CN1926046A - 电梯门监控装置 - Google Patents

Abstract

本发明中的方法可用于监控和预测电梯的自动门、或更一般而言建筑物的自动门的状态。在该方法中，测量了门的加速度或者速度，并且创建了该门的动态模型。使用该模型，可用将门的加速度或者速度的估算值计算为未知参数的函数。未知参数之一是在运动期间作用于门上的摩擦力。通过利用估算的加速度或者速度以及测量的加速度或者速度值，获得了误差函数，并且使用优化器查找其最小值。与最小值相对应的未知参数指示门的当前状态。基于早先的测量结果，另外有可能预测出很可能在门的操作中出现故障的时间点。除未知力参数之外，同样有可能使用遗传算法来确定门闭合设备的操作状态。

Description

电梯门监控装置

技术领域

本发明涉及电梯系统或者包含所述部件的其它系统中受计算机控制的门的故障管理。

背景技术

正常操作状态下的机械系统包含由于阻碍运动的摩擦而导致的一定量摩擦力。如果可以通过测量或者数学运算确定系统中摩擦力的值，则这个信息可以用作该系统操作状态的指示符。

电梯系统包含经受摩擦和磨损的许多部件。电梯厢的运动导致包括例如电梯索和电梯厢的导轨在内的部件的磨损。这样的部件之一是电梯门，其在水平导轨上自动移动。它受到从不同方向施加到它的力的作用，而且它的上下边沿都与保持门在其轨道上运动的导轨相接触。还存在有阻止自动门的运动的摩擦力。当在电梯厢门槛上的门轨上积累了足够量的污垢时，门的操作可能受到干扰。由于这个物理障碍，阻止门运动的力可能增加到这样大的值，以致最终门控制系统不再能够打开或关闭门。

不能直接测量该摩擦力的值。不可能在门上安装单独的“摩擦计”。不得不间接地测量阻碍门运动的摩擦力的值。有可能创建该要检查系统、在这种情况下是电梯门的模型，以研究向门施加的力。出现在该模型中的力之一是阻止运动的摩擦力。使用该模型，有可能在当打开和闭合门的力的值已知并且测量了门的加速度或者速度时，计算出期望的参数。以这种方法，可以求解出诸如摩擦力之类的未知参数。因此，将到来的事项是参数优化和估算的问题。

例如，在电梯系统中，门组件包含与厢一起移动的厢门以及安装在不同楼层的楼门。现代的自动电梯门借助于直流电动机打开和闭合。由直流电机产生的扭矩与电机电流成正比。电机的能量例如经由带齿带传送到门并且该门在滚轴上移动。由于安全原因，借助于闭合设备单独闭合楼门而不用电机。由闭合配重或者螺旋弹簧产生闭合设备的闭合力。可从门控制卡(card)或者直接从电机导电体中测量出电机电流和相应的扭矩。还有可能监控该电机所谓的转速计脉冲信号。转速计信号是频率取决于电机转速并因此取决于门速度的方波。

与现有技术解决方案有关的问题是不能直接测量作用于电梯门的摩擦力。这使得估算摩擦力值的间接方法的使用成为必需。摩擦力的值是用于估计门发生故障的时间、或者用于预测门的操作状态将下降到按照给定标准的级别之下的将来时间所需要的。

发明内容

本发明的目的是通过连续地监控阻止门运动的摩擦力的值、来检测在电梯系统或者某些其它系统中使用的电动自动门的操作状态。

本发明的方法和系统的特征在于权利要求1和8的特征部分所公开的内容。本发明的其它实施例的特征在于其它权利要求所公开的内容。

还在当前申请的描述部分中给出了创造性的实施例。在该申请中公开的创造性内容还可以以不同于下述权利要求的其它方式定义。尤其是如果鉴于显式或者隐式子任务或者在所实现的优点或者优点集方面考虑本发明的话，该创造性内容还有可能包含几个单独的发明。在这种情况下，从单独的发明构思的观点上看，下述权利要求中包含的一些属性可能是多余的。在本发明基本概念的框架内，本发明不同实施例的特征可以结合其它实施例应用。

本发明的方法可以用于电梯的自动门或者更一般的、建筑物中的自动门的状态的实时检查。更精确而言，自动门是由电机控制、而且其闭合运动可能借助于闭合设备的水平滑动门。该门受到各种力的作用，而我们现在对其中施加到该门的摩擦力的值尤其感兴趣。根据该摩擦力，有可能推导出及时的维修需要以及在较不严重的情况下、有关最多能使用的摩擦力的信息，以预期失调将最有可能开始在门的操作中出现的将来时间。可以立即确定该门的闭合设备的操作状态。

