本发明涉及电梯控制技术领域，具体涉及一种电梯体系完整性水平评估方法。
背景技术：
随着电梯在城市生活中的逐渐普及，人们对电梯运行安全的要求也随之提高。由于电梯具有使用周期长、使用频率高等特点，对电梯功能安全进行准确的评估就显得尤为重要。由于功能安全评估方法相比于传统安全评估方法更加全面准确，所以近些年功能安全的概念在各种特种设备安全评估领域内得到广泛的应用。
然而，对于电梯的功能安全评估尤其是电梯功能安全中的体系功能安全评估，国内的研究很少。大多数电梯企业认为，软件是硬件的辅助，电梯安全事故主要是由硬件失效引起。实际上，在电梯使用时，硬件问题往往早早出现并得到解决，而软件问题(即体系问题)却需要长时间的积累才会慢慢暴露出来。所以对电梯体系完整性水平的评估既有理论意义，又具有实际价值。
目前在电梯行业的国家标准中并没有针对电梯的功能安全标准，老旧标准都把评估的重心放在电梯制动器的机械结构上，对于电梯系统中使用很多的电子可编程控制系统以及各种传感器都很少涉及或者甚至不涉及。这样的评估方法无法满足现代社会对于电梯可靠性的需要。
技术实现要素：
本发明的目的在于提供一种直观、综合、定量的电梯体系完整性水平评估方法，并可根据实测的电梯体系完整性水平给出电梯运行管理的优化建议。
为了解决上述技术问题，本发明提供一种基于bp神经网络的电梯体系完整性水平评估方法，包括以下步骤：
按照电梯体系完整性水平评估指标体系中的各项指标进行检测，获得各指标的评分；使用电梯体系完整性水平评估模型，根据各一级指标的评分获得电梯体系完整性水平；其中，
所述电梯体系完整性水平评估指标体系包括八个一级指标，分别为：设计指标、制造指标、安装指标、维护保养指标、维修改造指标、使用指标、管理指标和检验指标；
所述电梯体系完整性水平评估模型为多层lm-bp神经网络，lm-bp神经网络的输入层的输入数据为电梯体系完整性水平评估指标体系中的八个一级指标的评分，输出为电梯体系完整性水平。
进一步，所述lm-bp神经网络中隐含层的神经元个数为14个。
进一步，对lm-bp神经网络进行训练时，使用历史的各指标评分结果以及对应的安全完整性水平作为训练样本，使用lm算法训练所述lm-bp神经网络。
进一步，当获得的电梯体系完整性水平不合格时，对评分低的指标所对应的事项进行优化，直到电梯体系完整性等级符合安全标准。
本发明与现有技术相比，其显著优点在于：
(1)在现有研究基础上，使用风险分析法，选取合适的性能评价指标，建立电梯体系完整性水平评价指标体系；
(2)基于lm-bp神经网络建立电梯体系完整性水平评估模型，定量揭示电梯的设计指标、制造指标、安装指标、维护保养指标、维修改造指标、使用指标、管理指标和检验指标八项指标与电梯体系完整性水平的关系；
(3)使用神经网络避免了专家评估法稳定性不高和效率太低的缺点；
(4)提出基于多目标优化技术的电梯控制优化策略，对不合格电梯能够提出整改意见，提高其体系完整性等级直至合格；
(5)本发明方法能够定量得出系统的体系功能安全水平，所以能够更加直观地判断出需要改进的指标，此外由于该方法考虑了体系完整性水平的各个因素，所以也更加综合全面。
附图说明
图1是本发明的电梯体系完整性水平评估方法示意图。
图2是本发明中电梯风险来源及后果严重程度分析示意图。
图3是本发明中基于lm-bp神经网络的电梯完整性水平评估模型结构示意图。
图4是本发明中基于lm算法的lm-bp神经网络训练流程图。
具体实施方式
容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明基于bp神经网络的电梯体系完整性水平评估方法的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。
本发明提供的基于bp神经网络的电梯体系完整性水平评估方法步骤如下：
步骤1，建立电梯体系完整性水平的评估指标体系。
