一种电梯状态采集与诊断系统及方法与流程

本申请涉及电梯故障诊断及安全监测技术领域，尤其涉及一种电梯状态采集与诊断系统及方法。

背景技术：

电梯是目前高层建筑的必要运输工具，属于涵盖多种技术于一体的特种设备。随着我国城镇化水平的不断提高，高层建筑及轨道交通越来越多，电梯数量持续倍增，其运行安全可靠性对人们生命财产具有重要影响。由于电梯自身的复杂性和内部结构的相互关联，电梯在长期使用过程中难免会出现一些安全隐患，严重的故障有时会带来人员和财产的损失，因此迫切需要采取有效方法和手段来预测并分析电梯在运行过程中可能发生的故障，通过人为事前控制与干预，提前做出防护措施，将大大地减少人员和财产的损失。因此，如何有效监测评估电梯的可靠性及运行使用过程的安全性是当前人们着力解决的关键问题之一。

目前，常见的电梯故障预测诊断方法(prognosticsandhealthmanagement，phm)通常是通过传感器技术获取和采集电梯运行过程中产生的各类数据，经过信号处理和数据分析等运算手段，基于智能算法和模型实现电梯健康状态的检测、分析、预测和管理。虽然phm能够在实际生命周期条件下评估系统的可靠性，降低系统发生失效的风险，但是，由于电梯故障具有复杂性、关联性和不确定性等特点，在电梯使用过程中，不可避免的存在着一些无法被决策者掌握的不确定因素，通常表现为设备的性能下降、设备衰退、零部件磨损、运行风险升高等。这些因素很难通过测量被定量化呈现，往往是电梯使用过程中不可控的风险，会对电梯使用者造成不利影响。因此，现有技术无法对这些不可见因素的发生或将其透明化呈现、以预警预报的方式进行事前控制，进而导致电梯监测的效果不能满足实际需求。

技术实现要素：

本申请解决的技术问题是：针对现有技术中电梯监测的效果较差。本申请提供了一种电梯状态采集与诊断系统及方法，本申请实施例所提供的方案中，边缘装置将所述图像数据、所述运动数据、所述位置数据以及所述电梯制动器抱闸线圈电流数据划分为边缘端处理数据和服务器端处理数据，边缘装置对边缘端处理数据进行初步预警分析，将预警分析数据以及服务器端处理数据发送给所述服务器，所述服务器，用于接收所述预警分析数据以及服务器端处理数据，并对预警分析数据以及服务器端处理数据进行深度分析得到深度分析结果，即通过边缘装置对电梯可能存在的故障进行预警，以及通过服务器对电梯故障预警的数据进行深度分析，使得对电梯运行过程中电梯故障不可见因素的发生或将其透明化呈现、以预警预报的方式进行事前控制，进而提高电梯监测的效果。

第一方面，本申请实施例提供的一种电梯状态采集与诊断系统，该系统包括：至少一个边缘装置和服务器；其中，

每个所述边缘装置，用于采集多台电梯的电梯井道和电梯轿厢内图像数据、电梯轿厢运动数据、电梯轿厢位置数据以及电梯制动器抱闸线圈电流数据，并根据预设的边缘算法将所述图像数据、所述运动数据、所述位置数据以及所述电流数据划分为边缘端处理数据和服务器端处理数据，对所述边缘端处理数据分析进行故障预警以及将所述服务器端处理数据卸载给服务器；

所述服务器，用于接收所述服务器端处理数据，并根据所述服务器端处理数据进行精细化故障分析。

本申请实施例所提供的方案中，边缘装置将所述图像数据、所述运动数据、所述位置数据以及所述电梯制动器抱闸线圈电流数据划分为边缘端处理数据和服务器端处理数据，边缘装置对边缘端处理数据进行初步预警分析，将预警分析数据以及服务器端处理数据发送给所述服务器，所述服务器，用于接收所述预警分析数据以及服务器端处理数据，并对预警分析数据以及服务器端处理数据进行深度分析得到深度分析结果，即通过边缘装置对电梯可能存在的故障进行预警，以及通过服务器对电梯故障预警的数据进行深度分析，使得对电梯运行过程中电梯故障不可见因素的发生或将其透明化呈现、以预警预报的方式进行事前控制，进而提高电梯监测的效果。