在本发明的方法实施例中，测量该自动门的速度。这可以通过使用从门电机获得的、所谓的转速计信号完成。转速计信号是其中脉冲之间的距离取决于电机的速度并因此取决于门速度的方波。可以根据该转速计信号计算门的速度。该方法的实质部分是门的动态模型。在每个完全门顺序之后更新模型中的一些参数。完全门顺序意指其中在闭合运动期间不出现重新打开的门的打开和闭合操作。该模型包括门和闭合设备以及包括摩擦力在内的、向这些部分施加的力。使用该模型作为辅助，估计门的加速度，并且由此估计作为时间函数的门速度。将测量和估计的瞬时速度进行相互比较，并且获得误差项。在每个瞬间，该误差项是三个变量(门的质量、施加到该门的摩擦力、以及由该门的倾斜所产生的力)的函数。接下来，计算这些误差项的平方和，其中误差项的每个平方由期望加权系数加权。对于因此获得的所谓误差平方(squared error)项，查找到最小值，在该情况下搜索与实际最一致的三个模型参数。根据因此获得的摩擦力的值，可以推导出门的操作状态的当前状况。

在本发明方法的另一个实施例中，使用置于门上的加速度传感器测量门的加速度。除了在该动态模型中估算的量是加速度的情况之外，该方法如上述方法一样进行。在误差项的计算中，从瞬时测量的加速度减去根据该模型估算的瞬时加速度。在这个实施例中，同样，误差项是上述三个变量的函数，而且如上述示例中那样继续进行确定这些参数的进一步处理。

该门的动态模型所需要的输入参数是门速度、驱动该门的电机的电流、电机的扭矩系数、电机摩擦力、以及门闭合配重的质量或者闭合弹簧的力因素。

通过将门的质量定义为变量中的恒定值，可以简化该计算。在这种情况下，通过从门操作的期望次数中采用平均值、结合系统的启动或者起动来确定门的质量。要检查的“示教周期”的长度可以是，例如大约二十次门操作。一旦作为示教周期结果的平均值已经确定了该质量，则可以将该门的质量设置为恒定值。此后，在优化逻辑中仅仅处理两个变量(门摩擦力以及由门的倾斜所导致的力)的函数，因此与上述方法相比，该处理需要较少的计算性能和时间。可以将门的质量定义为恒定值，这是因为可以假定门的质量不会在正常工作状态下发生显著改变。

对于门闭合设备的故障的即时检测，有可能使用遗传算法(GA)。经由GA，可以同时确定正确的门系统模型(有或者没有闭合设备)以及与门的摩擦力和倾斜有关的未知力。将门的动态模型的参数编码到该遗传算法的染色体(chromosome)中。就此而言，与闭合设备的操作、与施加到门的摩擦力、以及与由门的倾斜角所导致的力有关的未知参数是基因，换言之，它们一起构成了染色体。染色体质量函数是误差平方函数，其可以认为是该解法性能的指示器或者由该染色体代表的表型。利用不同的基因值或者等位基因，相应地获得不同的表型，GA优化器最终从中选择给出最小值的表型作为搜索结果。对应于这个表型的基因值指示在检查瞬间的门系统的状态。

根据本发明方法的优点之一是可以保存有关该门操作的信息。以这种方法，创建涵盖门的操作历史记录的数据库，基于该数据库有可能计划例如下一次维护的适当日期。根据该操作历史记录，可以直接推导出门操作的当前状况，甚至可以预测出在将来时间点的故障概率以及进行维护的必要性。

附图说明

图1给出了根据本发明的自动门的动态模型；

图2表示根据本发明、用于确定该模型中的未知参数的方法；

图3表示根据本发明、用于确定该模型中的未知参数的另一种方法；以及

图4表示根据本发明、用于确定该模型中的未知参数的第三种方法。

具体实施方式

为了确定作用于门的摩擦力，创建了自动门的动态模型，其中观察施加到门的力。该门的动态模型如图1所示。这里使用的基本定律是牛顿第二定律，借此获得作为物体的质量和加速度的乘积的、施加到该物体的力。另一个与摩擦力有关的基本定律给出了阻止物体运动的摩擦力的值，其是摩擦系数和将该物体按压在所检查表面上的力(对于在平滑面上滑动的物体，是重力)的乘积。为了清楚起见，在该动态模型中，假定所有的移动质量集中于单独的质点m_door10上。相应地，除了电机摩擦力之外，在该系统中存在的全部摩擦力可以组合为单个集中摩擦力项F_μ，door。该门系统的动态操作模型可以使用五个在其上作用的力而创建，这些力是：电机的力、由闭合配重或者弹簧导致的力、由门的倾斜角导致的力、电机的内部摩擦力、以及由门本身所导致的摩擦力。系统的总质量包含门10的集中质量以及可能的闭合配重11的质量。包含在门机构中的全部移动质量集中为门质量11。图1示出了系统中的质点和力、以及速度和加速度的正向。

根据动态模型和牛顿第二定律，获得用于门10的瞬时加速度

的表达式：

${\tilde{a}}_{\mathrm{door}}\left(t\right)=\frac{F_{\mathrm{motor}}\left(t\right)+F_{\mathrm{tilt}}-F_{\mathrm{cd}}\left(x_d\left(t\right)\right)-\mathrm{sign}\left(v_d\left(t\right)\right)\·(F_{\mathrm{\μMotor}}+F_{\mathrm{\μDoor}})}{m_{\mathrm{door}}+m_{\mathrm{cd}}}---\left(1\right)$

