[发明专利]一种电梯风险评估方法

权利要求书

1.一种电梯风险评估方法，其特征在于：

（1）采用指标分析方法层次分析法对可能引起电梯故障的因素进行分析，并建立电梯风险评估指标层次结构；

（2）获取电梯风险评估指标层次结构中各指标实测参数值，并对各指标的实测参数值做初始化处理；

（3）通过人工神经网络确定电梯风险评估层次结构中指标的权重；

（4）通过带时序学习算法的前馈神经网络对电梯进行风险评估，并划分电梯风险等级。

2.根据权利要求1所述的电梯风险评估方法，其特征在于：采用评价指标分析方法层次分析法对可能引起电梯风险的因素以层次的方式进行分析，选定超载装置、超速保护装置、绳头组合、紧急电源装置、质量维保、极限开关动作次数、安全钳动作次数、部件更换、电梯使用年数、平均负荷情况作为电梯风险评估指标，并建立电梯风险评估指标层次结构。

3.根据权利要求1所述的电梯风险评估方法，其特征在于：在电梯风险评估指标层次结构的基础上，选取20个样本，通过分析获取电梯风险层次结构中各指标实测参数值，通过评价指标隶属度函数对样本数据进行初始化处理。

4.根据权利要求1所述的电梯风险评估方法，其特征在于：将电梯风险评估指标归为正指标、逆指标、适度指标三类，其中：

正指标有：超载装置、超速保护装置、绳头组合、紧急电源装置、质量维保；

逆指标有：极限开关动作次数、安全钳动作次数；

适度指标：部件更换、电梯使用年数、平均负荷情况；

定义正指标、逆指标、适度指标的隶属度函数如下：

（1）正指标

  

（2）逆指标

 

（3）适度指标

 

式中：指为指标的隶属度函数；为指标的实际取值；为第个指标的最大值；为第个指标的最小值；为第个指标的适度值，其值为第个指标的适度值平均值。

5.根据权利要求1所述的电梯风险评估方法，其特征在于：所述人工神经网络方法确定电梯风险评估层次结构中各指标的权重，包括三个阶段：

第一阶段是人工神经网络模型的构建，建立一个10-6-1的3层神经网络模型，其中10表示输入层神经单元数，隐含层神经单元数可自行设定，但其应大于输入层神经元和输出层神经元数目和的一半，小于输入层神经元和输出层神经元数目的和；

第二阶段是人工神经网络模型的训练，选取20个样本对此神经网络进行训练，得到网络稳定时各神经元之间的权值系数；

第三阶段是电梯风险评估层次结构中各指标权重的确定，对各神经元之间的权重加以分析处理，利用相关显著性系数、相关指数以及绝对影响系数来描述输入因素和输出因素之间的关系，得到电梯风险评估层次结构中各指标权重。

6.根据权利要求1所述的电梯风险评估方法，其特征在于：利用相关显著性系数、相关指数以及绝对影响系数来描述神经网络输入因素和输出因素之间的关系，具体公式如下：

（1）相关显著性系数

（2）相关指数

（3）绝对影响因素

式中：为神经网络输入单元，；为神经网络输出单元，；为神经网络的隐含单元，；为输入层神经元和隐含层神经元之间的权系数；为输出层神经元和隐含层神经元之间的权系数，上面三个相关系数中绝对影响系数S即为所求权重。

7.根据权利要求1所述的电梯风险评估方法，其特征在于：采用带时序学习算法的前馈神经网络方法建立一个3层神经网络模型，输入层节点是电梯风险层次结构中的10个指标，隐含层节点数为6，输出层节点数为1，学习算法是BP算法，20个电梯安全状态的评估样本被分为训练样本和评估样本，前15个用于网络训练，后5个则用于测试网络性能，电梯风险检测结果由0-1的数值组成，并将电梯风险分成5个等级，各等级电梯风险检测值所属区间分别为（0，0.2]、（0.2，0.4] 、（04，0.6] 、（0.6，0.8] 、（0.8，1]，分别表示电梯状况分别为非常不好、不好、一般、较好、非常好。