利用循环神经网络模型的电梯故障诊断系统技术方案

本发明专利技术公开了一种利用循环神经网络模型的电梯故障诊断系统，其特征在于，包括：电梯控制盘，控制电梯的动作，并实时地记录与故障相关的故障数据；云，接收并累积电梯控制盘上记录的故障数据；预处理部，执行从存储于云的故障数据中提取用于解析电梯发生故障的原因的主要数据并按时间段进行排列的预处理；标记部，将由预处理部预处理的数据与表示电梯的实际故障原因的故障原因标签结合而构成学习数据集；学习建模部，利用学习数据集执行循环神经网络学习，而生成用于推断电梯的实际故障原因的故障诊断模型；以及存储管理部，存储由预处理部预处理的数据、由标记部标记的学习数据集、以及由学习建模部生成的故障诊断模型，并区分而进行管理。区分而进行管理。区分而进行管理。

【技术实现步骤摘要】
利用循环神经网络模型的电梯故障诊断系统


[0001]本专利技术涉及一种利用循环神经网络模型的电梯故障诊断系统，更具体地，涉及一种电梯故障诊断系统，该系统执行利用了循环神经网络模型的机械学习，从连续产生的多个故障数据中掌握实际故障原因，并将其提供给维护人员，从而支持维护工作。

技术介绍

[0002]为了住宅、商务、商业等而建造的各种高层建筑物中包括电梯系统，以使出入该建筑物的乘客能够顺利地在楼层之间移动。
[0003]通常，电梯系统构成为包括电梯轿厢、机械部以及控制部等，该电梯轿厢在乘客乘坐的状态下沿着在建筑物内部呈垂直方向形成的井道进行移动，该机械部由产生用于使电梯轿厢升降的动力的电机部和曳引机等构成，该控制部执行与电梯轿厢的运行相关的控制。
[0004]另一方面，电梯的维护通过如下方式实现：在接收到对建筑物中设置的电梯的检查请求或故障报告时，维护人员出动到设置有电梯的现场并诊断电梯的状态，之后采取必要的措施。
[0005]通常，电梯系统具备感知装置，该感知装置感知电梯系统的运行状态，当发生故障时，将表示故障类型的故障代码传送给维护中心。当电梯发生故障时，上述感知装置将包含故障代码在内的故障信号传送给维修中心，接收到故障信息的维修中心向发生故障的电梯现场派遣维修人员来处理故障。其中，故障代码是指在电梯发生故障时从电梯控制盘输出的数字、或数字和英文字母组合的代码。
[0006]更具体地观察处理电梯故障的过程，当收到电梯的故障报告时，出动到发生故障的电梯现场的维护人员将维护终端连接于电梯控制盘，而确认产生的故障代码，参照故障代码的手册，根据相应的恢复指令来采取措施。
[0007]但是，由于有机地连接有各种设备的电梯系统的特性，每个所发生的故障的故障解析难度均不同，因此根据维修人员的熟练程度，故障解析及解决问题所需的时间可能不同。
[0008]另外，通常，在电梯发生故障时，在大部分情况下同时产生多个故障代码，而不是产生单个故障代码，因此不熟练的维护人员难以准确地掌握实际故障原因，这成为迅速处理故障的障碍因素，而成为增加电梯停机时间的主要原因。
[0009]即，对于现有的电梯维护，根据工作人员的熟练程度，故障原因分析及处理时间的差异较大，在由于维护人员的熟练程度不足而发生故障错误分析时，存在由此额外产生其他问题的风险，若出动的人员不能解决，则需要动员研究所的其他人力，因此消耗额外的人力费用及时间费用的可能性非常大。

