一种基于声音特征提取的电梯运行状态评估系统和方法

技术领域

本发明涉及一种电梯安全，乘客电梯部件维保领域，尤其是涉及一种基于声音特征提取的电梯运行状态评估系统和方法。

背景技术

当今时代，随着城市现代化的稳步推进，人口向着更加发达的城市集中。但城市内空间有限，所以，能够充分利用垂直空间的高楼便是一种很好的选择。而随着大量的高层楼宇投入建设和使用，电梯已经成为了人们日常生活不可或缺的交通工具。

电梯作为垂直上下的乘客交通运输工具，是高楼建造中不可缺少的部分。通常来说，七层以上的建筑要求配备轿厢式电梯。最为常见的乘客电梯是曳引式电梯。城市中生活的人绝大部分每天需要乘坐电梯。因此，电梯的安全问题就越发引起人们关注。

现有的电梯维保工作大多是采用定期维保的方式。定期维保可以大量节省人力物力资源，但是也会导致当电梯发生某些故障时，不能及时发现，导致事故的发生。而且常规的定期维保方法无法反映电梯实时运行状态的现状。

发明内容

本发明为了克服以上技术的不足，提供了一种基于声音特征提取的电梯运行状态评估的系统，实现对电梯和电梯内部人声的声音信号的采集、转换和分析，从而用于综合评估电梯的运行状态，及时进行电梯维修或人员救援。

本发明的第二个目的还提出了一种基于声音特征提取的电梯运行状态评估方法，对电梯声音和人声分开分析，并采用时域、时频域分析法分别提取和分析电梯机房声音和轿厢运行声音的特征值，综合评估乘客电梯的实时运行状态，从而可以及时进行电梯维修和救援。

为了实现本发明的第一个目的，本发明提出的一种基于声音特征提取的电梯运行状态评估系统，至少包括声音采集单元、人梯数据分离单元、人声分析单元、电梯声音分析单元以及报警单元；所述声音采集单元用于采集和转换轿厢原始声音和机房原始声音并发送至人梯数据分离单元；所述人梯数据分离单元用于分离轿厢原始声音为人声数据和轿厢运行声音数据，并将分离后的人声数据传输至人声分析单元，以及轿厢运行声音数据和机房原始声音至电梯声音分析单元；所述人声分析单元用于分析人声数据，以及，基于分析结果输出第一运行状态D1至报警单元；所述电梯声音分析单元用于提取轿厢运行声音数据和机房原始声音中反映电梯运行状态的特征，并基于提取的特征分析得到电梯运行状态，以及，发送电梯运行状态至报警单元；所述报警单元基于接收的电梯运行状态和人声数据分析结果评估电梯运行状态,从而实施电梯维修或人员救助。

进一步的，所述电梯声音分析单元至少包括耦接的特征提取单元和数据分析单元，其中，特征提取单元用于提取轿厢运行声音数据和机房原始声音中反映电梯运行状态的时域特征和时频域特征，并将特征提取结果输出至数据分析单元；数据分析单元基于特征提取结果分析电梯运行状态，并输出第二运行状态D2和第三运行状态D3至报警单元。

进一步的，所述声音采集单元至少包括分别设置于机房和轿厢的用于采集声音信号的拾音器，以及，接收拾音器声音信号并记录声音数据的采集卡。

为了实现本发明的第二个目的，本发明提出了一种基于声音特征提取的电梯运行状态评估方法，具体包括：S1，采集电梯轿厢和机房中的声音信号，并分别转换为轿厢原始声音和机房原始声音；S2，分离轿厢原始声音为轿厢运行声音数据和人声数据；S3，分析人声数据并基于分析结果输出第一运行状态D1；S4，分别对机房原始声音和轿厢运行声音数据进行特征提取，并对应输出机房声音特征值和轿厢声音特征值；S5，分别对机房声音特征值和轿厢声音特征值进行分析，以及基于分析结果输出第二运行状态D2和第三运行状态D3；S6，基于第一运行状态D1、第二运行状态D2和第三运行状态D3进行电梯运行状态评估。

