电梯舒适度测试系统的制作方法
【专利摘要】本发明公开了一种电梯舒适度测试系统。该系统与电梯轿厢相连，通过对影响舒适度的各项指标参数进行实时采集、测量、计算和分析，能够全面测试和评估电梯舒适度，而且还能在电梯舒适度恶化的情况下自动对电梯发出控制指令，优化电梯的运行过程以提高电梯舒适度。该系统包括数据采集模块、信号调理模块、数据读取与处理模块、电梯舒适度计算模块、电梯优化控制模块以及人机交互模块。本发明针对电梯舒适度的计算采用了基于模糊人工神经网络技术建立数学模型，计算电梯舒适度，并结合电梯优化控制，实现电梯舒适度的提升；同时，本发明还提供人机交互界面，用于显示电梯状态及电梯的实时舒适度结果。
【专利说明】
电梯舒适度测试系统
技术领域
[0001] 本发明设及电梯舒适度测试领域，具体是一种电梯舒适度测试系统。
【背景技术】
[0002] 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，乘梯舒适度是用户对电梯的性能和服务质量的第一感受。电梯 客观的性能指标，如加速度、振动、噪声等会对舒适度体验产生影响，同时乘客也有很多方 面的主观体验，如轿厢内空间、溫度、照明、装修风格等。故电梯舒适度实际上是一个检验电 梯的性能、设计、质量的综合性指标，对电梯舒适度的测试既有理论意义，又具有实际价值。
[0003] 在电梯行业的国家标准中仅包含了电梯的启动时垂直方向的振动(加速度）、运行 过程中水平方向的振动、噪声等与舒适度测试相关的单项指标的检测与标准，但尚没有电 梯舒适度的直接检测方法和评价标准。
[0004] 目前，电梯舒适度与性能的测试系统W单项参数或指标的检测为主，未能对性能 或舒适度进行综合性的评价。国内有关电梯运行性能和舒适度测试的产品存在的主要问题 是测量信号不全面，无法长时间连续测量各种工况，而且也无法全面评估电梯系统的舒适 度；同时，国内的产品未将轿厢的环境参数，如溫度、光照、通风等因素纳入评测范围。运主 要是由于电梯舒适度既是一个综合性指标，同时还是一个动态变化的指标；随着楼层、载 荷、运行速度、井道建设情况，舒适度的各项参数在电梯运行的过程中也会发生改变。如何 能够充分掲示电梯及周边环境机电参数、运动参数与电梯舒适度之间的内在联系并建立电 梯舒适度指标体系与数学模型给予电梯舒适度检测与评价作理论指导是一个难点。
【发明内容】
[0005] 本发明的目的在于提供一种电梯舒适度测试系统。该系统通过建立模糊人工神经 网络模型定量描述电梯舒适度与轿厢运动参数、机电参数、环境参数之间的内在联系，并根 据实测数据计算得到的舒适度给出电梯优化控制的方案。
[0006] 实现本发明目的的技术解决方案为:一种电梯舒适度测试系统，包括数据采集模 块、信号调理模块、数据读取与处理模块、电梯舒适度计算模块W及人机交互模块;其中：
[0007] 数据采集模块直接连接到电梯轿厢，通过传感器采集电梯轿厢运行过程中影响电 梯舒适度的相关电梯参数，并将采集到的数据信号传输到信号调理模块；
[000引信号调理模块，对数据采集模块采集到的数据信号进行调理，并传输给数据读取 与处理模块.
