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基线传感器数据作为实地现场基线响应。所述计算系统将所述实地现场基线响应与实验现场基线响应进行比较。所述计算系统执行分析模型校准以基于所述实地现场基线响应与实验现场基线响应之间的一个或多个响应变化来产生用于故障诊断和/或预测的经校准的训练模型。

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对所述电梯传感器系统的不同实例执行多个实验来训练所述经校准的训练模型，所述多个实验包括产生所述实验现场基线响应的实验基线。

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经校准的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至少一个训练的分类模型。

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响应于校准模式请求来执行所述基线传感器数据的收集。

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门的正常操作期间执行所述基线传感器数据的收集。

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基线传感器数据。

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来监测电梯系统的一个或多个传感器。所述电梯传感器系统还包括计算系统，所述计算系统包括存储器和处理器，所述处理器从所述一个或多个传感器收集多个基线传感器数据作为实地现场基线响应、将所述实地现场基线响应与实验现场基线响应进行比较，以及执行分析模型校准以基于所述实地现场基线响应与所述实验现场基线响应之间的一个或多个响应变化来产生用于故障诊断和/或预测的经校准的训练模型。

本公开的实施方案的技术成果包括使用迁移学习来产生经校准的训练模型和基于实验现场基线响应与现场基线响应之间的差异来提高故障检测和分类准确性的电梯传感器系统校准。

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，诸如加速度计、速度传感器、位置传感器、麦克风、力传感器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。

图3绘示根据一个实施方案的迁移学习过程300。在实验现场302处，进行实验，所述实验包括实验基线，所述实验基线产生在图2中的电梯门204的实例在打开与关闭位置之间和/或在关闭与打开位置之间循环时观察到的实验现场基线响应304。在实验现场302通过图2中的电梯传感器系统220的传感器214的实例收集基线传感器数据。实验现场基线响应304可以作为时域数据来搜集并且使用(例如)一个或多个小波变换来转换成频域和/或特征数据，以表征在电梯门204在打开与关闭位置之间和/或在关闭与打开位置之间转变时观察到的标称的、非故障响应的特征。

可以使用在实验现场302进行的多个实验来建构训练模型的特征空间308，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。可以使用特征空间308来提取各种特征并对各种特征分类。举例来说，特征空间308中的基线标示310可以确定对电梯门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的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。在实验现场302处可能会在电梯门组件130中引发各种故障，在现场可能不会容易地无损地产生所述故障。举例来说，在实验现场302可以使用图2中的门运动引导轨道202的故障版本、图2中的滚子210的故障版本、图2中的地坎208和/或图2中的镶条212的故障版本来操作电梯门组件130。可以使用各种程度的故障部件来确定故障标示312(例如，较少或较大程度的部件降级/损坏)。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。

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，控制现场基线运动，所述现场基线运动使图2中的电梯门204的实例在打开与关闭位置之间和/或在关闭与打开位置之间循环以产生实地现场基线响应324。在通过图2中的电梯传感器系统220的传感器214的实例在实地现场322中的每一者处收集基线传感器数据时，观察到实地现场基线响应324。实地现场基线响应324可以按与实验现场基线响应304对应的格式来俘获或被调整为与实验现场基线响应304对应的格式。举例来说，实地现场基线响应324可以作为时域数据来搜集并且使用(例如)一个或多个小波变换来转换成频域和/或特征数据，以表征在电梯门204在打开与关闭位置之间和/或在关闭与打开位置之间转变时观察到的标称的、非故障响应的特征。

来自实验现场302的实验现场基线响应304被迁移320至实地现

场322以与实地现场基线响应324进行比较来将训练模型映射至在实地现场322收集到的基线数据上。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。

在实施方案中，可以使用迁移学习来在实地现场322处基于实地现场基线响应324进行训练模型校准。量化实验现场302处的实验现场基线响应304与实地现场322处的实地现场基线响应324之间的差异以在特征空间328中产生经校准的特征转移，作为分析模型校准。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。所述转移可以在多个维度上被量化为传递函数336。类似地，根据传递函数336，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，根据传递函数336，一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。传递函数336将实验现场基线响应304与实地现场基线响应324之间的响应差异表征为(例如)相对于特征空间328的维度来界定的输出对输入关系。一旦确定传递函数336，便可以将所述传递函数作为分析模型校准应用于特征空间328的其它模型化特征。迁移学习可以转移至少一个训练的分类模型、至少一个训练的回归模型和/或至少一个训练的故障检测模型。

