[發明專利]一種基于電梯全生命周期的大數據挖掘和故障預測方法

在審

• 申請號: 202011154122.8
• 申請日: 2020-10-26
• 公開（公告）號: CN112256761A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 劉小暢;王晨;馮雙昌;歐陽惠卿;任昭霖;邱郡;梁驍;文祥;劉鵬博
• 申請（專利權）人: 上海市特種設備監督檢驗技術研究院
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/242;G06F16/25;G06F16/22;G06F16/215
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

1.一種基于電梯全生命周期的大數據挖掘和故障預測方法，其特征在于，包括如下步驟：

步驟1、采集電梯全生命周期中的多源異構數據，包括電梯設計、安裝、維保和檢驗環節的結構化數據、非結構化數據、靜態數據類型和動態數據，搭建電梯多源異構數據庫；

步驟2、對采集的數據進行預處理，包括對缺失值、重復值、和異常值的處理；

步驟3、對預處理后的數據進行建模和分析，包括：

步驟3.1、數據缺失率分析，將需要從中選取特征的數據表進行數據項缺失率計算后進行排序；

步驟3.2、對選中的主要特征值進行業務相關性分析；

步驟3.3、根據缺失率和業務相關性分析結果選取特征項；

步驟3.4、離散型數據處理：對含有順序意義的特種項,將其字符型轉化為數值型；針對有固定選項的特種項,對其進行one-hot編碼；

連續型數據處理：對連續型數據進行歸一化處理；

相關系數：兩個變量均是連續型且具有線性關系,則可以使用皮爾遜相關系數,否則使用斯皮爾曼相關系數；

步驟4、對模型進行評價，包括：

步驟4.1、數據連接，將特征項連接成一張寬表，關聯的數據表包括：設備基本信息、設備參數信息、使用單位信息、檢驗業務信息、檢驗報告信息、檢驗項目模板、檢驗項目內容、故障信息、故障部件分類信息；

增加衍生變量，構造電梯歷史累計檢查次數、電梯歷史累計故障次數、電梯技術參數偏移度變量；將原始字符型變量轉換成數值型，進入模型可選特征池；

步驟4.2、訓練模型，將數據導入算法模型，對模型進行訓練,拆分訓練集和測試集；

步驟4.3、調參，用準確率進行10折交叉驗證選擇合適的參數，避免過擬合；

步驟5、利用評價后的模型對電梯設備故障進行評估：運行已經訓練好的模型進行預測，得到預測結果，當預測故障可能性60％時，將判定電梯會發生故障。

2.如權利要求1所述的一種基于電梯全生命周期的大數據挖掘和故障預測方法，其特征在于：所述步驟1將不同源數據和不同結構化及非結構化的數據分別采集和導入，存放在數據庫中。

3.如權利要求2所述的一種基于電梯全生命周期的大數據挖掘和故障預測方法，其特征在于，所述多源異構數據的采集方式包括:

通過SQL腳本對數據庫直接讀取：首先采用SQL語句創建數據源的存儲庫，然后通過編寫數據庫SQL腳本語言，從不同數據源的數據庫來讀取數據，將讀取到的不同系統的業務數據，通過接口方式訪問，或直接通過數據庫SQL視圖的方式訪問，最后將獲取的數據源通過SQL腳本語言寫入到數據采集數據庫，供后期的電梯大數據預處理和分析預測環節使用；

人工錄入：采用手工錄入的方式進行數據采集；

非結構化數據的轉換：通過提取非結構化數據文件中有關的元數據，將其轉換為XML文檔，從而將非結構化數據轉化為結構化數據；

在電梯上加裝數據采集傳感器：通過在電梯上加裝傳感器的方式獲得實時的信號信息，從而采集到電梯的動態信息。

4.如權利要求1所述的一種基于電梯全生命周期的大數據挖掘和故障預測方法，其特征在于：所述步驟2中對缺失值的處理方法包括刪除缺失值、填補缺失值、和不處理；對重復值的處理方法為刪除重復值；對異常值的處理為通過遍歷查找出異常值，然后根據規則調整。

5.如權利要求1所述的一種基于電梯全生命周期的大數據挖掘和故障預測方法，其特征在于：所述步驟4.2中利用支持向量機、梯度提升樹和故障原因鑒定算法對模型進行訓練。