自动扶梯分形行为，第三部分

在该系列的倒数第二个条目中比较了两个自动扶梯的分形维数值。

阿里·阿尔巴德里博士

本期将比较两个自动扶梯的分形维数 (Df) 值：一个没有任何机械缺陷，另一个有机械缺陷。 与我们之前的比较研究（有和没有乘客）一样，[1] 这篇文章将展示是否可以使用估计 Df 值的技术检测到机械故障。 当自动扶梯有缺陷或没有缺陷时，量化自动扶梯的行为可以为自动扶梯维护人员提供很大的优势。 它将帮助他们定义定量级别指标，以区分有问题和没有问题的自动扶梯。 他们将帮助定义一个系统，根据自动扶梯的需求确定维护计划的优先级。 本研究中使用的方法论原则可以在任何其他机械或电气产品中实施。

介绍

自动扶梯既复杂又准确。 它们由单独的组件和组件组成，这些组件和组件彼此相互作用以在阶梯带中产生物理运动，用于将乘客从建筑物的一层运送到另一层。

对于资产管理公司来说，保持自动扶梯的良好运行至关重要。 因此，他们尽最大努力采用和部署深思熟虑的维护计划，以减少自动扶梯停止服务对财务的影响。 此外，如果设备停止服务，用户必须走 17-20 米高的高度，乘客的挫败感就会增加。

多种监控设备已被用于监控单独的自动扶梯组件或子组件。 要查看来自这些设备的信号，只需到自动扶梯控制面板即可。 这些监控系统可以检测机械故障前后的趋势，帮助维护公司了解采取哪些步骤将故障趋势恢复到无故障趋势。 这在机器停止服务之前特别有用。 然而，监控系统已被证明是昂贵的，并且本身通常具有很高的维护成本。 它们的正确使用需要训练有素的人员，他们可以做出受过教育的预测来识别机械故障。

自动扶梯内部机械部件和子组件之间机械相互作用的弹性取决于它们机械相互作用的关键程度。 像任何复杂的网络一样，这些关键组件/子组件可以充当节点。 关键单个节点的故障可能导致整个机械系统的灾难性故障，导致自动扶梯停止运行。 当小事件在关键节点引起小问题时，临界点就会出现。 这些小问题会随着时间的推移而膨胀成重大中断，因为维护团队或自动扶梯自我监控系统都难以检测到它们。

像 smart step[2 & 3] 这样的发明可以一次性解决上述所有问题。 smart step 的自然操作是它在自动扶梯运行的几个周期内扫描许多这些关键节点。 我们提出了一种源自混沌和复杂系统理论的技术来处理来自智能步骤的数据。 [1 & 4] 它处理转换数据，就好像它们是从非线性系统生成的一样。 组件和子组件之间的相互作用使它们以非线性方式运行。 我们的技术使用 Df 作为定量值来表征自动扶梯的运行性能。 我们展示了 Df 与自动扶梯阶梯带中的应力水平之间有趣关系的潜力。 [4] Df 的值用于显示乘客负载对智能步骤测量数据的影响。 它表明乘客在测量频谱中产生了更多的波峰和波谷，导致
Df 值增加。 在另一项研究中，我们将整个复杂的频谱划分为自动扶梯内的各个区域。

这证明了自动扶梯的整体 Df 是各个区域的 Df 值的数学总和。 [5]

用于确定 Df 的方法

与我们之前的研究一样，[1 & 4] Df 是使用缩放步长技术确定的。 该技术也被其他作者用于各种应用。 [6-11]

本研究中的智能台阶有两个应变计，安装在台阶的关键部件上。 通过对其进行各种有限元分析模拟加载场景来评估步骤中组件对机械载荷和步骤中产生的应力水平的临界性和敏感性。

smart step 在两个自动扶梯 A 和 B 中运行了很短的时间。图 1-4 显示了在自动扶梯 A 和 B 中运行 smart step 后从两个应变计获得的数据的轨迹。运行完成当自动扶梯没有载客时。 图 9-12 显示了应变计 1 和 2 的完整迹线的估计 Df 值。估计值列于表 1 中。

结果与讨论

尽管图 5 和图 7 中的迹线的性质可能看起来比图 1 和图 3 中的迹线更粗糙，但图 1 和图 3 的光谱的相对变化远高于图 5 和图 7 中的迹线。事实上，这些迹线图 5 和图 7 中的典型自动扶梯没有任何机械缺陷。 但是，图1和图3表明自动扶梯A存在问题，当仔细研究这些图（图​​2和图4）时，问题变得明显。 比较图 2 和图 4 表明，与应变计 1 相比，智能步骤在应变计 2 处承受更高的应力水平，尤其是在返回侧。 应变仪 100 处的应力水平超过 1 MPa，而应变仪 15 处的应力水平为 2 MPa。在自动扶梯 B 中测得的应力水平在两个应变仪的测量中均不超过 10-12 MPa。

对两部自动扶梯进行目视检查以确定数据差异的原因。 发现自动扶梯A返回侧的卸货坡道完全错位。

这些发现的结果是应变仪 1 记录的高应力水平和自动扶梯 A 轨迹中的高粗糙度，与自动扶梯 B 的轨迹相比。这种行为已使用分形维数概念的值进行量化。 在自动扶梯 A 中运行智能步骤的 Df 值高于在自动扶梯 B 中运行智能步骤获得的轨迹的 Df 值。表 1 显示了仪表 1 和 2 如何为自动扶梯生成完全相同的 Df B.

结论

本研究证明，Df 可用于量化自动扶梯的行为，无论它们是否存在机械缺陷。 有机械缺陷的自动扶梯产生更粗糙的测量痕迹，与没有任何缺陷的自动扶梯相比，具有更高的 Df 值。 Df 增加约 3.6%。 有趣的是，对于没有任何机械缺陷的自动扶梯 B，两个应变计的估计 Df 是相同的，为 1.569。 这意味着当智能台阶在没有任何机械缺陷的自动扶梯中运行时，Df 值与台阶中应变仪的位置无关。

案例
[1] A. Albadri。“自动扶梯分形行为，第二部分”，《电梯世界》，2020 年 XNUMX 月。
[2] 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)。
[3] A.阿尔巴德里。 “智能阶梯测量自动扶梯的心跳”，EW，2020 年 4 月。[2020] A.阿尔巴德里。 “Escalator Fractal Behavior，第一部分”，EW，XNUMX 年 XNUMX 月。
[5] Francis C. Moon，“制造过程中的动力学和混沌”，
非线性科学中的 Wiley 系列，1998 年。
[6] Athanasia Zlatintsi，“乐器信号的多尺度分形分析与识别应用”，电气和电子工程师协会 (IEEE) 音频语音和语言处理交易卷。 21，第 4 期，2013 年 XNUMX 月。
[7] JD维克多。 “用于系统识别程序的测试信号影响的分形维数”，生物控制论 57，第 421 页。 426-1987 (XNUMX)。
[8] 石昌廷． “基于分形特征和机器学习的信号模式识别”，Applied Sciences 8，p。 1,327 (2018)。
[9] Dumitru Scheianu 和 Ion Tutanescu，皮泰斯蒂大学，
电子、通讯和计算机系。
[10] P. Marago 和 A. Potamianos。 “语音的分形维数：自动语音识别的计算和应用”，美国声学学会杂志第 195 (3) 期，1999 年 XNUMX 月。
[11] RH Riedi、MS Crouse、VJ Ribeiro 和 RG Baraniuk，“应用于网络流量的多重分形波模型”，IEEE Transactions on Information Theory Vol。 45，第 3 期，1999 年 XNUMX 月。