[发明专利]电梯异响检测方法及系统

权利要求书

1.一种电梯异响检测方法，包括以下步骤：

a、采集电梯轿厢的视频录像，并从中提取音频数据；

b、对所述音频数据进行预处理，并从中提取音频特征；

c、将音频数据输入检测模型，识别电梯在当前时刻是否发生异响；

d、若判断电梯在当前时刻发生异响，则进而根据异响的幅值大小决定是否发出告警信号。

2.根据权利要求1所述的电梯异响检测方法，其特征在于，在所述步骤(b)中，所述预处理包括滤波、降噪和/或去除奇异值；

所述音频特征包括过零率、频域能量、频谱质心和/或梅尔到普系数。

3.根据权利要求1所述的电梯异响检测方法，其特征在于，在所述步骤(c)中，所述检测模型在线下训练，并上传至线上，其训练步骤包括特征选择、模型训练、模型测试、模型评估与验证；

所述特征选择的算法为穷举法、方差选择法或相关系数法；

所述模型评估与验证的指标包括精确率或召回率之一或二者加权的f1分数。

4.根据权利要求3所述的电梯异响检测方法，其特征在于，在所述步骤(c)中，将所述音频数据与预设的数据库对比，识别其中的正常样本和异响样本，若所述音频数据的异响样本少于2000条，则训练无监督异常检测模型作为所述检测模型；反之，则训练有监督学习分类模型作为所述检测模型。

5.根据权利要求4所述的电梯异响检测方法，其特征在于，所述无监督异常检测模型为无监督聚类、Isolation froest、One class SVM、Autoencoder或GANormaly；

所述有监督学习分类模型为Random foresets、LightGBM、Xgboost之一或多个的集成；或者为LSTM、CNN、GCN或GRU。

6.根据权利要求5所述的电梯异响检测方法，其特征在于，在所述步骤(c)中，若所述检测模型输出的异响概率大于概率阈值，则判断为发生异响，所述概率阈值为0.8。

7.根据权利要求6所述的电梯异响检测方法，其特征在于，所述检测模型为LSTM，则所述异响概率的计算流程为：

更新遗忘门的输出：

f_t＝σ(W_f·[h_t-1,x_t]+b_f)；

式中，x_t为当前时刻网络的输入，h_t-1为上一时刻LSTM的输出值，W_f是遗忘门的权重矩阵，[h_t-1,x_t]表示把两个向量连接成一个更长的向量，b_f是遗忘门的偏置项，σ是sigmoid函数；

更新输入门的两部分输出:

i_t＝σ(W_i·[h_t-1,x_t]+b_i)；

以及

式中，c_t为单元状态,其由上一时刻的单元状态c_t-1按元素乘以遗忘门f_t，再用当前输入的单元状态按元素乘以输入门i_t，再将两个积加和得出；

更新细胞状态:

式中，表示按位相乘；

更新输出门状态:

o_t＝σ(W_o·[h_t-1,x_t]+b_o)；

以及

更新当前序列输出:

式中，V为权重矩阵，b_y是偏置。

全连接层计算：

Y＝X·W+B

式中，X为输入，W为权重矩阵，B是偏置。

SoftMax概率值输出：

式中，i∈[1,k]，z_i是神经网络模型第i个节点输出值，C为输出节点个数。