[0009] 数据读取与处理模块，对调理后的数据进行预处理，存至存储器并传输到电梯舒 适度计算模块;预处理即通过中央处理器计算得到电梯的运行参数，直接提取轿厢内实时 的环境参数；
[0010] 电梯舒适度计算模块，建立电梯舒适度模型，结合舒适度指标体系，计算当前电梯 舒适度值；
[0011] 人机交互模块，通过界面实时显示电梯运行时的参数和轿厢内实时环境参数，同 时显示舒适度值和变化曲线。
[0012] 本发明与现有技术相比，其显著优点为：（1)建立电梯舒适度指标体系，综合考虑 影响舒适度的多项因素。（2)采用基于模糊人工神经网络的方法建立数学模型，定量掲示电 梯舒适度与轿厢参数之间的内在联系，模型通过大量数据训练得到，可直接移植到舒适度 测试系统中实现电梯舒适度的实时计算。（3)设计了人机交互模块，可W实时显示舒适度变 化曲线，在电梯舒适度下降的情况下可W自动的发出修正电梯控制指令，优化电梯运行，提 升电梯的舒适度。
【附图说明】
[0013] 图1是本发明电梯舒适度测试系统功能原理图。
[0014] 图2是本发明电梯舒适度测试系统整体结构图。
[0015] 图3是本发明基于模糊人工神经网络建立的电梯舒适度模型。
[0016] 图4是本发明BP算法原理图。
[0017] 图5是本发明电梯舒适度测试系统人机交互界面。
【具体实施方式】
[0018] 本发明电梯舒适度测试系统，该系统与电梯轿厢相连，系统通过建立人工神经网 络模型定量描述电梯舒适度与轿厢运动参数、机电参数、环境参数之间的内在联系，并根据 实测数据计算得到的舒适度给出电梯优化控制的方案。
[0019] 下面结合附图及具体实施例对本发明作进一步详细说明。
[0020] 如图1所示，整个测试系统由六部分组成:数据采集模块、信号调理模块、数据读取 与处理模块、电梯舒适度计算模块、电梯优化控制模块W及人机交互模块。
[0021] 所述数据采集模块直接连接到电梯轿厢，采用Ξ轴加速度计测量轿厢启制动时水 平方向和垂直方向的加速度，采用加加速度计测量轿厢的加加速度(急动度），采用噪声传 感器测量电梯运行过程中的噪声强度，采用溫度传感器检测轿厢中的实时溫度，采用光线 传感器检测轿厢内的光线强度;并将传感器采集到的所有数据信号传输给信号调理模块。
[0022] 所述信号调理模块对数据采集模块采集到的数据信号进行调理(调理的过程就是 把来自传感器的信号经放大、滤波、线性化补偿、隔离等措施），调理后的数据传输给数据读 取与处理模块进行预处理，并实时存至存储器方便后续计算；中央处理器根据调理得到的 数据信号进行计算得到电梯启制动时的加速度、加加速度(急动度），并从中直接提取轿厢 中的噪声强度、溫度W及光线强度等环境参数。
[0023] 所述电梯舒适度计算模块与数据读取与处理模块相连，根据建立的电梯舒适度模 型W及轿厢内实时参数计算当前电梯舒适度。电梯舒适度模型基于模糊人工神经网络建 立，为多输入单输出模型，其输入为电梯舒适度指标体系，输出为电梯舒适度;利用BP算法 对电梯舒适度模型进行训练。该模块中所述舒适度指标体系包含了影响电梯舒适度的各项 因素，包括电梯启制动时的加速度和加加速度(急动度）、轿厢振动的强度和频率、轿厢内的 噪音W及其他包括轿厢环境、故障及维修等因素。
[0024] 结合图3,对该模块建立的电梯舒适度模型进行详细介绍。主要包括输入层，模糊 化层，清晰化(反模糊化)层，隐层w及输出层。该模型应用模糊系统的高水平知识表达能力 对舒适度指标体系中的指标进行模糊化和反模糊化，使用神经网络的自学习能力确定各层 之间的权值和阔值。建立电梯舒适度模型主要步骤如下：
[00巧]第一步:对输入层参数进行模糊化处理。输入层参数X=[Xl，X2, . . .，Χη]Τ表示舒适 度指标体系中的各项指标，如加速度等，Xi(i = l，2,...，η)表示第i个参数，根据初始隶属 度函数(取高斯函数)确定模糊层变量：
[0026]
[0027] 其中，<为模糊量化因子，λ为隶属度中屯、，0为隶属度宽度，由样本确定：
Ν为样本大小，xh为样本值。模糊层参数个数Ρ = n*l。
[0028] 第二步，对模糊化参数进行清晰处理。模糊化层与清晰化层之间的连接关系由连 接函数f，权值心％和阔值Θ3αρ决定，其关系为：
