方案介绍

 一、 电梯业务的痛点、收获与数字化转型的好处

    缺乏透明度和日益增长的技术对电梯运营商、原始设备制造商(OEM) 和服务商带来了越来越大的挑战。在创新周期中，依靠传统的故障诊断和反应性维护机制来维护安全性和可用性变得越来越困难。

 

 

 1.1. 运营商

    目前，在发生故障时，通常依赖非正式的信息流，比如通过业主等向物业设施经理反馈信息，电梯或其控制系统不会自动通知维修人员。当维修人员开展维修活动，物业无法评估维修的范围、成本、技术、效率等。通常情况下，维修人员的经验和技术参差不齐，缺乏统一的经验系统和科学的决策技能，以避免电梯及其组件故障和停机。另外，安全和操作规范是维修人员的另一个重要问题。

对于运营商而言，如果有监控、分析和客观明确的运行参数，则可以有效降低意外升降事故和维护活动中的质量问题引起的安全问题。

    1.2. OEM和服务提供商方面

    OEM和服务提供商面临的主要挑战是高昂的维护成本和缺乏训练有素、经验丰富的人员。此外，OEM必须确保电梯操作的可用性，同时实现经济利益。为实现这一目标，OEM投资数字解决方案，寻求通过减少物理维护和简化操作流程来收回部分成本。

    1.3. 相同的痛点

    总体而言，运营商、原始设备制造商和服务提供商面临以下共同挑战：

    ■ 缺乏熟练和经验丰富的电梯维修专业人员，维修质量缺乏透明度。

    ■ 缺乏客观科学决策，以及运营规划的有效指标。

    ■ 不可预测的事件发生、频率和持续时间和停机时间。

    ■ 电梯运行状态缺少系统和实时的信息。

    ■ 严重依赖随机抽样和目视检查的维护活动，以被动维护为主，而不是按需运维。

    ■ 面对日益增长的技术复杂性，物理维护和服务成本逐渐增加。

    ■ 对关键绩效指标的解释缺乏客观性、可靠性和有效性。

 1.4. HL-Smart Lift专业知识化痛苦为收获

    通过科学的系统组合，可以转化痛点为收获，具体如下：

    1. 物联网 (IoT)。

    通过传感器连接物理对象，收集其状态、状况和使用情况的数据，处理数据并以随时可用的图形形式呈现。

    2. 数据分析和数据科学。

    从收集的信息中生成专业知识，使用科学方法和数据方法，例如概率网络、算法和人工智能 (AI)提升领域知识，从而规范要求、技术设计和功能以及操作流程方面的专业知识。

    解决方案供应商在投资于提高员工技能的同时，可以建立战略合作伙伴关系，将各个核心能力系统地打包在一起。这正是华络通信使他们的解决方案 HL-Smart Lift成为现实的方法。

   1.5. HL-Smart Lift 适用于适用于运营商、原始设备制造商和服务提供商的通用数字解决方案

    解决方案提供了三个关键功能：

    1. 远程操作监控，例如行程、门移动、调平等。

    2. 异常检测和警报，例如紧急停止，磨损，缺陷等。

    3. 预测分析和维护，例如曳引机故障。

    通过 HL-Smart Lift实现这些功能，可为电梯运营商、原始设备制造商和服务提供商提供独立于制造商的独特解决方案。这种方法为所有利益相关者提供强大的优势，无论是技术上还是分析上整个电梯产品组合到一个单一的物联网平台解决方案中。传感器非侵入性改造在电梯轿厢的顶部，可应用于新的和现有的电梯。此外，HL-Smart Lift的边缘计算能力及其可配置的标准 API 可轻松与其他平台解决方案集成， 为客户提供高度的灵活性。

1.6. HL-Smart Lift的大脑

    HL-Smart Lift的分析引擎是一个⾼度模块化和可配置的软件系统，用于将电梯的状态监测和预测性维护结果传送到IoT 平台。标准设置包括一个“仪表板”，从中分析引擎的结果可以与任何现有系统集成并显示在其中。

 1.6.1. 利用新的数字技术

    HL-Smart Lift旨在通过对电梯运行的持续监控来解决这些限制因素，并将这些数据转化为可操作的。

如今电梯维护主要是物理维护，维护的质量和效率主要取决于电梯技术人员的技能和经验以及诊断所花费的时间。HL-Smart Lift旨在通过对电梯运行的持续监控来解决这些限制因素，并将这些数据转化为可操作的建议。因此，所有电梯利益相关者都可以从中受益，同时提高电梯的安全性和可用性。运用定制传感器、数据处理边缘计算、高度可用的云服务和复杂的AI后端数据分析是Lift Manager 的根本区别。运营商、原始设备制造商和电梯服务提供商正在寻找：

