电梯传感器系统校准的制作方法

本文中公开的主题大体上涉及电梯系统，并且更明确地说，涉及电梯传感器系统校准。

电梯系统可以包括用于检测系统部件的当前状态和故障状况的各种传感器。为了执行某些类型的故障或降级检测，可能需要精确的传感器系统校准。如所制造和安装的传感器系统可能具有某一程度的变化。传感器系统响应可能相较于理想系统发生了些变化，原因在于这些传感器系统差异和安装差异，诸如重量、结构特征和其它安装效果的电梯部件特性变化。

技术实现要素：

根据一些实施方案，提供一种电梯传感器系统校准方法。所述方法包括在校准装置施加已知激振时通过计算系统从电梯传感器系统的一个或多个传感器收集多个数据。所述计算系统使用训练模型将对所述已知激振的实际响应与预计响应进行比较。所述计算系统执行分析模型校准以基于所述实际响应与所述预计响应之间的一个或多个响应变化来校准所述训练模型。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中通过向所述电梯传感器系统的不同实例施加所述已知激振以产生所述预计响应来训练所述训练模型。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中执行分析模型校准包括应用迁移学习以跨越通过所述已知激振产生的一系列数据点基于所述一个或多个响应变化来确定传递函数。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中根据所述传递函数来转移所述训练模型的基线标示。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中迁移学习转移所述训练模型的至少一个故障检测边界。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中迁移学习转移至少一个训练的回归模型。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中迁移学习转移至少一个训练的故障检测模型，并且故障标示包括以下一者或多者：滚子故障、轨道故障、地坎故障、门锁故障、带张紧故障、轿厢门故障和厅门故障。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中收集通过所述校准装置在电梯系统上的一个或多个预定位置处施加的所述已知激振的一个或多个变化。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中所述已知激振包括按一个或多个预定振幅施加的一个或多个振动频率的预定序列。

除了上文或下文描述的一个或多个特征之外，或作为替代，其它实施方案可以包括其中在电梯系统的两个或更多个不同的层站处收集所述数据。

根据一些实施方案，提供一种电梯传感器系统，所述电梯传感器系统包括可操作以监测电梯系统的一个或多个传感器。所述电梯传感器系统的计算系统包括存储器和处理器，所述处理器在校准装置施加已知激振时从所述一个或多个传感器收集多个数据、使用训练模型将对所述已知激振的实际响应与预计响应进行比较，以及执行分析模型校准以基于所述实际响应与所述预计响应之间的一个或多个响应变化来校准所述训练模型。

本公开的实施方案的技术成果包括电梯传感器系统校准，电梯传感器系统校准使用已知激振的注入和迁移学习来基于对已知激振的实际响应与预计响应之间的响应变化来校准训练模型而提高故障检测准确性。

除非另外明确地指出，否则前述特征和元件可以按各种组合但非排他地来进行组合。鉴于以下描述和附图，这些特征和元件以及其操作将变成更明显的。然而，应理解，以下描述和图式打算在性质上是说明性和阐释性的以及非限制性的。

附图说明

举例说明本公开并且在附图中并未限制本公开，在附图中，相同的元件符号指示类似的元件。

图1是可以采用本公开的各种实施方案的电梯系统的示意图；

图2是根据本公开的实施方案的电梯门组件的示意图；

图3是根据本公开的实施方案的用于校准的迁移学习的过程；

图4是根据本公开的实施方案的分析模型校准的过程；

图5是示出可以针对本公开的一个或多个实施方案配置的计算系统的示意性框图；以及

图6是根据本公开的实施方案的电梯门传感器系统校准的过程。

具体实施方式

在本文中参看附图以举例且非限制性方式来呈现所公开的设备和方法的一个或多个实施方案的详细说明。

图1是电梯系统101的透视图，所述电梯系统包括电梯轿厢103、配置105、一个或多个承重构件107、导轨109、机器111、位置编码器113和电梯控制器115。电梯轿厢103与配重105通过承重构件107彼此连接。承重构件107可以是例如绳索、钢丝绳和/或有涂层钢带。配重105被配置成平衡电梯轿厢103的载荷并且被配置成便于电梯轿厢103在电梯井117内并沿着导轨109与配重105同时并且在相反方向上移动。

