[发明专利]基于双向门控循环神经网络的电梯故障预警方法

说明书

本发明公开了一种基于双向门控循环神经网络的电梯故障预测方法，步骤包括：1)将电梯振动波形数据进行采样；2)将电梯振动波形样本转化为序列形式；3)将序列化后的样本分为训练集及测试集；4)构建双向门控循环神经网络构架；5)将双向门控循环神经网络构架进行训练；6)使用测试集进行预测测试，得到双向门控循环神经网络预测模型；7)使用双向门控循环神经网络预测模型进行电梯故障预测分类，得到预测的电梯波形结果。本发明还公开了一种基于双向门控循环神经网络的电梯故障诊断方法，判断结果表明电梯处于故障状态则发送警报。本发明的两个方法，对电梯状况的诊断和预测具有极高的准确率和实时性。

技术领域

本发明属于电梯故障检测预警技术领域，涉及一种基于双向门控循环神经网络的电梯故障预测方法，还涉及一种基于双向门控循环神经网络的电梯故障诊断方法。

背景技术

近年来，随着社会经济不断发展，城市高层建筑迅速增多，电梯应用更加广泛，电梯保有量持续增加，未来电梯更新市场及售后服务市场空间巨大。但是近年来电梯故障问题频发，一方面，较高的事故发生率和严重程度往往会造成不小的人员伤亡和较大的经济损失；另一方面，目前很多维修和保养单位对于电梯的运行状况、维护记录保存良莠不齐，使得很多真实数据难以考证，给电梯的运行埋下了不小的安全隐患。

因此如何有效对电梯的安全运行实施监控，及时排除各种电梯故障隐患，从根本上解决电梯的安全问题，保障电梯安全使用和运作，具有十分重要的意义。目前，较为普遍的电梯故障检测方法是通过电梯故障监测系统实时检测。电梯故障监测系统集数据采集、通信、数据分析、故障诊断、计算机控制于一体，通过安装在现场的数据采集设备收集电梯的运行状态数据，然后通过通信网络将数据传送至监控中心，经分析处理，实现对电梯运行状态监控、故障诊断、实时报警等，为电梯安全提供保障。

但目前的电梯故障监测系统有两个致命的缺陷无法避免：第一，无法及时地获知电梯故障前的先兆特征，更无法及时(预先)判断和处理。这就导致了现在的电梯故障监测系统更多的用于实时报警，在故障发生后尽可能的降低该故障造成的各种损失，而无法提升电梯运行时的安全系数，降低困人率和事故率，不可避免的产生诸多不良影响和负面情绪；第二，电梯故障监测系统往往只能给出一台电梯是否良好，是否需要检修，而不能系统的给出一台电梯目前受损程度。这样的黑箱设计往往无法给乘客提供一个直观的电梯质量的感受，也往往无法提前给维护人员警示。

相较于传统的电梯监测系统，无论是快速确认故障原因还是及时发现故障，都无法避免先出故障才救援后排查错误类型的模式。现有的电梯监察系统被动的救援方式一则会浪费大量的人力物力，二则无法降低既有的事故发生率，治标不治本，急需新的突破。因此，急需研制一种能在故障发生之前预测并紧急制动，同时，在正常工作时能反馈健康状况的技术。

发明内容

本发明的目的是提供一种基于双向门控循环神经网络的电梯故障预测方法，解决了现有技术中无法提前预知故障的发生，只能被动救援，事后排除已发生故障的缺陷，同时无法实时反映电梯健康状况的问题。

本发明的另一目的是提供一种基于双向门控循环神经网络的电梯故障诊断方法，可以判断电梯将要发生故障的故障类型，提前报警。

本发明所采用的技术方案是，一种基于双向门控循环神经网络的电梯故障预测方法，按照以下步骤实施：

步骤1：将电梯振动波形数据进行采样，转化为按照采集时间排序，以时间序列为基准的样本序列；

步骤2：将电梯振动波形样本转化为序列形式，该序列包含两个部分，第一部分为输入信号序列，第二部分为输出预测序列；

训练样本的信号序列和预测序列均取自样本序列，其中，信号序列与预测序列相差p个时间单位，信号序列中的t时刻数据，为预测序列的t-p时刻数据，信号序列与预测序列形状相同，矩阵形状均为[样本数目,步长,输出维度]；