智能解决故障的楼宇管理系统

技术领域

本发明涉及楼宇管理领域，更具体地，涉及一种智能解决故障的楼宇管理系统。

背景技术

楼宇管理指的是对建筑物以及公共设施进行管理、维护、保养和提高使用率等服务，以保障建筑物的正常运作和居住者的舒适感受。其中，楼宇内部的电梯是重要的管理目标之一。

随着电梯的广泛使用，故障也是无法避免的存在，以下是几种常见的电梯故障：电梯无响应、电梯抖动、误停楼层、楼层间停止和紧急停止故障。示例地，楼层间停止可能是由于制动系统故障或电缆磨损造成的，需要检查制动系统和电缆，并更换任何磨损的部件；紧急停止故障可能是由紧急停止按钮或接线故障引起的，需要检查紧急停止系统和接线，并更换相关有故障的部件。

然而，现有技术中的楼宇管理中只能维修已经发生故障的电梯，而无法预测电梯未来发生故障的时机，更不用说预测电梯未来发生故障的故障类型，导致楼宇管理缺乏前瞻性，对故障的处理和电梯的维护都过于滞后，无法有效避免楼宇安全事故的发生。

发明内容

为了解决相关领域的技术问题，本发明提供了一种智能解决故障的楼宇管理系统，能够基于筛选的各项基础数据以及定制的智能分析模式智能预测楼宇内目标电梯未来时刻发生各项故障分别对应的各份概率数值，进而解析目标电梯未来时刻发生的故障类型，从而为后续的电梯故障维修以及楼宇安全管理提供有价值的参考信息。

根据本发明，提供了一种智能解决故障的楼宇管理系统，所述系统包括：

内容存储设备，设置在楼宇管理控制室内，采用数据库存储各类电梯故障分别对应的各个电梯故障码，所述各类电梯故障包括电梯无响应、电梯抖动、误停楼层、楼层间停止和紧急停止故障；

分时采集设备，设置在楼宇管理控制室内，用于采集目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据，所述目标电梯位于楼宇内；

信息提取设备，设置在所述分时采集设备附近，用于获取目标电梯的各份配置信息，所述目标电梯的各份配置信息包括所述目标电梯的本身重量、所在楼宇的层数、电梯内部容积以及电梯最多承载人数；

智能分析机构，分别与所述内容存储设备、所述分时采集设备以及所述信息提取设备连接，用于采用卷积神经网络模型基于目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息智能分析目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率；

多次学习机构，与所述智能分析机构连接，用于对卷积神经网络执行多次学习以获得卷积神经网络模型，所述多次学习的学习次数与所述目标电梯的电梯最多承载人数成正比；

预测处理机构，与所述智能分析机构连接，用于比较目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率以获得各份发生概率的最大值，并将所述最大值对应的电梯故障码的关联电梯故障类型作为下一时刻的预测电梯故障类型输出。

因此，本发明至少具备以下几处有益的技术效果：

首先：采用针对性筛选的各项基础数据用于楼宇内目标电梯未来时刻发生各项故障分别对应的各份概率数值的智能分析，所述各项基础数据为目标电梯在未来时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息；

其次：采用定制构造的卷积神经网络模型用于执行楼宇内目标电梯未来时刻发生各项故障分别对应的各份概率数值的智能分析，为保证所述模型的智能分析结果的可靠性和稳定性，采取了以下几项构造措施：对卷积神经网络执行多次学习以获得卷积神经网络模型，学习次数与目标电梯的电梯最多承载人数成正比，同时在每一次学习中，将目标电梯在某一过往时刻各个电梯故障码分别对应的各份发生概率作为卷积神经网络的输出内容以完成本次学习操作；

再次：比较目标电梯在未来时刻各个电梯故障码分别对应的各份发生概率以获得各份发生概率的最大值，并将所述最大值对应的电梯故障码的关联电梯故障类型作为未来时刻的预测电梯故障类型输出，从而完成对目标电梯在未来时刻的故障类型的智能预测。

本发明的智能解决故障的楼宇管理系统运行智能、安全可靠。由于能够智能预测楼宇内目标电梯未来时刻发生各项故障分别对应的各份概率数值，进而解析目标电梯未来时刻发生的故障类型，从而有效降低了楼宇安全事故发生的概率。

附图简要说明

本领域技术人员通过参考附图可更好理解本发明的众多优点，其中：

图1是依照本发明的第一实施例的智能解决故障的楼宇管理系统的内部结构示意图。

图2是依照本发明的第二实施例的智能解决故障的楼宇管理系统的内部结构示意图。

图3是依照本发明的第三实施例的智能解决故障的楼宇管理系统的内部结构示意图。

具体实施方式

下面将参照附图对本发明的智能解决故障的楼宇管理系统的实施方案进行详细说明。

图1是依照本发明的第一实施例的智能解决故障的楼宇管理系统的内部结构示意图，所述系统包括：

内容存储设备，设置在楼宇管理控制室内，采用数据库存储各类电梯故障分别对应的各个电梯故障码，所述各类电梯故障包括电梯无响应、电梯抖动、误停楼层、楼层间停止和紧急停止故障；

示例地，所述内容存储设备可以为FLASH闪存、MMC存储芯片或者TF存储芯片，用于采用数据库存储各类电梯故障分别对应的各个电梯故障码，所述各类电梯故障包括电梯无响应、电梯抖动、误停楼层、楼层间停止和紧急停止故障；

