[发明专利]一种基于大数据特征分析的电梯故障判断方法及系统

说明书

本发明公开了一种基于大数据特征分析的电梯故障判断方法及系统，先获取电梯轿厢的振动信号，对振动信号进行预处理和快速傅里叶变换，将振动信号转换为特征图，再对特征图进行灰度化和归一化处理，然后将处理过的特征图作为训练样本，其中包括正常样本和故障样本，输入到CNN中进行学习训练，通过优化参数使得模型具有较好的故障诊断效果，并利用训练后的CNN实现对针对信号的实时判断，以实现快速、准确的诊断电梯故障。

技术领域

本申请属于电梯数据分析技术领域，具体涉及一种基于大数据特征分析的电梯故障判断方法及系统，尤其是一种基于FFT(Fast Fourier Transform，快速傅里叶变换)和CNN(Convolutional Neural Networks，卷积神经网络)的电梯故障判断方法及系统。

背景技术

随着近年来电梯的日益普及，电梯的舒适度和安全系数也越来越得到人们的重视。同时，也正是因为电梯的大面积普及，各类电梯故障问题也层出不穷。而电梯的轿厢作为电梯整体的重要组成部分，轿厢的安全状况对电梯的安全问题具有直接的影响。

电梯的轿厢可以说是电梯的主体部件，是与使用者最直接接触的电梯部件，同时也是连接其他部件的中心点，一旦其他部件发生故障，都会直接影响轿厢的状态，尤其是轿厢的振动，是对电梯整体运行状况的直接体现。因此寻找合适的方法对电梯轿厢振动信号进行诊断具有现实意义。

当电梯发生故障时，轿厢运行时就会产生非平稳的振动信号，这些信号中就包含着电梯故障的特征信息。所以，需要考虑如何从振动信号中提取出所需的特征。常用的小波分解加支持向量机的方法虽然有不错的效果，但是小波分解的小波基和分解层数选择不当都会对结果产生较大误差，需要依靠专家经验。这使得当前根据电梯轿厢振动信号进行电梯故障诊断存在较大难度。

发明内容

本申请的目的在于提供一种基于大数据特征分析的电梯故障判断方法及系统，可快速、准确诊断电梯故障。

为实现上述目的，本申请所采取的技术方案为：

一种基于大数据特征分析的电梯故障判断方法，所述基于大数据特征分析的电梯故障判断方法，包括：

1)采集电梯轿厢的振动信号，并对所采集的振动信号进行预处理；

2)将预处理后的振动信号转换为二维矩阵构成特征图，包括：

21)将预处理后的振动信号等分成Q个数据段，每一数据段表示为y(q)＝{y₁,y₂,y₃,…,y_m×m}，1≤q≤Q；

22)对数据段y(q)进行FFT变换求出模值，即得到变换后的数据序列Y(q)＝{y₁,y₂,y₃,…,y_m×m}；

23)取L(i)为数据序列Y(q)中第i个振动信号的模值，i＝1,…m²；

24)建立公式如下：

式中，P(j,k)为转换后特征图的像素点(j,k)的像素强度，j＝1,…m，k＝1,…m，round为round函数，Min(L)为数据段中最小的振动信号的值，Max(L)为数据段中最大的振动信号的值；

3)对转换得到的特征图进行灰度化生成灰度图；

4)对灰度图上的像素点的值进行归一化处理得到标准图；

5)将所述标准图作为预训练的CNN的输入，得到对应的故障判断结果。