[发明专利]住宅汽车电梯故障诊断方法、装置、电子设备及存储介质

说明书

本发明公开了一种住宅汽车电梯故障诊断方法、装置、电子设备及存储介质，方法适用于第四代住宅汽车电梯，其包括以下步骤：一.采集目标曳引机运行状态信号，并提取相应的特征，并形成目标样本特征矩阵；二.利用迁移成分分析法，将目标样本特征矩阵以及带标签的源域特征矩阵映射到新的特征空间中；三.建立概率分类器，计算目标样本属于每种故障的概率；四.输出目标曳引机的故障类别。本方法更简单，需要设定的参数更少，相同条件下运算时间更少，具有较高的工程应用价值。

技术领域

本发明属于故障诊断技术领域，尤其涉及一种住宅汽车电梯故障诊断方法、装置、电子设备及存储介质。

背景技术

近年来，随着梯联网的发展，电梯的故障诊断也进入了“大数据”时代，而第四代住宅汽车电梯的智能化程度更高，但健康状态的自主诊断能力还不能满足要求。由于工况复杂、型号繁多、缺乏完备样本等特性，传统的故障识别方法效果不理想，这由于目标域数据与源域数据的分布类型不同导致的，因此，在分布类型不尽相同的情况下，如何用小规模的电梯源域数据批量识别目标电梯故障类别已成为迫切需要解决的难题。

发明内容

本发明的目的是提供一种住宅汽车电梯故障诊断方法，为克服已有故障诊断方法在第四代住宅汽车电梯曳引机故障诊断中的不足。

为达到上述目的，本发明的方案为：一种住宅汽车电梯故障诊断方法，其包括以下步骤：

一.采集目标曳引机运行状态信号，并提取相应的特征，并形成目标样本特征矩阵；

二.利用迁移成分分析法，将目标样本特征矩阵以及带标签的源域特征矩阵映射到新的特征空间中；

三.建立概率分类器，计算目标样本属于每种故障的概率；

四.输出目标曳引机的故障类别。

优化的，所述的迁移成分分析法指将边缘分布不同的源域和目标域，即 P(X_s)≠P(X_t)，通过一个映射φ，φ(X_s)＝X′_s，φ(X_t)＝X′_t，使得P(X′_s)≈P(X′_t)。

优化的，迁移成分分析法采用最大均值差异作为度量准则，具体公式如下：

其中，D(X′_s，X′_t)为X′_s与X′_t的最大均值差异。

优化的，所述的概率分类器，用p_ij表示目标域归属源域X_s第j类的概率，则归属X_s所有类别的概率之和为1，即

目标样本归属的类别是确定的，即p_ij的值只有0和1两种情况，当p_ij＝1时，属于第j类，当p_ij＝0时，不属于第j类，每个标签至少有一个目标域的样本和它匹配，因此

优化的，所述步骤四的实现方式为：计算目标样本到源域样本中心的欧氏距离：记c_j表示源域第j类样本中心，可以通过下式获得：

其中，表示源域中第j类样本的数量，是指示函数，当条件成立时，值为1，否则值为0，

记d_ij表示目标域样本到源域第j类样本中心的距离，通过欧氏距离进行计算，具体如下：

然后，建立如下代价函数：