    1.运行监控

    HL-Smart Lift的运行监控收集所有必要的电梯和服务关键绩效指标，用于总结电梯所有基本运行参数和物理特性，包括行程、门的移动、楼层行程的次数、各种振动以及环境条件等。

    2.异常检测

电梯管理器检测所有超出定义的基本电梯条件正常电梯运行的阈值，偏离其正常运行参数的电梯事件，例如陷阱、客舱地板的不正确调平、门问题等。

    3.预测性维护

    HL-Smart Lift在异常检测阈值提前检测并评估异常行为变化，在故障或缺陷发生之前检测和预测退化过程。

    HL-Smart Lift通过实现以下优势扩展了当前可用解决方案的解决能力：

确保和提高乘客的可靠性和安全性：

    ■ 实时的电梯运行状态。

    ■ 通过使用运营、环境和辅助数据来预测退化和故障，在潜在的电梯故障发生之前采取行动，确保乘客安全。

    ■ 优化电梯操作的可用性。

    节约成本：

    ■ 最大限度地减少磨损电梯和组件，具有实时监控和预测性维护系统。

    ■ 使用算法延长电梯寿命，通过提高维护水平来避免过早的翻新或不必要的更换工作，从而降低循环成本。

    流程优化：

    ■ 优化维护计划、调度和制度。

    ■ 支持集成，智能技术可实现平稳可靠的电梯管理和运营。

    独立接口下的电梯连接：

    ■ HL-Smart Lift是一个插件，可以在任何电梯品牌或型号上改装。

    ■ 单点访问，所有资产都连接到物联网平台，并可随时随地从网络浏览器访问。

    ■ 从目前的物理维护访问程序转变为远程实时监控和预测性维护，准确率超过 80%。

 二、 HL-Smart Lift 智慧电梯解决方案

    在先进的物联网环境中实施，HL-IC 工业体检安装在电梯上，以实时记录关键的日常运行参数。传感器参数的包括振动，超声，声音，磁场和温度。这些参数随后被处理、相互关联并集成到基于阈值的模式和条件网络中。这个前期流程实现了复杂分析的精益⾼效的数据处理。边缘处理的另一个主要好处是可显着节省数据传输成本并降低相关成本。

                                        

    数据通过空中传输给物联网网关到相应的云服务。然后通过基于规则的算法、⾼级概率模型和人工智能应用程序处理数据。最后，将结果提供给用户通过界面或仪表板。角色特定的用户界面采用系统人体工程学和软件人体工程学原理设计，能够以最⾼效、最舒适的方式执行用户功能。

                 

 

 

    是什么让我们的解决方案与众不同？

    当前 OEM 或物联网公司的远程操作监控解决方案缺乏客观性的品牌独立性或可靠性和有效性的基本电梯领域专业知识。电梯管理器是传感器和物联网的独特组合专业知识，以及华络通信的独立和综合数据分析和提升领域专业知识。

 

    HL-Smart Lift避免采用完全依赖于数据驱动的概率解释的单纯归纳方法。对于 HL-Smart Lift，华络通信开发了一种 2‑TIER 方法，将常见的归纳方法与演绎派生的逻辑结构系统相结合。它通过系统地结合电梯领域的专业知识来实现这一点。通过使用收集的经验数据和数据分析程序，在电梯运行期间发生的情况以及电梯运行中将发生的情况。这是一种全新的评估和预解释数据的方法，它提供了⾼度可靠、有效和准确的结果，以及在非常短的“学习”时间后的预测。这种独特的演绎逻辑结构称为电梯场景库Lift Scenario Library (LSL)，因为它使用概率方法遵循 EN 610251 的故障树分析 (FTA),和事件树NUREG 之后的分析 (ETA)CR‑28152要求。

    LSL 包含有关电梯,故障、缺陷和缺陷的系统相关和详细数据。这种逻辑结构系统不仅执行预引导以解释监控的电梯事件和过程数据（在相关性和重要性方面），它还提供明确的维护建议和根据预测性维护模块结果对它们进行优先级排序。这是一个将 HL-Smart Lift与其他解决方案区分开来的明显优势。

