[發明專利]一種基于貝葉斯網絡的電梯健康診斷方法

在審

• 申請號: 201810072530.5
• 申請日: 2018-01-25
• 公開（公告）號: CN108285071A
• 公開（公告）日: 2018-07-17
• 發明（設計）人: 周曙;周羿;劉新東;張新征;張建芬;劉暢;陳哲
• 申請（專利權）人: 暨南大學
• 主分類號: B66B5/00
• 分類號: B66B5/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于貝葉斯網絡的電梯健康診斷方法，其特征在于，包括以下步驟：

S1、篩選電梯易出故障關鍵部件及故障特征，建立基于貝葉斯網絡的電梯故障診斷模型；

S2、在給定一個數據樣本集合D的前提下，尋找一個與訓練樣本集合D匹配最好的網絡結構；

S3、實現貝葉斯網絡參數學習；

S4、應用訓練完備的貝葉斯網絡,通過故障特征節點的實時狀態,推斷故障節點發生故障的概率。

2.根據權利要求1所述的基于貝葉斯網絡的電梯健康診斷方法，其特征在于，先驗概率來源于前人通過具體實踐得到的概率數據，包括來自電梯說明書、地鐵公司使用電梯記錄的數據統計以及以往電梯的研究文獻；針對在資料沒有或不全，沒有實踐的情況下得到的數據，先驗概率來源于領域專家長期的實踐經驗評估。

3.根據權利要求1所述的基于貝葉斯網絡的電梯健康診斷方法，其特征在于，在貝葉斯網絡模型中包含2種節點：具體故障節點和故障特征節點；故障特征節點之間相連，同時故障特征節點與具體故障節點之間相連。

4.根據權利要求1所述的基于貝葉斯網絡的電梯健康診斷方法，其特征在于，在FullBNT-1.04平臺上運用matlab輔助工具初步建立電梯系統故障診斷的貝葉斯網絡模型圖。

5.根據權利要求1所述的基于貝葉斯網絡的電梯健康診斷方法，其特征在于，步驟2中，貝葉斯網絡結構學習算法采用K2評分算法,用P(G,D)作為評分函數：

其中，P(G)是網絡結構G的先驗概率，X_i為網絡節點，X_i有等r_i個狀態，即節點X_i對應的父節點集為∏i，π_i為∏i的配置，π_i排列順序為1,2…q_i，N_ijk是在數據集D中滿足X_i＝x_i^k且π_i＝j的情況數量。

6.根據權利要求1所述的基于貝葉斯網絡的電梯健康診斷方法，其特征在于，步驟3中，采用EM算法實現貝葉斯網絡參數學習，即在樣本數據基礎上，尋求網絡各節點的概率分布；利用網絡拓撲結構和訓練樣本集以及先驗知識，確定貝葉斯網絡模型各結點處的條件概率密度，記為P(θ|D,G)；求解收斂到局部節點最優參數的過程：首先初始化配置，然后經過迭代E和M兩步尋找最大后驗概率假設，并收斂最優值。

7.根據權利要求6所述的基于貝葉斯網絡的電梯健康診斷方法，其特征在于，對數據進行最大似然估計，模擬最符合結構的參數，具體步驟如下：

(1)E步：

其中E是期望值；D是訓練樣本；表示尋找的最優參數，Xi的值域是q_i是配置π_i的排列順序1,…,q_i；N_ijk是在數據集D中滿足變量值X_i＝x_i^k且π_i＝j的條件發生次數；y_l是D中丟失的數據個數；S^h是貝葉斯網絡結構選擇假設；

(2)M步：

最大似然估計函數：

最大后驗估計：

N′_ijk是先驗充分統計因子；N_ijk是樣本數據充分統計因子，i,j,k,h,q∈N。

8.根據權利要求1所述的基于貝葉斯網絡的電梯健康診斷方法，其特征在于，為提高多節點復雜貝葉斯網絡的運算效率，采用貝葉斯網絡近似推理算法：蒙特卡洛算法；此方法無需聯合樹等其他的輔助結構，只需利用一個隨機數發生器和貝葉斯模型的條件概率分布表來確定每個電梯故障特征節點的狀態，然后產生大量的樣本，每個變量保存一個計數，同時記錄該變量處于每種狀態的次數，產生所有的樣本以后計算概率。