摘要：为了克服传统电梯故障检测系统在精度和动态范围上的不足，在硬件层面采取了将高性能STM32微控制器与MPU6050加速度计相结合的技术方案，目的是实现对电梯振动数据的高精度采集。在软件层面采用了卷积神经网络-长短期记忆网络（CNN-LSTM）的深度学习算法模型，对采集到的电梯振动数据信号进行深入分析，有效识别出与电梯故障相关的关键特征，并进行准确的预测分析。通过该智能分析系统，可以实时监控电梯的运行状态，并在上位机界面直观地展示预测结果。结果显示，该系统能够拟合电梯振动信号的整体波动趋势，在不排除外界人为干扰的情况下，预测结果能够达到83%，且预测集整体损失值为0.000 6。该系统能够很好的适应电梯运行环境，对电梯运行状态实时检测，而且能够提前识别出潜在的故障信息。

　　关键词：电梯振动信号；故障预测；CNN-LSTM算法

　　0引言

　　随着现代高层建筑的不断发展，电梯已经成为公众日常生活中不可或缺的垂直交通工具。数据显示，2000年以来我国电梯数量持续增长，截止2022年年底统计数据显示，中国电梯使用量已经达到965万余台，电梯数量稳居世界前列[1-2]。为了保证乘客在使用电梯时的安全，国家制定了许多与电梯相关的管理规定，以保证设备的稳定运行。同时，电梯作为现代城市建筑中的重要垂直交通设施，在设计上精密复杂，依靠多个精密系统的无缝配合，确保高效、稳定和安全地运行[3-6]。状态监测系统能够实时获取并分析设备的关键运行数据，预测电梯设备未来的性能趋势和可能的故障点，对设备健康进行持续监测[7-8]。利用传感器测量电梯设备的三轴加速度，对安全性指标进行分析与计算[9-10]。RAO等[11]指出，日立公司针对本品牌电梯特性研发出可对被监管电梯建立数据档案的电梯安全监管系统，全天候监控存储电梯的基本信息。富士达所开发的电梯远程监控可视系统（ELVIC）[12]，通过连接大楼内的广域网络或局域网络，即可在计算机上开启监控可视系统，实时监控电梯运行情况。邹鑫等[13]基于S7-1500PLC设计了一种电梯运行监控系统，其仿真实验结果表明，该系统能够有效降低电梯运行能耗，提高了查找故障的准确性和维修效率。

　　因此，本文设计了一套电梯振动监测系统，安装在轿厢顶部的压电式加速度计可以实时采集电梯的振动信息。压电传感器通常基于弹簧质量系统的理论，将测得的加速度信号转换为充电信号，以便于后续信息的采集[14]。同时采用STM32F373CCT6作为核心控制器，保证数据的快速计算和传输。该系统可以快速准确的检测电梯振动信号，为电梯设备检查人员提供极大的帮助。

　　1测量方式

　　在实施信号采集之前，必须建立一个稳固的轿厢振动坐标系。这个坐标系以轿厢质心为原点，x轴沿轿厢门的开闭方向，y轴垂直于轿厢门的方向，z轴沿着轿厢上下运动的垂直方向[15]。此坐标划分有助于精确分析和定位电梯在不同方向上的振动特性。这一系统采用了先进的信号处理技术和深度学习算法，不仅提高了电梯故障预测的准确性，也降低了维护成本，并提升了电梯系统的可靠性和安全性，能够实现更早的预警和更精细的故障诊断。轿厢等效模型如图1所示。

       2系统设计

　　2.1系统构成

　　电梯振动故障预测系统的设计包括5个核心部分，由电源供电、信号采集、数据处理、模型预测、上位机显示组成。电源部分将电梯自带的24 V对外接口电源转换成适用于STM32F373CCT6微处理器的3.3 V直流电源，同时采用隔离技术以消除电源干扰，确保系统稳定可靠地工作。信号采集部分包括振动信号采集电路、声音信号采集电路和人体红外采集电路组成。振动信号采集电路利用高精度的MPU6050加速度计，捕获电梯在3个空间维度（x、y、z轴）上的振动数据，为后续的分析提供了全面的输入信息；声音信号采集电路和人体红外采集电路可以捕获电梯内是否有乘客以及乘客的说话声音，对振动信号产生一定的滤波作用，提高数据分析的准确性；数据处理部分使用了STM32F373CCT6微处理器，其不仅配备了强大的DSP处理器，还拥有充足的RAM和高分辨率的ADC[16-17]，使其成为理想的选择来执行复杂的信号处理算法和初步分析。模型预测部分将经过预处理的数据送入卷积神经网络-长短期记忆网络（Convolutional Neural Net⁃work-Long Short Term Memory Network，CNN-LSTM）的深度学习模型中进行训练，能够准确识别出潜在的故障振动信号。上位机显示部分将预测结果以可视化的形式呈现，方便操作人员检测电梯状态并及时做出维护决策。

　　2.2振动信号采集电路

　　在振动信号采集电路中，选用InvenSense公司生产的MPU6050加速度计芯片作为关键的信号采集组件。在正常情况下，电梯运行时产生的振动信号频率一般位于0.5~30 Hz的范围内。为了对这些振动信号进行精确的监测和分析，采用了MPU6050加速度计，该设备的采样频率为250 Hz，充分满足了对电梯运行振动信号采集的频率要求。MPU6050可以使用I2C接口与微控制器通信，其内置了高精度的16位模数转换器（ADC），使得芯片能够将模拟的加速度信号转换成数字信号，通过I2C接口将捕获的振动信号传输给上位机，便于后续的数据处理和分析[18-19]，其工作电路如图3所示。

　　参考文献：

　　[1]涂传魁.浅析电梯检验检测技术的应用及发展[J].技术与市场,2020,27(11):99-100.