可选地，所述每个边缘装置，包括：第一应用划分模块、第一任务调度模块、第一任务卸载模块以及第一任务执行模块；其中，

所述第一应用划分模块，用于根据预设应用分割点将完整的电梯故障分析应用划分为多个计算层次，运行每个所述计算层次确定所述每个计算层次在所述边缘装置上的计算成本和时延，根据所述计算成本和时延将所述电梯故障分析应用划分为边缘端应用以及服务器端应用；

所述第一任务调度模块，用于从所述第一应用划分模块中调度所述边缘端应用，将所述边缘端应用对应的第一计算任务信息调度给所述第一任务执行模块；

所述第一任务卸载模块，用于将所述服务器端应用对应的第二计算任务信息卸载给所述服务器；

所述第一任务执行模块，用于根据所述第一计算任务信息以及所述预设的边缘算法对所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据进行分析以及故障预警。

可选地，所述第一任务执行模块，具体用于：

确定所述多台电梯中每台电梯所对应的数据集，基于预设的霍普金斯统计方法对所述数据集进行聚类可行性检测；若具备聚类可行性时，则对所述多台电梯所对应的数据集进行聚类处理得到多组数据；将每组中任一电梯与同组内其他电梯所对应的数据集进行对比得到对比结果；其中，所述数据集包括机型、工况、配置参数、所述电梯井道和电梯轿厢内图像数据、所述电梯轿厢运动数据、所述电梯轿厢位置数据以及所述电梯制动器抱闸线圈电流数据；

根据所述对比结果对所述任一电梯进行安全评估得到安全评估结果，根据所述安全评估结果判断所述任一电梯是否可能存在故障；

若可能存在，则对所述任一电梯进行故障预警，并所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据发送给所述服务器。

可选地，所述第一任务执行模块，具体用于：

若任一组不具备聚类可行性时，确定所述任一组内每台电梯的历史图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据；将所述任一组内每台电梯当前的图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据与所述历史图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果。

可选地，所述第一任务执行模块，具体用于：

对所述运动数据中的振动信号进行解析得到振动幅度和振动烈度对应的数字振动信号，并根据预设emd算法对所述振动信号进行模态分解得到复信号，根据所述数字振动信号以及所述复信号对曳引机电机进行故障预警；或

接收所述梯井道内的图像数据，根据所述图像数据确定预设的视角所述曳引轮及钢丝绳的状态图像数据；根据所述状态图像数据和预设的机器视觉算法进行特征点提取比对和辨识，根据对比和辨识结果对所述曳引轮预设视角的故障进行预测，并将预测结果发送给所述服务器，以使得所述服务器根据所述预测结果进行故障预警；或

实时接收所述电梯制动器抱闸线圈电流数据，对所述电梯制动器抱闸线圈电流数据进行实时监测得到监测结果，根据所述监测结果对制动器进行故障预警。

可选地，所述服务器，包括：第二应用划分模块、任务接收模块、资源监控模块、第二任务调度模块、以及第二任务执行模块；其中，

所述第二应用划分模块，用于从所述每个边缘装置获取所述预设应用分割点，根据所述预设应用分割点将预设的远程电梯运维监测应用划分为多个计算层次，运行每个所述计算层次确定所述每个计算层次在所述服务器上的计算成本和时延，将所述服务器上的计算成本和时延发送给所述第一应用划分模块；

所述任务接收模块，用于接收所述第二计算任务信息，并将所述第二计算任务放置于预设的任务缓存队列中；

所述资源监控模块，用于对当前所述服务器的资源进行监控得到资源信息，将资源信息发送给所述第二任务调度模块；

所述第二任务调度模块，用于根据所述资源信息从所述任务缓冲队列中进行任务调度，并将调度的任务发送给所述第二任务执行模块；

所述第二任务执行模块，用于根据所述调度的任务以及所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据对所述任一电梯进行深度安全评估得到深度安全评估结果。

