[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

说明书

本发明公开一种基于稀疏去噪自编码的电梯运行异常检测方法，包括：分别获取电梯正常和异常振动的时域波形；根据正常和异常振动的时域波形得到正常和异常振动的频域波形；根据时域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算法对第一神经网络进行调整，得到第二神经网络；采用测试集对第二神经网络进行测试，得到各样本的时域重构误差和频域重构误差，从而得到融合重构误差序列；将融合重构误差序列的中值设为区分正常和异常数据的阈值；利用阈值和第二神经网络判断待检测信号是否异常。本发明能够解决异常样本过少的问题，提高异常检测的效率和准确率。

技术领域

本发明涉及异常检测技术领域，特别是涉及一种基于稀疏去噪自编码的电梯运行异常检测方法。

背景技术

异常检测在很多领域都是一个非常重要的问题。异常检测任务的目标是识别与期望不一致的模型，这种不一致模型被定义为离群值。在已研究开发的异常检测技术中，涉及到信用卡欺诈检测、网络入侵检测、疾病诊断检测、轴承故障检测等。

在电梯质量评估中频谱异常检测任务与其他异常检测任务有很大的不同，主要体现在两个方面：(1)异常类型的多样性使得异常数据无法进行标注。(2)电梯工况的复杂度和数量增加了手工提取特征的难度。所以，电梯的频谱异常检测任务面临着三大挑战：(1)异常类型的多样性，使得无法获取足够多的带有标签的数据；(2)数据的分布不均匀，原始数据中正常数据远远大于异常数据，可能学习模型不足的问题；(3)数据的复杂度和数量大。

所以电梯质量评估中的时频数据在某种意义上可以看作是大数据，而大数据的异常检测相对比较困难；大数据的特点是人工特征提取方法很难从原始数据中提取有用的特征，所以现有技术中并没有一个很好的专门针对电梯运行异常检测的方法。

发明内容

本发明的目的是提供一种基于稀疏去噪自编码的电梯运行异常检测方法，能够解决电梯运行过程中异常类型的多样性、数据的分布不均匀和数据的复杂度和数量大的问题，从而实现对电梯运行的异常检测。

为实现上述目的，本发明提供了如下技术方案：

一种基于稀疏去噪自编码的电梯运行异常检测方法，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。

可选的，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。

可选的，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。

可选的，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；