　　[2]任晓峰.论电梯检测市场化的配套机制和思考[J].中国标准化,2020(10):201-203.REN X F.On the supporting mechanism and consideration of ele⁃vator inspection marketization[J].China Standardization,2020(10):201-203.

　　[3]黄振强.电梯运行振动的原因及检验案例分析[J].机电技术,2024,1:52-54.

　　[4]赵东平,孙南,寇彦飞,等.高速电梯运行参数对轿厢振动特性的影响分析[J].中国电梯,2020,31(13):6-10.ZHAO D P,SUN N,KOU Y F,et al.Influence of the high speed elevator operation parameters on the vibration characteristics of elevator car[J].China Elevator,2020,31(13):6-10.

　　[5]王继宏,王琪冰,张豪.电梯运行振动特性分析与应对方法的研究[J].机电工程技术,2019,48(11):94-96.WANG J H,WANG Q B,ZHANG H.Solution research on the analysis and coping with the vibration characteristics of elevator operations[J].Mechanical&Electrical Engineering Technology,2019,48(11):94-96.

　　[6]叶健.电梯运行振动原因分析及应对方式探讨[J].中国设备工程,2019(16):81-83.

　　[7]蒋曦阳,黄健鹏,童一飞,等.基于物联网的电梯故障监测与预警系统设计[J].机械制造与自动化,2023,52(6):213-216.JIANG X Y,HUANG J P,TONG Y F,et al.Design of elevator fault monitoring and early warning system based on internet of things[J].Machine Building&Automation,2023,52(6):213-216.

　　[8]宋军.电梯智能监测及预警系统的开发[J].机械管理开发,2024,39(1):191-192.Song Jun.Development of intelligent monitoring and early warn⁃ing system for elevators[J].Mechanical Management and Devel⁃opment,2024,39(1):191-192.

　　[9]CHENG Y J,YANG D,ZHOU H C.Det-LB:A Load Balancing Approach in 802.11 Wireless Networks for Industrial Soft Real-Time Applications[J].IEEE Access,2018,6:32054-32063.

　　[10]仉莹,张涛,葛平淑,等.电机轴承智能故障诊断综述[J].机电工程技术,2024,53(3):1-6.ZHANG Y,ZHANG T,GE P S,et al.Review on intelligent fault diagnosis of motor bearings[J].Mechanical&Electrical Engi⁃neering Technology,2024,53(3):1-6.

　　[11]RAO A R,MAHESH M.Analysis of the Energy and Safety Criti⁃cal Traction Parameters for Elevators[J].EPE JOURNAL,2018,28(4):169-181.

　　[12]HUI S C,LEUNG M K H,WANG F.Eleview Remote Intelli⁃gent Elevator Monitoring System[J].International Journal of Computers and Applications,2004,26(2):1-8.

　　[13]邹鑫,何文雪,牛杰.基于SIMATICS7－1500PLC的电梯监控系统设计[J].机械制造与自动化,2022,51(2):210-213.ZOU X,HE W X,NIU J.Design of elevator monitoring and control system based on SIMATICS S7-1500PLC[J].Machine Building&Automation,2022,51(2):210-213.

　　[14]周茗皓.曳引电梯振动信号检测系统的设计[J].机械工程师,2021(7):101-102.ZHOU M H.Design of vibration signal detection system fortrac⁃tion elevator[J].Mechanical Engineer,2021(7):101-102.

　　[15]武仪,萨日娜,裘乐淼,等.基于导轨多激励关联的轿厢水平振动预测方法[J].机电工程,2021,38(12):1520-1528.WU Y,SA R N,QIU L M,et al.Car horizontal vibration predic⁃tion method based on guideway multiple excitation correlation[J].Journal of Mechanical&Electrical Engineering,2021,38(12):1520-1528.

　　[16]王明达,艾学忠,郑巍,等.基于STM32的三电极电化学测试系统设计[J].电子制作,2023,23(3):8-11.

　　[17]郑巍,艾学忠,蒙永龙,等.基于STM32F373的光伏组件IV特性测试系统[J].机电工程技术,2024,53(2):111-115.ZHENG W,Ai X Z,MENG Y L,et al.Pv module IV characteris⁃tic test system based on STM32F373[J].Mechanical&Electri⁃cal Engineering Technology,2024,53(2):111-115.

　　[18]赵中舒,田顺,颜黎明.基于STM32和MPU6050的AACN系统模拟与触发算法验证[J].公路与汽运,2023(6):9-15.

　　[19]熊宇,陶曾杰,彭勇,等.基于STM32的体感检测装置设计[J].电子制作,2023,31(22):60-62.

　　[20]杨春,覃汐赫,杨小帅.深度学习算法在工业网络安全的应用及挑战[J].工业信息安全,2023(6):96-103.YANG C,QIN X H,YANG X S.Application and challenges of deep learning algorithms in industrial cybersecurity[J],2023(6):96-103.

　　[21]唐丝语,黄智.基于因果卷积与LSTM网络的电离层总电子含量预报[J].空间科学学报,2022,42(3):357-365.TANG S Y,HUANG Z.Prediction of ionospheric total electroncontent based on causal convolutional and lstm network[J].Chi⁃nese Journal of Space Science,2022,42(3):357-365.

　　[22]张锐,曾鑫.结合注意力机制的CNN-LSTM心电信号识别[J].计算机应用与软件,2023,40(12):209-216.Zhang Rui,Zeng Xin.Ecg signal recognition based on CNN-LSTM conbined with attention mechanism[J].Computer Appli⁃cations and Software,2023,40(12):209-216.

　　[23]张涛,任伟,魏刚,等.基于CNN和LSTM的风机轴承剩余寿命预测方法研究[J].电气技术与经济,2023(9):26-28.