可选地，所述第二任务执行模块，具体用于：

根据所述调度的任务、预设的深度和迁移学习算法对所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据对所述任一电梯进行深度安全评估得到深度安全评估结果。

可选地，包括：现场层、边缘层、网络层以及云计算层；其中，

所述现场层，包括多个现场节点，所述现场节点包括多台电梯的控制器，数据采集模块；

所述边缘层，用于接收所述现场层中每个所述现场节点发送的所述多台电梯的电梯井道和电梯轿厢内图像数据、电梯轿厢运动数据和电梯轿厢位置数据以及电梯制动器抱闸线圈电流数据，并根据所述图像数据、所述运动数据和所述位置数据以及电梯制动器抱闸线圈电流数据进行实时数据分析、状态感知以及故障预警，并将故障预警所对应的数据发送给所述云计算层；

所述网络层，用于连接所述边缘层和所述云计算层，以使得所述边缘层和所述云计算层之间进行数据交互；

所述云计算层，用于接收所述故障预警所对应的数据，根据预设深度神经网络以及迁移学习算法对所述数据进行深度分析以及安全评估。

第二方面，本申请实施例所提供的一种电梯状态采集与诊断方法，应用于如第一方面所述系统，该方法包括：

采集多台电梯的电梯井道和电梯轿厢内图像数据、电梯轿厢运动数据、电梯轿厢位置数据以及电梯制动器抱闸线圈电流数据；

分别将所述多台电梯的图像数据、运动数据和位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果，根据所述对比结果判断任一电梯是否可能存在故障；

若可能存在，则对所述任一电梯进行故障预警，并所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据发送给所述服务器。

可选地，分别将所述多台电梯的图像数据、运动数据和位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果，包括：

确定所述多台电梯中每台电梯所对应的数据集，基于预设的霍普金斯统计方法对所述数据集进行聚类可行性检测；若具备聚类可行性时，则对所述多台电梯所对应的数据集进行聚类处理得到多组数据；将每组中任一电梯与同组内其他电梯所对应的数据集进行对比得到对比结果；其中，所述数据集包括机型、工况、配置参数、所述电梯井道和电梯轿厢内图像数据、所述电梯轿厢运动数据、所述电梯轿厢位置数据以及所述电梯制动器抱闸线圈电流数据；

将每组中任一电梯与同组内其他电梯所对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果；

根据所述对比结果对所述任一电梯进行安全评估得到安全评估结果，根据所述安全评估结果判断所述任一电梯是否可能存在故障；

若可能存在，则对所述任一电梯进行故障预警，并所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据发送给所述服务器。

可选地，若所述任一电梯故障为曳引机电机和制动器故障，对所述任一电梯进行故障预警，包括：

对所述运动数据中的振动信号进行解析得到振动幅度和振动烈度对应的数字振动信号，并根据预设emd算法对所述振动信号进行模态分解得到复信号，根据所述数字振动信号以及所述复信号对曳引机电机进行故障预警；或

接收所述梯井道内的图像数据，根据所述图像数据确定预设的视角所述曳引轮及钢丝绳的状态图像数据；根据所述状态图像数据和预设的机器视觉算法进行特征点提取比对和辨识，根据对比和辨识结果对所述曳引轮预设视角的故障进行预测，并将预测结果发送给所述服务器，以使得所述服务器根据所述预测结果进行故障预警；或

