自动扶梯润滑状态监测系统及用于其的声音收集装置的制作方法

本发明涉及自动扶梯润滑状态监测系统及用于其的声音收集装置，更具体地，涉及通过声音收集装置收集声音数据来判断自动扶梯润滑状态的自动扶梯润滑状态监测系统及用于其的声音收集装置。

背景技术：

自动扶梯广泛使用在多种场合，如百货商场、写字楼和公共设施等，以及各种室内或室外环境，自动扶梯需要对其机械驱动件以及与自动扶梯平稳运行的相对运动相关的其它成对的金属接触件进行适当的润滑。而自动扶梯润滑状态与自动扶梯应用的场合及环境的温度、湿度及灰尘密切相关，百货商场和公共设施处的自动扶梯由于使用的人数较多，因此润滑状态可能变差的速度相对较快，需要维护的频率相对较高，而且室外环境由于相对恶劣，因此自动扶梯润滑状态也可能很快就变差，需要维护的频率也就相对较高，因此每个扶梯的润滑状态各不相同。通常，需要维护人员频繁地去现场检查设备并查看其润滑状态，进行大量的工作，而且自动扶梯的制造商或用户也很难统一掌握并了解所有或其使用的所有自动扶梯的润滑状态。

而自动扶梯的润滑状态是自动扶梯的安全性、乘客的舒适性的重要因素之一。在信息发达的信息时代，需要改进的自动扶梯的润滑状态监测系统，其能够提供自动扶梯润滑状态的远程监控以及与扶梯润滑状态相关的原始数据，并且能够对该原始数据进行处理和分析，能够迅速给自动扶梯的物业或制造商实时提供自动扶梯的润滑状态的信息，并且能够不依赖人力对自动扶梯的润滑故障提前预警、提早预防并且避免发生，而且能够给制造商及用户提供自动扶梯运行的参考数据。

技术实现要素：

本发明的目的是提供一种能够满足上述需求的自动扶梯的润滑状态的监测系统，以及该监测系统使用的声音数据收集装置。

根据本发明第一方面，提供一种自动扶梯润滑状态监测系统，包括声音数据收集装置，设置在自动扶梯的需要监测的部件附近，用于收集需要监测的部件发出的声音数据；数据发送装置，用于将与部件发出的声音数据相关的数据发送；云端处理器，用于接收与部件发出的声音数据相关的数据，并且将与部件发出的声音数据相关的数据与云端处理器的数据库中的正常运转的部件的声音数据阈值相比较，云端处理器对比较结果做出响应。

优选地，该扶梯润滑状态监测系统还包括本地数据处理装置，与部件发出的声音数据相关的数据为由本地数据处理装置处理后的声音数据。

优选地，与部件发出的声音数据相关的数据为声音数据收集装置的声音数据，云端处理器在接收到该声音数据之后，对声音数据进行处理，然后再将该声音数据与云端处理器的数据库中的正常运转的部件的声音数据阈值相比较。

优选地，本本数据处理装置通过带通滤波器获得在[f低，f高]范围内的与部件发出的声音数据相关的数据。

优选地，云端处理器通过带通滤波器获得在[f低，f高]范围内的与部件发出的声音数据相关的数据，然后再将该声音数据与云端处理器的数据库中的正常运转的部件的声音数据阈值相比较。

