一种电梯故障预诊断方法技术

本发明专利技术公开了一种电梯故障预诊断方法，包括：从结构化数据中提取出与电梯工作状态有关的特征变量，将特征变量作为相应变量，将C类故障是否发生作为结果，将发生与不发生作为两个水平，以进行方差分析，根据方差分析结果判断相应特征变量是否对C类故障有影响，进而得到影响C类故障发生的变量，并结合变量相关性分析结果，筛选出影响C类故障发生的关键变量，以此建立故障预测模型并进行模型训练；若故障预测模型的准确率、召回率、正确率和F1值均满足相应的预设要求，则输出故障预测模型以预测电梯在未来一段时间内是否会发生C类故障。本发明专利技术提供的电梯故障预诊断方法从不同维度来量化产生电梯故障的关键因素，实现电梯故障的预诊断。诊断。诊断。

【技术实现步骤摘要】
一种电梯故障预诊断方法


[0001]本专利技术涉及电梯故障预测
，尤其涉及一种电梯故障预诊断方法。

技术介绍

[0002]电梯行业在中国已经历四十余年的发展。随着科学技术的不断进步，电梯总量呈现指数上升的趋势。现已是全球最大的电梯生产国和消费国，也是最大的电梯出口国。电梯作为一种与人们生活息息相关的特种设备，其安全性直接影响着使用者的生命和财产安全。随着城市化进程的加快，中国新建住宅小区和商业设施中电梯数量急剧增加，随之而来的是，老旧电梯也不断增加，电梯安全问题日渐突出。因此电梯的故障预测就显得尤为重要。现有技术中的电梯故障预测均从中单一的维度进行预测，其存在准确性不高、适用性不强等问题。
[0003]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0004]为了克服现有技术存在的不足，本专利技术提供一种电梯故障预诊断方法，具体技术方案如下：
[0005]提供了一种电梯故障预诊断方法，包括以下步骤：根据电梯故障代码，按照故障严重程度对电梯故障进行故障分类，所述电梯故障类型包括A类故障、B类故障和C类故障，其中，A类故障为自动修复故障，B类故障为潜在停梯故障，C类故障为直接停梯故障；
[0006]对多架电梯的日志数据进行数据提取和数据预处理，以转换形成结构化数据，并统计每架电梯的故障类型，从所述结构化数据中提取出与电梯工作状态有关的特征变量，将特征变量作为相应变量，将C类故障是否发生作为因子，将发生与不发生作为两个水平，以进行方差分析，根据方差分析结果判断相应特征变量是否对C类故障有影响，进而得到影响C类故障发生的变量，并结合变量相关性分析结果，筛选出影响C类故障发生的关键变量，以此建立故障预测模型并进行模型训练；若所述故障预测模型的准确率、召回率、正确率和F1值均满足相应的预设要求，则输出所述故障预测模型以预测电梯在未来一段时间内是否会发生C类故障。
[0007]进一步地，所述故障预测模型包括Logistics模型，设所述C类故障的预测结果为0或1，0表示未发生C类故障，1表示发生C类故障；
[0008]将所述结构化数据形成的数据集分为训练集和测试集，所述Logistics模型通过训练集进行优化，然后通过测试集进行测试，得到预测值为0的结果数据集、预测值为1的结果数据集、将0预测为1的结果数据集以及将1预测为0的结果数据集，进而判断其预测能力。
[0009]进一步地，所述故障预测模型包括机器学习模型，设所述C类故障的预测结果为0
或1，0表示未发生C类故障，1表示发生C类故障；
[0010]将所述结构化数据形成的数据集分为训练集和测试集，所述机器学习模型通过训练集进行优化，然后通过测试集进行测试，得到预测值为0的结果数据集、预测值为1的结果数据集、将0预测为1的结果数据集以及将1预测为0的结果数据集，进而判断其预测能力。
[0011]进一步地，所述故障预测模型还包括机器学习模型，将所述Logistics模型中预测值为0的结果数据集和/或预测值为1的结果数据集作为所述机器学习模型的训练集，将0预测为1的结果数据集和将1预测为0的结果数据集作为所述机器学习模型的测试集。
[0012]进一步地，所述机器学习模型采用随机森林、决策树、支持向量机、XGBoost或LightGBM进行建模。
[0013]进一步地，统计每架电梯的故障类型和生存寿命，其中，电梯的生存寿命是指连续两次停梯之间的时间间隔，分析不同C类故障的生存寿命的时间特点，并统计不同生存寿命时间出现的频数；
[0014]所述故障预测模型包括Cox比例风险模型，通过调用SAS对变量进行筛选，以得到影响寿命的关键变量，进而建立相应的Cox比例风险模型，通过Cox比例风险模型能够计算相应的生存概率，以作为电梯预测结果的概率参考。