实时接收所述电梯制动器抱闸线圈电流数据，对所述电梯制动器抱闸线圈电流数据进行实时监测得到监测结果，根据所述监测结果对制动器进行故障预警。

附图说明

图1为本申请实施例所提供的一种电梯状态采集与诊断系统的结构示意图；

图2为本申请实施例所提供的一种边缘装置的结构示意图；

图3为本申请实施例所提供的一种边缘装置和服务器协同电梯安全评估的流程示意图；

图4为本申请实施例所提供的一种服务器的结构示意图；

图5为本申请实施例所提供的一种电梯状态采集与诊断系统从软件层面划分的结构示意图；

图6为本申请实施例所提供的一种电梯状态采集与诊断方法的流程示意图。

具体实施方式

本申请实施例提供的方案中，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

参见图1，本申请实施例提供的一种电梯状态采集与诊断系统，该系统包括：至少一个边缘装置1和服务器2；其中，

每个所述边缘装置1，用于采集多台电梯的电梯井道和电梯轿厢内图像数据、电梯轿厢运动数据、电梯轿厢位置数据以及电梯制动器抱闸线圈电流数据，并根据预设的边缘算法将所述图像数据、所述运动数据、所述位置数据以及所述电流数据划分为边缘端处理数据和服务器端处理数据，对所述边缘端处理数据分析进行故障预警以及将所述服务器端处理数据卸载给服务器2；

所述服务器2，用于接收所述服务器端处理数据，并根据所述服务器端处理数据进行精细化故障分析。

具体的，在本申请实施例所提供的方案中，服务器2可以是云服务器，服务器2与至少一个边缘装置1之间通过无线网络或以太网等连接。

参见图2，在一种可能实现的方式中，所述每个边缘装置1，包括：第一应用划分模块11、第一任务调度模块12、第一任务卸载模块13以及第一任务执行模块14；其中，

所述第一应用划分模块11，用于根据预设应用分割点将完整的电梯故障分析应用划分为多个计算层次，运行每个所述计算层次确定所述每个计算层次在所述边缘装置上的计算成本和时延，根据所述计算成本和时延将所述电梯故障分析应用划分为边缘端应用以及服务器端应用；

所述第一任务调度模块12，用于从所述第一应用划分模块中调度所述边缘端应用，将所述边缘端应用对应的第一计算任务信息调度给所述第一任务执行模块14；

所述第一任务卸载模块13，用于将所述服务器端应用对应的第二计算任务信息卸载给所述服务器2；

所述第一任务执行模块14，用于根据所述第一计算任务信息以及所述预设的边缘算法对所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据进行分析以及故障预警。

进一步，在一种可能实现的方式中，所述第一任务执行模块14，具体用于：

确定所述多台电梯中每台电梯所对应的数据集，基于预设的霍普金斯统计方法对所述数据集进行聚类可行性检测；若具备聚类可行性时，则对所述多台电梯所对应的数据集进行聚类处理得到多组数据；将每组中任一电梯与同组内其他电梯所对应的数据集进行对比得到对比结果；其中，所述数据集包括机型、工况、配置参数、所述电梯井道和电梯轿厢内图像数据、所述电梯轿厢运动数据、所述电梯轿厢位置数据以及所述电梯制动器抱闸线圈电流数据；

根据所述对比结果对所述任一电梯进行安全评估得到安全评估结果，根据所述安全评估结果判断所述任一电梯是否可能存在故障；

若可能存在，则对所述任一电梯进行故障预警，并所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据发送给所述服务器。

进一步，在一种可能实现的方式中，所述第一任务执行模块14，具体用于：

若任一组不具备聚类可行性时，确定所述任一组内每台电梯的历史图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据；将所述任一组内每台电梯当前的图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据与所述历史图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果。

具体的，在本申请实施例所提供的方案中，边缘装置1是在被安装在电梯监控现场区域，提供计算、存储和通信能力的计算设备。边缘装置部分主要由四个模块：第一应用划分模块11、第一任务调度模块12、第一任务卸载模块13、第一任务执行模块14。这四个模块相互协作，使边缘装置1能够完成应用划分、卸载计算任务到服务器2以及在本地设备上调度和执行任务。具体模块功能介绍如下：