进一步的，步骤S2具体包括：S21，对轿厢原始声音进行频谱分析；S22，基于预设阈值消除干扰；S23，基于FFT阈值滤波器将轿厢原始声音分为轿厢运行声音数据和人声数据。

进一步的，步骤S23具体包括：FFT阈值滤波器至少包括低通滤波器和高通滤波器，通过低通滤波器对小于截止频率的轿厢原始声音作为轿厢运行声音数据；通过高通滤波器对轿厢原始声音的高频信号的人声分离，作为人声数据，其中，截止频率的计算公式为：

进一步的，步骤S3具体包括：S31，对人声数据提取并转换为文字，判断电梯中是否有乘客；S32，对人声数据进行频谱特征分析，从而判断人声数据中是否有高频信号；S33，若有高频信号，则输出第一运行状态D1为乘客呼救状态；若有乘客，则输出第一运行状态D1为载客状态，否则输出第一运行状态D1为空载状态。

通过对人声数据初步分析判断电梯是否有乘客，并通过分析是否有高频信号，确定乘客是否在电梯里呼救，从而输出第一运行状态D1。

进一步的，步骤S4具体包括：S41，预加重处理轿厢运行声音数据和对机房原始声音去噪处理；S42，时域分析处理后的机房原始声音和轿厢运行声音数据，从而分别得到机房声音时域特征值和轿厢运行声音时域特征值；S43，频域分析处理后的机房原始声音和轿厢运行声音数据，从而分别提取机房声音频域特征值和轿厢运行声音频域特征值，再进行时频域分析分别得到机房原始声音时频域特征值和轿厢运行声音时频域特征值；S44，将提取出的机房声音时域特征值、机房声音时频域特征值作为机房声音特征值输出，以及，将提取出的轿厢运行声音时域特征值、轿厢运行声音时频域特征值作为轿厢声音特征值输出。

由于电梯机房噪声较大，所以对机房原始声音去噪处理。而轿厢运行声音数据的有用信息主要集中在高频，因此对轿厢运行声音预加重处理，使信号的频率变平坦。

进一步的，步骤S5具体包括：S51，分类机房声音特征值，并基于分类处理后的机房声音特征值判断电梯是否存在急停，若存在急停，则输出第二运行状态D2为急停，否则输出乘客电梯运行状态D2；S52，采用模糊评价方法分析轿厢声音特征值，基于轿厢声音特征值对于电梯运行状态的影响程度，从而确定第三运行状态D3。

对机房的特征声音的分析与电梯历史数据对比变化趋势，从而输出第二运行状态D2。对轿厢声音特征值的分析，主要是根据各项指标的权重，判断电梯的运行状态和最优状态的关联度，从而输出第三运行状态D3。

进一步的，步骤S6具体包括：第一运行状态D1为乘客呼救状态或者第二运行状态D2为急停状态或者第三运行状态D3为故障运行状态，则执行报警功能并指示对应电梯运行状态，否则，仅指示电梯运行状态。

本发明的有益效果是：

1、实时监测电梯的声音信号对电梯的运行状态进行评估，可以有效避免因定期维保导致的不能及时发现故障的问题；

2、对乘客声音和电梯声音进行分离，通过检测乘客声音的高频部分，分析其是否呼救，从而及时出发报警实施救援；

3、对机房声音和轿厢声音分开监控和分别进行数据分析，并综合考虑人声、机房声音、轿厢声音对电梯运行状态的影响，并对电梯运行状态进行实时指示，在发生异常情况下，立刻触发报警；

4、分别对机房声音和轿厢声音进行特征提取，对提取出的时域特征量和时频谱特征量进行分析，使分析更加全面；

5、基于神经网络算法和模糊评价算法分别对机房声音和轿厢声音进行分析，将机房的声音对应到电梯的急停状态，轿厢声音对应电梯轿厢处门电机、轿门等的运行状态，从而反应电梯整体运动状态。