其中当闭合设备是配重时，F_motor＝B1-I_motor(t)且F_cd(x_d(t))＝m_cd·g，而当闭合设备是弹簧时，F_cd(x_d(t))＝k_cd·(x_d0+x_d(t))。Bl是电机扭矩系数，I_motor是电机电流，F_motor是由电机所导致的力，F_tilt是由门的倾斜所导致的力的水平分量，而F_cd是由闭合设备所导致的力，F_μMotor是电机的内部摩擦力，F_μDoor是作用于门上并且由全部辅助部件所导致的集中摩擦力，m_door是包含全部门质量的共用集中质量，而且m_cd是配重的质量。如果闭合设备是弹簧，则m_cd＝0。因为闭合配重更普遍地用作闭合设备，所以在下文中，我们将仅仅处理闭合配重。然而，这没有将本发明中的设备仅仅限制为闭合配重，该闭合设备可以是从弹簧或者其它配置获得闭合力的机构。

当借助于本发明中的设备获取门上要测量的量的样本以确定摩擦力时，这意指从连续时间域到离散表示的转换。在这种情况下，(1)改变为以下形式：

${\tilde{a}}_{\mathrm{door},k}=\frac{F_{\mathrm{motor},k}+F_{\mathrm{tilt}}-F_{\mathrm{cd}}\left(x_{d,k}\right)-\mathrm{sign}\left(v_{d,k}\right)\·(F_{\mathrm{\μMotor}}+F_{\mathrm{\μDoor}})}{m_{\mathrm{door}}+m_{\mathrm{cd}}}---\left(2\right)$

其中瞬时t已经由在这个瞬时获取的、具有顺序号k的样本所替代。

门动态模型的参数中，闭合配重的质量、电机的扭矩系数以及电机的内部摩擦力偶必须是事先已知的。可以通过称重容易地确定闭合配重的质量。可以借助于测力计确定电机扭矩系数和内部摩擦力偶。使用测力计，可以将电机扭矩测量为电机电流的函数。利用不同电流值获得的结果形成近似的直线T，用于该直线T的等式如下：

T(I_motor)＝Bl·I_motor-T_μMotor-T_μDyn     (3)

其中T是电机扭矩。通过线性回归，可以将未知量Bl和T_μMotor确定为回归线的斜率以及回归线与Y轴的交点。

通过考虑门系统的动力传送机构，可以根据电机扭矩获得作用于门上的力。在示例中，电机轴携带半径为r的皮带轮，而且围绕该滑轮运转的带齿带移动该门扇。在这种情况下，可容易地获得移动门扇的力为F_motor＝T/r。

另一方面，根据该模型，有可能确定未知的参数，就此而论，这些参数是门质量、由倾斜所导致的摩擦力以及作用于门上的摩擦力。这些参数当中，在本发明的优选实施例中，最后提及的参数是所关注的对象。

图2中给出了根据本发明用于确定未知参数的方法。电梯门20的运动由从其中接收打开或者闭合门的命令的控制逻辑26所控制。门由连接到门控制卡的直流电机所驱动。可以从这个卡中直接测量电机电流和所谓的转速计信号。转速计信号从检测电机的机械转速的电机的转速计传感器(generator)获得。在这个实施例中，转速计信号通常是具有方波形状的信号。该方波的频率和脉冲间隔与门电机的速度和门的速度成正比。在两个连续的脉冲之间，门总是移动相同的子距离dx。

将从控制卡接收的信号和由控制逻辑给出的命令传送到功能块21，其负责信息的收集和预处理。在这个块中，对门运动数据进行过滤，以从中除去期间在闭合动作当中因为障碍物、通常是乘客在门路线中而导致门不得不重新打开的那些门打开操作。在两个转速计脉冲之间的时段dt期间，门移动过恒定的子距离dx。在块21中，现在有可能计算在每个时间的瞬时k处的门的速度v_d：

$v_{d,k}=\frac{\mathrm{dx}}{d{t}_k}---\left(4\right)$

该预处理块还计算用于稍后误差项的计算的加权系数。通过使用加权系数，可以对期望的误差项加以多于其它项的权重。在预处理块21中，组合与门打开和闭合操作有关的全部信息用于进一步的处理。

在该方法中的下一步是门的动态模型22的处理。该模型如上所述并且在图1中进行了说明。如上所述，进入该模型的输入参数是电机扭矩系数、电机的摩擦力偶、门闭合配重的质量、电机电流、时间dt的时段和门的速度v_d。在该模型中，将门的加速度估算为是四个变量的函数，其如下所示。

${\tilde{a}}_{d,k}(m_d,F_{\mathrm{\μ}},F_{\mathrm{tilt}})=\frac{{\mathrm{\ΣF}}_k(m_d,F_{\mathrm{\μ}}{,F}_{\mathrm{tilt}})}{\mathrm{\Σm}}---\left(5\right)$