承重构件107接合机器111，所述机器是电梯系统101的顶层结构的部分。机器111被配置成控制电梯轿厢103与配重105之间的移动。位置编码器113可以安装在调速系统119的上绳轮上并且可以被配置成提供与电梯轿厢103在电梯井117内的位置有关的位置信号。在其它实施方案中，位置编码器113可以直接安装至机器111的移动部件，或者如本领域中已知，可以位于其它位置和/或按其它配置定位。

电梯控制器115如图所示位于电梯井117的控制器室121中并且被配置成控制电梯系统101并且尤其是电梯轿厢103的操作。举例来说，电梯控制器115可以向机器111提供驱动信号来控制电梯轿厢103的加速度、减速度、平层、停止等。电梯控制器115还可以被配置成从位置编码器113接收位置信号。当在电梯井117内沿着导轨109上下移动时，电梯轿厢103可以如通过电梯控制器115控制而停在一个或多个层站125处。虽然被示出于控制器室121中，但是本领域的技术人员将了解，电梯控制器115可以位于和/或配置在电梯系统101内的其它地点或位置。在一些实施方案中，电梯控制器115可以被配置成控制电梯轿厢103内的特征，包括但不限于照明、显示屏、音乐、口头音频话语等。

机器111可以包括马达或类似的驱动机构和任选的制动系统。根据本公开的实施方案，机器111被配置成包括电力驱动的马达。用于马达的电源供应器可以是结合其它部件向马达供电的任何电源，包括电力网。虽然是就基于绳索的承重系统来进行示出和描述，但是采用在电梯井内移动电梯轿厢的其它方法和机构(诸如液压或任何其它方法)的电梯系统可以采用本公开的实施方案。图1只是为了说明和阐释目的而呈现的非限制性实例。

电梯轿厢103包括可操作以在每一层站125与电梯轿厢103的内部(乘客部分)之间提供通路的至少一个电梯门组件130。图2更详细地绘示了电梯门组件130。在图2的实例中，电梯门组件130包括在门顶218上的门运动引导轨道202、呈中央打开配置的包括多个电梯门板206的电梯门204和地坎208。电梯门板206通过滚子210而悬吊在门运动引导轨道202上以结合地坎208中的镶条212来引导水平运动。设想到其它配置，诸如侧开门配置。一个或多个传感器214合并在电梯门组件130中并且可操作以监测电梯门204。举例来说，一个或多个传感器214可以安装在一个或多个电梯门板206上或内和/或安装在门顶218上。在一些实施方案中，通过电梯门控制器216来控制电梯门板206的运动，所述电梯门控制器可以与图1中的电梯控制器115通信。在其它实施方案中，电梯门控制器216的功能性结合在电梯控制器115中或结合在图1中的电梯系统101内的别处。另外，如本文中描述的校准处理可以通过电梯控制器115、电梯门控制器216、服务工具230(例如，本地处理资源)和/或云计算资源232(例如，远程处理资源)的任何组合来执行。传感器214和以下各者中的一者或多者可以被统称为电梯传感器系统220：电梯控制器115、电梯门控制器216、服务工具230和/或云计算资源232。

传感器214可以是任何类型的运动、位置、声或力传感器或声传感器，诸如加速度计、速度传感器、位置传感器、力传感器、麦克风或本领域中已知的其它此类传感器。电梯门控制器216可以从传感器214收集数据，用于控制和/或诊断/预测用途。举例来说，当体现为加速度计时，可以分析来自传感器214的加速度数据(例如，指示振动)来获得指示碰撞事件、部件降级或故障状况的光谱含量。可以使用从不同物理位置的传感器214搜集到的数据取决于(例如)传感器214中的每一者检测到的能量的分布而进一步分离出降级状况或故障的物理位置。在一些实施方案中，与门运动引导轨道202相关联的扰动可能会表现为在水平轴线上(例如，门在打开和关闭时行进的方向)和/或在垂直轴线上(例如，在门运动引导轨道202上回弹的滚子210的上下运动)的振动。与地坎208相关联的扰动可以表现为在水平轴线上和/或在深度轴线上(例如，在电梯轿厢103的内部与邻近层站125之间的进出移动)的振动。

实施方案不限于电梯门系统，而是可以包括在图1中的电梯系统101内的任何电梯传感器系统。举例来说，可以在一个或多个电梯子系统中使用传感器214来监测电梯运动、门运动、位置参考、平层、环境条件和/或电梯系统101的其它可检测的条件。