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接收传感器数据402作为测试信号(例如，基线传感器数据)。传感器数据402是图3中的实地现场基线响应324的实例。在图2中的电梯传感器系统220响应于校准模式请求而按校准模式操作时，可以收集传感器数据402。在替代实施方案中，在图2中的电梯门204的正常操作期间执行传感器数据402的收集。可以将传感器数据402提供至特征提取405以提取与从图3中的实验现场基线响应304提取的特征406中类似的特征。作为一个实例，作为分析模型校准410的部分，特征提取405可以应用小波变换来进行特征提取并且分析所得的实地现场基线特征。

分析模型校准410可以应用迁移学习以基于在图3中的实地现场基线响应324(来自传感器数据402)与图3中的实验现场基线响应304(在特征406中反映)之间的所确定的一个或多个响应变化来产生经校准的训练模型404。取决于各种因素，可以使用一种或多种迁移学习方法411。举例来说，由分析模型校准410进行的迁移学习方法411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。如果大小较小的数据集可用和/或处理资源有限，那么传感器能力和处理能力的表征可能会导致使用基线相关特征提取或基线仿射均值转移来选择迁移学习方法411的特定实例，如果较大量的处理能力可用，那么可能会导致使用基于相似性的特征转移来选择迁移学习方法411的特定实例，如果大小较大的数据集可用，那么可能会导致使用通过核均值匹配实现的协变量转移来选择迁移学习方法411的特定实例。在一些实施方案中，可以同时进行多个迁移学习方法411，对结果进行比较和/或表决以选择哪种方法会提供更一致的特征转移结果。在分析模型校准410中进行的迁移学习可能会导致界定传递函数336，所述传递函数将经校准的训练模型404中的基线标示330的转移表征为图3中的经校准的基线标示331，将经校准的训练模型404中的故障标示332转移为经校准的故障标示333和/或将经校准的训练模型404中的至少一个故障检测边界334转移为图3中的经校准的故障检测边界335。可以依照一个或多个模型分量，包括但不限于故障检测、故障分类和回归，来界定经校准的训练模型404。

基于分析模型校准410在经校准的训练模型404内的转移可能会导致由提取和分类过程使用来进行正常的诊断/预测监测操作的特征定义的改变，例如，将所提取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。可以基于在经校准的训练模型404的校准之后的分类来执行进一步的分析以进行趋势分析、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，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6来描述流程600。

在框602处，电梯传感器系统220的计算系统500从电梯传感器系统220的一个或多个传感器214收集多个基线传感器数据(例如，传感器数据402)作为实地现场基线响应324。可以响应于校准模式请求和/或否则当在电梯门系统中具体实现时在电梯门204的正常操作期间执行基线传感器数据的收集。在一些实施方案中，可以在电梯系统101的两个或更多个不同的层站125处收集所述基线传感器数据，例如，以进行电梯传感器系统220的楼层特定校准。

在框604处，计算系统500将所述实地现场基线响应324与实验现场基线响应304进行比较。可以基于使用特征提取405从传感器数据402提取的特征数据与从实验现场基线响应304提取的特征406的比较来表征实地现场基线响应324与实验现场基线响应304之间的一个或多个响应变化。

在框606处，计算系统500执行分析模型校准410以基于实地现场基线响应324与实验现场基线响应304之间的一个或多个响应变化来产生经校准的训练模型404。可以应用迁移学习以基于所述一个或多个响应变化来确定传递函数336。根据传递函数336，可以转移经校准的训练模型404的基线标示330。迁移学习可以转移至少一个训练的分类模型、至少一个训练的回归模型和/或至少一个训练的故障检测模型。故障标示332可以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、厅门故障和/或与电梯门组件130相关联的其它已知的故障类型。当相对于电梯系统101的其它系统来实现时，用于预测和诊断监测的校准可以包括用于以下一者或多者的传感器214：监测电梯运动、门运动、位置参考、平层、环境条件和/或其它可检测的条件。

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进行，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进行。

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)如本文中所描述进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。