详情

原文传递一种基于时间序列预测模型的电梯轿厢振动异常预警方法

专利名称：	一种基于时间序列预测模型的电梯轿厢振动异常预警方法
摘要：	一种基于时间序列预测模型的电梯轿厢振动异常预警方法，使用时间序列预测模型对电梯传感数据进行预测，根据预测值是否在正常值的范围内来对电梯轿厢是否会发生振动异常进行提前预警。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江工业大学
发明人：	张元鸣;沈志鹏;虞家睿;肖刚;高飞;陆佳伟
专利状态：	有效
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201810446994.8
公开号：	CN108584592A
代理机构：	杭州天正专利事务所有限公司 33201
代理人：	王兵;黄美娟
分类号：	B66B5/00(2006.01)I;G06N3/04(2006.01)I;B;G;B66;G06;B66B;G06N;B66B5;G06N3;B66B5/00;G06N3/04
申请人地址：	310014 浙江省杭州市下城区潮王路18号
主权项：	1.一种基于时间序列预测模型的电梯轿厢振动异常预警方法，包括以下步骤：(1)电梯振动数据预处理；分为以下步骤：(1.1)数据清洗；数据清洗的具体步骤如下：输入：原始时间序列数据D输出：清洗后的时间序列D’步骤：(S1):从D中取出时间序列中的首个数据D0赋值为s和p(S2):for时间序列数据集D中的每个数据项item1 then：if s的时间＝＝item1的时间then:从D中移除item1项将item1赋值给s(S3):for时间序列数据集D中的每个数据项item2 then：if item2的值＝＝NULL then:取出p和D中下一项的值，取2者的均值赋值给item2将item2赋值给p(S4):将修改后的序列输出(1.2)划分窗口；将电梯轿厢振动数据按照时间步长进行划分，即在模型训练和预测时根据该时间步长的历史信息预测下一个时刻的数值，按照滑动步长为1，滑动窗口大小为2进行划分，则划分后的数据为{{1，2}，{2，3}，{3，4}}；(1.3)数据归一化；多条件时间序列数据的每个条件在数值上相差较大且可能具有不同的波动范围，因此为了能够很好地训练模型，必须对这些数据进行归一化处理，其方法是将各类数值缩放到同一尺度，其计算公式如下：其中x为原始数值，xmin为当前维度所有数据中数值最小的值，xmax为当前维度所有数据中数值最大的值,x*为缩放后的数值；(1.4)洗牌和切分数据集；洗牌是指将按照时间窗口划分后的数据进行打乱，切分数据集是指将全部数据集进行划分，使一部分数据用于模型的训练，一部分数据用于模型的选择，另一部分数据用于对预测准确性的判断；(2)构建时间序列预测模型；设电梯振动时序数据X＝(x1，x2，...，xt‑1，xt)，xt是传感器在t时刻的数值，则电梯轿厢振动预测即是根据已知数据X，求得xt+1时刻的最大似然估计p(x):xt+1时刻的值将会利用t+1时刻之前的所有数据值；若结合额外的辅助传感器数据，则可获得多条件时间序列，此时公式(2)变为如下形式表示：其中x^t表示t时刻轿厢振动信号数据，示t时刻的第i个额外传感器数据的值，i＝1,2,3,...,n表示有n个条件；公式(2)与公式(3)是电梯轿厢振动数据的预测目标；(3)时间序列预测模型训练与预测；利用均方根反向传播算法对时间序列预测模型的训练与预测步骤如下：定义：时间步长s，模型参数θ，学习率η，小常数δ，衰减率ρ，批大小m,预测滑动窗口大小j输入：训练集n表示训练集总样本数；测试集k表示测试集总样本数输出：预测结果RoutT1：将训练集划分为模型输入集T2：依据训练集划分模型标签集合T3：随机初始化模型参数θ，初始化累计变量r＝0T4：从训练集中采样m个样本作为批次输入T5：While没有达到停止条件do计算小批次数据的梯度：累计梯度：r←ρr+(1‑ρ)g⊙g新参数：更新参数：θ←θ’endreturn θT6：使用测试集D测试＝{x1，x2，...，xk}进行预测：for i←1 to j do根据模型和步骤(5)训练好的参数θ，计算下一时间步预测值：vi将vi追加至{x2，x3，...，xk}末尾endT7：输出预测结果：Rout＝{v1，v2，...，vj}(4)分析预测；将轿厢振动加速度历史数据输入模型中进行预测，如果预测值超过电梯轿厢振动设定的阈值则进行异常报警。
所属类别：	发明专利