[0001] 本发明涉及游乐园风险预警技术领域，具体涉及一种大型游乐园设备安全隐患风险预警系统。

[0002] 大型游乐园通常拥有各种各样的游乐设施，例如过山车、摩天轮、旋转木马及水上滑梯等，是重要的娱乐和休闲地点越来越受游客的欢迎。这些游乐设施给游客带来了冒险刺激的游玩体验，但是，由于其结构复杂，也存在一定风险。例如，过山车是速度和高度急速变化的设备，需要及时尽心维护，如果没有保持正确、及时的维护和合规操作，过山车轨道上易出现裂缝、松动的螺栓、生锈或磨损，这会导致过山车在运行过程中发生异常振动，可能影响过山车的稳定性，甚至容易导致重大安全隐患。所以，对大型游乐园设备进行安全风险预警至关重要。

[0003] 现有的对大型游乐园设备进行安全风险预警的检测方法需要对传感器获取的大量数据进行实时处理和分析，这些不同类别的传感器数据易出现重叠和噪声，但是，通常使用支持向量机对传感器获取的数据进行分析，分析过程对噪声和数据重叠相对敏感，所以安全风险预警时准确性和效率不足。

[0017] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0018] 请参阅图1，其示出了本发明一个实施例提供的一种大型游乐园设备安全隐患风险预警系统流程图，该系统包括：数据采集模块、异常振动评价模块、剧烈振动评价模块、共振评价模块、安全隐患评价模块、安全隐患预警模块。

[0019] 数据采集模块，采集振动数据并进行预处理，获取振动数据窗口序列。

[0020] 大型游乐园设备种类繁多，例如：过山车、寻转木马、跳楼机等，本实施例以过山车为例进行分析。

[0021] 过山车轨道通常是金属制成的，如钢铁或铝合金，因此，过山车轨道会因长期使用、气候条件等原因出现磨损和腐蚀，过山车轨道上的螺栓和连接点会发生松动致使轨道部件不稳定。过山车在行驶中会导致过山车轨道出现一定范围的振动，轨道部件不稳定时，振动明显增大，所以，对过山车检测轨道上的振动进行检测，以实现对过山车的安全隐患风险预警。

[0022] 在过山车轨道的最低处或在过山车轨道上过山车经历大幅度下坡的位置，轨道会承受较大的重力和压力；在过山车轨道上过山车高速转弯的位置，轨道会承受侧向力；所以这些位置的过山车轨道最容易出现松动。

[0023] 将山车轨道的最低处、山车轨道上过山车经历大幅度下坡的位置和过山车轨道上过山车高速转弯的位置记为过山车轨道标记位置。

[0024] 在过山车轨道标记位置安装振动传感器，使用振动传感器采集振动数据，采集振动数据的时间间隔经验值为 。

[0025] 为了便于对振动数据的分析，将振动数据按照采集时间的先后顺序进行排列，获取振动数据序列。

[0026] 为避免振动数据的采集过程受仪器及外部各种因素的干扰的影响，对振动数据序列进行数据清洗。本实施例对振动数据序列采用Binning分箱算法进行数据清洗。其中，Binning分箱算法为公知技术，不再赘述。

[0027] 对数据清洗后的振动数据序列进行时间窗口的划分，获取振动数据窗口序列。每个时间窗口的长度的经验值为2秒。其中，振动传感器的总数量和振动传感器对应的振动数据窗口序列的数量保持一致，将振动传感器的总数量记为第一数量。

[0028] 至此，获取振动数据窗口序列。

[0029] 异常振动评价模块，根据振动数据窗口序列获取近似系数分量和细节系数分量，根据振动数据窗口序列和振动数据窗口序列的近似系数分量获取振动响应异常系数。

[0030] 在过山车不存在安全隐患风险时，振动数据窗口序列仅包含过山车在行驶中导致过山车轨道出现的在正常范围内的振动；在过山车存在安全隐患风险时，振动数据窗口序列包含过山车在行驶中导致过山车轨道出现的在正常范围内的振动和异常振动。所以，在过山车运行过程中，轨道连接处过于松动、车轮与轨道的接触不紧密等安全隐患问题会导致轨道整体的振动幅度高于正常振动幅度。所以，分别对每一个振动传感器对应的每一个振动数据窗口序列进行单独分析。