    具体来说，当检测到潜在的异常行为时，电梯管理器的预测性维护模块会向仪表板提示警报。此警报指示何时相关的电梯组件或电梯子系统预计会发生故障，这被称为“剩余停机时间”（RTD）。此外，RTD 具有三个优先级类别，表明建议行动的紧迫性：

    1. 绿色状态：现在很好。问题可能在以后发生

    2. 橙色状态：需要一段时间才需要采取行动

    3. 红色状态：应该立即采取行动

               

   

    LSL 还包括有关预测或观察到的事件的信息：

 

    1. 电梯场景库LSL 根本原因

    LSL 将每个观察到或预测的提升事件与其根本原因或根本原因场景联系起来。

在故障事件发生之前，可以修复或更换有缺陷的部件或子系统，并且电梯操作的安全性或可用性受到限制。

    2. 电梯场景库LSL 建议操作

每个事件及其一组根本原因和根本原因方案都与经过验证的推荐维护操作优先级列表相关联，从而使事件能够得到有效修复。

    随着时间的推移，数据会产生新的知识！ HL-Smart Lift的算法能够从不断增长的传感器读数和预测验证数据库中学习和适应。HL-Smart Lift的观察和预测的有效性是通过现场验证和维护访问来实现的，由电梯专家和检查员进行评估。为了准确性，数据分析师和数据科学家工具箱得到了增强， 因为它基于完善的现有观察和预测算法集。⾼级 AI 方法，例如模式识别和机器学习，不断提⾼和扩展准确性和未来预测。总之，这些方法允许电梯管理器在几个月的短时间内建立⾼度可靠的监控和预测系统。

 

 三、 HL-IC 工业体检预测性维护系统介绍

    关键设备的运行状态必须通过可靠、精确的检测和监测仪器所提供的信息来判断。这些信息即为监测设备所必须监测或监视的基本参数，它包括描写设备振动状态的振动、噪音、超声、磁场和温度等参数。据有关资料显示，旋转机械 80%以上的故障在早期都有明显的振动和超声特征，而当设备温度等参数特征明显时，设备已到了损坏后期。传统的关键设备采用有线或离线式监测方式。离线方式一般为定时点检，人工巡检，存在实时性差，人力成本高等缺点；有线方式存在布线麻烦，设备安装繁琐、影响机械运转等、易干扰以及高成本等缺点。    

    鉴于此，公司推出了基于华络通信嵌入式AI芯片的电机/轴承设备无线在线振动、噪声，超声、磁通量和温度边缘预警监测和诊断系统：HL-IC 工业体检。本系统基于底层AI识别芯片，无线传感网络, 以提供远程故障预警服务为核心业务,为客户实现长期的维护和管理价值。依托于无线技术的低延迟、高带宽、更快的网速和超大容量等特点，工业扁鹊的高速传感器数据可以快速地，无损地上传到云端，保证云端人工智能训练系统的数据来源丰富而可靠。同时借助于高速的网络，在云端训练好的人工智能模型可以快速及时大规模的部署。

该系统不用停产，无需进行工艺改造，无需布线，拆装简便。无论在室内或室外，均能轻松实现在线预警功能，功耗较低、可靠性极高，为实时预测关键设备事故、消除设备隐患、分析安全生产形势和及时决策提供支持，有利于推动企业安全生产，提高设备使用效率，为企业减少事故损失，节约管理成本和库存费用。

本方案基于多传感器融合技术来对电机以及轴承进行预测性维护分析，可以使用以下几种类型的分析来进行电机/轴承/齿轮箱的监测和诊断：

1. 振动分析：振动分析主要用于旋转设备。电动机产生振动频率或信号。建立基线后，模式识别可以识别电动机中是否存在任何不平衡，不对中，松动或轴承故障。

2. 声音/超声分析：声音可以捕捉一般振动传感器捕捉不到的故障，特别是轴承早期轻微的损坏点引起的高频低能量的振动，可以很好的通过声音传感器捕捉到。

3. 磁通量分析：根据电机外侧磁通量的变化可以分析出电机内部线圈的劳损情况，对于电机的早期诊断具有指导意义。

4. 温度分析：主要用于中晚期电机和轴承的劳损监测。

3.1. HL-IC 工业体检多传感器智能诊断终端

3.1.1. HL-IC PRO 工业体检&HL-IC AIR 工业体检

 

