DB50∕T 1393-2023 电梯永磁同步驱动主机故障诊断导则

ICS91.140.90

CCSQ78

DB50

重庆市地方标准

DB50/T1393—2023

电梯永磁同步驱动主机故障诊断导则

2023-04-18发布2023-07-18实施

重庆市市场监督管理局发布

DB50/T1393—2023

目  次

前言.............................................................................................................................................................II

1范围.................................................................................................................................................................1

2规范性引用文件.............................................................................................................................................1

3术语和定义.....................................................................................................................................................1

4故障数据采集.................................................................................................................................................2

5诊断流程.........................................................................................................................................................2

6后期处置.........................................................................................................................................................4

附录A（资料性）人工智能网络模型的建立...........................................................................................5

附录B（资料性）特征频率的计算............................................................................................................7

参考文献...............................................................................................................................................................9

I

DB50/T1393—2023

前  言

本文件按照GB/T1.1－2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由重庆市市场监督管理局提出、归口并组织实施。

本文件起草单位：重庆市特种设备检测研究院、重庆大学、重庆市质量和标准化研究院。

本文件主要起草人：杨震立、康笃刚、张雷、毛永芳、张东平、罗恒、邹同锋、柴毅、吕潇、邹瑜、

刘传奇、赵再友、李智、黄崧、邱勇军、谭宏伟。

II

DB50/T1393—2023

电梯永磁同步驱动主机故障诊断导则

1范围

本文件规定了电梯永磁同步驱动主机故障诊断的故障数据采集、诊断流程和后期处置。

本文件适用于额定速度不大于6.0m/s的电梯永磁同步驱动主机故障诊断。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件，不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T10068—2020轴中心高为56mm及以上电机的机械振动振动的测量、评定及限值

