[发明专利]一种基于Elman神经网络的电梯抱闸故障预警方法

权利要求书

1.一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：包括以下步骤：

A、使用检测装置采集电梯抱闸运行的主要信号数据，建立包含抱闸正常和故障状态对应的特征信号的数据库；

B、基于Elman神经网络建立信号预测模型，并由此构建电梯抱闸故障预警系统；

C、利用电梯抱闸故障预警系统对电梯抱闸运行主要信号数据的变化进行监测，对于故障进行预警。

2.根据权利要求1所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述步骤A中使用检测装置的采集能够反映电梯抱闸故障的主要信号数据，为抱闸电流、抱闸电压等时序数据,储存在数据库中。

3.根据权利要求2所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述采集的电梯抱闸电压值是用于对采集到的电流值进行修正，以电网标准电压380V为基准，得到实际测得电压相对于基准的百分比，按比例修正测得电流，避免电网的电压波动对检测结果产生影响，其公式为：

I_Y是经过修正的电流，U_X是测得的实际电压，I_X是测得的实际电流。

4.根据权利要求2所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述采集电梯抱闸运行主要信号数据，其过程是不断采集其电压和电流的信号数据得到其时序数据，在预警系统发现出现抱闸的电压或电流信号数据出现异常变化的时候，发出故障预警。

5.根据权利要求1所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述步骤B中建立的电梯抱闸故障预警系统使用Elman神经网络根据已有的电流信号时序数据来预测未来时刻的电流信号，再根据该预测电流信号进行电梯抱闸故障预警；

在当前时刻为t的时候，所述Elman神经网络的输入层的输入为x_i(t)、x_i(t-1)、x_i(t-2)、x_i(t-3)...x_i(t-n+1)等n个电梯抱闸时序电流参数，中间层的激活函数为Sigmoid函数，隐层有m个神经元，网络的承接层也有m个神经元，输出层的输出为预测的抱闸接下来p个时刻可能的电流值，为y_k(t+1)、y_k(t+2)、y_k(t+3)、y_k(t+4)...y_k(t+p)等p个预测的电梯抱闸时序电流参数。

6.根据权利要求1所述的一种基于Elman神经网络的电梯抱闸故障预警方法，其特征在于：所述步骤B中，Elman神经网络的损失函数采用以下损失函数，公式为：

z是输出层正确的输出，是真实值，y是实际的输出，是预估值，即抱闸发生故障的概率，损失函数的偏导数可以化简为加减运算的形式，便于在所述计算机或者电梯的单片机中编程和使用；

对于上述损失函数求偏导并化简可得：由此公式根据链式法则得到的反向传播的算法推导如下：

上述推导的反向传播公式在Elman神经网络反向传播时，根据误差修正权值V_kh、W_hi的时候使用。a_k是输出层的输入，W_hi、V_kh分别是指输入层和隐层之间的权值、隐层和输出层之间的权值,θ_h是指隐层的第h个神经元的激活函数的输出。

基于上面的Elman神经网络，使用数据库中存储的体现抱闸正常和故障的时序电流数据进行信号预测模型的训练。