其中∑F_k(·)是在瞬时k作用于门上的力的总和。根据所估算的门加速度，可以如下所示估算门的速度：

${\tilde{v}}_{d,k}(m_d,F_{\mathrm{\μ}},F_{\mathrm{tilt}})=v_{d,0}+\underset{k}{\mathrm{\Σ}}{\tilde{a}}_{d,k}(m_d,F_{\mathrm{\μ}},F_{\mathrm{tilt}}){\·\mathrm{dt}}_k---\left(6\right)$

其中v_d，0是在瞬时t＝0时门的速度。

在下一步骤中，将门的估算速度和预处理块中计算的门速度传入求差(differential)块23。从所测量的瞬时速度中减去估算的瞬时速度，以产生误差项e_k作为结果。误差项e_k是三个变量m_d、F_μ和F_tilt的函数。通过应用加权系数W_i，现在可以在块24中计算所谓的误差平方项E：

$E(m_d,F_{\mathrm{\μ}},F_{\mathrm{tilt}})=\underset{k}{\mathrm{\Σ}}{w}_k{e}_k{(m_d,F_{\mathrm{\μ}},F_{\mathrm{tilt}})}^2=\min ---\left(7\right)$

在本发明方法的框图中的下一步骤中，将误差平方项E传送到优化器25。优化器的功能是将三个变量的函数(7)最小化。当找到最小值时，就已经为门的质量、阻止门移动的摩擦力和由门的倾斜所引起的力估计了与此对应的可变参数。

在图2-4所示的示例以及图1所示的模型中，如果期望根据某些假设简化模型和计算，就有可能将该模型中的一个或多个力参数定义为恒定值。

图3给出用于检测自动门故障的本发明中的方法的另一示例。这个示例中的操作非常接近于图2所示的方法。电梯系统的控制逻辑36向门发出打开或者闭合命令。在电梯中没有电机转速计信号可用的情况下，必须通过其它方法观察电梯门的运动。一种方法是在门扇30上安装加速度传感器以监控门的加速度。将所测量的加速度a_d传送到用于收集和预处理信息的块31。如上述块21中那样，对门运动数据进行过滤，以从中除去期间在闭合动作当中因为障碍物在门路线中而导致门不得不重新打开的那些门打开操作。此后，根据以下的基本公式在块31中计算门的速度v_d：

$v_{d,k}=v_{d,0}+\underset{k}{\mathrm{\Σ}}{a}_{d,k}(m_d,F_{\mathrm{\μ}},F_{\mathrm{tilt}}){\·\mathrm{dt}}_k---\left(8\right)$

其中v_d，0是在瞬时t＝0处门的初速度。在其他方面，预处理块31如同图2中的预处理块21那样操作。除了根据加速度值而不是根据速度来计算误差项E的差别之外，在块31和门的动态模型32之间的信号与图2中的方法一致。

在模型32中，根据方程(5)计算所估算的门加速度。将这个信息直接送入求差块33，其中将在这种情况下从传感器获得的所测量加速度，和从该模型中获得的估算加速度彼此相减。这产生了误差项e，其是与图2的示例相同类型的三变量函数。以如上所述的方式，在块34中用期望的权重对误差求平方。相应地，优化器35以与优化器25相同的方式起作用。因此，如上所述获得相同的三个未知参数。

在该模型的实施例中，结合系统的启动确定该模型中的三个未知参数一次。为了确保参数的精确度，每个楼层需要几次门操作。门操作次数的适当估计至少为十次。当该系统随后处于其工作状态下时，使用该系统先前定义的模型，而且这使得有可能将现有的模型和近来收集的、有关门运动的新信息进行比较。在该比较之后，有可能断定例如摩擦力F_μ是否已经显著地改变了。根据误差项e_k、即根据该模型的残数，快速地检测出在门和门导轨之间明显增加的摩擦力。

可以例如统计地分析模型中的残数。有可能计算例如平均值、方差、分布的变形、和波峰的数目。还可以相对于频率范围分析误差项。通过这些分析方法，有可能确定不同故障情形的典型特性。例如，阻止门运动的摩擦力的增加将表现为残数的平均值偏离零。为了根据统计量或者频率范围信号对故障类型进行分析，自然要求通过检查频谱分量的振幅和频率可以彼此清晰地区分以及从没有差错的工作状态中区分出故障类型。这可能是困难的。

在该模型的另一实施例中，优选为每当关闭或者打开门时，执行对门的操作状态的分析。在这种情况下的方法是一种连续检测方法。对所收集信息的处理和分析必须在两次门操作之间的时间段内执行。在电梯的情况下，这个处理时段应该是最大15秒左右，这是电梯在两个连续楼层之间的运行周期中所需要的时间。当然，不是绝对必要在分析中包括每个门操作。因此，即使对一个门操作的分析将需要超过如上所述大约15秒的时间也不要紧。在这种情况下，故障诊断的效率自然被损害了。即使没有在分析中包括每次门操作，但是统计所有楼层特定门操作的次数仍然是重要的。当如果发生故障而要确定门的平均使用年限时，这是信息中的必需项。