[0031] 为了及时对过山车存在的安全隐患风险进行预警，对振动数据窗口序列采用小波变换进行分解，获取近似系数分量和细节系数分量。其中，小波基函数设置为haar小波，分解层级设置的经验值为4。

[0032] 将第 个振动数据窗口序列 的近似系数分量记为 ，细节系数分量记为。

[0033] 近似系数分量表征振动数据窗口序列的整体趋势，是信号中较为平滑的部分，是信号的长期趋势。细节系数分量表征振动数据窗口序列的细节信息，是信号中快速变化的部分，例如信号的尖峰、锋利的边缘等。

[0034] 根据振动数据窗口序列和振动数据窗口序列的近似系数分量获取振动响应异常系数。

[0035]式中， 表示第 个振动数据窗口序列的振动响应异常系数； 表示第 个振动数据窗口序列内包含的数据数量； 表示第 个振动数据窗口序列内包含的振动数据的极差； 表示第 个振动数据窗口序列的近似系数分量 内包含的数据的最大值； 为第 个振动数据窗口序列内包含的第 个振动数据； 表示第 个振动数据窗口序列的近似系数分量 内包含的数据的标准差； 表示以自然常数为底数的指数函数。

[0036] 当传感器中的数据在过山车经过时采集的振动数据越大时，振动数据窗口序列的近似系数分量内包含的数据的最大值越大，在过山车经过前及经过后，轨道只存在轻微振动，采集的多数振动数据均较小，所以多数振动数据与近似系数分量内包含的数据的最大值差异越大、振动数据窗口序列内包含的振动数据的极差和标准差越大，则振动数据窗口序列的振动响应异常系数越大，振动数据窗口序列对应的轨道的振动幅度高于正常振动水平的可能性越大，振动数据窗口序列对应的过山车轨道越可能出现安全隐患。

[0037] 至此，获取每个振动传感器对应的每个振动数据窗口序列的振动响应异常系数。

[0038] 剧烈振动评价模块，根据振动数据窗口序列的细节系数分量获取子区间，根据振动数据窗口序列的振动响应异常系数和子区间获取振动响应瞬时跳动指数。

[0039] 当过山车的负载过大时，过山车在大幅度下坡的最低点以及高速转弯处产生的巨大离心力作用与轨道上，使得轨道的振动急剧增强，易使过山车出现安全隐患，当增强的振动幅度大于轨道所能承受的振动幅度时，过山车会出现安全事故。所以，集中分析振动数据的急剧变化部分以对安全隐患进行识别。

[0040] 细节系数分量可表征振动数据的急剧变化部分，对振动数据窗口序列的细节系数分量进行分析。

[0041] 获取振动数据窗口序列的细节系数分量中包含的数据的最大值和最小值，将分别以最小值和最大值为下限和上限的区间等距划分为第一预设阈值个子区间。其中，第一预设阈值的经验值为10。统计振动数据窗口序列的细节系数分量中包含的所有数据落入每个子区间的概率。

[0042] 根据振动数据窗口序列的振动响应异常系数和所有子区间内包含细节系数分量中数据的数量获取振动响应瞬时跳动指数。

[0043]式中， 表示第 个振动数据窗口序列的振动响应瞬时跳动指数； 表示第个振动数据窗口序列的振动响应异常系数； 表示第 个振动数据窗口序列中包含的数据落入第 个子区间内的概率； 表示第一预设阈值，经验值为10；表示第一调节系数，经验值为2。

[0044] 出现安全隐患的过山车轨道位置易出现急剧增大的振动数据，且会出现较多的稳定于较小范围的振动数据，使 显著大于未出现安全隐患的过山车轨道对应的数值，所以，出现安全隐患的过山车轨道位置的振动数据窗口序列的振动响应瞬时跳动指数较大。

[0045] 至此，获取每个振动传感器对应的每个振动数据窗口序列的振动响应瞬时跳动指数。

[0046] 共振评价模块，获取振动传感器的相邻振动传感器，获取振动传感器和其相邻振动传感器的振动响应瞬时跳动指数的统计量值和显著性水平，进而获取振动数据窗口序列的振动中心传递系数，根据振动中心传递系数建立振动中心传递系数矩阵，获取振动数据窗口序列的第一振动数据，根据第一振动数据建立第一振动数据矩阵，根据振动中心传递系数矩阵和第一振动数据矩阵获取共振分布矩阵。

