张翼 张东岳 赵义勃
关键词：大数据;远程预警系统;电梯故障预警
中图分类号：TP311.52;TP391.44 文献标识码：A 文章编号：2096-4706（2019）06-0169-03
Keywords：big data;remote early warning system;elevator fault early warning
0 引 言
随着我国城镇化水平的不断提高，高层建筑越来越多，作为高层建筑主要的垂直交通工具，电梯的数量也与日俱增。自2014年以来，国家质检总局提出了《关于进一步加强电梯安全工作的意见》，在各级政府的支持下，基于物联网相关技术的电梯运行状态监控系统得到了长足的发展。这类系统大致分为两类：传感器采集运行数据进行分析报警和电梯主板采集数据进行分析预警[1]。各大电梯生产厂商都有自己着手研发的监控预警系统。目前，各厂商的电梯在线监控预警系统的监控有余但是预警不足，很多系统都无法准确的预测电梯故障。
1 系统功能需求
基于大数据的远程电梯故障预警系统应本着“监控电梯，重在预警”的原则进行功能设定。通过各类传感器，收集电梯的基本运行数据以及核心部件的状态数据，利用单片机对收集到的数据进行简单处理，并通过网络传输到云服务器，实现对电梯状态的集中管理存储。通过多部电梯运行数据的积累，结合厂家给出的参数指标，制定电梯的数学模型，并通过不断地训练让模型变得更加精确，从而达到电梯故障预警的目的。最后，通过B/S的数据管理平台，对系统的结果进行数据可视化显示以及警报的多媒体显示。本文讨论的重点是相关数据收集到云端服务器后如何管理以及如何通过大数据分析方法实现电梯预警。
系统的功能分为传感器数据存储，电梯运行状态管理，电梯故障管理，电梯报警和预警管理，电梯维修保养管理等，系统要实时显示电梯的当前状态，通过应用程序接口实现PC端和移动端的数据查询和显示。
2 系统架构和功能设计
2.1 系统的架构设计
为了完成系统的数据采集、存储、处理以及数据共享，系统采用分层思想设计，自顶向下共分为：数据感知层、数据传输层、数据接收层、应用层和接口层，系统体系结构如图1所示。
数据传输层：通过工业总线，有线及无线网络实现数据的传输，将原始数据传输到云端服务器。
数据库接收层：负责数据接收，转换处理，并将数据存储到数据库的服务器端软件。
应用层：利用服务器端软件，实现数据的存储、分析以及可视化。
接口层：对于需要向外部公开的数据，系统提供标准的HTTP请求接口，完成数据的发布和共享服务。
其中，数据感知层和数据传输层，是通过嵌入式系统，完成数据收集转换工作的。数据传输层和数据接受层之间，通过嵌入式系统完成相关程序发送，通过服务器端软件实现数据的接收和转换并存储到数据库。应用层、接口层，通过共享数据库完成数据的提取和发布。
2.2 系统的功能模块设计
根据系统的功能需求，系统的功能模块图设计如图2所示。
2.3 系统软件框架和数据库的选择
根据系统的功能和性能要求，我们选择了Microsoft的.NET Framework 4.5作为软件开发框架，该框架能够很好地运行在Window Server相关操作系统中，同时具有很好地稳定性和扩展性。
因为电梯的数量多，每部电梯的传感器数据信息量非常大，再加上数据的多样性，我们选用的是Hadoop家族相关软件产品，作为系统的大数据支持平台。
3 系统的实现方案
结合系统的特点和现有的技术条件，针对系统需要的功能和性能要求，我们选用了以下技术实现系统的相关功能。
3.1 系统相关传感器及数据传输方案
传感器系统搜集的电梯数据包括运行状态和设备状态类，主要包括平层感应装置、远红外线设备感应装置、门开关感应装置、基站感应装置、上下极限位置感应装置、温湿度传感器、加速度传感器、震动传感器等。系统使用单片机作为处理核心搭建相关外围电路实现对传感器数据的收集和转换工作。
关于数据传输部分，根据现场的实际情况和网络信号覆盖情况，系统可以选用Wi-Fi模块，串口服务器或者4G模块完成数据传输，无论选用哪种传输介质，对于上层软件来说都是透明的，上层软件可以将数据收集系统理解为上报数据的客户端，使用TCP协议完成数据的可靠传输。
3.2 数据接收层相关技术
由于数据传输层的相关设备作为客户端连接服务器软件，所以，数据接收层的相关软件可以按照一般的TCP服务器开发方案实现。使用.NET的Socket基于TCP协议实现服务器的开发，系统开发的难点在于应用层通信协议的设计，以及多客户端并发连接服务器的处理。
3.3 应用层和接口层体系结构
应用层和接口层的软件开发，可以使用MVC的软件设计模式，系统的软件体系结构如图3所示。
DAL层：数据访问层，使用Model类实例作为载体对数据进行访问。
BLL层：商业逻辑层，调用DAL层完成具体的软件功能。
View层：负责数据的显示和获取用户输入。
Model层：数据库中所有实体的描述，作为数据调用时的数据传播媒介。
不论是应用层还是接口层，共同依赖DAL层、BLL层和Model层，从而最大程度的进行代码复用，减少工作量。通过共享同一个数据库，实现应用层和接口层的数据共享。
4 系统核心数据分析算法介绍
系统核心数据分析算法的选择，是本系统能否成功完成故障预警的关键。将电梯的故障率与电梯所在的城市类型、楼宇类型、梯龄和电梯类型等变量结合，建立Cox比例风险模型，结果显示前三个变量对电梯故障率影响较显著，且Cox模型对电梯故障预测准确率达到80%以上[2]。所以，系统使用Cox模型作为电梯故障预测的宏观模型。
对于电梯常见的具体故障，可以根据传感器数据，利用神经网络相关算法设定神经元模型，利用传感器数据训练该模型，最终将该算法融入到具体的电梯故障检测中去。利用RBF神经网络作为预测网络能有效解决电梯运行系统中的故障预测问题，该网络能快速准确的预测出运行中系统中出现的故障[3]。
采用宏观模型与具体故障预测相结合的办法，能够较为准确的预测出电梯系统的故障，从而提前预判，采取相应的维修措施，降低电梯故障的发生率。
5 结 论
目前，基于大数据的远程电梯故障预警还没有相关的行业标准和企业标准，在这样的背景下，可谓“广阔天地大有可为”。本系统还处于实验室阶段，离实际应用还有很大的差距。电梯的故障检测与预警有着巨大的市场份额，只有在这个方向下精耕细作，总结改进，才能尽早形成产品，才能在未来的市场中占有一席之地。
参考文献：
[1] 高常进，孙书成，王寅凯，等.物联网技术在电梯故障预警方面的研究 [J].中国特种设备安全，2017，33（12）：14-17.
[2] 王莲，蒋炜.基于Cox比例风险模型的电梯保养决策研究 [J].上海管理科学，2017，39（1）：94-96.
[3] 段登，邱意敏，周力.基于神经网络的多电梯运行系统故障预测 [J].计算机系统应用，2011，20（9）：252-255.
作者简介：张翼（1982.05-），男，汉族，黑龙江齐齐哈尔人，本科，副教授，教师，研究方向：云计算应用开发的相关教学研究。