可以通过假定门的质量是恒定值来简化由优化器执行的分析。总之，必须结合系统的启动来定义门的质量。实际上，向该模型给出恒定的门质量值，其被确定为是例如从在每个楼层的前20次门操作所获得的质量值的平均值。在这个“示教阶段”之后，优化器的功能是查找用于两个未知参数，即阻止门运动的摩擦力和由门的倾斜所导致的力的值。现在减少了计算工作量，并且使参数的搜索变得更容易。在该示教阶段之后，在本发明这个示例中的方法类似于图3所示的方法起作用，其具有的差别为m_d现在是固定不变的参数，而且e_k和E是两个参数的函数。

典型的门故障情况例如为在引导门的滚轴的轴承中出现的故障，其阻止了门在该滚轴上的平滑地滑动。在这样的情形下，取决于故障的属性，门机构故障摩擦力F_μ要么突然增加要么随着时间缓慢增加。一种可能性是根据这个信息来确定维护的需要和时间。

另一种可能的故障类型是门闭合设备的故障。这样的故障可能例如当在维护时已经除去了闭合配重而机械师忘记了再次安装它时出现。故障可能由于闭合配重的钢缆断了而导致。这样的故障表现为由门的倾斜所导致的力F_tilt的突然和大量增加。可以推断出这样的门的大倾斜不是由于实际的倾斜，而是由于闭合力的消失。在这方面，产生了通过适当的方法自动地进行推断闭合设备的操作状态的处理的需要。遗传算法可以用于这个目的。使用这些算法有可能确定正确的(其中要么包括了要么没有包括闭合设备)门模型，以及未知的力F_μDoor和F_tilt。在搜索摩擦和倾斜力时，遗传优化器同时还查找产生最小倾斜力的系统模型。

遗传算法基于通过使用处理器的计算逻辑创建人为进化的原理。所关注的问题是如何通过改变“种群”的属性来尽可能有利地获得最终结果(“表型”)。在变化处理中，所使用的遗传操作是“选择”、“杂交”和“变异”。种群中的最强成员“达到预定目标”，并且将这些成员的属性传递到下一代。在本发明的方法的示例中，种群是多个模型参数矢量。就此而言，一个参数矢量对应于一个染色体。每个染色体都具有基因。就此而言，每个基因对应于要估算的模型参数之一，其现在是闭合设备的操作、门的摩擦力、和门的倾斜力。这三个基因一起可以称为表型。遗传算法的操作是如此，以致首先利用随机选择的基因值创建种群。对于种群中的每个染色体，计算“效率”或者质量值，其在这个示例中是根据门的动态模型计算的上述误差平方项。在遗传算法中，逐代进行搜索。从每代中选择最有效的染色体、即给出最低误差平方项值的那些染色体，并且将它们包括在下一代中。根据在这个选择之后的最佳替换，经由杂交和变异创建下一代。作为遗传操作的结果，获得了新的种群类型，其中染色体的基因型完全或者仅仅某些基因不同于早先的种群。对于新一代，计算效率即误差平方项，并且作为结果再次获得具有最佳效率的染色体。此后，检查误差平方项的数列，以检查它是否收敛或者是否已经处理了足够数目的代以确保收敛。作为最终结果，在最后一代中的最佳个人的基因揭示了未知力的值以及闭合设备的操作状态。

上述遗传算法的操作可以与框图2和3相结合。框图4通过举例给出了当遗传算法与框图2相结合时的操作原理。在自动门40中测量门电机的电流和该电机的转速计脉冲信号。在预处理块41中，计算门的速度，并且将结果传递给求差块43和门的模型42。在这个示例中，假定门的质量为恒定值。在该模型中，估算门的速度并且同样将其传递给求差块43。误差平方项计算器44和所谓的GA优化器45形成了循环，其如上结合遗传算法的描述所述而进行操作。有关基因的信息从GA优化器45传送到误差计算器44，并且相应地，效率值即误差平方项E从误差计算器44传递到GA优化器45。作为该搜索的最终结果，优化器给出了参数CD、F_μDoor和F_tilt。CD意指闭合设备的操作状态，其中例如值1可能表示闭合设备没有错误的操作，而值0表示闭合设备的故障。将这三个参数返回到该模型，以便该模型可立即考虑闭合设备的性能。因此，除了力参数之外，还立即找到了最好地描述该系统的模型。门打开和闭合命令来自门控制系统46。门的动态模型现在为：