优选地，本地数据处理装置计算声音数据的特征值，作为与部件发出的声音数据相关的数据。

优选地，云端处理器计算声音数据的特征值，作为与部件发出的声音数据相关的数据，然后再将该声音数据与云端处理器的数据库中的正常运转的部件的声音数据阈值相比较。

优选地，如果比较结果大于所述阈值，则云端处理器发出自动扶梯需要润滑的报警信号，并且触发客服系统或直接联系维修人员。

优选地，云端处理器包括扶梯数据库，存储扶梯运行历史数据、扶梯参数及维修历史。

优选地，云端处理器通过统计、分析、人工智能及机器学习等方法比较与部件发出的声音数据相关的数据及阈值。

优选地，云端处理器存储与部件发出的声音数据相关的数据。

优选地，声音数据收集装置为数字麦克风组件。

优选地，数字麦克风组件设置在驱动装置与驱动链接触位置、驱动链与链轮接触位置或梯级引导块与裙板接触位置附近。

优选地，本地数据处理装置为微型计算机或dsp芯片。

优选地，微型计算机通过无线网络将数据传输到云端处理器。

优选地，如果声音数据来自相同客户位置的一组扶梯，且具有相似的声音数据模式，则本地数据处理装置可仅选择来自该组扶梯中的一个的声音数据进行处理。

根据本发明另一方面，提供一种自动扶梯润滑状态检测系统，包括声音数据收集装置，设置在自动扶梯的需要监测的部件附近，用于收集需要监测的部件发出的声音数据；本地数据处理装置，用于在本地处理声音数据、将声音数据发送到云端处理器或在本地处理声音数据后对结果做出响应。

根据本发明又一方面，提供一种自动扶梯润滑状态检测系统，包括云端处理器，用于接收设置在自动扶梯的需要监测的部件附近的远程数据收集装置发送的声音数据，对该声音数据进行处理，并且对处理结果做出响应。

根据本发明又一方面，提供一种用于前述自动扶梯润滑状态监测系统的声音数据收集装置，其中，该声音数据收集装置包括电路板，一个或多个数字麦克风，及封闭电路板及数字麦克风的电路盒，电路盒包括顶壁、底壁和侧壁，顶壁和底壁中的至少一个设置有声音拾取孔。

优选地，声音拾取孔在所在的壁的内侧或外侧设置有防水膜，防止外界水或湿气进入数字麦克风组件。

优选地，数字麦克风设置在声音拾取孔所在的壁的内侧，在防水膜下方，或设置在电路板上。

根据本发明的各实施例的自动扶梯的润滑状态的监测系统可在任何环境下，包括室内或户外、安静和嘈杂环境，获取数据并对数据进行分析，并且不依赖人力的主观判断，准确地在无需停机的情况下提前预测生锈、缺乏润滑油等故障，节约维护时间和金钱，提高电梯的安全性和乘坐舒适性。

附图说明

图1是根据本发明的自动扶梯润滑状态监测系统的第一实施例的流程图。

图2是图1中所示的第一实施例中通过带通滤波器滤除低频噪声和高频噪声的过程的spectrogram函数绘制频谱图。

图3是图1中所示的第一实施例中计算的声音数据的均方根值与阈值的关系示意图。

图4是根据本发明的自动扶梯润滑状态监测系统的第二实施例的流程图。

图5是不同分类的故障的声音数据模式。

图6是分类器8的分析流程示意图。

图7是根据本发明的自动扶梯润滑状态监测系统的第三实施例的流程图。

图8是根据本发明的自动扶梯润滑状态监测系统的第四实施例的流程图。

图9是根据本发明的自动扶梯润滑状态监测系统的第五实施例的流程图。

图10是根据本发明的自动扶梯润滑状态监测系统的第六实施例的流程图。

图11是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第一实施例。

图12是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第二实施例。

图13是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第三实施例。

图14是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第四实施例。

具体实施方式

本发明涉及自动扶梯润滑状态监测系统，自动扶梯的关键部件需要润滑来确保自动扶梯的安全及正常运转，所涉及的部件主要包括自动扶梯驱动链和自动扶梯驱动链轮以及梯级引导块与裙板。所述部件都是相对于彼此运动的成对的金属部件，在正常润滑状态下，成对的金属部件之间平稳运动并且发出均匀的较小的声音，而在缺乏润滑油状态或生锈、布满灰尘状态下，则金属部件之间的运动会出现卡滞、停顿等现象，并且发出较为刺耳的噪声。