一、第一应用划分模块11

具体的，边缘装置1上的第一应用划分模块11从应用的预设分割点设置脚本文件中获取应用的所有可分割点信息，然后在每个分割点对应用进行预分割，将完整的应用划分为若干个计算层次，并通过运行获得每个计算层在边缘装置1上的计算成本和时延。然后，该模块通过与服务器2上的应用划分模块交互获得每个计算层在服务器2上的计算成本和时延数据以及网络传输时延。最后，通过分析这些数据并以响应时延最小化为目标选择一个最优分割点将应用划分为边缘端和服务器端两部分，前者在边缘装置1上本地运行，后者被卸载到服务器2上执行。

二、第二任务调度模块12

具体的，边缘装置1上的第二任务调度模块12用于调度第一应用划分模块11划分后的边缘端计算任务在本地执行，其将计算任务调度分配到第一任务执模块14上处理。

三、第一任务卸载模块13

具体的，边缘装置上1的第一任务卸载模块13负责将应用划分出来的服务器端计算任务卸载到服务器2上处理。该模块将任务卸载分为两个部分：代码和数据。对于一个计算任务，首先迁移任务代码然后再卸载任务的输入数据。并且，该模块也负责接收从服务器2上返回的任务计算结果。

四、第一任务执行模块14

具体的，边缘装置1上的第一任务执行模块14负责执行第一任务调度模块12分配的边缘端计算任务。该模块也包含一个或多个任务执行者，同样地，在任务执行者模块的内部设计有两个子模块：通用计算子模块和ai计算子模块根据任务配置脚本按步骤执行这两种类型计算来完成整个计算任务。

进一步，第一任务执行模块14进行电梯故障预警的过程如下所示：在边缘装置1内进行群组聚类可行性判断，如果具备聚类可行性则进行群组聚类与对等比较，则把群组内的电梯进行相似性聚类，把功能及工况类似的电梯会自动聚合到一个集群类内；如果不具备聚类可行性，则直接进入下一步自比对检测。其次，通过比较每个电梯与集群，或者与自身历史特征趋势数据的差异性来判断其安全程度。方法的具体实现如图3所示：第1步是聚类可行性判断及群组聚类：依据与机器相似性相关的变量(如机型、工况、配置参数等)进行聚类，其中聚类技术可采用k均值聚类算法、基于密度的聚类算法(如density-basedspatialclusteringofapplicationswithnoise，dbscan)、基于模型的聚类算法(如expectation-maximization，em)等多种算法进行集成聚类，并使用霍普金斯统计量进行聚类趋势检验，来评估进行聚类的可行性。当具备聚类可行性时，优选聚类评价指标s_dbw进行聚类评估，因其对于各种噪声、不同密度的数据集等干扰项下调参的鲁棒性较强。如果当霍普金斯统计量表明不具备聚类条件时，则直接进入第2步，根据历史特征趋势数据进行自比对。第2步是本地集群故障检测，包括：根据自身历史特征趋势数据进行自比对检测，以及通过在组内机器进行对等比较(振动、加速度传感器等特征)，进行安全评估值的计算，其中对安全的评估可采用欧氏距离、pca-t2(principalcomponentsanalysis-t2statistic)预测技术等方法，或者集成使用多种方法来获取更好的结果。

进一步，在一种可能实现的方式中，所述第一任务执行模块14，具体用于：

对所述运动数据中的振动信号进行解析得到振动幅度和振动烈度对应的数字振动信号，并根据预设emd算法对所述振动信号进行模态分解得到复信号，根据所述数字振动信号以及所述复信号对曳引机电机进行故障预警；或

接收所述梯井道内的图像数据，根据所述图像数据确定预设的视角所述曳引轮及钢丝绳的状态图像数据；根据所述状态图像数据和预设的机器视觉算法进行特征点提取比对和辨识，根据对比和辨识结果对所述曳引轮预设视角的故障进行预测，并将预测结果发送给所述服务器，以使得所述服务器根据所述预测结果进行故障预警；或

实时接收所述电梯制动器抱闸线圈电流数据，对所述电梯制动器抱闸线圈电流数据进行实时监测得到监测结果，根据所述监测结果对制动器进行故障预警。

具体的，在本申请实施例所提供的方案中，电梯轿厢运动数据包括速度、加速度以及振动信号。

参见图4，在一种可能实现的方式中，所述服务器2，包括：第二应用划分模块21、任务接收模块22、资源监控模块23、第二任务调度模块24、以及第二任务执行模块25；其中，