以及示例地，采用数据库存储各类电梯故障分别对应的各个电梯故障码，所述各类电梯故障包括电梯无响应、电梯抖动、误停楼层、楼层间停止和紧急停止故障包括：所述数据库为Oracle数据库、ACCESS数据库、SQL数据库、DB2数据库、Sybase数据库、MySQL数据库、MariaDB数据库、VF数据库、SqlServer数据库或者SQLite数据库；

分时采集设备，设置在楼宇管理控制室内，用于采集目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据，所述目标电梯位于楼宇内；

信息提取设备，设置在所述分时采集设备附近，用于获取目标电梯的各份配置信息，所述目标电梯的各份配置信息包括所述目标电梯的本身重量、所在楼宇的层数、电梯内部容积以及电梯最多承载人数；

智能分析机构，分别与所述内容存储设备、所述分时采集设备以及所述信息提取设备连接，用于采用卷积神经网络模型基于目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息智能分析目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率；

示例地，可以选择使用数值仿真模式实现采用卷积神经网络模型基于目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息智能分析目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率的仿真处理过程；

多次学习机构，与所述智能分析机构连接，用于对卷积神经网络执行多次学习以获得卷积神经网络模型，所述多次学习的学习次数与所述目标电梯的电梯最多承载人数成正比；

预测处理机构，与所述智能分析机构连接，用于比较目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率以获得各份发生概率的最大值，并将所述最大值对应的电梯故障码的关联电梯故障类型作为下一时刻的预测电梯故障类型输出；

其中，采集目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据，所述目标电梯位于楼宇内包括：目标电梯在每一时刻对应的单份电梯运行数据包括目标电梯在所述时刻的距离最近楼层数值、运载人数、运载重量、运行速度以及运行加速度；

其中，采集目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据，所述目标电梯位于楼宇内还包括：当前时刻的下一时刻之前均匀间隔的各个历史时刻包括当前时刻。

图2是依照本发明的第二实施例的智能解决故障的楼宇管理系统的内部结构示意图。

相比较于图1，图2中的依照本发明的第二实施例的智能解决故障的楼宇管理系统还可以包括：

数据通信机构，与所述预测处理机构连接，用于将接收到的下一时刻的预测电梯故障类型对应的字符数据与目标电梯的编号一并发送到远端的大数据服务器；

示例地，所述数据通信机构可以为基于时分双工通信链路或者频分双工通信链路的无线通信机构；

其中，将接收到的下一时刻的预测电梯故障类型对应的字符数据与目标电梯的编号一并发送到远端的大数据服务器包括：将接收到的下一时刻的预测电梯故障类型对应的字符数据与目标电梯的编号打包成网络数据包；

其中，将接收到的下一时刻的预测电梯故障类型对应的字符数据与目标电梯的编号一并发送到远端的大数据服务器还包括：将所述网络数据包通过无线通信网络发送到远端的大数据服务器。

图3是依照本发明的第三实施例的智能解决故障的楼宇管理系统的内部结构示意图。

相比较于图1，图3中的依照本发明的第三实施例的智能解决故障的楼宇管理系统还可以包括：

实时显示机构，与所述预测处理机构连接，用于接收并显示下一时刻的预测电梯故障类型对应的字符数据。

接着，继续对本发明的智能解决故障的楼宇管理系统的具体结构进行进一步的说明。

在根据本发明的各个实施例的智能解决故障的楼宇管理系统中：

对卷积神经网络执行多次学习以获得卷积神经网络模型，所述多次学习的学习次数与所述目标电梯的电梯最多承载人数成正比包括：在每一次学习中，将目标电梯在某一过往时刻各个电梯故障码分别对应的各份发生概率作为卷积神经网络的输出内容，将目标电梯在所述某一过往时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息作为卷积神经网络的输入内容，完成本次学习操作。

在根据本发明的各个实施例的智能解决故障的楼宇管理系统中：

采用卷积神经网络模型基于目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息智能分析目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率包括：将目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息输入到卷积神经网络模型；

其中，采用卷积神经网络模型基于目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据以及目标电梯的各份配置信息智能分析目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率还包括：执行所述卷积神经网络模型以获得其输出的目标电梯在下一时刻各个电梯故障码分别对应的各份发生概率。

在根据本发明的各个实施例的智能解决故障的楼宇管理系统中：

采集目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据，所述目标电梯位于楼宇内还包括：当前时刻的下一时刻与当前时刻的下一时刻之前均匀间隔的各个历史时刻共同组成一个完整的时间区间；

其中，采集目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据，所述目标电梯位于楼宇内还包括：当前时刻的下一时刻与当前时刻的间隔时长等于任意两个相邻历史时刻的间隔时长；

其中，采集目标电梯在当前时刻的下一时刻之前均匀间隔的各个历史时刻分别对应的各份电梯运行数据，所述目标电梯位于楼宇内还包括：所述目标电梯所在楼宇的层数越多，每两个相邻历史时刻的间隔时长越短。

另外，在所述智能解决故障的楼宇管理系统中，采用数据库存储各类电梯故障分别对应的各个电梯故障码，所述各类电梯故障包括电梯无响应、电梯抖动、误停楼层、楼层间停止和紧急停止故障包括：采用不同的二进制数值表示各类电梯故障分别对应的各个电梯故障码。

虽然本发明已经被描述的相当具体，但是应该认识到，不脱离本发明的精神和范围，本领域的技术人员可以改变其中的元件。相信通过前面的描述将能够理解本发明的系统以及该系统附带的优点，并且很清楚，可以对其中的形式、结构及其组件安排进行各种改变，而不会脱离本发明的范围和精神或者不牺牲本发明的所有实质性优点，并且由于此前描述的形式仅仅是本发明的说明性实施例，也不会提供另外的实质性改变。权利要求书意在涵盖并包括这些改变。