[0029] 。"二 /(放。"戶/4 -伊''"庐)·(α 二 1,2….，1);公=l，2,...，m;q = l，2,...，m)。到此完 成对输入参数的模糊处理，实现高级知识的数字化。
[0030] 第Ξ步，确定隐层层数和节点数。由于Ξ层神经网络具有逼近任何函数的能力，确 定隐层数为1;隐层节点数由经验公式决定：λ，=v而。+ r，(m为隐层输入参数个数，输出参数 个数为1，t为1-10之间的任意常数）
[0031] 第四步，确定隐层参数。与第二步类似，隐层与清晰层连接关系由连接函数f，权值 放\,和阔值目bab决定，其关系为：
[0032]
[0033] 第五步，确定输出值。与第二步类似，输出层与隐层连接关系由连接函数f，权值 、和阔值eYby决定，其关系为：
[0034]
[0035] 结合图4,利用BP算法对电梯舒适度模型进行进一步优化。BP算法是一种反向消除 误差的学习方法，电梯舒适度模型建立完成后需要应用大量样本值对模型进行训练，W得 到最优模糊量化因子4和各层之间的连接权值ω"ΒΡ算法学习过程如下：
[0036] 步骤1:初始化模型模糊量化因子和各层之间的连接权值ω。初始值由MATLAB随 机生成。
[0037] 步骤2:确定误差目标误差￡ = ^(￥,-巧2，其中￥<1为实际舒适度，￥为模型计算舒适 度，计算当前误差Ε的值，本系统中设置Ε< 0.001时完成训练。
[0038] 步骤3:判断Ε < 0.001是否满足，若满足则结束训练，否则继续往下执行。
[0039] 步骤4:分别计算模糊量化因子苗和各层之间的连接权值ω沿误差负梯度方向的 偏导数：
[0040] 步骤5:计算得到新的模糊量化因子和连接权值：ωτ+ι= ωτ+Δ ω。
[0041] 步骤6:判断训练轮回数是否达到5000。随着训练轮回数的不断增加，误差收敛越 来越慢，设置该步骤的目的在于防止训练时间过长，若轮回数达到5000同样结束训练，否则 返回步骤2继续训练。
[0042] 步骤7:完成训练，得到最终模型。
[0043] 电梯舒适度计算模块根据训练得到的最终电梯舒适度模型W及轿厢内实时参数 计算实时电梯舒适度，并将相关的数据信号传输给人机交互模块。
[0044] 所述人机交互模块与电梯舒适度计算模块连接，通过友好的界面实时显示电梯运 行时的速度、加速度、噪声、溫度等，同时显示舒适度值和变化曲线。
[0045] 所述电梯优化控制模块与人机交互模块相连，同时电梯优化控制模块直接连接到 电梯轿厢，根据电梯舒适度测试数据，在舒适度开始恶化时，电梯优化控制模块根据影响电 梯舒适度的参数数据计算并自动发出电梯控制指令(修正速度指令、振动控制指令W及其 他的电梯控制指令)来控制电梯轿厢的运行用于提高电梯的舒适度。
[0046] 如图5所示。电梯舒适度测试系统人机交互界面可W显示电梯运行时的速度、加速 度、噪声、溫度等，同时显示舒适度值和变化曲线，也能够显示当前电梯的实时的速度控制 和溫度控制。
【主权项】
1. 一种电梯舒适度测试系统，其特征在于:包括数据采集模块、信号调理模块、数据读 取与处理模块、电梯舒适度计算模块W及人机交互模块;其中： 数据采集模块直接连接到电梯轿厢，通过传感器采集电梯轿厢运行过程中影响电梯舒 适度的相关电梯参数，并将采集到的数据信号传输到信号调理模块； 信号调理模块，对数据采集模块采集到的数据信号进行调理，并传输给数据读取与处 理模块； 数据读取与处理模块，对调理后的数据进行预处理，存至存储器并传输到电梯舒适度 计算模块;预处理即通过中央处理器计算得到电梯的运行参数，直接提取轿厢内实时的环 境参数； 电梯舒适度计算模块，建立电梯舒适度模型，结合舒适度指标体系，计算当前电梯舒适 度值； 人机交互模块，通过界面实时显示电梯运行时的参数和轿厢内实时环境参数，同时显 示舒适度值和变化曲线。2. 根据权利要求1所述的电梯舒适度测试系统，其特征在于:所述影响电梯舒适度的相 关电梯参数为电梯启制动时的加速度、轿厢中实时的噪声强度和溫度。3. 根据权利要求1所述的电梯舒适度测试系统，其特征在于:所述电梯的运行参数为电 梯启制动时的加速度、加加速度W及电梯运行过程中的速度，轿厢内的实时环境参数为噪 声强度、溫度。