[发明专利]健康状态评估的方法、装置和设备

权利要求书

1.一种健康状态的评估方法，其特征在于，所述方法包括：

在对电梯组进行每期评估时，根据所述电梯组在各评价维度的每期评估前形成的电梯数据和各所述评价维度的每期权重最优值，获取所述电梯组内的各电梯的每期评分；

根据所述电梯组内的各电梯的每期评分，以及每期所用的评分区间与健康状态等级间的对应关系，确定所述电梯组在多个健康状态等级的每期分布情况；

根据所述电梯组在多个健康状态等级的连续两期分布情况，以及所述电梯组在所述连续两期的实际故障电梯数，得到各健康状态等级在所述连续两期的实际故障率；

若根据各健康状态等级在所述连续两期的实际故障率的变化幅度，确定所述连续两期的等级评估不稳定，则利用所述电梯组在各评价维度的下期评估前形成的电梯数据以及权重初始值，通过深度学习算法进行权重优化，得到下期权重最优值，根据下期权重最优值，通过机器学习算法，优化评分区间与健康状态等级间的对应关系，得到下期所用的评分区间与健康状态等级间的对应关系。

2.根据权利要求1所述的方法，其特征在于，获取各所述评价维度的第一期权重最优值，包括：

统计多个用户给出的各评价维度的重要程度；

对各用户给出的各评价维度的重要程度进行量化处理，通过AHP算法，得到各评价维度的权重经验值；

利用各评价维度的权重经验值与所述电梯组在各评价维度的第一期评估前形成的电梯数据，通过深度学习算法得到各所述评价维度的第一期权重最优值。

3.根据权利要求1所述的方法，其特征在于，利用所述电梯组在各评价维度的下期评估前形成的电梯数据以及权重初始值，通过深度学习算法进行权重优化，得到下期权重最优值，包括：

将所述电梯组各评价维度的权重初始值作为深度学习算法的训练权重初始值，输入深度学习算法；

将所述电梯组各评价维度在下期评估前形成的电梯数据，转化为标准分的形式，作为深度学习算法的输入；

根据输入深度学习算法的训练权重初始值、以及标准分形式的电梯数据，得到所述电梯组在各评价维度的下期权重最优值。

4.根据权利要求1所述的方法，其特征在于，得到下期权重最优值所用的权重初始值的获取步骤，包括：

获取所述电梯组在各评价维度的权重经验值与所述电梯组在各评价维度的本期权重最优值；

对所述电梯组在各评价维度的权重经验值与所述电梯组在各评价维度的本期权重最优值进行分析，挑选出区分度最好的权重值；

将所述区分度最好的权重值作为所述得到下期权重最优值所用的权重初始值。

5.根据权利要求1所述的方法，其特征在于，获取所述电梯组内的各电梯的每期评分，包括：

对所述电梯组内的各电梯在各评价维度的每期评估前形成的电梯数据与各所述评价维度的每期权重最优值进行乘积，对所述乘积进行求和；

将求和得到的值作为所述电梯组内的各电梯的每期评分。

6.根据权利要求1所述的方法，其特征在于，根据所述电梯组在多个健康状态等级的连续两期分布情况，以及所述电梯组在所述连续两期的实际故障电梯数，得到各健康状态等级在所述连续两期的实际故障率，包括：

针对所述连续两期的任一期，根据电梯组在多个健康等级的所述任一期分布情况，得到各健康状态等级下的电梯数；

获取所述电梯组在所述任一期中，各健康状态等级下的实际故障电梯数；

根据各健康状态等级下的实际故障电梯数在该健康状态等级下的电梯数中的占比，得到各健康状态等级在所述任一期的实际故障率。