原文传递
用于预判故障的电梯智能维保预测方法及系统
| 专利名称： | 用于预判故障的电梯智能维保预测方法及系统 |
| 摘要： | 本发明公开了一种用于预判故障的电梯智能维保预测方法在读取到深度学习数据后，使用采用RBF神经网络的自组织学习实现电梯门的实时系统故障预测：第一层输入层假设输入观测电梯数据样本，该放大的网络中心可以变化，将通过对神经网络资源的再分配，用K‑均值聚类法学习使得RBF的隐含层神经元中心位于输入空间重要的区域；并给定η和α的取值及迭代终止精度ε的值；第二层隐含层用采用双曲正切函数,网络把系统的动态直接包含于网络结构之中,无需了解系统阶数,就能学习非线性动态系统；第三层输出层，对隐含层神经元输出的信息进行线性加权后输出，作为整个神经网络的输出结果。本发明使维保更加具有条理性、顺序性。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 常熟理工学院 |
| 发明人： | 周芷萱;张方舟;徐江;王学宇;吴晓宇 |
| 专利状态： | 有效 |
| 申请号： | CN201811307373.8 |
| 公开号： | CN109179133A |
| 代理机构： | 常州佰业腾飞专利代理事务所(普通合伙) 32231 |
| 代理人： | 黄杭飞 |
| 分类号： | B66B5/02(2006.01)I;B;B66;B66B;B66B5 |
| 申请人地址： | 215500 江苏省苏州市常熟市南三环路99号 |
| 主权项： | 1.一种用于预判故障的电梯智能维保预测方法，其特征在于：在读取到深度学习数据后，使用采用RBF神经网络的自组织学习实现电梯门的实时系统故障预测：第一层输入层假设输入观测电梯数据样本为x1,x2,…,xn,该放大的网络中心可以变化，将通过对神经网络资源的再分配，用K‑均值聚类法学习使得RBF的隐含层神经元中心位于输入空间重要的区域；并给定η和α的取值及迭代终止精度ε的值；第二层隐含层用采用双曲正切函数,网络把系统的动态直接包含于网络结构之中,无需了解系统阶数,就能学习非线性动态系统；第三层输出层，对隐含层神经元输出的信息进行线性加权后输出，作为整个神经网络的输出结果。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