本发明的自动扶梯润滑状态监测系统通过数据收集装置收集金属部件发出的声音数据，并且分析该声音数据，来判断自动扶梯的润滑状态是否正常。数据收集装置通常为数字麦克风组件，设置在自动扶梯的齿轮箱的自动扶梯驱动链和自动扶梯驱动链轮相接触处附近，或设置在梯级带前罩下方梯级引导块与裙板相接触处附近，也可根据需要设置在桁架上接近电机与驱动链相接触处，或任何需要监测的相互接触的部件附近。该麦克风组件使用的麦克风可以是普通的手机麦克风，也可以是超声波麦克风，其可以记录声波文件，并且支持回放功能。数字麦克风组件持续地收集声音数据，并且存储声音文件，该声音文件在需要时可被回放。

下面通过根据本发明的具体实施方式来描述本发明的基本概念。

图1是根据本发明的自动扶梯润滑状态监测系统的第一实施例的流程图。

在第一实施例中，1为声音数据收集装置，数字收集装置1收集自动扶梯驱动链和自动扶梯驱动链轮相接触处或梯级带前罩下方梯级引导块与裙板相接触处的声音数据，该声音数据的声波文件被存储在本地装置6的本地数据处理装置2中，并且通过带通滤波器3进行处理。然后通过声音数据发送装置4，将声音数据发送到云端处理器5。

在带通滤波器3处，声音数据被进行噪声滤除，从而获得在特定频率范围[f低,f高]之间的声音数据，f低通常在1000～5000hz，f高通常大于10000hz，因为该部分声音数据最有可能与金属与金属之间的摩擦噪声相关。这可通过将声音数据使用spectrogram函数绘制频谱图来进行。

图2中示意性地示出该通过带通滤波器滤除低频噪声和高频噪声的过程的spectrogram函数绘制频谱图。图2(a)为没有生锈的正常链条与链轮相接触时的声音信号，其主要集中在低频范围。图2(b)是生锈的链条与链轮相接触时的声音信号，其为低频噪声与高频峰值的混合。图2(c)是通过应用频率范围为[5000,15000]的带通滤波器的仅保留与生锈状况相关的分离的声音模式。

然后，计算经滤波的声音数据的关键性能指标(kpi)。与金属件-金属件之间接触发出的噪声相关的kpi可以是声音数据峰值的均方根值，在该实施例中，计算经滤波的声音数据峰值的均方根值。

该均方根值经由声音数据发送装置4发送到云端处理器5，在云端处理器5中，将该均方根值与设置的阈值相比较，如果该均方根值高于阈值，则云端处理器做出响应，发出报警信号，将该报警信号传输到客服中心，或直接联系维护人员进行自动扶梯润滑维护。该比较关系示意性示出在图3中。

该kpi阈值可以在实验室中通过不同润滑状况实验获得，或基于实验获得。

图4是根据本发明的自动扶梯润滑状态监测系统的第二实施例的流程图。

在第二实施例中，1为声音数据收集装置，数字收集装置1收集自动扶梯驱动链和自动扶梯驱动链轮相接触处或梯级带前罩下方梯级引导块与裙板相接触处的声音数据，该声音数据的声波文件被存储在本地装置6的本地数据处理装置2中。然后本地数据处理装置2计算该声音数据的特征值，将计算的特征值通过数据发送装置4发送到云端处理器5。

图5是不同分类的故障的声音数据模式的比较，其中a为梯级错位故障时的声音数据模式，b为驱动链生锈时的声音数据模式，c为正常运行时的声音数据模式。由此可见，不同分类故障的声音数据模式不同，因此特征值也不同。

在该实施例中，使用本地数据处理装置2对声音数据进行特征值计算。特征值可以是过零率、能量、能量熵、频谱质心、频谱熵、频谱通量、频谱滚降、频谱倒谱系数、色度向量或色度偏差等。

该计算的特征值然后通过数据发送装置4发送到云端处理器5，在云端处理器5处，通过使用历史或存储的声音故障数据训练分类器8，分类器8采用神经网络算法，通过对特征向量的调整，来更好地表示不同故障分类的特性。

图6是分类器8的分析流程示意图，分类器8将接收到的经计算的特征值传送到三个神经元，由每一个神经元针对不同的故障分类进行分析计算，输出针对每一种故障分类的预测置信区间，根据该置信区间输出分析结果，该结果指示可能发生或不发生那种故障分类。

