[发明专利]一种基于卷积神经网络的电梯故障识别方法在审
| 申请号： | 201711492312.9 | 申请日： | 2017-12-30 |
| 公开（公告）号： | CN108178037A | 公开（公告）日： | 2018-06-19 |
| 发明（设计）人： | 李立;高懿凝;王碧杉;文治;黄睿;付子豪 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | B66B5/00 | 分类号： | B66B5/00;G06K9/62;G06K9/42;G06N3/04 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司 42102 | 代理人： | 唐万荣 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的电梯故障识别方法，包括：步骤一、采集电梯运动数据，并通过小波变换转换为时‑频谱图作为样本集；步骤二、将样本集中的时‑频谱图分为训练集和测试集，对训练集中样本标记故障种类以及故障程度，作为数据样本的已知标签；步骤三、建立卷积神经网络，将训练集中的时‑频谱图输入卷积神经网络并提取分类前一层的特征；步骤四、根据步骤二中给定的标签和步骤三提取的特征，训练多类SVM分类器；步骤五、训练完成后，得到SVM分类器对每一类故障的预测率；步骤六、检测识别。本发明实现了一种角度新颖、符合实际情况、准确度高的电梯故障识别方法，且对硬件要求低、可移植性高。 | ||
| 搜索关键词： | 卷积神经网络 电梯故障 频谱图 标签 电梯运动 可移植性 数据样本 小波变换 样本标记 硬件要求 准确度 测试集 训练集 样本集 样本 采集 分类 检测 转换 预测 | ||
【主权项】：
1.一种基于卷积神经网络的电梯故障识别方法，其特征在于包括如下步骤：步骤一、采集电梯在不同工作状态下的运动数据，并将运动数据通过小波变换转换为时‑频谱图；将得到的时‑频谱图作为样本集，并对样本集中的时‑频谱图进行预处理；步骤二、将样本集中的时‑频谱图分为训练集和测试集，对训练集中样本标记故障种类以及故障程度，作为数据样本的已知标签；步骤三、建立卷积神经网络，将训练集中的时‑频谱图输入卷积神经网络并提取分类前一层的特征；步骤四、根据步骤二中的标签和步骤三提取的特征，训练多类SVM分类器；步骤五、训练完成后，得到SVM分类器对每一类故障的预测率；步骤六、将电梯的实时运动数据通过步骤一的方法进行采集和预处理后，输入SVM分类器进行故障检测，有效识别电梯故障。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711492312.9/，转载请声明来源钻瓜专利网。
- 上一篇：用于电梯内的监控装置
- 下一篇：一种电梯应急逃生舱
