[发明专利]基于物联网技术和耦合图神经网络的电梯故障预警方法

说明书

本发明涉及一种基于物联网技术和耦合图神经网络的电梯故障预警方法，包括以下步骤：a、实时采集电梯轿厢内的数据，并将采集的数据传输至云端；b、对数据进行预处理，并进行特征提取；c、利用预先训练的耦合图神经网络模型在云端对实时采集的数据进行分析，并对电梯故障进行提前预警。本发明利用耦合神经网络模型实现电梯故障的提前预警，这样，在数据不平衡，故障数据较少的情况下，比传统方式具有更高的准度和精度。

技术领域

本发明涉及一种基于物联网技术和耦合图神经网络的电梯故障预警方法。

背景技术

随着现代高层楼宇的增加，电梯成为重要的运输工具。而电梯使用年限的增加，电梯的发生故障也越来越多。由于电梯品牌众多、故障类型多样等原因造成电梯故障较难以提前预测。

现有技术中，通常利用建立统计学分析和定期维保实现电梯故障的提前干预。随着大数据、机器学习和人工智能技术的发展，部分技术开始结合大数据利用深度神经网络对电梯故障进行预警。常见的模型主要有：树模型(Xgboost，GBDT等)、支持向量积、LSTM等。但是，由于电梯故障数据和非故障数据存在严重的数据不平衡现象，常见的模型难同时达到较理想的精度和准度。

发明内容

本发明的目的在于解决上述问题，提供一种基于物联网技术和耦合图神经网络的电梯故障预警方法。

为实现上述发明目的，本发明提供一种基于物联网技术和耦合图神经网络的电梯故障预警方法，包括以下步骤：

a、实时采集电梯轿厢内的数据，并将采集的数据传输至云端；

b、对数据进行预处理，并进行特征提取；

c、利用预先训练的耦合图神经网络模型在云端对实时采集的数据进行分析，并对电梯故障进行提前预警。

根据本发明的一个方面，所述步骤(c)中的耦合图神经网络模型的训练步骤包括，构造耦合图神经网络模型所需的双邻接矩阵，搭建并训练耦合图神经网络模型。

根据本发明的一个方面，通过电梯品牌和电梯所处的工作环境构建邻接矩阵的边，使其能被耦合图神经网络模型所用。

根据本发明的一个方面，通过拼接不同邻接矩阵下的图网络模型特征，完成耦合图神经网络模型的搭建。

根据本发明的一个方面，在所述步骤(a)中，实时采集的数据包括图像数据和电梯运行参数，所述电梯运行参数包括温度、压力和加速度。

根据本发明的一个方面，在所述步骤(a)中，将数据传输至云端之前对数据进行整合。

根据本发明的一个方面，在所述步骤(b)中，所述预处理步骤包括，利用无监督异常数据检测模型过滤异常电梯运行参数，以及对图像数据进行图像数据处理。

根据本发明的一个方面，在所述步骤(b)中，所述特征提取包括，计算并整合一段时间的电梯运行参数的统计学特征，以及对图像数据进行人体实例分割和人体属性提取。

根据本发明的一个方面，利用YOLACT模型分割出图像数据中的人体，构造多标签分类模型，并利用之进行人体属性提取；

对人体实例分割得到的乘梯人数和人体属性提取出的属性进行统计学特征提取，并作为特征数据送入模型检测；

所述统计学特征包括均值、方差、最大值和最小值；

所述多标签分类模型包括主干和枝干，主干包含InceptionV3前7层网络，只训练1次，枝干包含InceptionV3其余网络层。

根据本发明的一个方面，所述步骤(b)的特征提取还包括获取电梯故障告警数据Label_i，其中i为序列数，Label_i的值为0或1分别代表正常和发生故障；