[发明专利]一种使用多层感知器神经网络进行电梯故障识别的方法

说明书

本发明公开了一种使用多层感知器神经网络进行电梯故障识别的方法，包括以下步骤：首先采集电梯故障相关数据，建立数据库；然后，针对电梯故障识别的特点建立多层感知器神经网络；从数据库读取用于训练神经网络的电梯故障数据进行神经网络训练学习，神经网络训练完成后，使用其对电梯实际数据进行故障识别；最后根据总量控制的原则，输出概率较大的一个或者多个故障码，以用于现场人员维修。而在故障识别部分算法需要升级的时候，也可以通过远程更新权值实现安全性的提升。本发明能够通过电梯状态参数，分析故障原因，还可以远程升级故障识别算法，对于快速确定故障进行维修以及保障人民群众的生命安全具有很大的意义。

技术领域

本发明涉及一种使用多层感知器神经网络进行电梯故障识别的方法,属于电梯故障识别领域。

背景技术

随着我国城市化建设的发展步伐日渐加快，高层建筑物越来越多，家用直梯的普及程度亦迅猛增长，电梯也成为了人们日常生活中必要的交通设备。

根据新闻报道，截至2014年底，我国在用电梯数量已超过350万台，每年新增电梯数量接近50万台，而运行多年的老旧电梯数量快速增加，使用超过十年的电梯已超过100万台，虽然近年来电梯在可靠性方面有很大程度上的改进，但在实际运作中电梯困人、故障停梯等不正常运行状况时有发生。统计运作了5-10年的电梯设备，单台电梯平均每年产生机械、电气等轻微故障36.5次，冲顶、夹人等危险性较大的事故33次，电梯部件功能退化带来的安全风险日益受到社会关注。老旧电梯的快速增加，以及目前电梯故障识别技术的落后使得维修人员面临很大的压力，这正在严重威胁人民群众的生命安全。而且随着国家标准、国外标准与企业内部标准的不断升级补充，老旧电梯往往无法获得软件升级，其造成的安全隐患同样值得关注。

在电梯故障识别分类领域，使用if-then判断语句的传统方法一直占据主流地位。但是随着电梯故障识别技术的不断发展以及电梯状态传感器技术的进步，电梯状态的传感器数量不断增加，故障码的范围不断扩大，传统方法程序的编写遇到很大的困难，程序变得越来越复杂，在设计方法和迭代升级上面临很多难以解决的问题。

特别是原先可以很容易编写的判断程序因为增加了传感器需要彻底修改逻辑关系，出了问题就要工程师现场烧写程序或者召回产品等问题日益突出。而且因为故障分类逻辑太过复杂，产生了逻辑重合的问题，相同的输入信号可能会产生不同的输出，这对于维修人员就会产生误导，在输出故障码错误的时候只能挨个原因去试，维修的效率很低。

而多层感知器神经网络(Multilayer Perceptrons,MLP)能够一定程度上解决这种问题，它是神经网络算法中很具代表性的网络类型，具有多输入多输出的结构特点。本发明建立的适应电梯故障识别需要的多层感知器神经网络模型特别使用了Softmax函数，使得多层感知器神经网络可以输出概率，将输出的概率利用总量控制等方法加以处理，可以大大提高识别精度。并且由于电梯的故障识别属于多输入多输出的多维问题，所以传统的神经网络模型难以胜任，针对电梯故障复杂的判断逻辑、多维的输入输出特点，还建立了每层神经元个数更多的双隐层结构，使得电梯故障识别的准确率提高。

发明内容

针对以上问题本发明提供了一种使用多层感知器神经网络进行电梯故障识别的方法。这种基于多层感知器神经网络的电梯故障识别方法，内部的程序结构为多层感知器神经网络，通过数据训练权值，使神经网络学习故障分类方法，而在需要升级识别方法的时候，只须远程修改权值即可，而不需要改动程序的主体结构。同时通过大量训练建立起故障的原因与输入信号之间的关系，快速锁定故障产生的原因，多层感知器的输出为概率，利用总量控制的原则可以按照概率输出多个故障码，提供更多的可靠信息，对于维修人员有更强的指导作用。为了解决以上问题，本发明采用了如下技术方案：

一种使用多层感知器神经网络进行电梯故障识别的方法，其特征在于，包括以下步骤：

A、采集、筛选电梯故障数据，建立数据库，用于多层感知器神经网络训练；