附图说明

图1为本发明实施例的电梯运行状态评估系统的原理框图；

图2为本发明实施例的电梯运行状态评估系统的布局示意图；

图3为本发明实施例的电梯运行状态评估方法的流程图。

具体实施方式

为了便于本领域人员更好的理解本发明，下面结合附图和具体实施例对本发明做进一步详细说明，下述仅是示例性的不限定本发明的保护范围。

实施例1

如图1所示，本实施例所述的一种基于声音特征提取的电梯运行状态评估系统的原理框图，至少包括声音采集单元，人梯数据分离单元、人声分析单元、电梯声音分析单元以及报警单元，声音采集单元用于采集和转换轿厢原始声音和机房原始声音并发送至人梯数据分离单元；人梯数据分离单元用于分离轿厢声音信号为人声数据和轿厢运行声音数据，发送人声数据至人声分析单元，以及，发送轿厢运行声音数据和机房原始声音至电梯声音分析单元；人声分析单元用于分析人声数据，以及，基于分析结果输出第一运行状态D1至报警单元；电梯声音分析单元用于提取轿厢运行声音数据和机房原始声音中反映电梯运行状态的特征，并基于提取的特征分析得到电梯运行状态，以及，发送电梯运行状态至报警单元；报警单元基于接收的电梯运行状态和人声数据分析结果评估电梯运行状态,从而实施电梯维修或人员救助。

在一些实施例中，本发明电梯运行状态评估系统还包括数据通讯单元，用于实现各个单元之间的数据传输。

示例性的，声音采集单元的声音数据通过数据通讯单元的无线通讯模块传输至人梯数据分离单元。

如图2所示，为本发明电梯运行状态评估系统的一个实施例示意图，声音采集单元包括分别设置于机房和轿厢内用于分别采集轿厢原始声音信号和机房原始声音的拾音器，以及，接收拾音器声音信号并记录声音数据的采集卡。

在一些实施例中，声音采集单元还包括横流转换器，用于将原始声音信号转换为电压信号传输给采集卡。

示例性的，声音采集单元的拾音器每间隔20s分别采集机房和轿厢的声音信号，将声音信号数据打包并输出至横流转换器，横流转换器将信号传递至采集卡记录数据，

在一些实施例中，人梯数据分离单元安装在电梯机房或者报警装置附近，对接收到的实时声音数据进行初步分离。

在一些实施例中，人梯数据分离单元至少包括一个内置的语音分析单元，识别轿厢内的声音，并判断轿厢内是否载人。

需要说明的是，在实际应用中，电梯机房中禁止人员进入，因此，人梯数据分离单元主要针对轿厢的声音数据进行人声数据分离。

当电梯发生故障导致乘客被困时，绝大部分的乘客很难保持冷静，他们大多会发出呼救声或者尖叫，此时的乘客声音特征会有较为明显的变化，通过检测这种高频的变化，从而输出第一运行状态D1为呼救状态至报警单元，可以实现快速救援。

电梯声音分析单元至少包括耦接的特征提取单元和数据分析单元，其中，特征提取单元用于提取轿厢运行声音数据和机房原始声音中反映电梯运行状态的时域特征和时频域特征，并将特征提取结果输出至数据分析单元；数据分析单元基于特征提取结果分析电梯运行状态，并输出第二运行状态D2和第三运行状态D3至报警单元。

需要说明的是，针对机房原始声音进行提取的特征主要是对于电梯急停状况变化比较明显的特征量。从而判断电梯是处于急停状态或者正常运行状态。

实施例2

本发明实施例还提供了一种基于声音特征提取的电梯运行状态评估方法。如图3所示，为基于声音特征提取的电梯运行状态评估方法的流程图。结合图2所示的电梯运行状态评估系统对基于声音特征提取的电梯运行状态评估方法的进行说明。

