[发明专利]基于神经网络的变速货梯异常检测方法

说明书

本发明涉及人工智能技术领域，具体涉及一种基于神经网络的变速货梯异常检测方法。根据电梯在设定时间段内的累计运行高度、电流序列、电阻序列和信号传输稳定指标将状态相似的电梯聚为一个类别，将类别中所有的电流序列和所有的电阻序列分别作为TCN神经网络的输入来预测该类别中的电梯在未来时间段的电流预测序列和电阻预测序列；通过分析每个电梯的电流序列和电阻序列与其所属类别的电流预测序列和电阻预测序列之间的相似性，以对该电梯进行异常预警。利用TCN神经网络预测电梯的后续电流电阻数据，根据预测值的变化进行异常预警，避免出现危险事故。计算每个电梯的基于神经网络的变速货梯异常检测方法可以配置为采用神经网络模型的计算机系统。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于神经网络的变速货梯异常检测方法。

背景技术

电梯在运行过程中，电梯的随行电缆起着重要的作用，该电缆传输着照明、监控、控制等等各方面的信号，但是电梯在运行过程中，随行电缆会随着运行发生弯曲，这样就会造成电缆中的电气参数发生变化，造成信号传输的不稳定，使得电梯在使用过程中的可靠性大大降低。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于神经网络变速货梯异常检测方法，所采用的技术方案具体如下：

统计电梯每次运行的高度，得到设定时间段内电梯的累计运行高度；设定采样频率得到每个时刻的电缆电流和电缆电阻，进而获取在所述设定时间段内所述电缆电流构成的电流序列和所述电缆电阻构成的电阻序列；结合所述电流序列和所述电阻序列获取所述设定时间段电梯的信号传输稳定指标；将所述累计运行高度、所述电流序列、所述电阻序列和所述信号传输稳定指标组成电梯在所述设定时间段内的特征向量；

获取多个电梯的所述特征向量，基于所述特征向量之间的相似程度将状态相似的电梯所对应的所述特征向量分为一个类别；将所述类别中每个所述特征向量的所述电流序列和所述电阻序列分别构成电流特征序列和电阻特征序列，将所述电流特征序列和所述电阻特征序列分别输入TCN神经网络以预测该类别对应电梯在未来时间段的电流预测序列和电阻预测序列；

分别将每个电梯的所述电流序列和所述电阻序列与其所属所述类别的所述电流预测序列和所述电阻预测序列进行数据差异分析以得到数据相似指标，基于所述数据相似指标对相对应的电梯进行异常预警。

进一步地，所述电缆电流为照明电缆电流、所述电缆电阻为视频线电缆电阻。

进一步地，所述异常预警的方法，还包括：

计算所述类别中每个所述特征向量的所述信号传输稳定指标之间的平均值，根据该类别内每个电梯的所述信号传输稳定指标与平均值之间的差值得到对应电梯的稳定偏离指标；设定稳定偏离阈值，当所述稳定偏离指标小于所述稳定偏离阈值时，对该电梯进行异常预警。

进一步地，所述结合所述电流序列和所述电阻序列获取所述设定时间段电梯的信号传输稳定指标的方法，包括：

根据每个时刻之间的电流变化获取所述电流序列所对应的电流稳定指标；根据每个时刻之间的电阻变化获取所述电阻序列所对应的电阻稳定指标；结合所述电流稳定指标和所述电阻稳定指标得到电梯的所述信号传输稳定指标。

进一步地，所述根据每个时刻之间的电流变化获取所述电流序列所对应的电流稳定指标的方法，包括：

从所述电流序列中第二个时刻的电流开始，分别计算每个时刻的电流与其之前所有电流之间的电流均值；

依次计算两个相邻时刻之间所述电流均值的均值差值和这两个时刻对应电流之间的电流差值，结合所述均值差值和所述电流差值依次得到对应两个时刻之间的电流波动指标；

由所述电流波动指标和所述电流序列的长度计算平均电流波动指标，将所述平均电流波动指标作为所述电流序列的所述电流稳定指标。