基于大样本检验数据的电梯风险预评估方法

摘要：本研究聚焦于基于大样本检验数据的电梯风险预评估方法，构建了适用于电梯风险预评估的模型，该模型能够综合考虑多种影响电梯安全运行的因素，如设备老化程度、运行频率、故障历史等。经实验验证，此方法可有效提高电梯风险预评估的准确性和可靠性，为电梯的维护管理和安全保障提供了科学、高效的决策依据，有助于降低电梯事故发生的概率。
关键词：大样本检验；检验数据；电梯风险；预评估

前言：近年来，随着信息技术的快速发展，电梯在运行过程中的各类数据得以蓬勃发展，基于大样本数据的风险评估逐渐成为可能。大样本检验数据包含了大量电梯运行信息，通过对这些数据的研究和分析，能够更加全面和准确地了解电梯的实际运行状态和安全风险。因此，探索基于大样本检验数据的电梯风险预评估方法具有重要的现实意义，不仅能够提高电梯风险评估的科学性和精确度，而且可以为电梯的预防性维护和安全管理提供支持，确保电梯的安全、稳定运行。

1大样本检验数据概述

1.1 数据来源

大样本检验数据可以从多种渠道获得，数据来源越广泛，越有利于全面掌握电梯运行情况。电梯监测系统是主要的数据来源之一，它能记录电梯运行过程中的各种参数，如速度、加速度、楼层位置等，从而掌握电梯运动状态。维修记录也是数据来源的重要组成部分，维修记录会对每次维修的时间、故障情况、采取措施等进行记录，可以了解电梯过往的故障维修情况以及维修后使用情况。检验报告是对电梯经过检验后，由检验机构出具的综合性报告，包含电梯安全性能、是否符合相关规定等多方面的内容。用户对电梯使用的反馈意见、电梯厂家提供的资料等，也能为大样本检验数据提供支持，上述各方面数据共同构成了大样本检验数据的多元来源。

1.2 数据类型与特点

大样本检验数据属于结构化和非结构化数据。结构化数据具有标准的格式和定义，如电梯测试参数，如同交流三相电压、电流、三相平衡度、温度等和故障代码，易于采集和分析。非结构化数据是以文字形式存在，如维修日志，记录了维修人员的检修内容，对故障的理解，以及排除方法等。大样本数据具有2个特点:数据体量大，包含长时间内大量的电梯测试数据；数据类型多，包含不同型号、不同厂家、不同使用状况的电梯数据；大样本数据同时呈现三大特征:高维性，包含多个变量，彼此又相互关联，从多角度、多维度综合分析电梯风险，探究电梯故障发生规律；多样性，不同类型的变量描述不同的属性；高相关性，多个变量之间存在相关关系。

1.3 数据预处理

预评估前应对电梯运行质量数据进行预处理，剔除不正确的或不完整的数据，以保证后续分析的正确性和合理性。首先是对数据清洗，剔除不正确的或不完整的数据，保证数据的一致性。对于缺少的 数据，根据实际情况采用删除法或插补法进行处理，如少量缺失的运行参数，可用统计值进行插补。然后是对数据预处理。通过对数据进行检测，剔除异常值。由于电梯运行质量数据易受设备故障、测量误差等因素影响而出现异常，将异常值剔除或校正后，可避免其对分析结果产生误导。经过以上预处理，可保证数据的正确性和完整性，为基于大样本检验数据的电梯风险预评估提供保证。

2电梯风险因素分析

2.1 电梯系统结构与运行原理

电梯主要由曳引系统、导向系统、轿厢、门系统、重量平衡系统、电力拖动系统、电气控制系统、安全保护系统等组成。曳引系统是依靠曳引机驱动钢丝绳，带动轿厢做上下运动，是电梯运行的驱动部分。导向系统由导轨等构成，使轿厢和对重沿导轨做垂直升降运动。轿厢是电梯运送乘客或货物的载体，门系统则保障人员进出台阶。重量平衡系统是用对重块平衡轿厢的重量，以减少曳引机的功率消耗。电力拖动系统是电梯的驱动部分，电气控制系统是电梯的逻辑控制部分，安全保护系统则是安装在电梯上，当电梯有异常时保障安全。电梯工作原理是通过控制系统接受指令和信号，控制曳引机的运转，驱动轿厢在导轨上按照既定的方向和速度运行，弄清楚他的结构和原理有助于分析各部分的风险因素。

