[发明专利]基于局部和整体特征的电梯故障预警方法

说明书

本发明涉及一种基于局部和整体特征的电梯故障预警方法，实时采集电梯轿厢内的数据，对数据预处理后进行特征提取，对故障数据添加故障报警标签；利用特征向量和故障报警标签训练基础模型，将各基础模型进行线性加权组合形成混合模型；利用特征向量和故障报警标签形成测试样本，从中提取局部空间样本，将测试样本输入基础模型和混合模型中获得伪概率和混合故障概率；将局部空间样本输入基础模型中获得概率矩阵，选出与伪概率相关性最高的基础模型；将测试电梯特征数据输入选出的基础模型中，获得推理故障概率；利用推理故障概率和混合故障概率计算获得最终的故障概率。本发明充分利用样本的局部和整体的特征，实现更准确地对电梯故障进行预警。

技术领域

本发明涉及一种基于局部和整体特征的并行集成分类算法的电梯故障预警方法。

背景技术

随着社会的发展，高层建筑越来越多，城市电梯的保有量不断地增长。仅通过维修人员经验或者制造商的维保手册很难应对复杂的电梯故障类型。人工事后维保已经不能满足电梯安全的需要。在相关技术中，越来越多的电梯故障预警系统是基于数据驱动的及时、准确电梯故障智能诊断。然而目前基于数据驱动的模型大多采用单一的智能诊断模型如树模型或者神经网络模型等，且大多数机器学习模型侧重于挖掘整体特征对故障诊断系统的有效性。

解决电梯安全问题的方案主要有：电梯故障发生后的故障诊断和维保人员定期巡查和维护保养。广泛应用的故障诊断技术主要有：专家系统、模糊推理等。相关技术提出了电梯故障预警的系统，这类系统通过在电梯内安装传感和监控系统，采集电梯运行的物理量，如：温度、电机电流等；通过微处理器对电梯进行实时监测，从而及时发现故障隐患、合理安排维修活动。但现有的技术诊断方法不能提供有效的故障预测功能，只能依靠电梯的定期维保。目的不明确的维保成本高、效率低。可见，现有技术的算法存在预警准确率低、预警数据模型单一等问题。

发明内容

本发明的目的在于提供一种基于局部和整体特征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局部和整体特征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，并对所述数据进行预处理；

b、对经过所述预处理的数据进行特征向量的提取，并对故障数据添加故障报警标签；

c、利用所述特征向量和所述故障报警标签训练基础模型，将各所述基础模型进行线性加权组合形成混合模型；

d、利用所述特征向量和所述故障报警标签形成测试样本，基于所述测试样本的特征向量，从中提取局部空间样本，并将所述测试样本分别输入所述基础模型和所述混合模型中获得伪概率和混合故障概率；

e、将所述局部空间样本输入所述基础模型中获得概率矩阵，利用所述概率矩阵与所述伪概率的比较选出与所述伪概率相关性最高的所述基础模型；

f、将测试电梯特征数据输入与所述伪概率相关性最高的基础模型中，获得推理故障概率；

g、利用所述推理故障概率和所述混合故障概率计算获得相应测试电梯的故障概率。

根据本发明的一个方面，所述步骤(a)采集的数据包括实时数据和触发数据，

所述实时数据的采集频率为1赫兹，所采集的数据包括电梯轿厢内温度、压力、加速度数据以及采集时间；

所述触发数据包括电梯开、关门以及开始、结束运行时提取的电梯内温度、压力、电梯运行的加速度、轿厢内的图片数据以及采集时间。

根据本发明的一个方面，所述步骤(a)中的预处理包括利用异常数据监测模型监测数据中的异常数据，并利用正常数据的回归模型对异常数据进行修正；

所述异常数据检测模型包括孤立森林模型，所述回归模型包括树回归模型；