[发明专利]一种基于大数据的电梯智能检验方法

权利要求书

1.一种基于大数据的电梯智能检验方法，其特征在于，所述方法包括：

S100、将多个电梯运行控制中心的电梯历史运行数据和实时运行数据传输到大数据系统；

S200、所述大数据系统对所述历史运行数据进行要素筛选，得到检验所需必要数据；

S300、所述大数据系统对所述检验所需必要数据进行数据集成整合，得到标准检验数据；

S400、对所述标准检验数据的检验要素进行提取关联，得到检验要素关联矩阵；

S500、通过对所述检验要素关联矩阵进行优化运算，得到智能检验预估模型；

S600、根据所述智能检验预估模型，对所述实时运行数据进行智能跟踪检验；

所述S200，包括：

S201、通过所述大数据系统的要素筛选模块，对所述电梯历史运行数据进行要素筛选，所述要素筛选的步骤如下：

根据所述标准检验数据和所述非标准检验数据，建立要素筛选的筛选原则；

将所述筛选原则进行数据转换，转换成筛选识别的筛选原则数据模块；

根据所述筛选原则数据模块，建立所述电梯检验数据的要素集合；

所述电梯检验数据的要素集合中包含电梯检验的所述标准检验数据识别向量和所述非标准检验数据识别向量；

根据所述检验数据识别向量，对所述历史运行数据进行识别筛选；符合所述检验数据识别向量的，识别为所述检验数据；不符合所述检验数据识别向量的，识别为历史干扰数据；

S202、通过所述要素筛选，筛选掉所述电梯历史运行数据中的所述历史干扰数据；

S203、去除历史干扰数据后，得到检验所需必要数据；

所述大数据系统的要素筛选模块，原理采用最大可分型和最近重构性，其特点是最大可分型的优化条件为划分后方差最大；最近重构性的优化条件为点到划分平面距离最小；可用于提取数据的主要特征分量；采用基数据的数量少于向量本身的维数，数据映射后的映射数值最大化分散，或者说熵越小所含信息越少；对所述电梯历史运行数据的非必要因素进行要素筛选；

所述S600，包括：

S601、所述大数据系统读取所述电梯实时运行数据；

S602、通过所述大数据系统的数据漏斗模块，对所述实时运行数据进行实时数据漏斗筛选，筛选掉所述实时干扰数据；

S603、通过所述大数据系统的要素筛选，得到所述实时待检验数据；

所述实时待检验数据，包括：实时标准待检验数据和实时非标准待检验数据；

通过所述大数据系统的数据集成整合模块，对所述所述实时标准待检验数据和实时非标准待检验数据进行数据集成整合，集成整合后得到实时标准待检验数据；

所述S600，还包括：将所述实时标准待检验数据，输入所述智能检验预估模型，所述智能检验预估模型对所述实时标准待检验数据进行智能跟踪检验；

所述智能检验预估模型对所述标准待检验数据进行智能跟踪检验，包括：将标准待检验数据输入智能检验预估模型，所述智能检验预估模型，跟踪对比检验数据是否符合检验要素：如果智能检验预估模型跟踪检验，所述标准待检验数据的实时运行数据必要因素，不符合检验要素，则不需要检验；如果智能检验预估模型跟踪检验，所述标准待检验数据的实时运行数据必要因素，符合检验要素，则需要进行检验；所述大数据系统发送智能检验结果到所述电梯运行控制中心。

2.根据权利要求1所述的一种基于大数据的电梯智能检验方法，其特征在于，

所述S100，包括：

S101、建立所述多个电梯运行控制中心和所述大数据系统的数据传输通道；

S102、将需要运用所述大数据系统智能检验的所述历史运行数据和实时运行数据通过所述数据传输通道，传输到所述大数据系统；

S103、所述大数据系统对所述多个电梯运行控制中心的所述历史运行数据和所述实时运行数据进行大数据处理；所述历史运行数据包括：标准检验数据、非标准检验数据和历史干扰数据；所述实时运行数据包括：实时运行状态数据、实时待检验数据和实时干扰数据。