${\tilde{a}}_{\mathrm{door},k}=\frac{F_{\mathrm{motor},k}+F_{\mathrm{tilt}}-{\mathrm{CD}\·F}_{\mathrm{cd}}\left(x_{d,k}\right)-\mathrm{sign}\left(v_{d,k}\right)\·(F_{\mathrm{\μMotor}}+F_{\mathrm{\μDoor}})}{m_{\mathrm{door}}+\mathrm{CD}\·m_{\mathrm{cd}}}---\left(9\right)$

其中当闭合设备处于操作中时项CD为1，而当闭合设备不工作时CD为0。为了使遗传算法能够找到产生最小倾角的系统模型，还将倾斜力F_tilt包括在误差函数中，该误差函数为：

$E(\mathrm{CD},F_{\mathrm{\&mu;}},F_{\mathrm{tilt}})=\underset{k}{\mathrm{\&Sigma;}}{w}_k{e}_k{(\mathrm{CD},F_{\mathrm{\&mu;}},F_{\mathrm{tilt}})}^2+(G<G1)\&CenterDot;K{\&CenterDot;F}_{\mathrm{tilt}}=\min ---\left(10\right)$

其中K是缩放系数，G是遗传算法中的代的序号，而G1是用于代G的极限值，在该代之后倾斜力不再包含在误差函数(10)中。这个安排的结果是，在这个搜索的初期，当G＜G1时，搜索将查找系统的正确模型，而在末期将对参数F_m和F_tilt给出更精确的值。

实践中，当使用遗传算法时，可以在期间足够准确地确定门的质量的时间段需要与系统的启动相结合。在示教阶段期间，假定闭合设备处于操作中，并且在第一次门操作之后确定m_d、F_μDoor和F_tilt的值。在足够次数的门操作之后重复该计算，直到发现所计算的门质量值足够收敛为止。在这个示教阶段之后，系统以实际状态监控模式进行操作，在该模式中，假定门的质量为恒定值而参数CD不是恒定值。这个操作状态如上结合图4的描述所述。

例如我们可以考虑当从系统中排除了闭合设备(CD＝0)时的摩擦力F_μ。该摩擦力通常减少到稍微更低的级别。这是由于配重的运动和将配重连接到门的缆索的运动都由摩擦力所阻止的事实。因此，当系统中不包括配重时，作用于门上的总摩擦力会减少。

在对作用于门上的摩擦力进行长期测量时，有可能监控摩擦力的改变速率。当在正常操作期间由于磨损所导致的摩擦力的改变速率已知时，可以看出在观察时刻是否已经发生了任何异常地强烈磨损或者是否存在有任何其它的原因，以怀疑出现突然的故障。根据在长时间间隔期间所观察的摩擦力的行为(一般为稳定增加)，有可能估算出故障风险将超过给定风险极限的时间点。

如果摩擦力在给定瞬间以阶梯方式增加，则存在怀疑有关系统功能的严重故障的原因。如果另外在门运动期间听得到额外的噪声，则可以十拿九稳地认为出现了故障情况。还可以根据像这样、在阶梯式跳跃之后摩擦力值起作用的方式，得出结论。力可以保持恒定或者可以稳定地增减。

当新的自动门投入使用时，它的操作从所谓的试车期开始，在该期间，从优化器接收的参数可能作为时间的函数而有点变化。在试车期之后紧接着是实际的稳定运行期，在该时期期间，系统(门)的参数实际上保持恒定很长时间。另一方面，在稳定运行期间，参数值通常还可能优于在试车期期间的参数值。在稳定运行期之后，开始出现活动部分的一些松动以及易于拉伸部分的一些拉伸。例如，引导门在轨道上运动的滚轴可能滑移或者经历磨损，直到一些滚轴不再与门接触为止。

摩擦力的增加可能起因于许多不同的原因。污垢积累在门导轨上，形成对门在导轨上平滑运动的障碍。另一方面，在其中摩擦使润滑成为必需的位置处，可能使用了太多的润滑油，因此门没有以期望的方式运动。污垢尤其容易在门槛上积累，这是因为电梯客户在进入电梯厢时经常踏在其上。根据通过本发明的方法获得的参数，电机故障会自然出现。在配重和门之间的缆索的磨损也表现为参数F_μDoor的增加值。摩擦力的类脉冲增加可能由于诸如当把物体载入厢中时出现的猛烈撞击之类、施加到门上的外部机械刺激。门暂停方面的故障也可能导致摩擦力的突然增加。这也可能作为闭合配重的缆索中的线的断裂结果而出现。如果除了摩擦力方面的改变之外还从该系统中听到任何额外的噪声，则应该立即将维护人员呼叫到现场。如果摩擦力的值在摩擦的类脉冲增加之后保持恒定，则应当结合该电梯系统计划的下一轮维护考虑该情况，但是在这种情况下，立即的行动不是必须需要的。包含在自动门中的部件的磨损导致性能的缓慢降低，这对于门的正确操作可能是重要的或者可能是无关紧要的。

如果检测到摩擦力增加的方差(标准偏差的平方)，则可以断定门机构的磨损已经提高了。部件的活动增加而且活动部分的路线开始逐步与具有小容差的新门系统具有较大的差别。即使当方差增加时，摩擦力的平均值也有可能保持稳定。这种情况还可能涉及由运动产生的噪声等级的增加。方差可以认为是磨损程度的指示符。