所述第二应用划分模21块，用于从所述每个边缘装置1获取所述预设应用分割点，根据所述预设应用分割点将预设的远程电梯运维监测应用划分为多个计算层次，运行每个所述计算层次确定所述每个计算层次在所述服务器2上的计算成本和时延，将所述服务器2上的计算成本和时延发送给所述第一应用划分模块11；

所述任务接收模块22，用于接收所述第二计算任务信息，并将所述第二计算任务放置于预设的任务缓存队列中；

所述资源监控模块23，用于对当前所述服务器的资源进行监控得到资源信息，将资源信息发送给所述第二任务调度模块24；

所述第二任务调度模块24，用于根据所述资源信息从所述任务缓冲队列中进行任务调度，并将调度的任务发送给所述第二任务执行模块25；

所述第二任务执行模块25，用于根据所述调度的任务以及所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据对所述任一电梯进行深度安全评估得到深度安全评估结果。

进一步，在一种可能实现的方式中，所述第二任务执行模块25，具体用于：

根据所述调度的任务、预设的深度和迁移学习算法对所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据对所述任一电梯进行深度安全评估得到深度安全评估结果。

具体的，在本申请实施例所提供的方案中，服务器2为被部署在云端的高性能服务器，为连接的边缘装置1提供计算卸载和协作计算服务。服务器2主要由第二应用划分模块21、任务接收模块22、资源监控模块23、第二任务调度模块24、以及第二任务执行模块25组成。这些模块协同工作使服务器2能够协同边缘装置1完成应用的划分，监控服务器上的资源使用情况，接收、调度、执行边缘装置1卸载的计算任务，以及向其他服务器扩展。这些模块的具体介绍如下：

(一)、第二应用划分模块21

具体的，对于一个远程电梯运维的监测应用，服务器2上的第二应用划分模块21首先获得边缘装置1传输过来的应用分割点设置脚本文件，其中含有应用的所有可分割点的配置信息。然后对应用进行预分割，根据配置文件中的分割点将完整的应用划分为若干计算层，并通过预运行获得每个计算层在服务器2上的计算时延和成本。最后将这些信息发送给边缘装置1上的第一应用划分模块11。

(二)、任务接收模块22

具体的，任务接收模块22负责接收由边缘装置1卸载过来的经过划分的应用服务器端计算任务。该模块首先接收迁移过来的任务代码，然后接收卸载过来的任务数据。该模块将接收完成的计算任务信息放置在一个任务缓冲队列中，等待服务器2上的第二任务调度模块24进行调度执行。此外，该模块也负责在计算任务完成后，将任务计算结果返回给边缘装置1。

(三)、资源监控模块23

具体的，资源监控模块23负责监控和收集服务器2上的各种计算资源的使用状态信息，包括计算、通信资源，以供任务调度模块使用。由于服务器2上可利用的空闲资源可能会随着工作负载变化发生动态变化，因此，该模块需要定期更新服务器2的资源使用状态信息。此外，该模块也需要定期收集相邻边缘装置或服务器的资源使用和工作负载状态信息。

(四)、第二任务调度模块24

具体的，服务器2上的第二任务调度模块24主要职责是对任务缓冲队列中的排队等待处理的计算任务进行调度。该模块根据资源监控模块23提供的服务器2的当前资源使用情况来调度任务。若当前有空闲的任务执行者，则将任务分配给该任务执行者处理；若所有的任务执行者都在执行任务，而且服务器2上剩余可用资源能够支持再运行一个任务执行者容器实例，那么该模块将启动一个新的任务执行者来处理任务；若当前服务器2负载已饱和，则在卸载到相邻的其他服务器、上传到云服务器、本地等待处理中评估一个响应时延较短的方案调度该任务。