为了支持对电梯传感器系统220的校准，可以将校准装置222放置成与电梯门204在一个或多个预定位置224处接触以施加可被传感器214检测到的已知激振。校准装置222可以被配置成将按一个或多个预定振幅施加的一个或多个振动频率的预定序列注入到所述预定位置224中的一者或多者。举例来说，将校准装置222放置成较接近于门运动引导轨道202可能会引发与滚子故障或轨道故障较类似的振动，而将校准装置222放置成较接近于地坎可能会引发与地坎故障较类似的振动。校准装置222无需精确地模拟实际故障，因为如本文进一步描述，可以使用对激振的实际感测响应来校准训练模型。

图3绘示了根据一个实施方案的迁移学习过程300。在实验现场302处，已知激振304向图2中的电梯传感器系统220的实例提供已知校准信号。图2中的传感器214的实例在实验现场302处响应于已知激振304来收集数据306。可以相对于训练模型的特征空间308来确定在实验现场302处针对非故障配置对已知激振304的响应，所述训练模型确定基线标示310、故障标示312和一个或多个故障检测边界314。

可以在实验现场302进行多个实验以建立用于检测各种特征并对各种特征分类的特征空间308。举例来说，特征空间308中的基线标示310可以确定对图2中的电梯门204在打开与关闭位置之间和/或在关闭与打开位置之间的水平运动中循环的标称预计响应。基线标示310可以表示针对非故障配置在实验现场302处图1的电梯门组件130的实例的预计频率响应特性。可以使用一个或多个故障检测边界314来在特征空间308内确定故障/无故障状况的可能性的边界或区和/或倾向于观察从基线标示310朝向故障标示312前进的响应转移，例如，渐进降级响应。实验现场302可以是已知具有处于故障/降级状况的一个或多个部件的实验室或实地场所。举例来说，在实验室或实地场所中的实验现场302可以具有已知的恰当地工作的部件和已知的磨损/坏了的部件以用于基线形成和模型训练。

可以在实验现场302处观察在电梯门204保持于基本上固定的位置(例如，关闭)时使用一个或多个振动曲线(诸如具有固定或变化的振幅的振动频率的正弦扫描)在图2中的一个或多个预定位置224施加已知激振304的效果。可以按在特征空间308中相对于基线标示310、故障标示312和/或故障检测边界314(例如，在多个维度上)的所得偏移的形式来量化对已知激振304的预计响应。

为了在一个或多个实地现场322处校准图2中的电梯传感器系统220的实例，等同于已知激振304的已知激振324使用校准装置222向电梯传感器系统220提供已知校准信号。在实地现场322中的每一者处，通过图2中的传感器214的实例响应于已知激振324来收集数据326。来自实验现场302的预计响应被迁移320至实地现场322以与对已知激振324的实际响应进行比较。可以使用各种迁移学习算法，诸如基线相关特征提取、基线仿射均值转移、基于相似性的特征转移、通过核均值匹配实现的协变量转移和/或本领域中已知的其它迁移学习技术，来相对于特征空间308、328形成传递函数336。已知激振324可以提供超出基线标示330外的一系列数据点。举例来说，已知激振304可能会暴露非线性，在传递函数336中可以将非线性纳入考虑以提高模型准确性。实地现场322处的特征空间328最初可以等同于训练模型的特征空间308的副本，所述训练模型确定等同于基线标示310的基线标示330、等同于故障标示312的故障标示332以及等同于故障检测边界314的一个或多个故障检测边界334。可以使用迁移学习根据基线数据集合(基线标示310、330)、已知激振324的感测到的经校准的信号数据以及在数据326中收集的响应来产生传递函数336。在特征空间328中将传递函数336应用于模型的结果是根据实地现场322的特定波形传播特性来校准故障数据签名332和检测边界334。经校准的故障检测边界335和经校准的故障标示333(即，数据签名)表示经校准的分析模型。

在实施方案中，可以在实地现场322处基于已知激振324使用迁移学习来进行训练模型校准，所述已知激振是在图2中的一个或多个预定位置224处在图2中的电梯门204保持于基本上固定的位置(例如，关闭)时使用校准装置222来施加一个或多个振动曲线(诸如具有固定或变化的振幅的振动频率的正弦扫描)而施加。量化实验现场302处的预计响应与实地现场322处的实际响应之间的差异以在特征空间328中产生经校准的特征转移，作为传递函数336。举例来说，基线标示330可以被转移以虑及响应变化，作为经校准的基线标示331。类似地，故障标示332可以被转移以虑及响应变化，作为经校准的故障标示333。另外，一个或多个故障检测边界334可以被转移以虑及响应变化，作为一个或多个经校准的故障检测边界335。特征空间328中的转移可以转变成对各种训练模型的调整以进行特征检测、分类和回归，例如，如相对于图4进一步描述。

