本发明涉及电梯故障监测,尤其涉及一种基于预测模型的电梯故障预警方法。
背景技术:
1、随着城镇化的快速发展,电梯这一垂直交通工具保有量持续增长。面对严峻的电梯安全管理形势,各地陆续建设了电梯应急处置一体化平台,部署热线电话或呼叫系统,配置专业接听团队,为电梯安全事故的快速响应、妥善处置提供了重要支撑。
2、电梯应急处置一体化平台可以进行电梯应急处置,针对电梯困人故障,开展应急指挥的相关活动,以及针对其他故障,开展协调处理的相关活动。基于通讯、指挥调度、地理信息系统、物联网等信息技术,建设的电梯应急处置服务平台,接受电梯困人等故障报警,具备应急指挥、统计分析、咨询服务、社会监督、信息发布等功能,为开展组织、协调、指挥救援行动提供支撑。
3、但是,电梯设备基数的进一步增大和设备老龄化的到来,各种各样的电梯异常情况越来越多,为热线接入、问题识别、措施分配带来挑战。目前接听人员接听到电梯状态信息之后,需要从数据库匹配到相应的电梯故障,在进行上报处理。由于接听人员数量与电梯数量人机比的矛盾、接听人员专业经验积累不能满足电梯异常情况激增的矛盾等已经凸显,造成无法有效的接听上报信息,给电梯故障处理带来滞后性,无法有效的排除电梯故障。
技术实现思路
1、本发明提供一种基于预测模型的电梯故障预警方法,方法方便对电梯故障进行识别,有效的匹配到数据库中的故障信息,为后期排除电梯故障提供了帮助。
2、方法包括:
3、步骤s101、将电梯故障信息,形成储存至数据库中;
4、步骤s102、获取电梯状态参数,通过ernie预训练语言模型,识别出电梯状态参数中的电梯状态关键词;
5、步骤s103、将识别出的电梯状态关键词与数据库中电梯故障信息进行匹配,匹配到电梯故障信息,并显示出电梯故障信息。
6、优选地,步骤s101中,设置电梯故障信息分类条件,将电梯故障信息进行分类,形成电梯故障分类表;
7、对每个电梯故障信息设置标签。
8、优选地,电梯故障信息的标签与电梯状态参数的电梯状态关键词相匹配;
9、将识别出的电梯状态关键词与电梯故障信息的标签进行匹配,匹配成功之后,显示出电梯故障信息。
10、优选地,步骤s102中,构建ernie预训练语言模型,使ernie预训练语言模型提供任务嵌入以表示电梯状态参数中的电梯状态关键词;
11、对于每个识别任务均分配给一个唯一的任务嵌入,并以相应的电梯状态参数识别令牌、识别语句和识别任务task作为ernie预训练语言模型的输入。
12、优选地,步骤s102中,ernie预训练语言模型获取电梯状态参数序列,在每个电梯状态参数首位嵌入[cls]标记,电梯状态参数之间设置分隔符[sep];
13、ernie预训练语言模型使用多层transformer作为基本编码器,通过self-attention机制来捕获电梯状态参数序列中每个令牌,并自动将每个电梯状态参数识别任务分配给不同的训练阶段,识别出电梯状态关键词。
14、优选地,步骤s102中,通过auc模型对ernie预训练语言模型进行评价,auc模型调取评价样本,根据分类模型产生的概率预测结果将样本排序,并按某一截断点(cut point将该排序的样本分为两部分{x1,x2,…xm+1,xm+n},前一部分m样本判作正例,后一部分n样本判作反例。auc的定义为:
15、
16、其中,f为分类函数;i为示性函数,即当括号内的表达式成立时值为1,否则为0。auc模型的取值范围在[0.5,1]之间。
17、优选地,auc模型采用精确率precision、召回率recall和f1 score值评价指标;