本实施例所述的基于声音特征提取的电梯运行状态评估方法具体包括：

S1、采集电梯轿厢和机房中的声音信号，并分别转换为轿厢原始声音和机房原始声音。

通过安装在机房和轿厢中的拾音器实时采集声音信号，机房中的声音信号和轿厢中的声音信号通过横流转换器或者其他方式转换声音信号，并输出以及记录在采集卡，采集卡中的声音数据通过无线传输方式将声音传输给人梯数据分离单元。

S2、分离轿厢原始声音为轿厢运行声音数据和人声数据。

人梯数据分离单元安装在电梯机房或保安部门的报警装置附近，对接收到的实时声音数据进行初步分离。具体包括：

S21，对轿厢原始声音进行频谱分析。

频谱分析包括但不限于离散傅里叶变换、功率谱分析、能量谱分析等。将轿厢原始声音进行FFT变换获得频谱曲线分布；

S22，基于电梯运行噪声和人声的声音频率，确定轿厢运行声音和人声的基础频率；

由于电梯运行时发出的噪声和人声的声音频率并不相同，通过一定的分类器模型可以判断出电梯运行声音和乘客声音的基础频率。

本实施例中，对频谱曲线预设置一个阈值，将阈值外的部分消除来实现周期性窄带干扰去除。

S23，FFT阈值去噪将轿厢原始声音分为轿厢运行声音数据和人声数据。

采用包括低通滤波器和高通滤波器一维fft阈值滤波器对轿厢原始声音和人声数据进行分离。通过低通滤波器对轿厢原始声音进行处理，将小于截止频率的声音提取出来形成轿厢运行声音数据；再通过高通滤波器对轿厢原始声音进行处理，将属于高频信号的人声数据分离出来。其中，截止频率的计算公式为：

S3、分析人声数据并基于分析结果输出第一运行状态D1。

在本实施例中，图2所示的人声分析单元用于分析人声数据并输出第一运行状态D1。

人声分析单元至少包括语音识别系统，在接受人声数据后，首先通过语音识别系统判断是否乘客处于困状态，具体的，对人声数据进提取，转换为文字，监测其中是否出现呼救的内容。同时通过FFT分析对人声数据进行分析，即对时域人声数据转换为频域信号。

当电梯发生故障导致乘客被困时，绝大部分的乘客很难保持冷静，他们大多会发出呼救声或者尖叫，此时的乘客声音特征会有较为明显的变化，当乘客发出尖叫时，人声数据中的高频部分会增多，从而引起人声数据中频谱的变化。据此判断从而输出第一运行状态。

判断乘客声音4中是否含有尖叫或呼救声，将判断结果即第一运行状态D1输出至报警单元，其中，若有人呼救或尖叫则将第一运行状态D1记录为乘客呼救状态；若有乘客，则将第一运行状态D1记录为载客状态；若无乘客，则将第一运行状态D1记录为空载状态。

S4、分别对机房原始声音和轿厢运行声音数据进行特征提取，并对应输出机房声音特征值和轿厢声音特征值。

主要是针对各个故障较为敏感的特征值提取出来，在通过特征提取算法进行分析。

由于电梯机房中噪声较大，干扰较多，需要先对机房原始声音进行去噪处理。去噪方法包括但不限于通过小波阈值去噪、FFT阈值去噪方法以及经验模态分解方法。

在本发明的一个实施例中，应用小波去噪方法对机房原始声音去噪，利用小波变换方法对机房原始声音2进行多尺度分解，再对各尺度上的小波系数进行去噪，最后通过小波逆变换重构信号。

当电梯正常运行时，曳引式电梯的制动器工作是零速抱闸，发出声音较小，只起到保护作用，防止电梯溜梯，当电梯发生故障时，如停电、超速等状况，电梯的制动器释放抱闸，会产生急停现象，此时电梯制动器和制动轮剧烈摩擦，会产生巨大的声音。所以对机房原始声音监测，主要是为了监测电梯的急停现象。再通过时域分析提取时域特征值，包括均值、最大值、最小值、峰值因子以及脉冲因子。通过频域分析提取频域特征值后在通过时频分析方法得到机房原始声音的时频域特征值，包括重心频率、频率标准差以及香农熵表征电梯急停状态。其中，频域分析方法包括但不限于离散傅里叶变换、功率谱分析等。时频分析方法包括但不限于短时傅里叶变换、小波变换分析、希尔伯特-黄变换分析等分析方法。峰值因子计算公式为：