图4绘示根据一个实施方案的分析模型校准过程400。在图3中的实地现场322中的一者处，图2中的电梯传感器系统220的计算系统可以从图2中的一个或多个传感器214接收实际传感器输入402。可以将响应于图3中的已知激振324的实际传感器输入402提供至从图3中的实验现场302接收到的训练模型404。可以通过分析模型校准410来分析对已知激振324的预计响应406(例如，基于实验现场302处的先前实验)和对已知激振324的实际响应408以执行迁移学习。分析模型校准410可以应用迁移学习来确定图3中的传递函数336以基于在实际响应408与预计响应406之间的所确定的一个或多个响应变化来校准训练模型404。设想到多种迁移学习算法。举例来说，由分析模型校准410执行的迁移学习可以应用基线相关特征提取、基线仿射均值转移、基于相似性的特征转移、通过核均值匹配实现的协变量转移和/或本领域中已知的其它迁移学习技术。在分析模型校准410中执行的迁移学习可以转移训练模型404的故障标示332，作为经校准的故障标示333，和/或转移训练模型404的至少一个故障检测边界334，作为图3中的经校准的故障检测边界335。

在训练模型404内基于图3中的传递函数336的转移可能会导致检测过程418使用的特征定义416的变化、分类过程422使用的训练分类模型420的变化和/或回归过程424使用的训练回归模型426的变化。举例来说，一旦执行训练模型404的校准，便可以作为条件确定过程415的部分将实际传感器输入402提供至信号调节414。信号调节414可以包括滤波、偏移校正和/或时域/频域变换，诸如应用小波变换来产生特征数据的光谱。检测过程418可以使用特征定义416(例如，相对于图3中的特征空间328来界定)来检测来自信号调节414的光谱数据的可能有用的特征。举例来说，检测过程418可以在标靶频率范围内搜索较高能量的响应。分类过程422可以使用训练分类模型420来对来自检测过程418的所检测到的特征进行分类，例如，将所检测到的特征识别为故障标示以及特定故障类型，诸如滚子故障、轨道故障、地坎故障等。回归过程424可以使用训练回归模型426来基于来自分类过程422的分类来确定各种分类的强/弱以支持趋势分析、预测、诊断等。

现在参看图5，示出可以合并到本公开的电梯系统中的示例性计算系统500。计算系统500可以被配置为电梯控制器(例如，图1中所示的控制器115)的部分和/或与电梯控制器通信，和/或被配置为如本文中描述的图2中的电梯门控制器216、服务工具230和/或云计算资源232的部分。在实现为服务工具230时，计算系统500可以是移动装置、平板计算机、膝上型计算机等。当实现为云计算资源232时，计算系统500可以位于一个或多个网络可访问服务器处或分布在一个或多个网络可访问服务器之间。计算系统500包括存储器502，所述存储器可以存储与图2中的电梯门204的控制和/或诊断/预测系统相关联的可执行指令和/或数据。所述可执行指令可以按任何方式并且按任何抽象程度来存储或组织，诸如与一个或多个应用程序、过程、例行程序、程序、方法等有关。举例来说，所述指令的至少一部分在图5中被示出为与控制程序504相关联。

另外，如所指出的，存储器502可以存储数据506。如本领域的技术人员将了解的，数据506可以包括但不限于电梯轿厢数据、电梯操作模式、命令或任何其它类型的数据。存储于存储器502中的指令可以由一个或多个处理器执行，诸如处理器508。处理器508可以对数据506起作用。

如图所示，处理器508联接至一个或多个输入/输出(i/o)装置510。在一些实施方案中，i/o装置510可以包括键盘或小键盘、触摸屏或触摸面板、显示屏、麦克风、扬声器、鼠标、按钮、遥控器、操纵杆、打印机、电话或移动装置(例如，智能电话)、传感器等中的一者或多者。在一些实施方案中，i/o装置510包括通信部件，诸如宽带或无线通信元件。

计算系统500的部件可以通过一个或多个总线来可操作地和/或可通信地连接。计算系统500还可以包括如本领域中已知的其它特征或部件。举例来说，计算系统500可以包括被配置成从计算系统500外部的源(例如，i/o装置510的部分)传输和/或接收信息或数据的一个或多个收发器和/或装置。举例来说，在一些实施方案中，计算系统500可以被配置成通过网络(有线或无线的)或经由与远离计算系统500的一个或多个装置的缆线或无线连接(例如，引至电梯机器的直接连接等)来接收信息。通过通信网络接收的信息可以存储于存储器502中(例如，作为数据506)和/或可以由一个或多个程序或应用程序(例如，程序504)和/或处理器508处理和/或使用。

