基于物联网技术和耦合图神经网络的电梯故障预警方法技术

本发明专利技术涉及一种基于物联网技术和耦合图神经网络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，并将采集的数据传输至云端；b、对数据进行预处理，并进行特征提取；c、利用预先训练的耦合图神经网络模型在云端对实时采集的数据进行分析，并对电梯故障进行提前预警。本发明专利技术利用耦合神经网络模型实现电梯故障的提前预警，这样，在数据不平衡，故障数据较少的情况下，比传统方式具有更高的准度和精度。

【技术实现步骤摘要】
基于物联网技术和耦合图神经网络的电梯故障预警方法
本专利技术涉及一种基于物联网技术和耦合图神经网络的电梯故障预警方法。
技术介绍
随着现代高层楼宇的增加，电梯成为重要的运输工具。而电梯使用年限的增加，电梯的发生故障也越来越多。由于电梯品牌众多、故障类型多样等原因造成电梯故障较难以提前预测。现有技术中，通常利用建立统计学分析和定期维保实现电梯故障的提前干预。随着大数据、机器学习和人工智能技术的发展，部分技术开始结合大数据利用深度神经网络对电梯故障进行预警。常见的模型主要有：树模型(Xgboost，GBDT等)、支持向量积、LSTM等。但是，由于电梯故障数据和非故障数据存在严重的数据不平衡现象，常见的模型难同时达到较理想的精度和准度。
技术实现思路
本专利技术的目的在于解决上述问题，提供一种基于物联网技术和耦合图神经网络的电梯故障预警方法。为实现上述专利技术目的，本专利技术提供一种基于物联网技术和耦合图神经网络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，并将采集的数据传输至云端；b、对数据进行预处理，并进行特征提取；c、利用预先训练的耦合图神经网络模型在云端对实时采集的数据进行分析，并对电梯故障进行提前预警。根据本专利技术的一个方面，所述步骤(c)中的耦合图神经网络模型的训练步骤包括，构造耦合图神经网络模型所需的双邻接矩阵，搭建并训练耦合图神经网络模型。根据本专利技术的一个方面，通过电梯品牌和电梯所处的工作环境构建邻接矩阵的边，使其能被耦合图神经网络模型所用。根据本专利技术的一个方面，通过拼接不同邻接矩阵下的图网络模型特征，完成耦合图神经网络模型的搭建。根据本专利技术的一个方面，在所述步骤(a)中，实时采集的数据包括图像数据和电梯运行参数，所述电梯运行参数包括温度、压力和加速度。根据本专利技术的一个方面，在所述步骤(a)中，将数据传输至云端之前对数据进行整合。根据本专利技术的一个方面，在所述步骤(b)中，所述预处理步骤包括，利用无监督异常数据检测模型过滤异常电梯运行参数，以及对图像数据进行图像数据处理。根据本专利技术的一个方面，在所述步骤(b)中，所述特征提取包括，计算并整合一段时间的电梯运行参数的统计学特征，以及对图像数据进行人体实例分割和人体属性提取。根据本专利技术的一个方面，利用YOLACT模型分割出图像数据中的人体，构造多标签分类模型，并利用之进行人体属性提取；对人体实例分割得到的乘梯人数和人体属性提取出的属性进行统计学特征提取，并作为特征数据送入模型检测；所述统计学特征包括均值、方差、最大值和最小值；所述多标签分类模型包括主干和枝干，主干包含InceptionV3前7层网络，只训练1次，枝干包含InceptionV3其余网络层。根据本专利技术的一个方面，所述步骤(b)的特征提取还包括获取电梯故障告警数据Labeli，其中i为序列数，Labeli的值为0或1分别代表正常和发生故障；所述步骤(c)中还包括对故障电梯进行人工校验。根据本专利技术的构思，实时采集电梯轿厢的数据，这些数据包括图像数据和电梯运行参数。采集的数据传输至云端，利用提前搭建并训练好的耦合图神经网络模型对数据进行分析，实现电梯故障的提前预警。根据本专利技术的一个方案，训练耦合神经网络模型时，首先构造不同的邻接矩阵，形成耦合图神经网络所需的邻接矩阵，使得模型可以更好的适应不同业务下的邻接矩阵，从而自动选择最优邻接矩阵。这样，在数据不平衡，故障数据较少的情况下，耦合图神经网络模型比传统的机器学习模型具有更高的准度和精度，以提高电梯故障预警效果。根据本专利技术的一个方案，利用电力载波技术将大量的实时数据传输至云端，可以保证数据传输的快速且稳定。根据本专利技术的一个方案，在进行预处理时，构造类似树结构的多标签分类模型，该树模型包含主干和枝干，其中主干采用InceptionV3前7层网络，且只需训练一次；枝干采用InceptionV3后续几层网络。由此，多标签分类模型既可以降低训练权重，又能增加标签无需重新训练主干网络，从而降低标注和训练工作量。附图说明图1示意性表示根据本专利技术的一种实施方式的基于物联网技术和耦合图神经网络的电梯故障预警方法的流程示意图；图2示意性表示根据本专利技术的一种实施方式的基于物联网技术和耦合图神经网络的电梯故障预警方法中的电力载波通信示意图；图3示意性表示根据本专利技术的一种实施方式的基于物联网技术和耦合图神经网络的电梯故障预警方法中的人体实例分割结果示意图；图4示意性表示根据本专利技术的一种实施方式的基于物联网技术和耦合图神经网络的电梯故障预警方法中的人体属性提取示意图；图5示意性表示根据本专利技术的一种实施方式的基于物联网技术和耦合图神经网络的电梯故障预警方法中的耦合神经网络模型搭建示意图；图6示意性表示根据本专利技术的一种实施方式的基于物联网技术和耦合图神经网络的电梯故障预警方法中的耦合神经网络模型ROC曲线图。具体实施方式为了更清楚地说明本专利技术实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。下面结合附图和具体实施方式对本专利技术作详细地描述，实施方式不能在此一一赘述，但本专利技术的实施方式并不因此限定于以下实施方式。参见图1，本专利技术的基于物联网技术和耦合图神经网络的电梯故障预警方法，利用物联网技术对电梯内的数据进行实时采集，并将采集到的数据传输至云端。在云端对采集到的数据进行预处理以及特征提取。根据本专利技术的构思，利用耦合图神经网络模型在云端对实时采集的数据进行分析，从而实现电梯故障的提前预警。这样，相对于传统的模型，在数据不平衡，故障数据较少的情况下，耦合图神经网络模型具有更高的准度和精度，从而可以提高电梯故障预警效果。在实时采集电梯数据时，利用安装在轿厢内的传感器采集。根据实际需要，这些传感器包括安装在电梯轿厢内的摄像头以及温度、压力、加速度、霍尔传感器等。由此，所采集的数据包含图像数据(即图片)以及电梯运行参数，即Imagei，Acci，Tempi，Pressi，分别表示序列i所对应的图像数据、加速度(也可由此生成速度)、温度和压力。如图2所示，在本实施方式中，采集的数据涉及一小区的所有电梯的实时数据。本专利技术将传感器在线实时采集的数据传输至云端处理，传输方式为电力载波的方式完成，这样可以保证数据的传输快速且稳定。即，利用安装在电梯轿厢顶部的PLC模块完成数据的传输工作。当然，如图2所示，采集到的数据需要进行整合，再经PLC传输至网络通信层的以太网(即云端)。回传至云端的数据需要进行预处理(或称数据清洗)和特征提取，从而形成特征向量和标签数据(合称特征数据)。由上述可知，实时采集的数据同时包含图像数据以及一系列电梯运行参数数据，因此如图本文档来自技高网...

