[发明专利]基于无偏灰色模糊马尔科夫链模型的电梯可靠性预测方法

说明书

一种基于无偏灰色模糊马尔科夫链模型的电梯可靠性预测方法。通过电梯发生故障时对故障代码进行提取、记录，获得历史数据；根据历史数据建立无偏GM(1,1)模型，并检验模型的残差；将残差数值区间划分为m个状态，运用模糊分类理论构造模糊函数，并计算每个数据点的模糊状态概率向量，根据最大隶属原则确定每个数据点的所属状态；建立马尔科夫状态转移矩阵，预测下次发生该故障的模糊向量，根据最大隶属原则确定该预测数据隶属的状态。本发明对电梯可靠性进行预测，通过无偏GM(1,1)得到某一故障发生的时间间隔趋势，利用模糊马尔科夫链抗干扰性去逼近数据波动趋势，并对马尔科夫链进行滑动平移，使得电梯可靠性预测结果更加精确。

技术领域

本发明涉及故障预测领域，特别涉及一种电梯可靠性预测方法。

背景技术

电梯作为楼宇中的运输工具已经越来越多地被现代人所使用，随着电梯数量 的增多，人们使用电梯也越来越频繁，电梯运行可靠性已经成为社会关注的焦点 问题，电梯运行的状态直接关系到人们生命财产安全。目前，电梯远程监控设备 已经广泛的运用到电梯实时运行监测中，电梯监控设备通过移动数据网络实时向 电梯维保单位传输所监控电梯的实时信息。

目前只能依靠于电梯定期维护保养。目的不明确的定期维修保养不仅成本高、 效率低，而且依靠人工检查也很难发现电梯的安全隐患。

发明内容

为了解决需要对电梯的可靠性进行预测，减少电梯可能发生的安全隐患 的问题，本发明提供一种基于无偏灰色模糊马尔科夫链模型的电梯可靠性预 测方法。

本发明解决其技术问题所采用的技术方案是：一种基于无偏灰色模糊马尔科 夫链模型的电梯可靠性预测方法，其步骤包括：通过远程监控设备实时获取电梯 运行状态，在电梯发生故障时对故障代码进行提取、记录，作为历史数据；对历 史数据进行数据处理与检验，建立无偏预测模型；计算无偏预测模型的残差，将 残差的数值区间划分为若干不同状态；运用模糊分类理论构造模糊函数，并计算 历史数据中每个数据点的模糊状态概率向量，根据最大隶属原则确定每个数据点 的所属状态；建立马尔科夫状态转移矩阵，预测下次发生该故障的模糊向量，根 据最大隶属原则确定该预测的模糊向量隶属的状态。

所述对历史数据进行数据处理与检验包括：将历史数据组成原始数列；通过 滑动平均法对原始数列极端值进行处理，生成滑动平均数列；对滑动平均数列进 行数列的级比检验。

所述建立无偏预测模型具体包括：滑动平均数列一次累加；构造均值数列； 建立灰色微分方程；计算微分方程的参数；计算无偏灰色参数；建立无偏GM预 测曲线。

进行下一次预测时，对无偏预测模型中的数据点进行滑动平移处理，去除历 史数据的老数据点并补充相应个数的新数据点，得出新的马尔科夫状态转移矩阵。

本发明的有益效果是：将灰色理论与马尔科夫两者相结合，对电梯可靠性变 化的总趋势进行预测，利用马尔可夫决策理论确定状态的转移概率，建立符合电 梯可靠性预测的无偏灰色马尔可夫预测模型，得到下一步的故障状态值，通过滑 动状态转移矩阵对马尔科夫链状态数据进行实时更新，具有较高的预测可靠性和 精度。

附图说明

图1为本发明实施例的预测模型流程图。

图2为本发明实施例的模糊函数。

具体实施方式

下面结合附图对本发明实施例作进一步说明：