季节可能对结合状态监控获得的门系统参数有影响。如果门暴露于非常热、冷或者湿度中，则这些状态方面的改变也可能在作用于门上的摩擦力上有所反映。由于繁忙的运输，电机也可能产生额外的热量，这导致其功率的降低。在这种情况下，系统将该情形解释为增加的摩擦力，但是实际的原因是电机功率的降低。类似地，在早上的第一次门操作可能产生比系统通常受到的更高的摩擦值，这是因为它是在每晚操作暂停之后的“冷启动”。不同的楼层上，作用于门的可变环境影响的示例是在不同楼层水平的气压差别。取决于所述门所位于的楼层，通风系统可能产生相对于该门的不同的空气流量值。

用于检测有故障门的基本方法是对不同楼层的门比较参数F_tilt和F_μDoor。如果一个楼层的F_tilt显著不同于通常的范围(general line)，则可以推断在所述楼层上的楼门安装角不同于其它门。另一方面，显著偏离其它楼层的F_μDoor值可能表示已经不同于其它门而对该楼门的调节滚轴进行了安装。

本发明的优点之一是可以存储有关该门操作的信息。以这种方法，创建了涵盖门的操作历史记录的数据库，基于该数据库有可能计划例如下一次维护的适当日期。根据该操作历史记录，可以直接推断门操作的当前状况，甚至可以预测出在将来时间点的出故障概率以及进行维护的必要性。根据该数据库，进一步有可能推断出试车阶段的持续时间是多少以及门稳定运行的阶段有多长。还可以从该数据库中看出维护操作的效果。

本领域技术人员显然可知，本发明不局限于上述实施例，其中已经通过示例描述了本发明，但是在下面权利要求所定义的发明构思的范围之内，本发明的不同实施例是可能的。

Claims (14)