GB/T29716.3机械振动与冲击信号处理第3部分：时频分析方法

GB/T31821—2015电梯主要部件报废技术条件

3术语和定义

下列术语和定义适用于本文件。

3.1

电梯永磁同步驱动主机故障faultofpermanentmagnetsynchronousliftmachine

电梯本体不能识别的永磁同步驱动主机故障，包括主轴故障、轴承故障、永磁体故障、匝间断路故

障等。

3.2

迁移诊断模型transportdiagnosismodel

基于迁移学习机制建立的神经网络故障诊断模型。

3.3

数据准备datapreparation

合理截取采样得到的一维时间序列信号并转换为二维图片，作为神经网络模型的输入。

3.4

迁移学习transporttraining

在神经网络中使用域自适应层与域分类器来进行域自适应学习，利用源域数据训练基本特征提取及

分类网络后使用源域与目标域数据共同训练特征迁移层，实现对目标域数据的分布适配。

4故障数据采集

4.1采集位置

电梯永磁同步驱动主机故障数据的采集应在特定位置进行，包括但不限于：

1

DB50/T1393—2023

——振动信号：采集点应包括电梯永磁同步驱动主机主轴的轴向以及相互垂直的径向，具体位置

可参照GB/T10068—2020中7.2的要求。

——电流信号：采集点应在变频器输出端至电梯永磁同步驱动主机进线端之间。

4.2质量要求

采集到的电流及振动数据应至少达到以下要求：

——进行必要的数据预处理，如异常值剔除、降噪等；

——信噪比不得低于30dB；

——量化精度应不得低于16Bit；

——采样频率应不得低于100Hz。

采集所使用的传感器应通过计量检定和校准，并在有效期内使用。

5诊断流程

5.1诊断方法

5.1.1分类

对于电梯永磁同步驱动主机故障，可采用人工智能分析、制造单位推荐方法、信号分析以及拆机检

查这4种方法进行诊断。

应优先采用人工智能分析进行诊断。未采用人工智能分析的情况下，采用制造单位推荐方法进行诊

断。制造单位推荐方法无法确诊的情况下，采用信号分析进行诊断。信号分析无法确诊的情况下，采用

拆机检查进行诊断。

5.1.2人工智能分析

宜建立神经网络模型。当不能同时获取正常及故障状态下监测数据的情况下，还宜建立迁移诊断模

型。神经网络模型应具有输入层、不少于一个的中间层、输出层，其输出宜为故障类型的独热编码，不

同的编码代表被检测电梯永磁同步驱动主机所呈现的不同故障类型。神经网络模型的建立方法可参考附

录A。

电梯空载上行及下行全程运行至少3次，在符合4.1规定的位置采集电梯永磁同步驱动主机的振

动信号和电流信号，采用人工智能对上述信号进行分析。

5.1.3制造单位推荐方法

电梯制造单位对于电梯永磁同步驱动主机故障诊断的推荐方法包括经验判断、带电测试、辨识振动

位置、轴承热成像检测、空载反电势检测等，现场诊断流程应参照各出厂检验的要求进行。

5.1.4信号分析

电梯空载上行及下行全程运行至少3次，在符合4.1规定的位置采集电梯永磁同步驱动主机的振

动信号和电流信号，采取降噪、滤波、时频变换等措施对频谱、功率谱等进行分析，具体可参照GB/T

29716.3中的相关要求。

5.1.5拆机检查

拆机检查前，应将电梯的轿厢运行至井道顶部并使对重压实在缓冲器上，采用专业工具（如电动葫

芦）将轿厢吊起，并人为动作安全钳的触发装置。完成上述操作后，再根据永磁同步驱动主机的结构按

顺序拆卸并检查转子、轴承、转轴等。

2

DB50/T1393—2023

5.2故障分类

本文件所述的故障分类情况见表1。

表1电梯永磁同步驱动主机故障分类

故障类别故障描述故障代号

主轴故障主轴磨损、偏心、受撞击等S

轴承故障轴承磨损、配合松动、点蚀等B

永磁体故障因高温等造成永磁体的磁感应强度减弱M

匝间断路故障匝间线圈被异物割破导致断路C

5.3故障判定

5.3.1人工智能分析

5.3.1.1模型的预训练

预训练的输入设定，需要对所获取的电梯永磁同步驱动主机稳定运行信号进行截取和预处理。预训

练模型训练时使用的输入为一维时间序列信号，需按照每段信号至少10个周期的标准进行截取。预训

练模型训练时使用的输入为图像信号，可参照GB/T29716.3或其他等效方法将一维时间序列信号转换为

二维图像信号作为神经网络输入源。

利用在试验台架上人为设置的故障数据，在符合5.1.2规定的神经网络模型上进行训练，当检测

准确率达到95%以上时，停止训练并保存模型参数。

利用实际获取的故障数据，在符合5.1.2规定的神经网络模型上进行训练，当检测准确率达到80%

以上时，停止训练并保存模型参数。

5.3.1.2智能诊断

在电梯永磁同步驱动主机现场采集符合5.1.2的振动信号和电流信号，通过适当的数据准备成为

图片，输入至预训练模型进行迁移学习完成故障诊断的计算，得出诊断结果。

5.3.2制造单位推荐方法

故障判定标准应参照电梯制造单位的出厂检验标准执行。