【技术保护点】
1.一种基于物联网技术和耦合图神经网络的电梯故障预警方法，包括以下步骤：/na、实时采集电梯轿厢内的数据，并将采集的数据传输至云端；/nb、对数据进行预处理，并进行特征提取；/nc、利用预先训练的耦合图神经网络模型在云端对实时采集的数据进行分析，并对电梯故障进行提前预警。/n

【技术特征摘要】
1.一种基于物联网技术和耦合图神经网络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，并将采集的数据传输至云端；
b、对数据进行预处理，并进行特征提取；
c、利用预先训练的耦合图神经网络模型在云端对实时采集的数据进行分析，并对电梯故障进行提前预警。


2.根据权利要求1所述的方法，其特征在于，所述步骤(c)中的耦合图神经网络模型的训练步骤包括，构造耦合图神经网络模型所需的双邻接矩阵，搭建并训练耦合图神经网络模型。


3.根据权利要求2所述的方法，其特征在于，通过电梯品牌和电梯所处的工作环境构建邻接矩阵的边，使其能被耦合图神经网络模型所用。


4.根据权利要求2所述的方法，其特征在于，通过拼接不同邻接矩阵下的图网络模型特征，完成耦合图神经网络模型的搭建。


5.根据权利要求1所述的方法，其特征在于，在所述步骤(a)中，实时采集的数据包括图像数据和电梯运行参数，所述电梯运行参数包括温度、压力和加速度。


6.根据权利要求1所述的方法，其特征在于，在所述步骤(a)中，将数据传输至云端之前对数据进行整合。

【专利技术属性】
技术研发人员：朱帅，黄中平，李壮，贾春华，吴磊磊，蔡巍伟，
申请(专利权)人：浙江新再灵科技股份有限公司，
类型：发明
国别省市：浙江;33