[0047] 当过山车在轨道上行驶时，轨道受到过山车的影响产生振动，依次相连的过山车轨道发生共振，易引发过山车轨道结构受到重复的振动冲击，导致过山车轨道结构部件的疲劳和损坏，过山车轨道发生共振时，越为接近引起共振的过山车轨道位置，振动幅度越大，受到共振的影响越大。

[0048] 将振动传感器相邻的第二预设阈值个振动传感器记为相邻振动传感器。其中，第二预设阈值的经验值为6。对对应同一时间段的振动传感器和其相邻振动传感器的振动数据窗口序列的振动响应瞬时跳动指数进行Kolmogorov‑Smirnov检验，获取每个振动响应瞬时跳动指数的统计量值。其中，Kolmogorov‑Smirnov检验的原假设为振动响应瞬时跳动指数服从高斯分布，备择假设为振动响应瞬时跳动指数不服从高斯分布，设置Kolmogorov‑Smirnov检验的显著性水平为第三预设阈值，第三预设阈值的经验值取5%，Kolmogorov‑Smirnov检验为公知技术，不再赘述。

[0049] 根据振动传感器和其相邻振动传感器的振动响应瞬时跳动指数的统计量值和显著性水平获取振动数据窗口序列的振动中心传递系数。

[0050]式中， 表示第 个振动数据窗口序列的振动中心传递系数； 表示以
第二预设阈值 确定的第 个振动数据窗口序列的振动响应瞬时跳动指数的统计量值，其中，第二预设阈值 的经验值为6； 表示显著性水平，取值为第三预设阈值，第三预设阈值的经验值取5%； 为以自然常数为底数的指数函数。

[0051] 当振动数据窗口序列的振动响应瞬时跳动指数的统计量值大于显著性水平时，振动数据窗口序列对应的振动传感器和其相邻振动传感器获取的振动数据窗口序列服从正态分布的显著性越大，振动数据窗口序列对应的振动传感器位置出现共振的可能性越大；当振动数据窗口序列的振动响应瞬时跳动指数的统计量值小于等于显著性水平时，振动数据窗口序列对应的振动传感器和其相邻振动传感器获取的振动数据窗口序列不服从正态分布的显著性越大，振动数据窗口序列对应的振动传感器位置出现共振的可能性越小。

[0052] 为了更好地分析整个轨道系统中轨道的共振影响，根据各振动数据窗口序列的振动中心传递系数建立振动中心传递系数矩阵。振动中心传递系数矩阵的列数等于振动传感器的总数量，振动中心传递系数矩阵的行数等于振动传感器对应的振动数据窗口序列的数量。

[0053]其中， 表示振动中心传递系数矩阵，振动中心传递系数矩阵的大小为 ；
表示第一数量 表示第1个振动传感器的第1个振动数据窗口序列的振动中心传递系数； 表示第 个振动传感器的第1个振动数据窗口序列的振动中心传递系数；
表示第1个振动传感器的第 个振动数据窗口序列的振动中心传递系数； 表示第 个振动传感器的第 个振动数据窗口序列的振动中心传递系数。

[0054] 振动中心传递系数矩阵中振动中心传递系数 表示第 个振动传感器的第个振动数据窗口序列的振动中心传递系数，其中， 。

[0055] 将振动数据窗口序列内包含的振动数据的均值记为振动数据窗口序列的第一振动数据。

[0056] 同理，根据振动数据窗口序列的第一振动数据获取第一振动数据矩阵 ，第一振动数据矩阵的大小为 。

[0057]式中， 表示第一振动数据矩阵，第一振动数据矩阵的大小为 ； 表示第
1个振动传感器的第1个振动数据窗口序列的第一振动数据； 表示第 个振动传感器的第
1个振动数据窗口序列的第一振动数据； 表示第1个振动传感器的第 个振动数据窗口序列的第一振动数据； 表示第 个振动传感器的第 个振动数据窗口序列的第一振动数据。

[0058] 将振动中心传递系数矩阵与第一振动数据矩阵的Hadamard乘积记为共振分布矩阵 ，共振分布矩阵的大小为 。

[0059] 至此，获取共振分布矩阵，共振分布矩阵获取流程图如图2所示。

[0060] 安全隐患评价模块，根据共振分布矩阵获取第一特征值向量，获取第二特征值向量、第一共振分布矩阵和第二共振分布矩阵，根据第一共振分布矩阵、第二共振分布矩阵、第一特征值向量和第二特征值向量获取振动传感器位置处的共振安全风险系数。

