详情

原文传递一种基于电梯运行参数的故障预测方法，终端及可读存储介质

专利名称：	一种基于电梯运行参数的故障预测方法，终端及可读存储介质
摘要：	发明提供一种基于电梯运行参数的故障预测方法，终端及可读存储介质，获取电梯数据中对引起电梯故障敏感的电梯参数,形成电梯参数集；对电梯参数集进行数据处理，将电梯参数集中的参数进行异常值剔除、采用内插法对电梯参数进行缺失数据填补；调取M个时间点的电梯参数集Q，作为训练数据集，则将M时刻电梯的同一机构作为一N维的电梯参数向量，对电梯参数进行处理。构建多层卷积神经网络的模型；对电梯参数进行故障预测。基于电梯运行参数的故障预测，可以利用当前获取的电梯参数，也可以基于以往的电梯参数进行预测，建立完善的电梯故障预测模型，进行故障预测。
专利类型：	发明专利
国家地区组织代码：	山东;37
申请人：	淄博东升电梯工程有限公司
发明人：	郭贝;陈全彬;李欣朔
专利状态：	有效
申请日期：	2019-04-15T00:00:00+0800
发布日期：	2019-07-05T00:00:00+0800
申请号：	CN201910297745.1
公开号：	CN109969895A
代理机构：	济南竹森知识产权代理事务所(普通合伙)
代理人：	孙宪维
分类号：	B66B5/00(2006.01);B;B66;B66B;B66B5
申请人地址：	255000 山东省淄博市张店区华光路58号中房大厦A座903
主权项：	1.一种基于电梯运行参数的故障预测方法，其特征在于，方法包括：步骤一，获取电梯数据中对引起电梯故障敏感的电梯参数,形成电梯参数集；步骤二，对电梯参数集进行数据处理，将电梯参数集中的参数进行异常值剔除、采用内插法对电梯参数进行缺失数据填补；步骤三，调取M个时间点的电梯参数集Q，作为训练数据集，则将M时刻电梯的同一机构作为一N维的电梯参数向量，可表示为： Dm＝[Dm1,Dm2,Dm3,...,DmN] 则该训练数据集应当为M×N的矩阵形式；具体形式如下：配置电梯参数权重矩阵U与偏离矩阵L；其中，Uk为第k维的电梯参数权重矩阵，Uk值服从均值为0，且标准差为0.1的正态分布； Lk＝[L1,L2,L3,...,Ln] 为第k维的偏置，初始化为常数值0.1；预设电梯参数权重矩阵Uk服从均值为0，且方差为0.1的正态分布；电梯参数权重矩阵Uk的分布是一个接近于0的数，使得神经元处于非饱和的状态；基于ReLU的非线性，将电梯参数偏置值预设为常数值0.1，使ReLU单元在初始状态激活触发，实现获得和传播梯度值；步骤四：构建多层卷积神经网络的模型；步骤五：对电梯参数进行故障预测。 2.根据权利要求1所述的基于电梯运行参数的故障预测方法，其特征在于，步骤一还包括：将电梯分为曳引机机构，电梯门机构，电梯轿厢机构以及电力拖动机构；曳引机机构的电梯参数包括:曳引机温度、曳引机三相电压、曳引机三相电流、曳引机噪声以及轴承振动烈度；电梯门机构的电梯参数包括:关门速度,门间隙,开关门噪声以及平层精度；电梯轿厢机构的电梯参数包括:垂直方向振动加速度,水平方向振动加速度,运行时轿厢噪声以及轿厢水平度；电力拖动机构的电梯参数包括:加速度、减速度,平衡系数,平稳运行时速度以及钢丝磨损程度。 3.根据权利要求1或2所述的基于电梯运行参数的故障预测方法，其特征在于，步骤二还包括：构建异常值剔除模型JS＝[Q,C]；Q为电梯参数集，C为预设属性集，D为电梯参数；对于任意的电梯参数DQ，邻域为： η(D)＝{Di丨DiQ，△(D，Di)≤η}，η≥0 △(D，Di)表示的是电梯参数偏离度函数，对于任意的三个电梯参数D1,D2,D3，有如下成立条件： △(D1，D2)＝△(D2，D1)； △(D1，D2)≥0成立，当△(D1，D2)＝0时，有且仅有D1＝D2； △(D1，D2)≤△(D1，D2)+△(D2，D3)；定义电梯参数偏离度： P(D)为电梯参数偏离度，(1/P(D))为电梯参数阈值。 4.根据权利要求3所述的基于电梯运行参数的故障预测方法，其特征在于，步骤二还包括：定义电梯参数平均偏离程度为： 5.根据权利要求4所述的基于电梯运行参数的故障预测方法，其特征在于，步骤二还包括：电梯每个机构数据的偏离度指标Y定义方式为：电梯每个机构平均数据的偏离度指标V定义方式为： V(D)＝B1A1(D)+B2A2(D)……+BnAn(D)。 6.根据权利要求1或2所述的基于电梯运行参数的故障预测方法，其特征在于，步骤四还包括：构建神经网络卷积层和池化层，卷积层与池化层将电梯参数特征缩小，且特征抽取器连接电梯参数分类器，分类器包括：多层感知机构；在电梯参数特征抽取器末端，系统将电梯参数特征展开，形成一个特征向量，将所述特征向量输入至分类器；分类器使用softmax逻辑回归模型给不同的电梯参数对象分配概率； softmax逻辑回归模型分配方式包括：为了获取每个电梯参数属于那一故障类别的属性Z，对电梯参数进行加权求和；如果电梯参数不属于当前所属类别，则所述电梯参数权值为负数；如果电梯参数不属于当前所属类别，则所述电梯参数权值为正数；对于获取的电梯参数D代表故障类型的属性Z表示为：其中，Li代表故障类型i的偏置，j代表给定数据电梯参数D的指标索引用于指标求和；用softmax逻辑回归模型将证据转换成概率G： G＝softmax(Z) softmax逻辑回归模型定义的线性函数的输出转换成预设格式，即为关于多个故障类别的概率分布；系统获取一电梯参数集或电梯参数，对于每一类故障的吻合度可以被softmax逻辑回归模型转换成为一个概率值； softmax逻辑回归模型定义如下： 7.根据权利要求1或2所述的基于电梯运行参数的故障预测方法，其特征在于，步骤五还包括：根据如下模型，对电梯参数进行故障预测； G＝softmax(UD+L) 其中U，L均是训练得到的模型参数。 8.一种实现基于电梯运行参数的故障预测方法的终端，其特征在于，包括：存储器，用于存储计算机程序及基于电梯运行参数的故障预测方法；处理器，用于执行所述计算机程序及基于电梯运行参数的故障预测方法，以实现如权利要求1至7任意一项所述基于电梯运行参数的故障预测方法的步骤。 9.一种具有基于电梯运行参数的故障预测方法的计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至7任意一项所述基于电梯运行参数的故障预测方法的步骤。
所属类别：	发明专利