图7是根据本发明的自动扶梯润滑状态监测系统的第三实施例的流程图。

在第三实施例中，1为声音数据收集装置，数字收集装置1收集自动扶梯驱动链和自动扶梯驱动链轮相接触处或梯级带前罩下方梯级引导块与裙板相接触处的声音数据，该声音数据的声波文件直接通过数据发送装置4发送到云端处理器5，在云端处理器5处，通过带通滤波器3对声音数据进行噪声滤除，从而获得在特定频率范围[f低,f高]之间的声音数据，f低通常在1000～5000hz，f高通常大于10000hz，然后，云端处理器5计算经滤波的声音数据的关键性能指标(kpi)，并将该均方根值与设置的阈值相比较。与金属件-金属件之间接触发出的噪声相关的kpi可以是声音数据峰值的均方根值，在该实施例中，计算经滤波的声音数据峰值的均方根值。如果该均方根值高于阈值，则云端处理器做出响应，发出报警信号，将该报警信号传输到客服中心，或直接联系维护人员进行自动扶梯润滑维护。该比较过程示意性示出在图3中。该kpi阈值可以在实验室中通过不同润滑状况实验获得，或基于实验获得。

图8是根据本发明的自动扶梯润滑状态监测系统的第四实施例的流程图。

在第四实施例中，1为声音数据收集装置，数字收集装置1收集自动扶梯驱动链和自动扶梯驱动链轮相接触处或梯级带前罩下方梯级引导块与裙板相接触处的声音数据，该声音数据的声波文件直接通过数据发送装置4发送到云端处理器5，在云端处理器5处，计算该声音数据的特征值，然后通过使用历史或存储的声音故障数据训练分类器8，分类器8采用神经网络算法，通过对特征向量的调整，来更好地表示不同故障分类的特性。

在该实施例中，使用云端处理器5对不同分类的声音数据进行特征值计算。特征值可以是过零率、能量、能量熵、频谱质心、频谱熵、频谱通量、频谱滚降、频谱倒谱系数、色度向量或色度偏差等。

图5是不同分类的故障的声音数据模式的比较，其中a为梯级错位故障时的声音数据模式，b为驱动链生锈时的声音数据模式，c为正常运行时的声音数据模式。由此可见，不同分类故障的声音数据模式不同，因此特征值也不同。

图6是分类器8的分析流程示意图，分类器8将接收到的经计算的特征值传送到三个神经元，由每一个神经元针对不同的故障分类进行分析计算，输出针对每一种故障分类的预测置信区间，根据该置信区间输出分析结果。

第三实施例和第四实施例与第一实施例和第二实施例的区别主要在于，在第一实施例和第二实施例中进行的本地装置6中的数据处理在云端处理器5中进行，但是这样可能会增加从本地装置6向云端处理器5进行数据传输的费用。

图9是根据本发明的自动扶梯润滑状态监测系统的第五实施例的流程图。

在第五实施例中，1为声音数据收集装置，数字收集装置1收集自动扶梯驱动链和自动扶梯驱动链轮相接触处或梯级带前罩下方梯级引导块与裙板相接触处的声音数据，该声音数据的声波文件在本地通过带通滤波器3对声音数据进行噪声滤除，从而获得在特定频率范围[f低,f高]之间的声音数据，f低通常在1000～5000hz，f高通常大于10000hz，然后，本地数据处理装置2计算经滤波的声音数据的关键性能指标(kpi)，并将该均方根值与设置的阈值相比较。与金属件-金属件之间接触发出的噪声相关的kpi可以是声音数据峰值的均方根值，在该实施例中，计算经滤波的声音数据峰值的均方根值。本地数据处理装置2可以进一步将该均方根值与设置的一阈值相比较，该比较过程示意性示出在图3中，如果该均方根值高于阈值，则本地数据处理装置2做出响应7，该响应7可以是发出报警信号，将该报警信号传输到客服中心，或直接联系维护人员进行自动扶梯润滑维护。本地数据处理装置2也可以仅将该均方根值发送到云端处理器。该kpi阈值可以在实验室中通过不同润滑状况实验获得，或基于实验获得。