计算系统500是用于执行和/或进行本文中描述的实施方案和/或过程的计算系统、控制器和/或控制系统的一个实例。举例来说，计算系统500在被配置为电梯控制系统的部分时用于接收命令和/或指令并且被配置成通过控制电梯机器而控制电梯轿厢的操作。举例来说，计算系统500可以集成到电梯控制器和/或电梯机器中或与电梯控制器和/或电梯机器分开(但与之通信)并且作为图2中的电梯传感器系统220的一部分来工作。

计算系统500被配置成使用(例如)图6中的流程600来操作和/或控制图2中的电梯传感器系统220的校准。流程600可以通过如本文中示出和描述的图2中的电梯传感器系统220的计算系统500和/或通过其变体来执行。可以使用一个或多个传感器、一个或多个处理器和/或一个或多个机器和/或控制器来实施流程600的各种方面。举例来说，流程的一些方面涉及如上文所描述与处理器或其它控制装置通信并且向其传输检测信息的传感器。参看图1至图6来描述流程600。

在框602处，在校准装置222(例如)向电梯门204施加已知激振324时，计算系统500从电梯传感器系统220的一个或多个传感器214收集多个数据。在一些实施方案中，通过校准装置222在电梯门204上的一个或多个预定位置224处施加已知激振324的一个或多个变体。已知激振324可以包括按一个或多个预定振幅施加的一个或多个振动频率的预定序列。可以在电梯系统101的两个或更多个不同的层站125处收集数据，例如，以执行电梯传感器系统220的楼层特定校准。

在框604处，计算系统500使用训练模型404将对已知激振324的实际响应408与预计响应406进行比较。可以通过在实验现场302处向电梯传感器系统220的不同实例施加已知激振304以产生预计响应406来训练训练模型404，所述预计响应可以在实地现场322处再现。

在框606处，计算系统500执行分析模型校准410以基于实际响应408与预计响应406之间的一个或多个响应变化来校准训练模型404。可以应用迁移学习以跨越通过已知激振324产生的一系列数据点基于所述一个或多个响应变化来确定传递函数336。

如本文中所描述，在一些实施方案中，各种功能或动作可以在给定位置处和/或与一个或多个设备、系统或装置的操作一起发生。举例来说，在一些实施方案中，给定功能或动作的一部分可以在第一装置或位置处执行，而所述功能或动作的其余部分可以在一个或多个额外装置或位置处执行。

可以使用一种或多种技术来实现实施方案。在一些实施方案中，设备或系统可以包括一个或多个处理器和存储指令的存储器，所述指令在由所述一个或多个处理器执行时使所述设备或系统如本文中所描述进行一个或多个方法动作。在一些实施方案中可以使用本领域的技术人员已知的各种机械部件。

实施方案可以实现为一个或多个设备、系统和/方法。在一些实施方案中，指令可以存储在一个或多个计算机程序产品或计算机可读介质(诸如暂时性和/或非暂时性计算机可读介质)上。所述指令在被执行时可以使实体(例如，设备或系统)如本文中所描述执行一个或多个方法动作。

术语“约”打算包括基于在提交本申请时可用的设备的与特定量的测量值相关联的误差程度。举例来说，“约”可以包括给定值的±8％或5％或2％的范围。

本文中使用的术语是仅用于描述特定实施方案并且不打算限制本公开。如本文中使用，除非上下文另外清楚地指示，否则单数形式“一(a)”、“一(an)”和“所述”打算也包括复数形式。将进一步理解，术语“包括(comprises)”和/或“包括(comprising)”在本说明书中使用时指明了所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件部件和/或其群组的存在或增添。

虽然已参考一个或多个示例性实施方案来描述本公开，但是本领域的技术人员将理解，可以进行各种改变，并且在不脱离本公开的范围的情况下，等效物可以替代其元件。另外，在不脱离本公开的实质范围的情况下，可以进行许多修改以使特定情形或材料适应于本公开的教导。因此，希望本公开不限于被公开为用于实施本公开的预期的最好模式的特定实施方案，但本公开将包括属于权利要求书的范围内的所有实施方案。