变量的所有信息。第三张为旋转成分矩阵，如表3所示，采用的提取方法为主成分分析法，旋转法为具有kaiser标准化的正交旋转法，旋转在5次迭代后收敛。表3数据样本的旋转成份矩阵由该表可知，第一个因子在振动和氧气浓度上有较大的载荷，所以它反映的是这两个变量的信息；第二个因子在温度和噪声上有较大的载荷，所以它反映的是这两个变量的信息；第三个因子在湿度和光照度上有较大的载荷，所以它反映的是这两个变量的信息。第四张是成分得分系数矩阵，如表4所示，采用的提取方法为主成分分析法，旋转法为具有kaiser标准化的正交旋转法。表4数据样本的成份得分系数矩阵由该表可以直接写出各公因子的表达式。本例中：f1＝‐0.526*振动+0.7*温度+0.162*湿度‐0.175*光照度‐0.158*噪声+0.405*氧气浓度f2＝‐0.09*振动+0.514*温度+0.184*湿度‐0.8*光照度+0.509*噪声‐0.103*氧气浓度f3＝0.271*振动+0.84*温度+0.371*湿度+0.656*光照度‐0.128*噪声+0.079*氧气浓度2、将上述三个公因子作为自变量进行多重线性回归分析，选择“分析”|“回归”|“线性”，将“健康度”选入“因变量”列表框，上述三个公因子选入“自变量”列表框，单击“确定”，等待分析结果，模型拟合情况如表5所示，方差分析情况如表6所示；表5成分的模型拟合情况模型rr方调整r方标准估计的误差1.7671.589.8972.02951表6成分的方差分析可以看出修正的可决系数(调整r方)为0.897，模型的解释能力很好；模型的检验p值(sig.)为0.000小于0.05，模型的整体性显著。3、回归方程的系数以及系数的检验结果，如表7所示；表7回归方程的系数以及系数检验结果可知，本例中的最终模型的表达式为：s＝81.3-0.514*f1+0.767*f2+1.025*f3。当前第1页12