[0061] 当过山车的轨道运行状态良好，无明显松动时，过山车经过时造成的过山车轨道振动会迅速衰减，在振动中心传递系数矩阵中表现为局部元素值高于矩阵中的其他元素的数值；当过山车轨道出现安全隐患时，过山车轨道多个结构部件的疲劳和损坏会导致共振，在振动中心传递系数矩阵中表现为元素值普遍偏大。

[0062] 对共振分布矩阵进行奇异值分解，得到共振分布矩阵的特征值和特征向量，每一个特征值都对应一个特征向量。同时，由于不同传感器的振动数据不可能完全相同，所以共振分布矩阵可对角化，即特征值对应的特征向量不同。

[0063] 其中，奇异值分解为公知技术，不再赘述。

[0064] 将共振分布矩阵的所有特征值按照从大到小的顺序排列为第一特征值向量 。

[0065] 第一特征值向量 提供共振分布矩阵对应的振动传感器位置处的轨道振动信息。

[0066] 为了比较振动传感器位置处的轨道振动信息，需要将振动传感器位置处的轨道振动信息与正常无安全隐患位置的振动传感器位置处的轨道振动信息进行比较。

[0067] 同理，获取正常无安全隐患位置的振动传感器位置处的共振分布矩阵和第一特征值向量。为便于区分，将正常无安全隐患位置的振动传感器位置处的共振分布矩阵记为第二共振分布矩阵 ，将正常无安全隐患位置的振动传感器位置处的第一特征值向量记为第二特征值向量 ，将振动传感器位置处的共振分布矩阵记为第一共振分布矩阵 。

[0068] 根据第一共振分布矩阵、第二共振分布矩阵、第一特征值向量和第二特征值向量获取振动传感器位置处的共振安全风险系数。

[0069]式中， 表示第 个振动数据窗口序列对应的振动传感器位置处的共振安全风险系数； 表示第一共振分布矩阵； 表示第二共振分布矩阵； 表示第一特征值向量； 表示第二特征值向量； 表示第一共振分布矩阵的F‑范数； 表示第二共振分布矩阵的F‑范数；表示第一数量； 表示第一特征值向量的模长； 表示第二特征值向量的模长；表示点乘计算。

[0070] 振动数据窗口序列对应的振动传感器位置处的轨道振动信息与正常无安全隐患位置的振动传感器位置处的轨道振动信息越为相似时，第一共振分布矩阵与第二共振分布矩阵越为相似、第一特征值向量和第二特征值向量越为相似，振动数据窗口序列对应的振动传感器位置处的共振安全风险系数越小，即振动传感器位置处的轨道振动信息越接近于正常无安全隐患位置的振动传感器位置处的轨道振动信息、振动传感器位置处出现安全隐患的可能性越小。

[0071] 至此，获取振动数据窗口序列对应的振动传感器位置处的共振安全风险系数。

[0072] 安全隐患预警模块，根据共振安全风险系数实现大型游乐园设备安全隐患风险预警。

[0073] SVM支持向量机是一种在数据分析和机器学习领域中常用的一种统计学预测算法，将同一振动传感器位置处连续的第一窗口阈值个振动数据窗口序列对应的振动传感器位置处的共振安全风险系数作为SVM算法的输入，获取输出标签，即振动传感器位置是否存在安全隐患风险的结果。其中，输出标签包括1和‑1，输出标签1表示振动传感器位置不存在安全隐患风险，输出标签‑1表示振动传感器位置存在安全隐患风险。

[0074] 其中，第一窗口阈值的经验值为10；SVM支持向量机为公知技术，不再赘述。

[0075] 当存在振动传感器位置存在安全隐患风险时，表明大型游乐园中的过山车存在安全风险，存在安全风险的位置即为输出标签‑1对应的振动传感器位置，需对存在安全风险的位置及时采取相应维护措施；当所有振动传感器位置均不存在安全隐患风险时，表明大型游乐园中的过山车不存在安全风险。

[0076] 至此，实现大型游乐园设备安全隐患风险预警。

[0077] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。