图10是根据本发明的自动扶梯润滑状态监测系统的第六实施例的流程图。

在第六实施例中，1为声音数据收集装置，数字收集装置1收集自动扶梯驱动链和自动扶梯驱动链轮相接触处或梯级带前罩下方梯级引导块与裙板相接触处的声音数据，该声音数据的声波文件在本地6直接通过本地数据处理装置2计算声音数据的特征值，然后通过使用历史或存储的声音故障数据训练分类器8，分类器8采用神经网络算法，通过对特征向量的调整，来更好地表示不同故障分类的特性。在该实施例中，特征值可以是过零率、能量、能量熵、频谱质心、频谱熵、频谱通量、频谱滚降、频谱倒谱系数、色度向量或色度偏差等。

图5是不同分类的故障的声音数据模式的比较，其中a为梯级错位故障时的声音数据模式，b为驱动链生锈时的声音数据模式，c为正常运行时的声音数据模式。由此可见，不同分类故障的声音数据模式不同，因此特征值也不同。

图6是分类器8的分析流程示意图，分类器8将接收到的经计算的特征值传送到三个神经元，由每一个神经元针对不同的故障分类进行分析计算，输出针对每一种故障分类的预测置信区间，根据该置信区间输出分析结果。本地数据处理装置可对该结果做出响应，该响应为可以是发出报警信号，将该报警信号传输到客服中心，或直接联系维护人员进行自动扶梯润滑维护，也可以是直接将该结果向云端处理器发送。

根据本发明的各实施例的自动扶梯润滑状态监测系统可在任何环境下，包括室内或户外、安静和嘈杂环境，获取数据并对数据进行分析，并且不依赖人力的主观判断，准确地在无需停机的情况下提前预测生锈、缺乏润滑油等故障，节约维护时间和金钱，提高电梯的安全性和乘坐舒适性。

图11是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第一实施例。该实施例中，声音数据收集装置1包括传感器电路盒11，该传感器电路盒11包括顶壁12、底壁13和侧壁14，在顶壁12中限定有声音拾取孔15，该孔15为通孔。声音数据收集装置1还包括设置在腔室内的声音传感器16，该声音传感器16通过支架17支撑在传感器电路盒的底壁13上。在声音拾取孔的朝向腔室的开口处，在声音传感器16之上，设置有防水膜18，该防水膜18防止水或湿气进入声音数据收集装置1内，而且具有良好的声音传输性能。

图12是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第二实施例。该实施例中，与第一实施例不同之处在于，声音传感器16直接附接到传感器电路盒11的顶壁12，在声音拾取孔15下方，也在防水膜18下方。

图13是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第三实施例。该实施例中，与第一实施例不同之处在于，该声音数据收集装置1为双侧声音数据收集装置，其传感器电路盒11分别在顶壁12和底壁13上设置有为通孔的声音拾取孔15和19，以及两个声音传感器16和20，每个声音传感器分别通过支架17和21支撑在顶壁12和底壁13上，每个声音拾取孔15和19分别在朝向腔室的开口处附接有防水膜18和22。

图14是用于本发明各实施例的自动扶梯润滑状态监测系统的声音数据收集装置1的第四实施例。该实施例中，与第二实施例不同之处在于，该声音数据收集装置1为双侧声音数据收集装置，其传感器电路盒11分别在顶壁12和底壁13上设置有为通孔的声音拾取孔15和19，以及两个声音传感器16和20，每个声音传感器分别直接附接在顶壁12和底壁13上，每个声音拾取孔15和19分别在朝向腔室的开口处附接有防水膜18和22，防水膜18和22在声音拾取孔15和19的朝向腔室的开口和相应的开口处附接的声音传感器之间。

应注意的是，所述的实施方式仅是示例性的，不应为是对本发明的限制，在多个实施方式中的特征可组合使用来获得本发明的更多的实施方式，本发明的范围仅由所附权利要求限定。可对所述的实施方式作出多种变形形式和改进形式而不偏离本发明的范围。