[发明专利]基于小波包分解和神经网络的直梯振动过大故障诊断方法

摘要

本发明公开了一种基于小波包分解和神经网络的直梯振动过大故障诊断方法。本发明针对的是直梯，综合运用小波包分解法和全连接神经网络，基于电梯加速度信号对电梯振动过大故障进行诊断。本发明考虑了电梯加速度信号在实际环境中的非平稳性，利用小波包分解将加速度信号分解为子信号，再对子信号提取时频域特征，将其组合成特征向量，最后利用全连接神经网络根据加速度信号的特征向量对正样本和负样本进行二分类处理，建立能够识别正样本和负样本的模型，用于在线故障诊断。该方法实现了针对直梯振动过大故障的有效实时诊断，具有较好的诊断效果，保障了载人电梯运行过程中的安全性，减少了事故的发生。

主权项

1.一种基于小波包分解和神经网络的直梯振动过大故障诊断方法，其特征在于，包括以下步骤：/n(1)使用采样频率为100Hz的加速度传感器采集电梯运行过程中的正常状态和振动过大状态的加速度信号，以电梯进行一次加速-匀速-减速的运动过程所采集到的原始加速度信号作为一个原始加速度信号样本，进行模型训练，包括以下步骤：/n(1.1)对原始加速度信号样本进行三层小波包分解：将原始的加速度信号分解为8个子信号s_i(i＝1，2，3，...，8)，其中s_i表示第i个子信号，s₁为近似信号，s₂，s₃，...，s₈为频率范围逐渐增大的细节信号。/n(1.2)针对(1.1)中的8个子信号，分别计算其能量值E_i(i＝1，2，3，...，8)，对于子信号s₁，计算其4个常用的时域特征均方根值X_rms、峰值指标C_f、峭度指标K_f、波形指标S_f，将上述12个特征值组合成加速度信号对应的特征向量X＝[X_rms C_f K_f S_f E₁ E₂ E₃ E₄ E₅ E₆ E₇E₈]。/n(1.3)构建输入层维度为12、两个隐藏层维度为50、输出层维度为2的全连接神经网络。/n(1.4)将(1.2)中得到的特征向量X及对应的标签数据输入到(1.3)构建的神经网络模型中进行训练，得到基于神经网络的电梯振动过大故障诊断模型。/n(2)实时采集电梯运行过程中的加速度信号，按照步骤1.1-1.2得到加速度信号对应的特征向量，将特征向量输入到按照步骤1.3-1.4训练好的神经网络模型进行故障诊断。/n