轿厢运行声音数据有用信息主要集中在高频，因此，需要先对轿厢运行声音数据进行预加重。预加重的目的是提高声音信号中的高频部分，使信号的频率变得平坦。一般来说，信号的高频部分频谱比较难以求的，而且在声音传递的过程中，声音信号的高频部分衰减比低频部分大很多。在本发明的实施例中，通过数字滤波器对轿厢运行声音数据进行预加重。预加重的数字滤波器形式如下：H(z)＝1-μz

S5，分别对机房声音特征值和轿厢声音特征值进行分析，以及基于分析结果输出第二运行状态D2和第三运行状态D3。

对机房声音特征值采用神经网络等分类器算法进行分析，从而判断是否存在急停现象，并且对应输出第二运行状态D2。依靠电梯的历史数据对比，当机房声音特征值5中的均值、最大值、最小值、峰值因子、脉冲因子以及香农熵有明显的较大趋势时，而重心频率、频率标准差有明显的较小趋势时，则表示电梯处于急停状态。若存在急停，则输出第二运行状态D2为急停，否则输出乘客电梯运行状态D2。

对轿厢声音特征值分析运用模糊评价算法，通过自适应层次分析法得到各个特征值对于电梯运行状态的影响程度，确定权重，最终得出最后的评估结果。

在本实施例中，运用灰色关联法进行评估，利用熵值法确定各项指标权重。为解决分析过程中，主观性过强的问题，引入了熵值法。指标或者系统的离散程度熵值法分析过程中主要考虑的因素。单一指标所占的熵值越大，即为该指标所蕴含的信息越大，在综合评估过程中所带来的影响也越大。

通常情况下，待评估的电梯与最优的状态的关联度越大，说明电梯的性能状况越佳。将评估结果D3分为理想运行状态、正常运行状态、危险运行状态以及故障运行状态四种状态。其中理想运行状态是指电梯最理想的电梯运行评价指标的理论值。本发明中则是取平均值、最大值、最小值、峭度、峭度指标、偏斜度指标、重心频率、均方频率、频率标准差以及香农熵选定为最理想的理论值。性能为“故障运行状态”的各指标值根据GB/T10058-2009《电梯技术条件》振动相关限值而定；另外评价结果为正常运行状态、危险运行状态、的各指标阈值选定为性能“故障运行状态”阈值的

S6，基于第一运行状态D1、第二运行状态D2和第三运行状态D3进行电梯运行状态评估。

本实施例中，对第一运行状态D1、第二运行状态D2和第三运行状态D3的决策和评估在报警单元中完成。且指示电梯运行状态通过指示灯来完成。

若第一运行状态D1结果为乘客呼救状态，则亮起载客状态指示灯L1并报警，若第一运行状态D1结果为载客状态，则亮起载客状态指示灯L1，若第一运行状态D1结果为空载状态，则亮起空载状态指示灯L2；若第二运行状态D2结果为急停状态，则亮起急停状态指示灯L3并报警，若第二运行状态D2结果为正常状态，则熄灭急停状态指示灯L3；若第三运行状态D3结果为理想运行状态，则亮起理想运行状态指示灯L4,若第三运行状态D3结果为正常运行状态，则亮起正常运行状态指示灯L5,若第三运行状态D3结果为危险运行状态，则亮起危险运行状态指示灯L6,若第三运行状态D3结果为故障运行状态，则亮起故障运行状态指示灯L7,并报警。

以上仅描述了本发明的基本原理和优选实施方式，本领域人员可以根据上述描述做出许多变化和改进，这些变化和改进应该属于本发明的保护范围。