一种基于图神经网络的电梯故障诊断方法技术

本发明专利技术公开了一种基于图神经网络的电梯故障诊断方法。本发明专利技术针对电梯故障，首先对电梯的常见故障类型进行了机理分析，得到了与故障相应变化的电梯主要特征量；通过各类传感器采集主要特征量的变化情况，将特征量数据进行EMD和小波降噪处理后得到样本集；通过余弦相似度和K近邻算法构造样本图；构造图卷积神经网络模型，将样本图的邻接矩阵和节点特征矩阵以及训练数据输入模型进行训练；在训练好的图神经网络模型中，输入实时采集到的数据实现电梯的故障诊断。本发明专利技术基于对电梯失效模式的机理分析，并提取了电梯声、电、振动等多源异构数据中的有价值信息，不仅使得该模型更具有可解释性，也可以在故障诊断中获得更好的诊断效果。果。果。

【技术实现步骤摘要】
一种基于图神经网络的电梯故障诊断方法


[0001]本专利技术涉及一种基于图神经网络的电梯故障诊断方法，属于特征设备的故障诊断领域。

技术介绍

[0002]随着国民经济的快速发展，电梯已成为生产生活中不可或缺的重要组成部分，电梯的广泛应用极大的方便了人员与货物的运输，降低了运输成本增加了运输效率。然而值得注意的是，目前电梯的重大伤亡事故呈现高发态势。电梯的电气控制系统与机械结构极为复杂，包括制动机构、减速器、滚动轴承等都属于电梯容易失效的部分，一旦安装养护稍有不当，极易出现故障，严重时可能会造成重大人员伤亡和财产损失。但目前电梯的维护检修工作主要是依靠人工费时费力费钱，而且国内检修人员缺乏专业培训，其专业素养不足以应对故障诊断任务，可能会留有隐患。因此开发安全高效的电梯故障诊断方法能够减少人力物力浪费，降低误诊率，保证电梯的健康、平稳运行，避免事故的发生。
[0003]对于电梯的故障诊断而言，早期主要是通过经验分析法和信号分析法来进行判断，经验分析法主要是依靠主观经验进行故障，不具备客观的理论基础；而常用的信号分析法如小波变换法、经验模式分解法(EMD)、形态信号处理法(MSP)和谱分析法等，都有着广泛的应用，但随着故障诊断技术的发展，这些方法都暴露出了自身的局限性，如小波分析中基函数长度受限问题、EMD中的模式混淆问题、MSP中的噪声污染问题等，仅仅依靠信号分析方法，难以满足现在对电梯故障诊断的需要。
[0004]而现在常用的机理分析方法受限于电梯的复杂结构无法把握精确模型，专家知识系统需要的专家知识和经验也难以积累。而随着传感器技术和数据采集技术的发展，能够从电梯的运行和故障过程中获取大量过程数据，基于数据驱动的方法开始逐步成为故障诊断的主流方法，譬如提出的多元统计分析方法如主成分分析(PCA)及其变种用来处理故障，但当故障特征淹没于高维非线性、非平稳、非高斯的数据时，上述方法难以得到较好的诊断效果，还有浅层机器学习方法的代表人工神经网络(ANN)，也可以有效解决一些故障诊断问题，但其结构的简单性使得其在处理故障诊断问题时，难以精准地捕捉故障特征的非显著性、不确定性变化，无法挖掘特征中的深层信息。所以越来越多的专家学者开始研究将深度学习的方法引入到故障诊断领域中，诸如深度置信网络(DBN)、卷积神经网络(CNN)、堆叠自动编码机(SAE)、递归神经网络(RNN)等都开始应用在了故障诊断中。
[0005]但是，基于深度学习的故障诊断仍处于起步阶段，目前还多以应用验证性为主。而且深度学习虽然有强大的特征表示能力，但存在融合推理与分类决策能力不足、计算实时性差等问题需要去解决。此外，电梯故障具有信号复杂、因素繁多等特点，且各类故障具有多样性、相关联性、突发性、层次性等特点，以上所述的各类方法和相应的结构化数据库数据面向的是更多是相对精确且合理排列的数据，对于电梯系统故障和故障监测需要采集的各种基于声、光、电、磁原理的多源异构数据，并无法获得很好的处理效果。而图神经网络将现有的神经网络运用到处理非欧式数据上，可以有效应对上述问题。