HL-IC PRO 工业体检: 振动，噪音/超声，磁通量，温度多传感器融合

HL-IC AIR 工业体检 振动，噪音/超声，磁通量，温度多传感器融合（轴承）

    在硬件端完成数据采集和分析，需要用于人工智能模型训练的海量数据通过无线网络上传到云端，以及人工智能神经网络通过高速下发到设备端进行实时在线健康监控和诊断。

3.1.2. 通用性算法

o 电机转速的计算;

o 电梯箱体稳定运行算法

o 加速/减速异常监测

o 溜梯/冲顶预警

o 基于ISO10816的振动速度异常等级划分；

o 基于FFT频谱分析，可以判别出多种异常，比如底座松动，转子不平衡，轴线不对中等；

o 振动数据的包络，可以用来甄别轴承和齿轮的异常；

o 声音低频和高频的能量比来甄别是否有异常响动；

o 声音SEE方法用来检测轴承的异常；

o 对振动数据统计量的SPC实时监控，这些统计量包括rms, crest, skew, kurt; 还有温度数据SPC的实时监控。

3.1.3. 基于机器学习的电机/轴承/齿轮箱的异常判别

o 非监督学习包括用PCA-Hotelling对振动数据的异常判断，SVM-One Class的异常判断，和自动解码机的异常判断。

o 监督学习包括在云端学习人工标定的故障数据，通过随机森林，Adaboost对故障数据进行学习并建立模型，最后可以对新数据进行精确的预测。

o 电机不间断运行采集的数据可以看成时间序列，时间序列的分析对于监控电机的运行状态是至关重要的，对此我们运用了深度学习LSTM网络结构结合Attention机制，对于短时间窗口不明显的异常进行精确的预测。

o 本地处理模式根据不同的通讯方式可以调整上传的数据量，兼备了从原始数据上传到极少量诊断数据上传，给用户的使用场景提供了极大的灵活性。并且本地处理模式可以通过OTA功能进行本地识别模型的更新迭代，让数据和故障累计发挥更大的作用。

3.2. HL-IC工业体检预测性诊断平台

 

HL-IC 工业体检智能诊断平台

    云端的监测系统主要是对数据和本地模式分析结果的可视化。云端平台包括了一个故障数据的标定平台，这可以分为人工标定和自动标定两部分。人工标定时通过有经验的工程师对故障数据进行分类和标定，结合了专业知识，这部分是比较难自动学习和获取的。自动标定是通过系统的数据分析功能，把捕捉到的故障自动存到数据库中，用于识别模型的更新迭代。云端分析数据的可视化包括了各类图形，有时域波形，频谱图，趋势图，三维点阵图，以及温度和一些统计量的SPC管制图等。

    监测系统能够建立故障样本数据库，当振动超越限定值时，自动建立故障样本数据库。需具备丰富的数据分析功能。

    监测系统能够实现关键设备故障报警、分析，提供诊断结论指导现场检维修工作，并能够与设备管理系统交互，实现设备从报警、分析、检修、运行的闭环管理。

    云端监测系统可以提供详细的电机故障警报，以及故障在电机中的三维立体可视化，以及诊断结论和维修建议等，形成了一整套的从报警到维修的完整解决方案。

    监测系统具备智能报警功能并且能够对关键部件典型故障进行自动诊断（包括不限于不对中、不平衡、松动故障、轴承故障、气蚀抽空等常见故障的诊断）。

 

  

 四、 系统构成及布置

    系统布置在关键设备上安装传感器，在设备上处理分析数据，再通过网络将数据传输到服务器上；相关工作人员，通过局域网络，访问浏览服务器数据，了解设备运行状态。

 4.1. 安装示意图

 4.1.1. 扶梯

4.1.2. 曳引机/轴承

 

4.1.3. 箱体及电机

 

4.2. 系统的构成

4.2.1. 系统概览

提供PC端系统、移动端系统。PC端系统又分为智慧大数据分析驾驶舱、智慧监管系统、智慧维保系统、智慧保险系统。移动端分为微信端和客户端。

4.2.2. 设计原则

    综合性

    系统定位为智慧梯联网系统，通过设备网关和质量承运网关将各个模块业务数据进行关联。建立设备数据采集基础数据库，分析物联数据情况。

    可靠性

    系统数据维护、查询、分析、计算的正确性和准确性。

    实易操作性

    系统的建设，从系统的界面布局、菜单及用户操作等设计，要遵循界面友好、直观，菜单要简洁、菜单格式、快捷键等要充分考虑用户习惯，满足用户使用方便的原则、易于修改，尤其对用户来讲，用户只要了解实际工作的工作流程和操作系统的使用方法，无需复杂的技术培训和繁琐的编程即可很方便地使用。。

