[发明专利]一种基于稀疏去噪自编码的电梯运行异常检测方法

权利要求书

1.一种基于稀疏去噪自编码的电梯运行异常检测方法，其特征在于，包括：

分别获取电梯正常振动和异常振动的时域波形；

分别对所述正常振动和异常振动的时域波形进行频谱分析，得到电梯正常振动和异常振动的频域波形；

根据所述时域波形和频域波形制作训练集和测试集；

采用单层稀疏去噪自编码对所述训练集进行学习，得到第一神经网络；

采用层叠稀疏去噪自编码以及BP算法对所述第一神经网络进行调整，得到第二神经网络；

采用测试集对所述第二神经网络进行测试，得到测试集中各样本的时域重构误差和频域重构误差；

根据所述时域重构误差和频域重构误差得到融合重构误差序列；

将所述融合重构误差序列的中值设为区分正常数据和异常数据的阈值；

利用所述阈值和第二神经网络判断待检测信号是否异常。

2.根据权利要求1所述的基于稀疏去噪自编码的电梯运行异常检测方法，其特征在于，所述正常振动为电梯正常运行时采集的振动，异常振动为电梯进行故障维保前设定时间内采集的振动。

3.根据权利要求1所述的基于稀疏去噪自编码的电梯运行异常检测方法，其特征在于，所述训练集中包含正常数据的时域波形和正常数据的频域波形，测试集中包含正常数据的时域波形、正常数据的频域波形、异常数据的时域波形和异常数据的频域波形。

4.根据权利要求1所述的基于稀疏去噪自编码的电梯运行异常检测方法，其特征在于，所述分别对所述正常振动和异常振动的时域波形进行频谱分析，得到电梯正常振动和异常振动的频域波形，包括：

截取预设长度的正常振动和异常振动的时域波形；

对所述预设长度的正常振动和异常振动的时域波形做离散短时傅里叶变换；

对所述离散短时傅里叶变换结果做归一化处理。

5.根据权利要求1所述的基于稀疏去噪自编码的电梯运行异常检测方法，其特征在于，所述采用单层稀疏去噪自编码对所述训练集进行学习，得到第一神经网络，包括：

采用正则化损失函数对所述训练集进行单层稀疏去噪自编码训练，得到第一权重；

将多个单层稀疏去噪自编码组成堆叠稀疏去噪自编码；

将所述第一权重作为堆叠稀疏去噪自编码的初始化权重进行训练。

6.根据权利要求1所述的基于稀疏去噪自编码的电梯运行异常检测方法，其特征在于，所述根据所述时域重构误差和频域重构误差得到融合重构误差序列，包括：

采用公式et＝α·e(t)+β·e(f)融合各数据的时域重构误差e(t)和频域重构误差e(f)，得到融合重构误差序列，其中，et为融合重构误差，e(t)为时域重构误差，e(f)为频域重构误差，α是时域重构误差的权重，β是频域重构误差的权重。