技术实现思路

[0006]本专利技术针对现有技术存在的不足，基于图神经网络设计了一种电梯故障诊断方法，相比于常用的故障诊断技术，图神经网络更适用于非欧式结构式数据，能够从电梯采集到的基于声、光、电、磁原理的多源异构数据中更好的提取特征进行故障诊断。
[0007]本专利技术首先针对电梯常见失效模式，对其失效机理进行分析，失效模式会导致故障发生，也会引发多种特征量变化，在电梯上布置相应各类传感器，通过传感器采集各类信号并进行降噪处理，将每个传感器采集的信号作为一个样本，构建样本集。根据每个样本间的相关性，构建样本图网络。其次，针对样本图的结构特性，建立图卷积神经网络模型，通过引入两层图卷积(GCN)层对数据进行特征提取，并通过全连接层输出故障诊断结果。
[0008]本专利技术的技术方案如下：
[0009]首先，本专利针对制动系统、减速箱、超载保护装置、安全钳、限速器、滚动轴承等结构在内的电梯重要部件建立失效模式和失效机理分析机制，上述失效模式会导致电梯运行系统中的主要特征量发生异常变化，引发电梯运行中的各类故障。
[0010]因此在电梯上布置相应的多种传感器以及无线传感网络采集并传输与故障相关的电梯运行时的多种状态信息。其主要包括：确定轿厢位姿主要运用光电感知方法，通过设置在轿厢上的光电或红外传感器，对电梯位姿进行实时监测。电梯的运行速度是在设备上设置相应速度传感器对运行速度进行测量。电梯加速度变化率通常可运用多轴的加速度传感器对加速度进行测量，电梯噪声是通过安装传声器来进行测量。而电梯运行中的电流电压变化是使用相应的微电流传感器和电压传感器等等。
[0011]将这些采集到的振动、加速度、速度、噪声等数据作为样本，得到样本集。这些特征量之间也具有相关联性，可以从中提取有价值信息。
[0012]由于在构建图神经网络模型过程中，噪声会导致构建出错误的边，因此根据各类传感器和采集数据的性质，将需要进行降噪处理的样本数据x(t)进行EMD分解，得到多个IMF分量c1，c2，c3…
c
k
以及残差r，最终x(t)可以表示为：
[0013]x(t)＝c1+c2+c3+
…
+c
k
+r
[0014]通过自相关性和归一化对求出的IMF分量进行处理：
[0015]R
i
(τ)＝E(c
i
(t)c
i
(t+τ))
[0016]ρ
i
(τ)＝R
i
(τ)/R
i
(O)
[0017]根据白噪声的统计特性,随机噪声含量高的信号在零点处的相关函数最大,在其他位置衰减速度快,接近于零；而对于随机噪声含量低或不含随机噪声的信号,其自相关函数在零点处是最大值,在非零点处一般不为零且随时间的变化而变化。
[0018]因此根据分解结果。只有第一阶IMF分量的归一化自相关函数在零点处为1,在其余点处近似为零,其余各阶IMF分量归一化自相关函数方差大于0.01,因此设定阈值为0.01，第一阶IMF分量占据了随机噪声的主要部分,需进行进一步处理。
[0019]对处于高频的第一阶IMF分量的信号，进行小波降噪处理,经过试验,选取sym8小波对高频IMF分量进行三层分解可以得到较好的降噪效果，结果为C
i
′
。
[0020]最后,把经过处理的高频IMF分量与原有的低频IMF分量进行累加，作为最后的消噪结果，重新并回样本集中。
[0021][0022]采用余弦相似度来对不同样本之间的相关性进行衡量：
[0023][0024]并通过KNN算法，以每个样本s
i
为节点V，选择与节点相近的K(K＝3)个节点作为相邻边，以信号样本的连接关系作为边E，构建故障样本图G(V，E)。
[0025]分别求取故障样本图G(V，E)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的电梯故障诊断方法，其特征在于：步骤1：对于电梯常见失效模式机理分析，采集合适的特征量步骤2：将采集数据进行降噪处理得到样本集步骤3：构建样本图结构步骤4：构建并训练图卷积神经网络模型步骤5：基于图卷积神经网络的电梯故障诊断。2.根据权利要求1所述的一种基于图神经网络的电梯故障诊断方法，其特征在于：对于电梯的常见失效模式的失效机理进行了分析，电梯的失效模式会导致电梯故障，且会引起相应的电梯特征量发生变化，通过对电梯失效模式的机理分析，对各类电梯故障的本质、必然性和规律性进行研究，并根据相应的机理分析结果选择合适的特征量，并通过相应的传感器和无线传输模块采集并传输各个特征量的变化数据。3.根据权利要求2所述的一种基于图神经网络的电梯故障诊断方法，其特征在于：含噪声数据会对构造图产生影响，因此需要对采集到的数据样本进行降噪处理，首先通过EMD方法对样本进行分解，得到多个IMF分量c1，c2，c3…
c
k
以及残差r，最终x(t)可以表示为：x(t)＝c1+c2+c3+...+c
k
+r通过自相关性和归一化对求出的IMF分量进行处理：R
i
(τ)＝E(c
i
(t)c
i
(t+τ))根据白噪声的统计特性，含噪声含量高的信号在零点处的相关函数最大,在其他位置衰减速度快,接近于零，因此对于超出阈值的高频IMF分量进行小波降噪处理，选取sym8小波对高频IMF分量进行三层分解可以得到较好的降噪效果。把经过处理的高频IMF分量与原有的低频IMF分量进行累加，作为最后的消噪结果，重新合并，组成样本，得到样本集。4.根据权利要求3所述的一种基于图神经网络的电梯故障诊断方法，其特征在于：选择各个传感器采集得到的多源异构数据作为节点构建图模型。通过余弦相似度来评判各个节点之间的相关性：...

【专利技术属性】
技术研发人员：何雨辰，胡文浩，王琪冰，陆佳炜，李琛，肖刚，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：