    开放性

    采用云服务器，采用开放的操作系统和高性能商用数据库系统，使用标准的网络通信协议TCP/IP，同时系统采用XML技术，提供良好的数据接口，便于同其他外部系统衔接。梯联网是一个不断创新、发展的动态过程，预留接口便于后期迭代更新，确保拓展性与延伸性。

    安全性

网关产品自主访问控制要求，常用的自主访问控制策略为访问控制表（ACL）包括目录表访问控制，存取控制表访问控制等，对网关数据，只有授权管理员才能访问。并通过加密狗登录的方式进行。

总体规划

根据物联网电梯、自动扶梯国标技术规范，电梯物联网系统的业务特点和客户需求，整个系统的架构如下：

 4.2.3. 整体架构

    电梯物联网系统总体可以分为7层结构：运行环境、数据库、网络层、平台侧、应用层、展示层、前端UI。根据系统建设要求，系统拓扑图、系统架构、网络架构图如下所示：

 

 

 4.2.4. 诊断能力

   本系统是基于机械设备中电机和轴承的监测需要，结合了无线/有线网络传感器网络技术、边缘智能算法组成的一套无线振动及噪音预警监测系统，系统主要由前端无线传感器节点，数据转发网关和监控服务器组成。无线传感器节点与数据网关间通过标准无线方式进行通讯，数据网关与监控主机之间通过无线或有线方式连接。监控主机安装有监控及可视化软件，可以对本无线传感器网络内数据进行显示、存储，对设备进行监控。本方案基于多传感器融合技术来对电机以及轴承进行预测性维护分析，可以使用以下几种类型的分析来进行电动机的监测和诊断：

振动分析：振动分析主要用于旋转设备。电动机产生振动频率或信号。建立基线后，模式识别可以识别电动机中是否存在任何不平衡，不对中，松动或轴承故障。

声音分析：声音可以捕捉一般振动传感器捕捉不到的故障，特别是轴承早期轻微的损坏点引起的高频低能量的振动，可以很好的通过声音传感器捕捉到。

磁通量分析：根据电机外侧磁通量的变化可以分析出电机内部线圈的劳损情况，对于电机的早期诊断具有指导意义。

温度分析：主要用于中晚期电机和轴承的劳损监测。

对于一下常见关键设备的故障进行早期诊断和预警：

（1） 轴承故障

滚动轴承是机泵组中最常用的部件之一，也是容易产生故障的部件。造成轴承故障的原因可以是制造缺陷、安装不当、润滑不良等。轴承故障会加大机组振动，随轴承寿命降低造成其他相关正常部件寿命终止（如正常运行机械密封由于轴承更换而被迫报废）；轴承损伤常具有隐蔽性、突发性，甚至造成抱轴卡死故障。目前，以轴承特征频率来识别滚动轴承的故障是简单有效的方法。

（2） 联轴器不对中

两个连接的机器联轴器轴线不平行或不重合即为不对中。造成不对中的原因可以是装配不当、调整不够、基础损坏、热胀等。联轴器不对中会加大机组振动，造成轴承和机械密封损坏，甚至造成联轴器断裂，引发灾难性人身伤亡事故。

（3） 转子不平衡

不平衡是转子质量分布不均匀造成的。不平衡的那部分质量在转动中会产生离心力，离心力随着不平衡质量的旋转而引起振动。造成转子不平衡的原因有：制造时几何尺寸不同心或质量分布不均匀；安装中斜键或轴颈不同心；轴水平安放过久或受热不均匀，造成临时或永久变形；离心机类机械工作时，物料填充不均匀；工作介质中的杂质在转子表面沉积；零部件配合过松；动平衡方法不当（高转速、低转速）；原有平衡配重脱落。转子不平衡会加大机组振动，导致其他部件连锁损伤。

（4） 基础松动

设备固定地脚螺栓断裂或松动，甚至支撑结构裂纹造成基础支撑刚性下降。造成原因可以是螺栓断裂或松动，基础找平斜铁脱落，钢制支撑框架焊口开裂，找正垫片脱落等。基础松动会导致机组振动急剧加大，改变系统固有频率可能引发系统共振，造成机组结构性损伤。