基于神经网络的电梯运行监控预警方法、系统及存储介质

1.本发明涉及电梯运行监控预警技术领域，更具体的说是涉及一种基于神经网络的电梯运行监控预警方法、系统及存储介质。


背景技术：

2.随着城市高层建筑的增多，越来越多的电梯投入了运营。电梯在给人们带来便利的同时，电梯故障也对人们的生命安全产生了影响。为了保证电梯安全可靠的运行，在现有技术中，主要通过物理安全装置对电梯的运动部件进行安全性保护，例如限速器，在电梯钢丝绳断开时能够自动将钢丝绳夹紧以将电梯紧急停止在原位而等待技术人员的救援，还有在电梯上设置监控装置，以实时监控电梯的运行状况，在电梯发生故障后及时发出报警信息，以便电梯管理人员及时救援。然而，现有技术中的监控方式，只能在事故发生时被动响应，此时故障已经发生，很多情况下留给人们救援的时间微乎其微，往往不能及时阻止损害的发生，因此，对本领域技术人员来说，如何在电梯故障发生前进行预警是亟待解决的问题。


技术实现要素：

3.有鉴于此，本发明提供了一种基于神经网络的电梯运行监控预警方法及系统，以解决背景技术中存在的问题。
4.为了实现上述目的，本发明采用如下技术方案：一种基于神经网络的电梯运行监控预警方法，具体步骤包括如下：
5.实时采集电梯轿厢内的运行数据；
6.对所述运行数据进行预处理，提取特征向量；
7.将所述特征向量作为输入向量输入到训练好的基于神经网络的故障状态预测模型中，获取所述故障状态预测模型输出的状态预测结果；
8.根据所述状态预测结果发出不同等级的异常预警信息。
9.可选的，所述运行数据包括实时数据和触发数据，所述实时数据包括电梯轿厢内温度、压力、加速度数据以及采集时间；所述触发数据包括电梯开、关门以及开始、结束运行时提取的电梯内温度、压力、电梯运行的加速度、轿厢内的图片数据以及采集时间。
10.可选的，对所述运行数据进行预处理包括进行归一化处理。
11.可选的，训练所述故障状态预测模型的步骤为：
12.采集电梯故障相关数据，并根据所述电梯故障相关数据，通过专家进行故障分类定义，进行样本标注；
13.将所述电梯故障相关数据以及样本标注数据作为数据样本，分为训练集和测试集；
14.构建卷积神经网络，利用所述训练集训练所述卷积神经网络，得到所述故障状态预测模型。
15.可选的，还包括根据状态预测结果进行故障等级划分，再根据不同的故障等级发出不同的异常预警信息。
16.可选的，进行故障等级划分的步骤为：根据所述状态预测结果和预设模型计算健康权重；以及根据所述健康权重和多个预设权重区间确定电梯的故障等级。
17.通过采用上述技术方案，具有以下有益的技术效果：根据不同的故障风险等级进行针对性预警，可以合理配置人力，提高预警效率。
18.另一方面，提供一种基于神经网络的电梯运行监控预警系统，包括依次相连的数据采集模块、预处理模块、故障预测模块、预警模块；其中，
19.所述数据采集模块，用于实时采集电梯轿厢内的运行数据；
20.所述预处理模块，用于对所述运行数据进行预处理，提取特征向量；
21.所述故障预测模块，用于将所述特征向量作为输入向量输入到训练好的基于神经网络的故障状态预测模型中，获取所述故障状态预测模型输出的状态预测结果；
22.所述预警模块，用于根据所述状态预测结果发出不同等级的异常预警信息。
23.可选的，还包括故障等级评估模块，与所述故障预测模块、所述预警模块相连，用于根据状态预测结果进行故障等级划分。
24.最后，提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种基于神经网络的电梯运行监控预警方法的步骤。
25.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于神经网络的电梯运行监控预警方法及系统，具有以下有益的技术效果：通过神经网络模型的构建，可以针对不同的电梯故障类型进行预测，并且可运用到各种场合的电梯上，较高的预测精度的同时具有普适性，能够在电梯发生故障前及时预警避免故障的发生，实现早期感知电梯故障态势变化，提高对安全预警的能力，以及降低防护系统运维成本。
附图说明
26.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