第二应用划分模块21、任务接收模块22、资源监控模块23、第二任务调度模块24、以及第二任务执行模块25；其中，

(五)、第二任务执行模块25

具体的，第二任务执行模块25由若干任务执行者组成，为了提高任务执行的隔离性，该模块使用docker容器对任务执行者进行封装，一个docker容器实例运行一个任务执行者。每个任务执行者负责处理第二任务调度模块24分配的计算任务。如图3所示，系统结构中的每个任务执行者也包含两个子模块分别支持通用计算和ai计算，这两个子模块根据任务配置脚本按步骤执行这两种类型计算来完成整个计算任务。

进一步，参见图5，从软件层面划分，在一种可能实现的方式中，所述系统包括：现场层51、边缘层52、网络层53以及云计算层54；其中，

所述现场层51，包括多个现场节点，所述现场节点包括多台电梯的控制器，数据采集模块；

所述边缘层52，用于接收所述现场层51中每个所述现场节点发送的所述多台电梯的电梯井道和电梯轿厢内图像数据、电梯轿厢运动数据和电梯轿厢位置数据，并根据所述图像数据、所述运动数据和所述位置数据进行实时数据分析、状态感知以及故障预警，并将故障预警所对应的数据发送给所述云计算层54；

所述网络层53，用于连接所述边缘层52和所述云计算层54，以使得所述边缘层53和所述云计算层54之间进行数据交互；

所述云计算层54，用于接收所述故障预警所对应的数据，根据预设深度神经网络以及迁移学习算法对所述数据进行深度分析以及安全评估。

具体的，参见图5，为本申请实施例所提供的一种电梯状态采集与诊断系统从软件层面划分的结构示意图。下面分别对每层的功能进行简要介绍。

(1)现场层51：该层连接现场节点，如：电梯的控制器、外置传感器(如振动、加速度、制动电流、红外等)或常规故障采集卡等。这些现场节点通过现场总线/工业以太网和边缘层52的边缘装置相连。

(2)边缘层52：在接收到来自现场层51的数据之后，对电梯进行实时数据分析、状态感知、快速的故障诊断与安全评估等。边缘层52以具备计算存储通信功能的各边缘装置为节点，再加上时间敏感网络交换机等网络设备组成；各边缘装置上自带控制软件，提供自身任务调度和任务执行能力(存储、计算、通信)。通过边缘装置节点完成各特征信号的提取、预处理、基础信号分析后，基于群组聚类和对等比较的安全评估，发现异常电梯，利用窄带物联网把异常电梯的控制器数据、传感器数据经网络层的无线通信传输给云计算层54。

(3)网络层53：网络层53以无线通信网络与互联网形成的融合网络为主，承担将感知层获取的信息进行传输。

(4)云计算层54：该层从网络层53收到边缘层52发来的异常机器的详细数据后，结合云端服务器的计算能力，利用深度神经网络、生成式对抗网络(gan)、迁移学习等技术，对异常机器进行深度数据分析，借此实现电梯关键组件和整机安全状况评估；并同时向现场层51发出信息，为用户提供安全管理、故障溯源、视情维修以及备件预测等精准服务。

进一步，在本申请实施例所提供的方案中，云计算层54主要是将人工智能算法之深度学习前沿技术gan、迁移学习应用在深度安全评估中。具体的，云计算层54的工作原理如下所示：

1、工业电梯种类繁多，工况不一，对于不同的电梯安全评估与诊断时，传统技术上是需要建立不同的故障诊断模型。本发明基于故障诊断系统中的域自适应(domainadaptation)的理念，使用域自适应，通过引入迁移学习和知识迁移作为中间步骤，把原来训练的模型迁移到新的电梯上时，不必重新训练模型，实现了避免每次电梯基本配置状态改变时对模型进行再训练。

2、gan是用对抗方法来生成数据的一种模型。基于以下三个需求，引入gan应用在电梯故障诊断领域。

1)扩充故障样本。虽然不时会发生电梯故障事件，但电梯故障样本相比正常数据是十分有限的，通过gan扩充样本来解决样本不平衡问题。

2)异常值检测。目前gan已经应用到异常检测中。在对电梯安全评估过程中，可能异常的数据仅仅占总数据的很小一部分，使用gan进行异常值检测，为进一步故障诊断做准备。

