自动扶梯分形行为，第一部分

将分形的概念与用于乘客服务的自动扶梯的机械性能和可用性相关联

已从电子“智能步”系统收集并下载数据痕迹，该系统已在卸载的自动扶梯中运行以检测自动扶梯的心跳。 数据轨迹已被量化为单个值，使用分形维数概念 (）。 已部署成功的技术来确定每个迹线的 Df。 在对数-对数尺度上已经实现了一致且合理的线性关系。

自动扶梯的分类和分类 set 可以开启新的举措，将这些值与用于乘客服务的自动扶梯的机械性能和可用性相关联。 它们将可靠地反映自动扶梯子机械系统的机械运行和质量。 例如， 值可以真正量化反映自动扶梯不同区域的轨道质量。 台阶应力水平可以与轨道的质量相关，因此，与.

介绍

自从为自动扶梯行业引入 smart step 以来，您的作者和他的团队一直在各种类型的自动扶梯中广泛使用它。 [1] 已部署智能步骤以检测自动扶梯的“心跳”。 心跳的轨迹提供了有关自动扶梯机械健康状况的出色数字数据：它显示了自动扶梯运行的平稳程度或粗略程度，量化了梯级与内部各种机械部件之间的相互作用，并提供了有关应力水平的直接而准确的信息以及自动扶梯阶梯带所处的挠度。 它还可以量化自动扶梯内部的振动水平。

智能踏步已成为自动扶梯维修中必不可少的检测工具。 应力、挠度和振动水平可以存储在其电子系统中。 电子系统可以通过蓝牙在自动扶梯附近（大约 15 米半径）或在更远的距离使用蓝牙与互联网进行通信。

这项工作的目标首先是轻松可靠地量化和处理来自智能步骤的信号。 然后，最重要的就是用数值来对自动扶梯的质量和可靠性进行分类。 这将使用以下概念来实现 ，已用于测量电子信号/迹线的复杂性。 通常，复杂度可以在系统的时域、频域和相空间进行分析。 频域分析需要对信号进行傅立叶变换，而相空间分析需要将数据嵌入到更高维空间中。 反过来， 是一种描述性的定量度量，是量化信号复杂性的单个数字。 [2]

已经研究和建模了寻找非线性动态机械系统的新想法，这些系统可能直接应用于加工、磨削、轧制等制造过程。 [3] 这项调查的目标是确定是否可以使用智能步骤等工具量化信号 概念。

用于确定的方法

这里使用了缩放步长技术来确定. 用 Microsoft Excel 编写了一个计算机程序来确定 并绘制数据。 我们的方法与许多研究人员使用的多分辨率长度方法非常相似。 [3-5]

时间序列中的步骤 = s = {s(0), s(1), s(2), s (3), ... . .s(n)} 的长度为 n 的恍惚。 当 i = 1, 2, 3, ... 时，图中的每个点都用 (xi, yi) 表示。 . .n. xi 值是横坐标，yi 值是纵坐标值。 两点 (x1, y1) 和 (x2, y2) 之间的欧几里德距离为：

首次分辨率曲线的总长度计算如下：

注意，随着分辨率变得更粗糙，时间序列的估计长度变得更不准确。 对不同的分辨率重复上述操作，(r = r1, r2, r3, r4, . . rp, 其中 rp 是计算曲线长度的最大最粗分辨率。

通过绘制对数对数图 (1/rk) 与 (Lr) 并计算斜率，分形维数的计算公式为：

为在全新、全面翻新的自动扶梯上运行而打造的智能台阶。 八个应变计安装在步骤的不同位置（图 1）。 在步骤的 3D 模型上进行有限元分析模拟后，仪表位于步骤中的关键位置。 根据 BS EN 115 标准中的建议，通过进行轴向、扭转和链条差动测试来加载台阶。

结果与讨论

图 2 显示了九个应变计的轨迹数据，这些数据是在自动扶梯运行超过 15 分钟后从智能步骤下载的。 不幸的是，应变计没有。 2 开发出故障； 因此，来自该仪表的数据将被忽略。 轨迹的形状（波峰和波谷的数量）清楚地表明了扶梯各个区域中轨迹的平滑程度或粗糙程度。 轨迹中非常高或非常低的峰值可以显示异常事件发生的位置。 这个主题将在一篇文章中深入讨论
未来的文章。

图 3 显示了所有九个仪表的对数图。 确定每个仪表的 Df（表 1）。 这些图显示出与易于估计的斜率良好的线性关系，因此， .
最大和平均测量应力之间的关系根据评估的值绘制 . 尽管图中的参数之间存在弱关系，但图表表明它们之间可能存在有趣的关系。 这鼓励我们继续进行进一步的调查。

结论

来自智能步骤的轨迹的系统、可重复和一致的模式鼓励我们使用分形维数概念将这些轨迹的质量量化为值。 本研究证明， 可以用作根据自动扶梯的建造、设计和维护制度的质量对自动扶梯进行分类和分类的工具。 它还暗示了相关性的潜力 许多其他变量的值，例如阶梯带中的最大和平均应力水平。 载客量和产生的应力水平的影响 将在后续文章中研究。

案例

[1] A.阿尔巴德里。 “Tube Lines 智能监控自动扶梯磨损”，《计算机周刊》(07/01/2008)。
[2] BS Raghavendra 和 D. Narayana Dutt。 “使用多分辨率盒计数方法计算信号的分形维数”，世界科学、工程和技术学院第 37 期（2010 年）。
[3] D. Scheianu 和 I. Tutanescu。 “分形信号的应用”，皮耶斯蒂大学通信与计算机系。
[4] A. Zlatintsi 和 P. Maragos，“乐器信号的多尺度分形分析与识别应用”，IEEE Transaction on Audio、Speech and Processing，Vol。 21，没有。 4（2013 年 XNUMX 月）。