【技术实现步骤摘要】
一种基于时间序列预测模型的电梯轿厢振动异常预警方法
本专利技术专利涉及一种电梯轿厢振动异常预警方法。
技术介绍
电梯是人们生活中不可缺少的交通工具,其类型主要包括垂直电梯、自动扶梯和自动人行道等。随着我国经济的快速发展,电梯保有量也在快速增长,截至2015年底,我国电梯总量超过400万台,且目前国内电梯年增长50-60万台,已成为世界电梯保有量最多的国家。然而,电梯在方便人们工作和生活的同时,作为特种装备所导致的事故却不断发生,在此背景下,利用物联网技术、大数据技术等新一代信息技术提高电梯安全监测能力成为提高电梯安全性有效途径之一。电梯故障预警是对电梯可能发生的故障进行预先识别,并采取相应措施避免故障发生的一种技术。人们已经对电梯预警技术和方法展开了一些探索,例如,李俊芳等(天津理工大学学报,2009)提出基于神经网络的电梯门故障预测方法,通过神经网络对电梯门系统工作的状态数据进行建模,从而预测下一状态的数值来进行故障预警;段登等(计算机应用系统,2011)提出基于神经网络的多电梯运行系统故障预测,通过采集控制终端的运行信号,使用径向基神经网络来拟合各个信号间的关系,从而输入历史数据给出预测结果;张从力等(仪器仪表学报,2004)则提出基于模糊理论和专家系统并结合工业控制网的故障预测方法。王林林(东北大学,2013)通过改进Holt-Winters时间序列预测模型,将诊断模型的结果作为输入进行电梯故障预测。随着梯联网技术的发展,电梯中安装了大量的传感器,能够实时感知电梯的运行状态,为电梯预警提供了大量的数据基础。电梯传感器数据具有明显的时序特征,即这些数据 ...
【技术保护点】
1.一种基于时间序列预测模型的电梯轿厢振动异常预警方法,包括以下步骤:(1)电梯振动数据预处理;分为以下步骤:(1.1)数据清洗;数据清洗的具体步骤如下:输入:原始时间序列数据D输出:清洗后的时间序列D’步骤:(S1):从D中取出时间序列中的首个数据D0赋值为s和p(S2):for时间序列数据集D中的每个数据项item1 then:if s的时间==item1的时间then:从D中移除item1项将item1赋值给s(S3):for时间序列数据集D中的每个数据项item2 then:if item2的值==NULL then:取出p和D中下一项的值,取2者的均值赋值给item2将item2赋值给p(S4):将修改后的序列输出(1.2)划分窗口;将电梯轿厢振动数据按照时间步长进行划分,即在模型训练和预测时根据该时间步长的历史信息预测下一个时刻的数值,按照滑动步长为1,滑动窗口大小为2进行划分,则划分后的数据为{{1,2},{2,3},{3,4}};(1.3)数据归一化;多条件时间序列数据的每个条件在数值上相差较大且可能具有不同的波动范围,因此为了能够很好地训练模型,必须对这些数据进行归一 ...
【技术特征摘要】
1.一种基于时间序列预测模型的电梯轿厢振动异常预警方法,包括以下步骤:(1)电梯振动数据预处理;分为以下步骤:(1.1)数据清洗;数据清洗的具体步骤如下:输入:原始时间序列数据D输出:清洗后的时间序列D’步骤:(S1):从D中取出时间序列中的首个数据D0赋值为s和p(S2):for时间序列数据集D中的每个数据项item1then:ifs的时间==item1的时间then:从D中移除item1项将item1赋值给s(S3):for时间序列数据集D中的每个数据项item2then:ifitem2的值==NULLthen:取出p和D中下一项的值,取2者的均值赋值给item2将item2赋值给p(S4):将修改后的序列输出(1.2)划分窗口;将电梯轿厢振动数据按照时间步长进行划分,即在模型训练和预测时根据该时间步长的历史信息预测下一个时刻的数值,按照滑动步长为1,滑动窗口大小为2进行划分,则划分后的数据为{{1,2},{2,3},{3,4}};(1.3)数据归一化;多条件时间序列数据的每个条件在数值上相差较大且可能具有不同的波动范围,因此为了能够很好地训练模型,必须对这些数据进行归一化处理,其方法是将各类数值缩放到同一尺度,其计算公式如下:其中x为原始数值,xmin为当前维度所有数据中数值最小的值,xmax为当前维度所有数据中数值最大的值,x*为缩放后的数值;(1.4)洗牌和切分数据集;洗牌是指将按照时间窗口划分后的数据进行打乱,切分数据集是指将全部数据集进行划分,使一部分数据用于模型的训练,一部分数据用于模型的选择,另一部分数据用于对预测准确性的判断;(2)构建时间序列预测模型...
【专利技术属性】
技术研发人员:张元鸣,沈志鹏,虞家睿,肖刚,高飞,陆佳伟,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。