3)半监督学习。在对电梯进行安全评估与故障诊断时，需要采集大量数据，标记样本的工作量相当大，且有可能存在大量无标签样本。而利用gan进行半监督学习，在只有少量标记样本的情况下进行电梯故障诊断，具有较好的实际意义。

本申请实施例所提供的方案中，边缘装置1将所述图像数据、所述运动数据、所述位置数据以及所述电梯制动器抱闸线圈电流数据划分为边缘端处理数据和服务器端处理数据，边缘装置对边缘端处理数据进行初步预警分析，将预警分析数据以及服务器端处理数据发送给所述服务器2，所述服务器2，用于接收所述预警分析数据以及服务器端处理数据，并对预警分析数据以及服务器端处理数据进行深度分析得到深度分析结果，即通过边缘装置1对电梯可能存在的故障进行预警，以及通过服务器2对电梯故障预警的数据进行深度分析，使得对电梯运行过程中电梯故障不可见因素的发生或将其透明化呈现、以预警预报的方式进行事前控制，进而提高电梯监测的效果。

参见图6，本申请实施例提供的一种电梯状态采集与诊断方法，应用于如图1所述的系统，该方法包括：

步骤601，边缘装置采集多台电梯的电梯井道和电梯轿厢内图像数据、电梯轿厢运动数据、电梯轿厢位置数据以及电梯制动器抱闸线圈电流数据。

步骤602，边缘装置分别将所述多台电梯的图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果。

步骤603，若可能存在，则边缘装置对所述任一电梯进行故障预警，并所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据发送给所述服务器。

在一种可能实现的方式中，分别将所述多台电梯的图像数据、运动数据、位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果，包括：

确定所述多台电梯中每台电梯所对应的数据集，基于预设的霍普金斯统计方法对所述数据集进行聚类可行性检测；若具备聚类可行性时，则对所述多台电梯所对应的数据集进行聚类处理得到多组数据；将每组中任一电梯与同组内其他电梯所对应的数据集进行对比得到对比结果；其中，所述数据集包括机型、工况、配置参数、所述电梯井道和电梯轿厢内图像数据、所述电梯轿厢运动数据、所述电梯轿厢位置数据以及所述电梯制动器抱闸线圈电流数据；

将每组中任一电梯与同组内其他电梯所对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据进行对比得到对比结果；

根据所述对比结果对所述任一电梯进行安全评估得到安全评估结果，根据所述安全评估结果判断所述任一电梯是否可能存在故障；

若可能存在，则对所述任一电梯进行故障预警，并所述任一电梯对应的所述图像数据、所述运动数据、所述位置数据以及电梯制动器抱闸线圈电流数据发送给所述服务器。

在一种可能实现的方式中，若所述任一电梯故障为曳引机电机和制动器故障，对所述任一电梯进行故障预警，包括：

对所述运动数据中的振动信号进行解析得到振动幅度和振动烈度对应的数字振动信号，并根据预设emd算法对所述振动信号进行模态分解得到复信号，根据所述数字振动信号以及所述复信号对曳引机电机进行故障预警；或

接收所述梯井道内的图像数据，根据所述图像数据确定预设的视角所述曳引轮及钢丝绳的状态图像数据；根据所述状态图像数据和预设的机器视觉算法进行特征点提取比对和辨识，根据对比和辨识结果对所述曳引轮预设视角的故障进行预测，并将预测结果发送给所述服务器，以使得所述服务器根据所述预测结果进行故障预警；或

实时接收所述电梯制动器抱闸线圈电流数据，对所述电梯制动器抱闸线圈电流数据进行实时监测得到监测结果，根据所述监测结果对制动器进行故障预警。

具体的，在本申请实施例所提供的方案中，边缘装置进行故障预警的过程在上述图1所示的一种电梯状态采集与诊断系统中已详细介绍，在此不做赘述。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。