[发明专利]基于大数据的电梯故障模式识别系统

权利要求书

1.一种基于大数据的电梯故障模式识别系统，其特征在于，包括：

故障数据采集模块，用于获取由振动传感器和声音传感器采集的待检测电梯在预定时间段的探测振动信号和探测声音信号；

频域特征提取模块，用于对所述探测振动信号和所述探测声音信号进行傅里叶变化以得到多个第一频域特征统计值和多个第二频域特征统计值；

第一联合编码模块，用于将所述探测振动信号和所述多个第一频域特征统计值输入第一Clip模型以得到优化振动特征矩阵；

第二联合编码模块，用于将所述探测声音信号和所述多个第二频域特征统计值输入第二Clip模型以得到优化声音特征矩阵；

特征融合模块，用于融合所述优化振动特征矩阵和所述优化声音特征矩阵以得到分类特征矩阵；以及

电梯故障模式识别模块，用于将所述分类特征矩阵通过多标签分类器以得到分类结果，所述分类结果为待检测电梯具有各个故障的概率值；

其中，所述特征融合模块，用于：以如下公式融合所述优化振动特征矩阵和所述优化声音特征矩阵以得到所述分类特征矩阵；

其中，所述公式为：

其中M₁和M₂分别为所述优化振动特征矩阵和所述优化声音特征矩阵，M_c是所述分类特征矩阵，ReLU(·)表示ReLU激活函数，表示矩阵相乘，且分子矩阵和分母矩阵之间的除法为矩阵特征值的按位置相除，exp(·)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值。

2.根据权利要求1所述的基于大数据的电梯故障模式识别系统，其特征在于，所述第一联合编码模块，包括：

第一频域序列特征提取单元，用于将所述多个第一频域特征统计值输入所述第一Clip模型的序列编码器以得到第一频域统计特征向量；

第一信号波形特征提取单元，用于将所述探测振动信号的波形图输入所述第一Clip模型的图像编码器以得到探测振动波形特征向量；

第一联合编码单元，用于基于所述第一频域统计特征向量对所述探测振动波形特征向量的特征编码进行优化以得到所述优化振动特征矩阵。

3.根据权利要求2所述的基于大数据的电梯故障模式识别系统，其特征在于，所述第一频域序列特征提取单元，包括：

第一尺度特征提取子单元，用于将所述第一频域特征统计值通过训练完成的Clip模型的序列编码器的第一卷积层以得到第一邻域尺度第一频域统计特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；

第二尺度特征提取子单元，用于将所述第一频域特征统计值通过训练完成的Clip模型的序列编码器的第二卷积层以得到第二邻域尺度第一频域统计特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及

多尺度级联子单元，用于将所述第一邻域尺度第一频域统计特征向量和所述第二邻域尺度第一频域统计特征向量进行级联以得到所述第一频域统计特征向量。

4.根据权利要求3所述的基于大数据的电梯故障模式识别系统，其特征在于，

所述第一尺度特征提取子单元，进一步用于：使用所述训练完成的Clip模型的序列编码器的第一卷积层以如下公式对所述第一频域特征统计值进行一维卷积编码以得到第一邻域尺度第一频域统计特征向量；

其中，所述公式为：

其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述第一频域特征统计值；

所述第二尺度特征提取子单元，进一步用于：使用所述训练完成的Clip模型的序列编码器的第二卷积层以如下公式对所述第一频域特征统计值进行一维卷积编码以得到所述第二邻域尺度第一频域统计特征向量；

其中，所述公式为：

其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述第一频域特征统计值。