[0015]进一步地，若电梯预测结果为发生C类故障，且其对应的概率值低于第一预设标准，则进行报警提示；若电梯预测结果为发生C类故障，且其对应的概率值高于第一预设标准，则需进行模型优化；若电梯预测结果为未发生C类故障，且其对应的概率值高于第二预设标准，则无需报警提示；若电梯预测结果为未发生C类故障，且其对应的概率值低于第二预设标准，则需进行模型优化。
[0016]进一步地，所述日志数据的数据提取包括以下步骤：
[0017]提取电梯运行日志中预定义字段的所有数据信息；
[0018]根据不同的协议版本进行字节数据的转换；
[0019]提取每架电梯的数据，将同一电梯不同协议版本的数据合并；
[0020]将文本格式的数据统一转换为表格格式；
[0021]查看单架电梯相邻的两次故障时间隔，将单架电梯数据中一天内的所有数据合并到一天，统计各类故障代码的频数。
[0022]进一步地，所述日志数据的数据预处理包括：对从日志数据中提取出数据进行异常值处理和缺失值填充，从而实现数据清洗。
[0023]进一步地，在电梯故障统计中，需要去除人为模拟的电梯故障，对真实故障和模拟故障的区分包括以下步骤：
[0024]将出现过人为模拟情况的故障记作试验故障；
[0025]若所述试验故障伴随电梯检修情况出现，则将对应的试验故障记作模拟故障；
[0026]若所述试验故障不伴随其他任何电梯故障出现，则将对应的试验故障记作真实故障。
[0027]与现有技术相比，本专利技术具有下列优点：从不同维度来量化产生电梯故障的关键因素，从而实现电梯故障的预诊断。
附图说明
[0028]图1是本专利技术实施例提供的电梯故障预诊断方法中预诊断系统结构示意图；
[0029]图2是本专利技术实施例提供的电梯故障预诊断方法中预诊断系统应用示意图；
[0030]图3是本专利技术实施例提供的电梯故障预诊断方法流程示意图；
[0031]图4是本专利技术实施例提供的电梯故障预诊断方法中电梯故障代码分类表示意图；
[0032]图5是本专利技术实施例提供的电梯故障预诊断方法中不同训练集下模型的总的评价指标表现示意图。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0034]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电梯故障预诊断方法，其特征在于，包括以下步骤：根据电梯故障代码，按照故障严重程度对电梯故障进行故障分类，所述电梯故障类型包括A类故障、B类故障和C类故障，其中，A类故障为自动修复故障，B类故障为潜在停梯故障，C类故障为直接停梯故障；对多架电梯的日志数据进行数据提取和数据预处理，以转换形成结构化数据，并统计每架电梯的故障类型，从所述结构化数据中提取出与电梯工作状态有关的特征变量，将特征变量作为相应变量，将C类故障是否发生作为结果，将发生与不发生作为两个水平，以进行方差分析，根据方差分析结果判断相应特征变量是否对C类故障有影响，进而得到影响C类故障发生的变量，并结合变量相关性分析结果，筛选出影响C类故障发生的关键变量，以此建立故障预测模型并进行模型训练；若所述故障预测模型的准确率、召回率、正确率和F1值均满足相应的预设要求，则输出所述故障预测模型以预测电梯在未来一段时间内是否会发生C类故障。2.根据权利要求1所述的电梯故障预诊断方法，其特征在于，所述故障预测模型包括Logistics模型，设所述C类故障的预测结果为0或1，0表示未发生C类故障，1表示发生C类故障；将所述结构化数据形成的数据集分为训练集和测试集，所述Logistics模型通过训练集进行优化，然后通过测试集进行测试，得到预测值为0的结果数据集、预测值为1的结果数据集、将0预测为1的结果数据集以及将1预测为0的结果数据集，进而判断其预测能力。3.根据权利要求1所述的电梯故障预诊断方法，其特征在于，所述故障预测模型包括机器学习模型，设所述C类故障的预测结果为0或1，0表示未发生C类故障，1表示发生C类故障；将所述结构化数据形成的数据集分为训练集和测试集，所述机器学习模型通过训练集进行优化，然后通过测试集进行测试，得到预测值为0的结果数据集、预测值为1的结果数据集、将0预测为1的结果数据集以及将1预测为0的结果数据集，进而判断其预测能力。4.根据权利要求2所述的电梯故障预诊断方法，其特征在于，所述故障预测模型还包括机器学习模型，将所述Logistics模型中预测值为0的结果数据集和/或预测值为1的结果数据集作为所述机器学习模型的训练集，将0预测为1的结果数据集和将1预测为0的结果数据集作为所述机器学习模...

【专利技术属性】
技术研发人员：王苏宇，郭军，周涵，王灵珠，
申请(专利权)人：苏州江南嘉捷电梯有限公司，
类型：发明
国别省市：