27.图1为本发明的方法流程图；
28.图2为本发明的系统结构图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.本发明实施例公开了一种基于神经网络的电梯运行监控预警方法，如图1所示，具体步骤包括如下：
31.s1、实时采集电梯轿厢内的运行数据；
32.s2、对运行数据进行预处理，提取特征向量；
33.s3、将特征向量作为输入向量输入到训练好的基于神经网络的故障状态预测模型中，获取故障状态预测模型输出的状态预测结果；
34.s4、根据状态预测结果发出不同等级的异常预警信息。
35.运行数据包括实时数据和触发数据，实时数据包括电梯轿厢内温度、压力、加速度数据以及采集时间；触发数据包括电梯开、关门以及开始、结束运行时提取的电梯内温度、压力、电梯运行的加速度、轿厢内的图片数据以及采集时间。
36.进一步的，对运行数据进行预处理包括进行归一化处理。
37.进一步的，训练故障状态预测模型的步骤为：
38.采集电梯故障相关数据，并根据电梯故障相关数据，通过专家进行故障分类定义，进行样本标注；
39.将电梯故障相关数据以及样本标注数据作为数据样本，分为训练集和测试集；
40.构建卷积神经网络，利用训练集训练卷积神经网络，得到故障状态预测模型。
41.在本实施例中，构建卷积神经网络包括三个部分，第一部分为输入部分，第二部分为隐含层部分，第三部分为输出层部分。输入层部分仅包含一层输入层，隐含层部分包含多层隐含层，输出层仅包含一层全连接层。电梯故障相关数据作为输入，故障类型作为卷积神经网络的输出，训练后的卷积神经网络通过输出层来输出故障的预测。其中除第一层输入层外其余神经网络层均通过激活函数与前一层神经网络层链接，激活函数选择relu、leakyrelu、sigmoid或者tanh激活函数。
42.进一步的，对采集的电梯故障相关数据进行分类，不同的类别表示不同的故障类型，共分为三类；分别代表困人、电梯超速、电梯轿厢冲顶三种电梯故障，其中，困人故障数据由电梯开、关门时轿厢内的图片数据决定；电梯超速故障数据由电梯运行的加速度数据决定；电梯轿厢冲顶故障数据由电梯轿厢内温度、压力决定。
43.进一步的，还包括根据状态预测结果进行故障等级划分，再根据不同的故障等级发出不同的异常预警信息。
44.进行故障等级划分的步骤为：根据状态预测结果和预设模型计算健康权重；以及根据健康权重和多个预设权重区间确定电梯的故障等级。
45.具体的，电梯的故障等级分为三个等级，第一等级信息至第三等级信息对应的多个预设权重区间分别为第一权重区间至第三权重区间。第一权重区间为[0，0.3]，第二权重区间为(0.3，0.6]；第三权重区间为(0.6，1.0]。
[0046]
等级越高，故障越严重，异常预警信息越紧迫，在第一权重区间为第一等级，异常预警为一般提示信息；在第二权重区间为第二等级，异常预警为一般预警信息，在第三权重区间为第三等级，异常预警为重要故障预警。
[0047]
本发明实施例2提供一种基于神经网络的电梯运行监控预警系统，如图2所示，包括依次相连的数据采集模块、预处理模块、故障预测模块、预警模块；其中，
[0048]
数据采集模块，用于实时采集电梯轿厢内的运行数据；
[0049]
预处理模块，用于对运行数据进行预处理，提取特征向量；
[0050]
故障预测模块，用于将特征向量作为输入向量输入到训练好的基于神经网络的故
障状态预测模型中，获取故障状态预测模型输出的状态预测结果；
[0051]
预警模块，用于根据状态预测结果发出不同等级的异常预警信息。
[0052]
进一步的，还包括故障等级评估模块，与故障预测模块、预警模块相连，用于根据状态预测结果进行故障等级划分。
[0053]
最后，提供一种计算机存储介质，计算机存储介质上存储有计算机程序，计算机程序被处理器执行时实现一种基于神经网络的电梯运行监控预警方法的步骤。
[0054]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0055]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。