5.3.3信号分析

5.3.3.1主轴故障

当电梯正常运行时，电梯永磁同步驱动主机主轴旋转基频及其倍频的幅值明显大于正常值时，可以

判定为主轴故障。主轴旋转基频的计算方法见附录B。

5.3.3.2轴承故障

当电梯正常运行时，包括但不限于下列振动的特征频率及其倍频的幅值明显大于正常值，可判定为

电梯永磁同步驱动主机轴承故障：

——内圈旋转频率；

3

DB50/T1393—2023

——外圈旋转频率；

——滚动体通过频率；

——保持架旋转频率。

轴承各特征频率的计算方法见附录B。

5.3.3.3永磁体故障

当电梯正常运行时，变频器输出端至电梯永磁同步驱动主机进线端之间的电流明显增大，且相电流

谐波频率幅值明显大于正常值时，可以判定为电梯永磁同步驱动主机永磁体故障。相电流谐波频率的计

算方法见附录B。

5.3.3.4匝间断路故障

当电梯正常运行时，变频器输出端至电梯驱动主机进线端之间的电流中，若任意一相电流振幅的有

效值明显大于正常电流振幅的有效值时，可判定为电梯永磁同步驱动主机匝间断路故障。

5.3.4拆机检查

把电梯驱动主机拆开后：

——目测轴承内圈、外圈、滚动体等部位的损伤情况，判断轴承是否磨损等失效；

——目测主轴的磨损情况，判断主轴是否磨损；

——采用专业仪器分别测量各磁钢的磁感应强度，判断各磁钢是否退磁；

——目测匝间线圈完好情况，判断是否存在匝间断路；

——观察驱动主机其他部位的情况，判断是否还存在其他的故障。

6后期处置

6.1报废

按GB/T31821—2015中4.2的要求进行报废处理。

6.2修理

判定为电梯永磁同步驱动主机主轴磨损、轴承磨损、磁钢退磁故障时，宜采取更换主轴、更换轴承、

更换磁钢的方式进行修理。

判定为电梯永磁同步驱动主机匝间断路故障时，宜采取整体更换驱动主机的方式进行修理。

判定为电梯永磁同步驱动主机的其他故障时，宜按照制造单位推荐方法进行修理。

4

DB50/T1393—2023

附录A

（资料性）

神经网络模型的建立

A.1神经网络模型的选择

电梯永磁同步驱动主机故障诊断的神经网络模型宜采用卷积神经网络，其建模流程包括卷积层、激

活函数、池化层、连接层等的建立以及训练。

注：卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种专门用来处理具有类似网络结构数据的神经网

络，由于卷积核具有参数共享的特点，结构效率较高，在处理图像数据、时间序列数据等网络结构数据时表现

优秀，是主要的深度神经网络结构之一。卷积神经网络的主要结构一般包括卷积核及其卷积运算组成的卷积层，

对网络数据赋予非线性的激活函数，以及对网络进行降采样及赋予其局部不变性的池化层。

A.2神经网络模型的建立

考虑到电梯永磁同步驱动主机在处于不同故障模式下的振动信号产生的低频和高频信息有明显的

区别，大卷积核会着重提取信号的短时高频特征，小卷积核则主要获取信号的全局信息即低频特征，因

此宜采取以下建模方式：

——采用3个卷积层、3个全连接层、3个池化层；

——采用由一层大卷积核和三层小卷积核堆叠而成的一维卷积核；

——损失函数采用交叉熵损失函数；

——优化函数采用自适应动量的随机优化算法；

——激活函数采用整流线性单元；

——池化层采用最大池化的方法。

采用上述方式建立的卷积层、全连接层以及网络整体结构如图A.1、图A.2以及图A.3所示。

图A.1卷积层

图A.2全连接层

5

DB50/T1393—2023

图A.3网络整体结构图

A.3预训练模型的构建及训练

针对电梯永磁同步驱动主机故障特征，采用一次训练所抓取的数据样本数量宜设置为32、学习率

为0.001的超参数值进行模型训练，并采用误差反向传播机制对所建立的卷积神经网络进行训练，使其

准确率达到95%以上。

构建域自适应结构的域分类器，将目标域与源域数据随机按1:1比例混合构建数据集，若目标域

数据过少可适当提高源域数据比例至1.3:1。添加源域数据标签为0，目标域数据标签为1，添加领域

类型标签以后，源域数据包含故障类型和领域类型共两种标签，目标域数据仅有领域类型标签。串联特

征提取网络、自适应层与域分类器网络来训练域分类器，使其判别精度到50%左右。

6

DB50/T1393—2023

附录B

（资料性）

特征频率的计算

B.1符号

下列符号用于电梯永磁同步驱动主机的计算公式（B.1）~公式（B.6）。

n——额定转速，r/min；

D——轴承的节径，mm；

d——滚动体的直径，mm；

α——接触角，rad；

z——滚动体个数；

P——磁极对数。

B.2主轴旋转基频

fr

n

f……（B.1）

r60

B.3轴承

B.3.1内圈旋转频率

fi

zfd

fr(1cos)……（B.2）

i2D

B.3.2外圈旋转频率

f0

zfd

fr(1-cos)……（B.3）

02D

B.3.3滚动体通过频率

fb

fDd22

fr[1-()cos]……（B.4）