1、一种用于监控建筑物中自动门的状态的方法，其特征在于该方法包含步骤：

测量该门的加速度或者速度以及驱动该门的门电机的扭矩；

创建该门的动态模型，其包括作用于该门上的力作为该模型的一部分；

通过利用该门的动态模型对门的加速度或者速度建模；

计算作为在该门的加速度或者速度的测量值和估算值之间的差别的误差项；

通过最小化上述误差项或者从中导出并包含该误差项的表示式，计算施加到该门上的摩擦力；以及

通过将所计算的摩擦力和它的改变与参考值进行比较来推导出门的操作状态。

2、如权利要求1所述的方法，其特征在于该方法还包含步骤：

通过使用加速度传感器来测量该门的加速度。

3、如先前权利要求1-2任何一个所述的方法，其特征在于该方法还包含步骤：

通过使用从该门的电机获得的、与速度成比例的信号来测量门的速度。

4、如先前权利要求1-3任何一个所述的方法，其特征在于该方法还包含步骤：

使用参数：门的速度、驱动该门的电机的电流、电机的扭矩系数、电机的摩擦力偶、门闭合弹簧的力因素、以及门闭合配重的质量中的一个或者多个作为该动态模型中的参数。

在该模型中将门的加速度和速度建模为一个或多个参数的函数，这些参数是该门的质量、施加到该门上的摩擦力、以及由该门的倾斜角所导致的力；

将测量的瞬时门速度和在该模型中建模的瞬时门速度之间的差别计算为第一误差函数；

通过对该第一误差函数求平方、并且使用期望的加权系数对在给定时间段上获得的平方了的第一误差函数求和，计算第二误差函数；

通过最小化第二误差函数而计算参数：门质量、施加到该门上的摩擦力、以及由该门的倾斜角所导致的力中的一个或者多个；以及

将所计算的参数馈送回到动态模型，用于在下一计算循环中使用。

5、如先前权利要求1-4任何一个所述的方法，其特征在于该方法还包含步骤：

使用参数：门的加速度、驱动该门的电机的电流、电机的扭矩系数、电机的摩擦力偶、门闭合弹簧的力因素、以及门闭合配重的质量中的一个或者多个作为该动态模型中的参数；

在该模型中将门的加速度建模为一个或多个参数的函数，这些参数是该门的质量、施加到该门上的摩擦力、以及由该门的倾斜角所导致的力；

将测量的门的瞬时加速度和在该模型中建模的门的瞬时加速度之间的差别计算为第三误差函数；

通过对该第三误差函数求平方、并且使用期望的加权系数对在给定时间段上获得的平方了的第三误差函数求和，计算第四误差函数；

通过最小化第四误差函数计算参数：门质量、施加到该门上的摩擦力、以及由该门的倾斜角所导致的力中的一个或者多个；以及

将所计算的参数馈送回到动态模型，用于在下一计算循环中使用。

6、如先前权利要求1-5任何一个所述的方法，其特征在于该方法还包含步骤：

结合系统的启动确定门的质量值；以及

在该门的动态模型中将门的质量定义为恒定值。

7、如先前权利要求1-6任何一个所述的方法，其特征在于该方法还包含步骤：

使用遗传算法用于检测门闭合设备的故障；

在该遗传算法中使用包含基因的染色体，这些基因描述了闭合设备的操作、施加到门上的摩擦力、以及由该门的倾斜角所导致的力；

使用误差平方函数作为遗传算法的质量值；以及

在确定遗传算法的表型时使用该门的动态模型。

8、一种用于监控电梯或者建筑物中的自动门状态的系统，所述系统包含：

至少一个门(20、30、40)，其在其安装位置上水平滑动；

控制系统(26、36、46)，用于打开和闭合该门；

其特征在于该系统还包含：

用于测量门的加速度或者速度以及驱动该门的电机的扭矩的装置(20、30、40)；

该门的动态模型(22、32、42)，其包括作用于该门上的力；

通过利用该门的动态模型而对门的加速度或者速度建模的装置(22、32、42)；

通过使用有关测量的和模化的门的加速度或者速度的信息、计算误差项的装置(23、33、43、24、34、44)；

计算施加到该门上的摩擦力以使得上述误差项或者从中导出并且包含该误差项的表达式最小化的装置(25、35、45)；以及

推断该门的操作状态的装置(26、35、46)，用于将所测量的摩擦力和其改变与参考值进行比较。

9、如权利要求8所述的系统，其特征在于该系统还包含：

作为门控制系统的门控制卡(26、36、46)。

10、根据先前权利要求8-9任何一个所述的系统，其特征在于该系统还包含：

加速度传感器(30、40)，作为测量门的加速度的装置。

11、根据先前权利要求8-10任何一个所述的系统，其特征在于该系统还包含：

与速度成比例并且从门电机获得的信号(20)，其用作测量门的速度v_d的装置。

12、根据先前权利要求8-11任何一个所述的系统，其特征在于该系统还包含：

经由各种操作确定动态模型(22)中的一个或多个参数的装置，这些操作包括对门速度v_d的测量，对驱动门的电机的电流的测量，对电机的扭矩系数的确定，对电机的摩擦力偶的确定，对门闭合弹簧的力因素的确定，以及对门闭合配重的质量的测量；

在该动态模型(22)中对门的速度建模的装置，所述速度被定义为一个或多个参数的函数，这些参数是该门的质量、施加到该门上的摩擦力、以及由该门的倾斜角所导致的力；

用于计算第一误差函数的装置(23)，所述函数作为所测量的瞬时门速度和在该模型中建模的瞬时门速度之间的差别而获得；

用于计算第二误差函数的装置(24)，通过对第一误差(23)函数求平方并且使用期望的加权系数(21)对在给定时间段上获得的平方了的第一误差函数求和来计算所述第二误差函数；

第一优化装置(25)，用于最小化第二误差函数(24)、算出参数：门质量、施加到门上的摩擦力、以及由该门的倾斜角所导致的力中的一个或多个；以及

第一反馈，用于将所计算的参数传回到动态模型(22)，用于在下一计算循环中使用。

13、根据先前权利要求8-12任何一个所述的系统，其特征在于该系统还包含：

经由各种操作确定动态模型(32)中的一个或者多个参数的装置，这些操作包括对门加速度的测量、对驱动该门的电机电流的测量、对电机的扭矩系数的确定、对电机的摩擦力偶的确定、对门闭合弹簧的力因素的确定、以及对门闭合配重质量的测量；

用于在该动态模型(32)中对门的加速度建模的装置，所述加速度被定义为一个或多个参数的函数，这些参数是该门的质量、施加到该门上的摩擦力、以及由该门的倾斜角所导致的力；

用于计算第三误差函数的装置(33)，所述误差函数作为该门的测量瞬时加速度和在该模型中建模的门的瞬时加速度之间的差别而获得；

用于计算第四误差函数的装置(34)，通过对第三误差函数(33)求平方并且使用期望的加权系数(31)对在给定时间段上获得的平方了的第三误差函数求和来计算所述第四误差函数；

第二优化装置(35)，用于最小化第四误差函数(34)、算出参数：门质量、施加到门上的摩擦力、以及由该门的倾斜角所导致的力中的一个或多个；以及

第二反馈，用于将所计算的参数传回到动态模型(32)，用于在下一计算循环中使用。

14、根据先前权利要求8-13任何一个所述的系统，其特征在于该系统还包含：

第三优化装置(45)，用于使用遗传算法来检测门闭合设备的故障；

上述第三优化装置(45)，用于在遗传算法中使用一个或多个参数作为染色体的基因，这些参数是闭合设备的操作、施加到门上的摩擦力、以及由门的倾斜角所导致的力；

上述第三优化装置(45)，用于使用误差平方函数(44)作为该遗传算法的质量值；以及

上述第三优化装置(45)，用于在确定该遗传算法的表型时使用该门的动态模型(42)。

Images