[發明專利]電梯故障檢測方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202210107798.4
• 申請日: 2022-01-28
• 公開（公告）號: CN114492531A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 嘉有為;郭宇嘉;柴松健
• 申請（專利權）人: 南方科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F17/16;B66B5/00
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 廖奇麗

1.一種電梯故障檢測方法，其特征在于，包括：

采集待檢測的電梯的原始時間序列信號；

根據預設周期對所述原始時間序列信號進行分類處理，得到至少一個第一分類子序列和至少一個第二分類子序列；其中，所述預設周期根據所述電梯的運行狀態確定；

對所述第一分類子序列進行初步處理得到第一初步子序列，并對所述第二分類子序列進行所述初步處理得到第二初步子序列；

通過預訓練的電梯故障檢測模型對所述第一初步子序列和所述第二初步子序列進行故障檢測處理，得到所述電梯的故障檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述采集所述電梯的原始時間序列信號，包括：

通過非侵入式傳感器采集所述原始時間序列信號；其中，所述原始時間序列信號包括如下至少之一：電梯制動系統電流信號、牽引機電流信號、開關門控制信號、安全系統信號、電梯相對高度信號。

3.根據權利要求1所述的方法，其特征在于，所述預設周期包括第一周期和第二周期，所述運行狀態包括轎廂運動狀態和開關門狀態，所述根據預設周期對所述原始時間序列信號進行分類處理，得到至少一個第一分類子序列和至少一個第二分類子序列，包括：

將所述原始時間序列信號按照所述第一周期進行切割，得到至少一個所述第一分類子序列；其中，每一所述第一周期為每一所述轎廂運動狀態從開始到結束的持續時間；

將所述原始時間序列信號按照所述第二周期進行切割，得到至少一個所述第二分類子序列；其中，每一所述第二周期為每一所述轎廂運動狀態從開始到下一次所述轎廂運動狀態開始前，所述開關門狀態的持續時間。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述電梯故障檢測模型包括第一故障檢測模型和第二故障檢測模型；在所述通過預訓練的電梯故障檢測模型對所述第一初步子序列和所述第二初步子序列進行故障檢測處理，得到所述電梯的故障檢測結果之前，所述方法還包括：訓練所述電梯故障檢測模型，具體包括：

獲取預設的參考訓練序列集；其中，所述參考訓練序列集包括第一分類參考序列和第二分類參考序列；

根據預設比例對所述第一分類參考序列進行劃分，得到第一訓練集和第一測試集；

根據所述第一訓練集對預設的第一神經網絡模型進行訓練，得到第一初步訓練模型；

利用所述第一測試集對所述第一初步訓練模型進行驗證，得到所述第一故障檢測模型；

根據所述預設比例對所述第二分類參考序列進行劃分，得到第二訓練集和第二測試集；

根據所述第二訓練集對預設的第二神經網絡模型進行訓練，得到第二初步訓練模型；

利用所述第二測試集對所述第二初步訓練模型進行驗證，得到所述第二故障檢測模型。

5.根據權利要求4所述的方法，其特征在于，所述第一神經網絡模型包括序列網絡、全卷積網絡和分類器；所述根據所述第一訓練集對預設的第一神經網絡模型進行訓練，得到第一初步訓練模型，包括：

將所述第一訓練集輸入至所述序列網絡進行時間相關性提取處理，得到第一訓練特征；

將所述第一訓練集輸入至所述全卷積網絡進行特征提取處理，得到第二訓練特征；

對所述第一訓練特征和所述第二訓練特征進行特征拼接處理，得到目標拼接特征；

將所述目標拼接特征輸入至所述分類器進行故障分類處理，得到預測故障分類結果；

根據所述預測故障分類結果對所述第一神經網絡模型進行訓練，得到所述第一初步訓練模型。

6.根據權利要求5所述的方法，其特征在于，所述根據所述預測故障分類結果對所述第一神經網絡模型進行訓練，得到所述第一初步訓練模型，包括：

根據所述預測故障分類結果調整所述第一神經網絡模型的模型參數，以訓練所述第一神經網絡模型，得到所述第一初步訓練模型。