[发明专利]基于物联网技术和耦合图神经网络的电梯故障预警方法

权利要求书

1.一种基于物联网技术和耦合图神经网络的电梯故障预警方法，包括以下步骤：

a、实时采集电梯轿厢内的数据，并将采集的数据传输至云端；

b、对数据进行预处理，并进行特征提取；

c、利用预先训练的耦合图神经网络模型在云端对实时采集的数据进行分析，并对电梯故障进行提前预警。

2.根据权利要求1所述的方法，其特征在于，所述步骤(c)中的耦合图神经网络模型的训练步骤包括，构造耦合图神经网络模型所需的双邻接矩阵，搭建并训练耦合图神经网络模型。

3.根据权利要求2所述的方法，其特征在于，通过电梯品牌和电梯所处的工作环境构建邻接矩阵的边，使其能被耦合图神经网络模型所用。

4.根据权利要求2所述的方法，其特征在于，通过拼接不同邻接矩阵下的图网络模型特征，完成耦合图神经网络模型的搭建。

5.根据权利要求1所述的方法，其特征在于，在所述步骤(a)中，实时采集的数据包括图像数据和电梯运行参数，所述电梯运行参数包括温度、压力和加速度。

6.根据权利要求1所述的方法，其特征在于，在所述步骤(a)中，将数据传输至云端之前对数据进行整合。

7.根据权利要求5所述的方法，其特征在于，在所述步骤(b)中，所述预处理步骤包括，利用无监督异常数据检测模型过滤异常电梯运行参数，以及对图像数据进行图像数据处理。

8.根据权利要求5所述的方法，其特征在于，在所述步骤(b)中，所述特征提取包括，计算并整合一段时间的电梯运行参数的统计学特征，以及对图像数据进行人体实例分割和人体属性提取。

9.根据权利要求8所述的方法，其特征在于，利用YOLACT模型分割出图像数据中的人体，构造多标签分类模型，并利用之进行人体属性提取；

对人体实例分割得到的乘梯人数和人体属性提取出的属性进行统计学特征提取，并作为特征数据送入模型检测；

所述统计学特征包括均值、方差、最大值和最小值；

所述多标签分类模型包括主干和枝干，主干包含InceptionV3前7层网络，只训练1次，枝干包含InceptionV3其余网络层。

10.根据权利要求1或8所述的方法，其特征在于，所述步骤(b)的特征提取还包括获取电梯故障告警数据Label_i，其中i为序列数，Label_i的值为0或1分别代表正常和发生故障；

所述步骤(c)中还包括对故障电梯进行人工校验。