技术实现思路

[0010]要解决的技术问题
[0011]在构成电梯系统的各种构成要素(例如，曳引机电机、制动器、门、逆变器、控制盘等)中生成的运行数据具有连续生成的特性。如上所述，由于连续生成运行数据的电梯系统的特性，为了准确地分析电梯中发生的故障，必须确认产生故障数据的时间点的前/后产生的数据内容，并对范围进行分类而综合地进行分析，但目前还没有对该范围进行分类的明确的标准。
[0012]因此，本专利技术的目的在于提供一种故障诊断系统，该故障诊断系统能够利用可以对时间序列数据进行学习的循环神经网络模型从连续产生的多个故障数据中准确且快速地掌握实际故障原因，而支持维护工作，从而能够与维护人员的熟练程度无关地减少故障解析错误，并缩短解决问题所需的时间。
[0013]另外，本专利技术的目的在于，能够基于在电梯故障时所观测到的故障代码的连续序列的学习来规定表示实际故障原因的新的原因类，并将其提供给维护人员，从而减小维护人员的熟练程度差，减小故障解析发生错误的可能性，并提高维护的稳定性。
[0014]本专利技术的技术问题不限于上述提及的技术问题，本领域技术人员可以通过下面的描述能够清楚地理解未提及的其他技术问题。
[0015]解决问题的手段
[0016]根据用于实现上述目的的本专利技术的一方面，可以提供一种利用循环神经网络模型的电梯故障诊断系统，包括：电梯控制盘，控制电梯的动作，并实时地记录与故障相关的故障数据；云，接收并累积所述电梯控制盘上记录的所述故障数据；预处理部，执行从存储于所述云的所述故障数据中提取用于解析所述电梯发生故障的原因的主要数据并按时间段进行排列的预处理；标记部，将由所述预处理部预处理的数据与表示所述电梯的实际故障原因的故障原因标签结合而构成学习数据集；学习建模部，利用所述学习数据集执行循环神经网络学习，而生成用于推断所述电梯的实际故障原因的故障诊断模型；以及存储管理部，存储由所述预处理部预处理的数据、由所述标记部标记的学习数据集、以及由所述学习建模部生成的故障诊断模型，并区分而进行管理。
[0017]所述主要数据可以是包含于所述故障数据的故障代码，所述预处理部将所述故障代码按时间段进行排列，并执行将位于设定的类似时间范围内的代码组成一组的分组，而将所述故障代码分离为连续序列。
[0018]所述故障原因标签可以被规定为原因类，所述原因类表示在所述故障代码的连续序列被观测为特定模式时实际发生的所述电梯的故障原因，所述标记部参考过去的故障履历数据来执行将所述故障代码的连续序列与对应的所述原因类结合的标记操作。
[0019]所述故障诊断模型可以接收特定的所述电梯的故障数据的预处理数据作为输入数据，并输出相应的所述原因类作为故障诊断结果。
[0020]可以将在所述特定电梯的故障诊断期间输入的数据和根据该数据的输出结果作为馈送数据来执行反复学习，从而更新所述故障诊断模型。
[0021]根据本专利技术的一方面的故障诊断系统还可以包括网络服务器，所述网络服务器能够通过用户终端进行访问，并向用户提供由所述用户选择的所述特定电梯的故障诊断结果。
[0022]所述网络服务器可以提供包括服务屏幕的网络应用程序，以便供所述用户选择所述特定电梯并可视地显示所述故障诊断结果。
[0023]可以使用双向长短期记忆(LSTM：bidirectional Long Short Term Memory)作为所述循环神经网络模型。
[0024]专利技术效果
[0025]根据如上所述的本专利技术，通过应用适合于连续产生运行数据的电梯的特性的循环神经网络模型，可以利用深度学习(deep learning)的优点，导出对于电梯中发生的故障的准确的诊断结果并提供给维护人员，从而具有能够与维护人员的熟练程度无关地减小故障解析及解决问题所需的时间偏差的效果。
[0026]另外，本专利技术不是仅以一个故障数据来诊断故障，而是通过对按时间顺序发生的多个故障数据的综合性分析来找出导致电梯故障的实际原因，因此与现有的方式相比，具有显著提高电梯故障分析的准确度的效果。
[0027]尤其，根据如上所述的本专利技术，不仅可以减少关于电梯系统中发生的故障的错误分析，还具有将以现有的故障代码无法说明的原因不明的故障或电梯的部件之间相关的故障规定为新的原因类进行提供而扩大故障分析的范围的效果。
[0028]本专利技术的效果不限于上述提及的效果，本领域技术人员可以通过下面的描述清楚地理解未提及的效果或其他效果。
附图说明
...

【技术保护点】

【技术特征摘要】
1.一种利用循环神经网络模型的电梯故障诊断系统，其特征在于，包括：电梯控制盘，控制电梯的动作，并实时地记录与故障相关的故障数据；云，接收并累积所述电梯控制盘上记录的所述故障数据；预处理部，执行从存储于所述云的所述故障数据中提取用于解析所述电梯发生故障的原因的主要数据并按时间段进行排列的预处理；标记部，将由所述预处理部预处理的数据与表示所述电梯的实际故障原因的故障原因标签结合而构成学习数据集；学习建模部，利用所述学习数据集执行循环神经网络学习，而生成用于推断所述电梯的实际故障原因的故障诊断模型；以及存储管理部，存储由所述预处理部预处理的数据、由所述标记部标记的学习数据集、以及由所述学习建模部生成的故障诊断模型，并区分而进行管理。2.根据权利要求1所述的利用循环神经网络模型的电梯故障诊断系统，其特征在于，所述主要数据是包含于所述故障数据的故障代码，所述预处理部将所述故障代码按时间段进行排列，并执行将位于设定的类似时间范围内的代码组成一组的分组，而将所述故障代码分离为连续序列。3.根据权利要求2所述的利用循环神经网络模型的电梯故障诊断系统，其特征在于，所述故障原因标签被规定为原因类，所述原因类表示在所述故障代码的连续序列...

【专利技术属性】
技术研发人员：徐智慧，
申请(专利权)人：现代电梯株式会社，
类型：发明
国别省市：