4. 根据权利要求1所述的电梯舒适度测试系统，其特征在于:所述数据采集模块包括Ξ 轴加速度计、噪声传感器、溫度传感器;其中，Ξ轴加速度计用于测量轿厢启制动时水平方 向和垂直方向的加速度，噪声传感器用于测量电梯运行过程中的噪声强度，溫度传感器用 于检测轿厢中的实时溫度，光线传感器用于检测轿厢内的光线强度。5. 根据权利要求1所述的电梯舒适度测试系统，其特征在于:所述信号调理模块对数据 采集模块采集到的数据信号进行的调理为放大、滤波、线性化补偿和隔离。6. 根据权利要求1所述的电梯舒适度测试系统，其特征在于:所述舒适度指标体系包含 了影响电梯舒适度的各项因素，具体为电梯启制动时的加速度和加加速度、轿厢振动的强 度和频率、轿厢内的噪音、溫度、光线、故障及维修因素；电梯舒适度模型基于模糊人工神经 网络建立，为多输入单输出模型，其输入为电梯舒适度指标体系，输出为电梯舒适度值。7. 根据权利要求6所述的电梯舒适度测试系统，其特征在于:所述基于模糊人工神经网 络建立的电梯舒适度模型包括输入层、模糊化层、清晰化层、隐层W及输出层;模型结构建 立的步骤为： 第一步:对输入层参数进行模糊化处理;输入层参数X=[Xl，X2, . . .，Χη]Τ表示舒适度指 标体系中的各项指标，Xi(i = l，2,. . .，η)表示第i个参数，η为参数的个数， 根据初始隶属度函数确定模糊化层变量：其中，4为模糊量化因子，λ为隶属度中必，σ为隶属度宽度，λ和σ由样本 确定N为样本大小，xh为样本值;模糊层参数个数p = n*l; 第二步，对模糊化层的参数进行清晰化处理;模糊化层与清晰化层之间的连接关系由 连接函数f、权值和阔值0"?^决定，其关系为：为清晰化层参数个数，至U 此完成对输入层的参数的模糊处理； 第Ξ步，确定隐层层数和节点数；隐层数为1 ;隐层节点数由经验公式决定： 又=V品TT + /，m为隐层输入参数个数，输出参数个数为l，t为1-10之间的任意常数； 第四步，确定隐层参数;隐层与清晰层连接关系由连接函数f、权值泣bgb和阔值0bab决定， 其关系为：水二l.,2....，A;c二1，2，...，1、;k为隐层参数的个数； 第五步，确定输出值;输出层与隐层连接关系由连接函数f、权值' by和阔值eYby决定，其 关系为：8.根据权利要求1、6或7所述的电梯舒适度测试系统，其特征在于:所述电梯舒适度模 型结构确定后使用BP算法进行训练，应用大量样本值对模型进行训练，W得到最优模糊量 化因子^和各层之间的连接权值ω ;BP算法训练的步骤为： 步骤1:初始化模型模糊量化因子^^和各层之间的连接权值ω ;初始值由14化48随机生 成； 步骤2:确定误差目标误差i中Yd为实际舒适度，Y为模型计算舒适度，计 算当前误差E的值，本系统中设置E< 0.001时完成训练； 步骤3:判断E ^ 0.001是否满足，若满足则结束训练，否则继续往下执行； 步骤4:分别计算模糊量化因子。和各层之间的连接权值ω沿误差负梯度方向的偏导 数：步骤5:计算得到新的模糊量化因子和连接权值：ωτ+ι= ωτ+Δ ω ; 步骤6:判断训练轮回数是否达到5000;若轮回数达到5000同样结束训练，否则返回步 骤2继续训练； 步骤7:得到最终模型。9. 根据权利要求1所述的电梯舒适度测试系统，其特征在于:所述系统还包括电梯优化 控制模块，该模块与人机交互模块相连，同时其直接连接到电梯轿厢，当舒适度值大幅度下 降时，电梯优化控制模块根据轿厢运行时参数和实时环境参数计算并自动发出电梯控制指 令来控制电梯轿厢的运行W提高电梯的舒适度。10. 根据权利要求1所述的电梯舒适度测试系统，其特征在于:所述的电梯优化控制模 块计算并自动发出的电梯控制指令包括修正速度指令、振动控制指令、调节溫度控制指令 和调节光线控制指令。
【文档编号】B66B5/00GK105836560SQ201610148442
【公开日】2016年8月10日
【申请日】2016年3月15日
【发明人】郭健, 陈晓进, 樊卫华, 郑鑫, 吴益飞, 曹建新, 朱孟韬, 仲露, 陈永亮, 黄泽艺
【申请人】江苏通用电梯有限公司, 南京理工大学