18、其中:precision表示实际类别且预测类别都为正的样本占所有预测类别为正的样本比重;recall表示实际类别且预测类别都为正的样本占所有实际类别为正的样本比重;f1 score值为准确率和召回率的加权调和平均值;计算公式如(1)-(3)所示;
19、
20、
21、
22、其中:tp表示预测为a类,实际也为a类;fp表示预测为a类,实际不为a类;tn表示预测不为a类,实际也不为a类;fn表示预测不为a类,实际为a类。
23、优选地,方法中还对ernie预训练语言模型识别出电梯状态参数中的电梯状态关键词进行验证;
24、验证方式采用二元交叉熵损失作为多标签分类的损失函数,其定义为:
25、
26、其中,n为电梯状态参数中的电梯状态关键词的数量,k为电梯故障信息的标签数量,yij∈{0,1}和分别表示第i个电梯状态关键词的第j个标签的真实标签值和概率预测值;
27、使用倾斜的三角学习率stlr方法,即先线性地增加学习率,再根据训练周期线性地衰减学习率;具体表达为:
28、
29、
30、
31、其中,t是总的训练迭代次数,cutfrac是学习率上升在整个训练迭代次数的比例,cut是学习率转折时的迭代次数,p是学习率递增或将递减的放缩比例,ratio是最小学习率与最大学习率ηmax的比值,ηt是第t次迭代的学习速率;
32、当cutfrac等于0.1,且ratio等于32时,具有短期增长和长衰减期特性,ernie预训练语言模型识别出电梯状态参数中的电梯状态关键词满足要求。
33、从以上技术方案可以看出,本发明具有以下优点:
34、本发明能够对电梯状态参数进行汇总,方便监控人员进行查阅,电梯运行过程监控效率有效的提升。还能够对电梯状态参高效率地收集、存储,并进行处理,可以基于电梯状态参识别,识别出电梯状态参数中的电梯状态关键词匹配到电梯故障信息,并显示出电梯故障信息。提高电梯故障预警的实时性和准确性,及时发现在电梯运行过程的安全隐患并进行预警,以提高电梯运行过程管理水平和效率,控制电梯运行过程风险,从而实现电梯运行过程监督、管理和控制的及时性和科学性。
35、本发明还应用ernie预训练语言模型进行识别学习,实现接入热线的故障类型和原因自动分类、辅助提醒,为接听人员更好识别和处置电梯异常问题提供技术支撑。
1.一种基于预测模型的电梯故障预警方法,其特征在于,方法包括:
2.根据权利要求1所述的基于预测模型的电梯故障预警方法,其特征在于,步骤s101中,设置电梯故障信息分类条件,将电梯故障信息进行分类,形成电梯故障分类表;
3.根据权利要求2所述的基于预测模型的电梯故障预警方法,其特征在于,电梯故障信息的标签与电梯状态参数的电梯状态关键词相匹配;
4.根据权利要求1所述的基于预测模型的电梯故障预警方法,其特征在于,步骤s102中,构建ernie预训练语言模型,使ernie预训练语言模型提供任务嵌入以表示电梯状态参数中的电梯状态关键词;
5.根据权利要求4所述的基于预测模型的电梯故障预警方法,其特征在于,步骤s102中,ernie预训练语言模型获取电梯状态参数序列,在每个电梯状态参数首位嵌入[cls]标记,电梯状态参数之间设置分隔符[sep];
6.根据权利要求1所述的基于预测模型的电梯故障预警方法,其特征在于,
7.根据权利要求6所述的基于预测模型的电梯故障预警方法,其特征在于,auc模型采用精确率precision、召回率recall和f1 score值评价指标;
8.根据权利要求2所述的基于预测模型的电梯故障预警方法,其特征在于,方法中还对ernie预训练语言模型识别出电梯状态参数中的电梯状态关键词进行验证;
9.根据权利要求8所述的基于预测模型的电梯故障预警方法,其特征在于,