2.2 风险因素识别

在设备自身方面，零部件老化和磨损是常见风险因素。如钢丝绳长期使用会出现磨损、断丝，影响曳引能力；制动器的制动衬片磨损过度，会导致制动力不足。环境因素也不容忽视，高温环境会使电梯的电气设备散热困难，增加故障发生概率；潮湿环境可能引发电气元件短路。人为因素同样关键，操作不当，如乘客在电梯内打闹、强行扒门等，会干扰电梯正常运行；维护不及时，未能按时对电梯进行保养、检查和维修，可能使潜在问题逐渐恶化，最终引发安全事故。此外，安装质量不过关、设计缺陷等也可能成为影响电梯安全运行的风险因素。

2.3 风险因素量化

为了便于综合评估电梯风险，需要对电梯识别出来的风险因素进行量化，从而更好的对其进行综合评估（如表1所示）。首先确定因素权重，可以采用专家评估法、层次分析法等方法，根据各因素对电梯正常运行的影响程度赋予不同的权重，如电梯正常运行的重要因素:制动器故障，赋予其较高的权重。然后制定评分标准。设备零部件的老化、磨损，可根据磨损程度进行划分，不同的等级赋予不同的分数，如轻微磨损给予1-2分，中度磨损给予3-4分，严重磨损给予5分。环境因素，可根据温度、湿度的范围进行划分，不同的范围赋予不同的分数。人为因素，分为操作不当和维护不及时，可根据频率不同进行划分，赋予不同的分数。这样对风险因素进行量化后，对电梯风险进行综合评估就一目了然了。

表1风险因素量化表格

3基于大样本数据的风险评估模型构建

3.1 模型选择依据

在电梯风险评估模型的研究中，电梯风险评估模型的选择受多种因素影响。准确性是其中一个重要因素，模型的准确性可以使得该模型可以更加准确的评估电梯的风险等级，从而为电梯的维护和安全提供依据。例如，可以通过该模型的准确判断高风险电梯，从而提前对电梯进行维护，避免事故发生。可解释性也是一个重要的考虑因素，可解释性良好的模型可以使得模型的管理人员可以更容易理解模型的评估结果和依据，更容易根据模型的结果采取行动。例如，可更容易说明该电梯处于高风险的原因。计算效率也是一个重要的因素，大样本的数据计算量较大，计算效率较高的模型可以节省计算资源，可以更快的处理数据，得到评估结果，满足实际需求。考虑上述因素，选择适合电梯风险评估的模型。

3.2 模型构建过程

首先从大样本检验数据中选择出与电梯风险有关的特征，例如电梯运行时间、电梯故障次数、电梯零部件使用年限等，并将其作为模型的输入。然后进行模型训练，将大样本数据划分为训练集和测试集，使用训练集对选择的模型进行训练，使模型通过特征与电梯风险之间的关系。模型训练完成后，不断调整模型参数，以提高模型性能。可以使用k-fold交叉验证等方法估计模型在不同数据集上的表现，验证模型的泛化能力。最后使用测试集对训练好的模型进行验证，使用测试集中的未见过的数据检查模型的预测准确性，并根据验证结果进一步调整模型，直至满意。

3.3 模型评估指标

考核电梯风险预评估方法的指标通常有准确率、召回率和F1值等。准确率是指模型正确预测的样本数与总样本数的比例，反映了模型的总体预测精度。召回率是指模型能够正确挖掘出的正样本(风险电梯)的比例。F1值是准确率和召回率的调和平均值，F1值综合了准确率和召回率。通过上述指标的统计，可以综合评价模型的性能。准确率高而召回率低说明模型容易忽视风险电梯；召回率高而准确率低说明模型容易出错。通过上述指标的分析，可以发现模型的优缺点，进而改进和优化模型，提高电梯风险评估的可靠性。 结束语:基于大样本检验数据的电梯风险预评估方法有利于电梯安全管理。通过发挥大样本数据信息优势，运用先进的数据分析技术和模型，能够更加容易发现电梯运行过程中的安全风险，从而提前预防，减少电梯事故。

结束语：基于大样本检验数据的电梯风险预评估方法在电梯安全管理中具有明显的优势和应用价值。通过发挥大样本数据的信息优势，结合先进的数据分析技术和模型，可以更准确地发现电梯运行过程中的安全风险，提前采取预防措施，减少电梯事故的发生。

参考文献

[1]任晓峰.大样本检验数据对电梯风险评估的应用[J].电子元器件与信息技术,2018,(07):22-24+28.DOI:10.19772/j.cnki.2096-4455.2018.07.006.

[2]陈国华,蔡文杰,王新华,等.基于大样本检验数据的电梯风险预评估方法[J].中国安全科学学报,2015,25(05):56-60.DOI:10.16265/j.cnki.issn1003-3033.2015.05.010.