详情

原文传递基于双向门控循环神经网络的电梯故障预警方法

专利名称：	基于双向门控循环神经网络的电梯故障预警方法
摘要：	本发明公开了一种基于双向门控循环神经网络的电梯故障预测方法，步骤包括：1)将电梯振动波形数据进行采样；2)将电梯振动波形样本转化为序列形式；3)将序列化后的样本分为训练集及测试集；4)构建双向门控循环神经网络构架；5)将双向门控循环神经网络构架进行训练；6)使用测试集进行预测测试，得到双向门控循环神经网络预测模型；7)使用双向门控循环神经网络预测模型进行电梯故障预测分类，得到预测的电梯波形结果。本发明还公开了一种基于双向门控循环神经网络的电梯故障诊断方法，判断结果表明电梯处于故障状态则发送警报。本发明的两个方法，对电梯状况的诊断和预测具有极高的准确率和实时性。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	西安理工大学
发明人：	邓亚平;王璐;徐敬一;贾颢;刘岚;李琳
专利状态：	有效
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201810647751.0
公开号：	CN108569607A
代理机构：	西安弘理专利事务所 61214
代理人：	王奇
分类号：	B66B5/00(2006.01)I;B66B1/06(2006.01)I;B66B5/02(2006.01)I;B66B3/00(2006.01)I;B;B66;B66B;B66B5;B66B1;B66B3;B66B5/00;B66B1/06;B66B5/02;B66B3/00
申请人地址：	710048 陕西省西安市金花南路5号
主权项：	1.一种基于双向门控循环神经网络的电梯故障预测方法，其特征在于，按照以下步骤实施：步骤1：将电梯振动波形数据进行采样，转化为按照采集时间排序，以时间序列为基准的样本序列；步骤2：将电梯振动波形样本转化为序列形式，该序列包含两个部分，第一部分为输入信号序列，第二部分为输出预测序列；训练样本的信号序列和预测序列均取自样本序列，其中，信号序列与预测序列相差p个时间单位，信号序列中的t时刻数据，为预测序列的t‑p时刻数据，信号序列与预测序列形状相同，矩阵形状均为[样本数目,步长,输出维度]；步骤3：将序列化后的样本分为训练集及测试集，其中训练集数据占总样本的70％，测试集数据占总样本的30％；步骤4：构建双向门控循环神经网络构架，包括三个部分，第一部分为输入部分，第二部分为隐含层部分，第三部分为输出层部分，输入层部分仅包含一层输入层；隐含层部分包含多层隐含层，隐含层中含有双向门控循环神经网络层、全连接层及丢弃层；输出层仅包含一层全连接层；通过训练后的双向门控循环神经网络通过最后一层全连接层来输出序列的预测，其中除第一层输入层外其余神经网络层均通过激活函数与前一层神经网络层链接，每一层的输出数据进行规范化处理，得到双向门控循环神经网络构架；步骤5：将双向门控循环神经网络构架进行训练，每次训练遍历训练集中的每一个训练数据，每次遍历被称为一个世代，使双向门控循环神经网络构架进行多个世代训练，并在训练过程中使用损失函数输出损失率；经过多个世代训练后得到最优的神经网络构架参数；步骤6：使用测试集进行预测测试，若测试集预测波形与测试集波形相差过大，则表明参数不正确，出现此现象则需要调整超参数；之后再使用步骤5的方式进行训练，得到双向门控循环神经网络预测模型；步骤7：使用双向门控循环神经网络预测模型进行电梯故障预测，每次预测一个时间单位，即对预测进行循环，每次取预测后的值和前255个值构成一个输入，即每次通过256个值来预测一个新的值，循环256次从而预测出一个完整的电梯波形序列；对电梯波形序列调用之前训练好的双向门控循环神经网络预测模型进行分类，从而得到预测的电梯波形结果。
所属类别：	发明专利