[发明专利]基于局部和整体特征的电梯故障预警方法

权利要求书

1.一种基于局部和整体特征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，并对所述数据进行预处理；

b、对经过所述预处理的数据进行特征向量的提取，并对故障数据添加故障报警标签；

c、利用所述特征向量和所述故障报警标签训练基础模型，将各所述基础模型进行线性加权组合形成混合模型；

d、利用所述特征向量和所述故障报警标签形成测试样本，基于所述测试样本的特征向量，从中提取局部空间样本，并将所述测试样本分别输入所述基础模型和所述混合模型中获得伪概率和混合故障概率；

e、将所述局部空间样本输入所述基础模型中获得概率矩阵，利用所述概率矩阵与所述伪概率的比较选出与所述伪概率相关性最高的所述基础模型；

f、将测试电梯特征数据输入与所述伪概率相关性最高的基础模型中，获得推理故障概率；

g、利用所述推理故障概率和所述混合故障概率计算获得相应测试电梯的故障概率；

所述步骤(c)训练的基础模型包括树模型中的XGBOOST/GBDT、深度神经网络模型多层感知机MLP、时序模型LSTM和支持矢量机模型。

2.根据权利要求1所述的方法，其特征在于，所述步骤(a)采集的数据包括实时数据和触发数据，

所述实时数据的采集频率为1赫兹，所采集的数据包括电梯轿厢内温度、压力、加速度数据以及采集时间；

所述触发数据包括电梯开、关门以及开始、结束运行时提取的电梯内温度、压力、电梯运行的加速度、轿厢内的图片数据以及采集时间。

3.根据权利要求2所述的方法，其特征在于，所述步骤(a)中的预处理包括利用异常数据监测模型监测数据中的异常数据，并利用正常数据的回归模型对异常数据进行修正；

所述异常数据检测模型包括孤立森林模型，所述回归模型包括树回归模型；

其中，对图片数据的预处理包括利用YOLACT模型对轿厢内的图片进行人体实例分割以及利用多分类多标签模型对人体进行分类，获取轿厢内人物属性及人流量数据。

4.根据权利要求3所述的方法，其特征在于，在所述步骤(b)中，基于电梯运行数据和轿厢内人物属性及人流量数据，提取3日、5日、7日、15日的数据中的物理量的统计学特征形成特征工程，实现所述特征向量的提取；

所述统计学特征包括均值、方差和中位值；

电梯发生故障报警数据通过日志形式保存，故障报警时利用提前一天的特征向量。

5.根据权利要求1所述的方法，其特征在于，在所述步骤(c)中，在将所述基础模型进行线性加权组合时，各所述基础模型的权重与其测试误差成反比。

6.根据权利要求5所述的方法，其特征在于，所述混合模型M为：

其中，M_i(i＝0，1，...，r)为所述基础模型，w_i(i＝0，1，...，r)为所述基础模型的权重，且

每个所述基础模型所占权重w_i根据模型的误差函数确定为：

其中，e_i为第i个基础模型的误差，r为基础模型的序号。

7.根据权利要求1所述的方法，其特征在于，在所述步骤(d)中，所述局部空间样本的提取方式为，随机选择d/2维的特征子向量SL₁、SL₂、…、SL_t，对于选出的每一组特征子向量在测试样本的训练集中提取与该特征子向量的欧氏距离最近的k个邻居样本；

重复进行所述邻居样本的提取步骤t次，将出现次数超过t/2的样本作为该测试样本的局部空间样本Sn；

其中，d为特征向量的维度。