本发明利用相容性理论方法，结合电梯系统动力学等物理规律，分析与研究电梯体系完整性水平各项指标的相容性，精简和调整电梯体系完整性水平的参数，最终确定影响电梯体系完整性水平的各项指标，建立电梯体系完整性水平评估指标体系。所述电梯体系完整性水平指标体系，结合电梯系统的功能结构特征以及风险来源，根据风险分析法分析电梯功能失效的原因，需要综合考虑影响电梯体系完整性水平的各项参数，在广泛调研和咨询及基础上，基于相容性理论和动力学物理规律建立电梯体系完整性水平指标体系。结合图2，本发明根据相关电梯事故数据，归纳电梯事故发生的原因基本可以分为下面的三类：电梯自身元件或者机械结构失效导致电梯功能失效造成的风险；使用环节中老化导致的风险；人为破坏以及使用不当。除此之外，还需要从困人时间，伤害严重性和救援是否及时三个方面来判断后果的严重程度。最终根据图2所示电梯风险来源分析，确定出八个影响电梯体系完整性水平的一级指标，包括：设计指标、制造指标、安装指标、维护保养指标、维修改造指标、使用指标、管理指标和检验指标。为了能够让测评人员或专家对所有的因素做出全面的评价，需要继续对这8个一级指标进行了细分，将其分为多个二级和三级指标进行评分。本发明最终确定的评估指标体系包括8类一级指标，一级指标细分为若干二级指标，有的二级指标还可以细分为若干三级指标。具体如表1所示。
表1电梯体系完整性水平评价指标体系
上述各级指标的具体含义可以从我国目前实行的相关标准中查询获得。
步骤2，按照评估指标体系中的各项指标进行检测，获得各指标的评分。
上述指标体系中的各项指标需要测评人员或者相关专家根据相关数据和材料给出相应的评分。检测人员对电梯的设计指标、制造指标、安装指标、维护保养指标、维修改造指标、使用指标、管理指标和检验指标八项指标进行检查，并对各项指标进行评分。一般来说，检测人员直接检测三级指标，并根据三级指标的评分得出一级指标的评分，如果没有三级指标，则直接对二级指标进行评分，从而获得一级指标的评分。
步骤3，使用建立的电梯体系完整性水平评估模型，根据各一级指标的评分获得电梯体系完整性水平。并可根据该电梯体系完整性水平获得对应的安全完整性等级。
将步骤2获得的电梯体系完整性水平评价指标体系中各项指标的评分作为评估模型的输入，电梯体系完整性水平(即电梯体系完整性等级)作为评估模型的输出，构建多层lm-bp神经网络。所述电梯体系完整性水平评估模型为一个多输入单输出的非线性系统，以电梯体系完整性水平指标体系中的各项指标评分作为输入，利用lm-bp神经网络可以高精度逼近任意非线性函数的特性，将基于lm(levenberg-marquardt)算法应用于bp网络的训练，寻找电梯体系完整性与各项指标评分之间的内在关系，建立电梯体系完整性水平的多目标优化模型。结合图3，lm-bp神经网络的输入层代表电梯体系完整性水平评价指标体系中各项指标：设计指标、制造指标、安装指标、维护保养指标、维修改造指标、使用指标、管理指标以及检验指标；lm-bp神经网络的隐含层，主要作用是反映各个神经元之间相互的影响作用，隐含层的神经元个数经过多次仿真实验确定为14个；lm-bp神经网络的输出层，表示电梯体系完整性水平。
所述电梯体系完整性水平评估模型需要利用广泛调研得到的数据来不断训练，以寻找最优的神经网络权重和连接组合。本发明对电梯体系完整性水平评估模型进行训练时，根据历史的各指标评分结果以及对应的sil等级(安全完整性等级)，采用基于lm(levenberg-marquardt)算法训练所建立的lm-bp神经网络，寻找最优的神经网络权重和连接组合，确定电梯体系完整性水平与各指标之间的函数关系。
结合图4，本发明应用基于lm算法的训练算法对lm-bp神经网络进行训练的过程为：
第一步，初始化各权值矩阵和各层阈值向量，并给出初值。
第二步，取样本的输入向量设计指标、制造指标、安装指标、维护保养指标、维修改造指标、使用指标、管理指标和检验指标评分数值将其输入bp神经网络的输入层，求出其输出向量体系完整性等级，并求取误差e(w)。
第三步，判断e(w)是否达到误差要求，若达到进行第六步，若未达到进行第四步。
第四步，计算jacobian矩阵j(w)。
第五步，使用lm算法计算新的权值并再次运算后得到误差，跳转到第三步。
第六步，结束。
步骤4，在步骤3获得的电梯体系完整性水平不合格时，对评分较低的指标所对应的事项进行优化，使得电梯体系完整性水平得以提高直到符合相关安全标准。