【技术实现步骤摘要】
本专利技术涉及特种设备评估，更具体的说是涉及一种基于融合网络模型的电梯健康状况评估方法。
技术介绍
1、电梯作为现代建筑中的重要设备，其运行状态直接影响乘客的安全，近年来，电梯安全事故频发，传统的故障诊断方法依赖于定期的人工检查和简单的传感器报警，并没有对电梯进行多维度的检查，效率低且不利于为电梯的维护和安全运行提供有力的技术支持。
2、对已结案的事故进行分析，其中电梯事故主要原因有，安全管理、维护保养不到位，违章作业或操作不当，安全部件失效或保护装置失灵等原因，未及时检验，应急救援不当和其他原因。根据以上的数据来看，安全管理、维护保养不到位和未及时检验占比较大，而安全部件失效与保护装置失灵导致的事故也较高，如果说在发生事故之前，能够对该电梯的健康状况以及存在的风险进行评估于预测，那么将会减少不必要的伤亡。
3、因此，如何提供一种能够解决上述问题的基于融合网络模型的电梯健康状况评估方法，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于融合网络模型的电梯健康状况评估方法，用于解决上述现有技术中存在的技术问题。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种基于融合网络模型的电梯健康状况评估方法，包括以下步骤：
4、s100：采集待测电梯的多维数据并进行预处理；
5、s200：构建bp神经网络模型，将遗传算法ga作为优化bp神经网络模型超参数、权值与阈值的策略，得
6、s300：构建逻辑判断模型，得到电梯健康状况的第二评估结果；
7、s400：将第一评估结果以及第二评估结果进行融合，并对融合结果进行分级，将分级结果作为最终的电梯健康状况诊断结果。
8、优选地，s100：采集待测电梯的多维数据并进行预处理，包括：
9、s110：待机待测电梯的电梯属性信息；
10、s120：设置采样周期，基于采样周期采集待测电梯的多维数据，其中，所述多维数据包括：物联监控信息、维护保养信息、检验检测信息；
11、s130：去除多维数据中存在缺失值和数据明显不符合实际的数据记录，并将剩余的数据进行归一化处理。
12、优选地，所述s130，包括：
13、按照多维数据绘制数据列表；
14、对数据列表中的数据进行列索引，遍历行中的空缺值，判断数据完整度，判断数据列表中数据的完整度；
15、将完整度大于等于第一预设阈值的数据保留，将完整度小于第一预设阈值的数据去除；
16、明显不符合实际的数据记录通过计算偏差值的方法从数据列表中删除，所述偏差值是基于绝对值或相对误差计算，当偏差值大于或等于第二预设阈值，则被标记为不符合实际的数据记录并进行删除；
17、将剩余的数据进行归一化处理。
18、优选地，所述构建bp神经网络模型包括：输入层、隐藏层以及输出层；
19、所述输入层的节点数按照输入数据的特征数量确定，所述输出层节点数为1，输出电梯健康状况的评估结果，隐含层的节点数按照经验公式获得。
20、优选地，所述经验公式为：
21、
22、其中，n1是隐含层节点数，n是输入层节点数，m是输出层节点数，a是1到10之间的常数。
23、优选地，将遗传算法ga作为优化bp神经网络模型超参数、权值与阈值的策略，得到ga-bp神经网络模型，包括：
24、采用实数编码建立初始种群，初始种群由隐含层阈值、隐含层与输出层连接权值、输入层与隐含层连接权值以及输出层阈值四部分组成，作为一组染色体；
25、进行遗传算法的选择、交叉和变异操作，产生下一代种群，计算新种群的个体适应度值，以最小值为最优；
26、将优化得到的连接权值与阈值带入到bp神经网络中，将归一化后的数据作为训练样本，进行反复训练；
27、更新训练得到的优化连接权值、阈值以及网络结构，得到ga-bp神经网络模型；
28、基于ga-bp神经网络模型得到电梯健康状况的第一评估结果。
29、优选地，所述计算新种群的个体适应度值的表达式为：
30、
31、式中，n为网络输出层节点数，yi为第i个节点的实际输出；yi′为第i个节点的期望输出。
32、优选地，s300：构建逻辑判断模型，得到电梯健康状况的第二评估结果，包括：
33、定义逻辑关系，用于判断电梯健康状况；
34、其中，逻辑关系的命题包括：
35、正常运行与故障状态的关系；
36、检修运行与运行形状态的关系；
37、紧急电动运行与故障处理的关系；
38、对接操作与装卸货物的关系；
39、消防运行与火灾应急的关系；
40、将定义好的逻辑关题整理成规则库，基于规则库，得到逻辑判断模型。优选地，逻辑判断模型表达式为：
41、异常＝p00n andp00m；
42、其中，p00n和p00m表示任意两个逻辑关系的命题的真假状态。
43、优选地，s400，包括：
44、逻辑判断模型输出的二元值转化为与ga-bp神经网络模型输出的相同范围的连续值；
45、计算融合结果，表达式为：
46、f＝w1*noutput+w2*loutput；
47、式中，f表示最终的电梯健康状况诊断结果，noutput表示ga-bp神经网络模输出的电梯健康状况的第一评估结果，loutput表示逻辑判断模型转换后的电梯健康状况的第二评估结果，w1表示ga-bpga-bp神经网络模型的权重，w2表示逻辑判断模型的权重；
48、对融合结果进行分级，将分级结果作为最终的电梯健康状况诊断结果。
49、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于融合网络模型的电梯健康状况评估方法，采用bp神经网络训练模型的过程中反复修正权值，不断优化模型，可以使模型以任意精度拟合训练数据，基于ga-bp神经网络的单偶时序模型和基于逻辑判断的组偶空间模型的双重识别电梯健康状况，结合了神经网络的学习和预测能力以及逻辑判断的直观性和精确性，以提高电梯健康状况评估的准确性和效率为电梯的安全运行提供有力保障。
本文档来自技高网...【技术保护点】
1.一种基于融合网络模型的电梯健康状况评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，S100：采集待测电梯的多维数据并进行预处理，包括：
3.根据权利要求2所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，所述S130，包括：
4.根据权利要求1所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，所述构建BP神经网络模型包括：输入层、隐藏层以及输出层；
5.根据权利要求4所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，所述经验公式为：
6.根据权利要求1所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，将遗传算法GA作为优化BP神经网络模型超参数、权值与阈值的策略，得到GA-BP神经网络模型，包括：
7.根据权利要求6所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，所述计算新种群的个体适应度值的表达式为：
8.根据权利要求1所述的一种基于融合网络模型的电梯健康状况评
9.根据权利要求8所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，逻辑判断模型表达式为：
10.根据权利要求1所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，S400，包括：
...【技术特征摘要】
1.一种基于融合网络模型的电梯健康状况评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，s100：采集待测电梯的多维数据并进行预处理，包括：
3.根据权利要求2所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，所述s130，包括：
4.根据权利要求1所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，所述构建bp神经网络模型包括：输入层、隐藏层以及输出层；
5.根据权利要求4所述的一种基于融合网络模型的电梯健康状况评估方法，其特征在于，所述经验公式为：
6.根据权利要求1所述的一种基于融合网络模型的...
【专利技术属性】
技术研发人员：郑良田，范文娟，罗伟，柯宇辉，陈淦波，侯凌月，蔡延斌，何若泉，
申请(专利权)人：广东省特种设备检测研究院东莞检测院，
类型：发明
国别省市：
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。