用于训练机器学习模型来对电梯、尤其是电梯门中的安装错误进行检测的计算机实施的方法、用于对安装错误进行分类的计算机实施的方法及其系统与流程

本发明涉及一种用于训练机器学习模型来对电梯、尤其是电梯门中的安装错误进行检测的计算机实施的方法以及一种用于对安装错误进行分类的计算机实施的方法及其系统。本发明的一个应用是对电梯门、尤其是电梯层门和轿厢门的安装控制。本发明还应用于电梯门的预测性维护和远程监控。本发明的另一应用涉及电梯驱动装置、尤其是马达、制动装备以及编码器。本发明的另一应用是在安全装置中，例如超速调节器、安全装备、调节器张紧绳以及剃刀。还设想了对加速度计、负载称重传感器以及电梯控制器和门安全开关的控制。总体而言，所提出的发明适用于电梯的任何组件。

背景技术：

1、在现有技术中，已提出电梯装备的基于从分散在装备中的传感器检测到的数据的监控系统。

2、根据其摘要，文献us 10,196,236 b2提出了一种电梯装备的监控系统以及对该监控系统进行操作以生成电梯门的使用数据的方法。监控系统包括布置在电梯装备中的传感器以及评估单元，其中传感器的环境的至少一个物理参数可由传感器来检测，评估单元通过物理参数随时间的变化来确定电梯门的运行状态。

3、根据文献us 2020/0062542 a1的摘要，其提供了一种用于确定电梯轿厢位置的方法以及系统，该方法以及系统基于通过处理器对机房传感器进行操作来收集与电梯系统的机房中的一个或多个组件相关联的振动数据。电梯系统包括电梯轿厢和井道，且该方法对振动数据进行分析以确定电梯轿厢在井道中的位置。

4、上述解决方案以预测性维护为目标，但仍受到不良安装质量的影响。由于由传感器撷取的数据仍是间接数据，因此其不足以提高安装质量，这意味着它们未直接连接到门操作器。

5、需要减少由错误安装引起的时间和成本。事实上，电梯公司和跨国公司在电梯发布后的六个月内有大量的召回，主要是由于不良安装质量。导致召回的主要组件通常是门。

6、显而易见的是，安装质量是客户满意度的关键驱动因素。

技术实现思路

1、在此上下文中，基于本发明的技术任务是提出一种用于训练机器学习模型来对电梯、尤其是电梯门中的安装错误进行检测的计算机实施的方法、一种用于对安装错误进行分类的计算机实施的方法及其系统，其克服现有技术的上述缺点。

2、具体来说，本发明的目的是提出一种用于训练机器学习模型来对电梯、尤其是电梯门中的安装错误进行检测的计算机实施的方法、一种用于对安装错误进行分类的计算机实施的方法及其系统，从而相对于现有技术解决方案来说允许更好地对电梯门的错误安装进行检测，因此提高安装过程、尤其是针对门的安装过程的质量。

3、本发明的另一目的是提出一种用于对电梯、尤其是电梯门中的安装错误进行分类的计算机实施的方法以及系统，其允许以更高效且更容易的方式对维护操作以及监控进行调度，因此减少对正确安装进行验证的时间。

4、本发明的另一目的是提出一种用于对电梯、尤其是电梯门中的安装错误进行分类的计算机实施的方法以及系统，其减少由于不良安装导致的连锁效应的数目。

5、所述技术任务和特定目的实质上是通过一种计算机实施的方法来实现的，该方法用于训练机器学习模型来对电梯、尤其是电梯门中的安装错误进行检测，机器学习模型是设定函数模型与傅立叶变换模型的组合，该方法包括以下步骤：

6、-在电梯处布置多个传感器，每个传感器被配置成对物理参数进行检测；

7、-借助于传感器对物理参数的值进行检测，以便获得包括至少一个时间序列的数据集；

8、-通过从数据集提取特征来获得第一输入层；

9、-通过从数据集提取特征来获得第二输入层；

10、-利用第一输入层馈送设定函数模型；

11、-利用第二输入层馈送傅立叶变换模型。

12、根据本发明的一个方面，数据集包括时间序列矩阵。

13、根据本发明的一个方面，数据集还包括静态值或循环值中的一者或多者。

14、根据本发明的一个方面，数据集还包括音频样本。

15、根据本发明的一个方面，音频样本的所提取的特征包括音频频谱图。

16、根据本发明的一个方面，借助于传感器对物理参数的值进行检测的步骤是依据传感器类型和所涉及的物理参数类型而以不同的周期进行的。

17、所述技术任务和特定目的实质上通过一种用于对电梯、尤其是电梯门中的安装错误进行检测的计算机实施的方法来实现，该方法包括以下步骤：

18、-借助于布置在电梯处的传感器来对多个物理参数进行检测；

19、-根据所检测的物理参数执行第一特征提取和第二特征提取；

20、-将所提取的第一特征和所提取的第二特征馈送到先前已训练的机器学习模型，以对安装错误进行检测。

21、所述技术任务和特定目的实质上是通过一种用于对电梯、尤其是电梯门中的安装错误进行检测的系统来实现，该系统包括：

22、-多个传感器，多个传感器布置在电梯处并且被配置成对物理参数进行检测；

23、-第一特征提取单元和第二特征提取单元，第一特征提取单元和第二特征提取单元被配置成从所检测的物理参数提取特征；

24、-机器学习模型，机器学习模型由设定函数模型与傅立叶变换模型的组合组成，被配置成响应于接收到来自于第一特征提取单元以及来自于第二特征提取单元的所提取的特征而对安装错误进行检测，机器学习模型先前已被训练，以对安装错误进行检测。

25、根据本发明的一个方面，传感器是从以下之中选择的：位置传感器、速度传感器、麦克风。

技术特征：

1.一种计算机实施的方法(100)，用于训练机器学习模型来对电梯、尤其是电梯门中的安装错误进行检测，所述机器学习模型是设定函数模型与傅立叶变换模型的组合，所述方法(100)包括以下步骤：

2.根据权利要求1所述的方法(100)，其中所述数据集包括时间序列矩阵。

3.根据权利要求1或2所述的方法(100)，其中所述数据集还包括静态值或循环值中的一者或多者。

4.根据前述权利要求中的任一项所述的方法(100)，其中所述数据集还包括音频样本。

5.根据权利要求4所述的方法(100)，其中所述音频样本的所提取的特征包括音频频谱图。

6.根据前述权利要求中的任一项所述的方法(100)，其中所述借助于所述传感器对所述物理参数的值进行检测的步骤(102)是依据传感器类型和所涉及的物理参数类型而以不同的周期进行的。

7.一种用于对电梯、尤其是电梯门中的安装错误进行检测的计算机实施的方法(200)，所述方法(200)包括以下步骤：

8.一种用于对电梯(1)、尤其是电梯门中的安装错误进行检测的系统(300)，包括：

9.根据权利要求9所述的系统(300)，其中所述传感器(2)是从以下之中选择的：位置传感器、速度传感器、麦克风。

10.一种能够加载到电子设备的存储器中的软件产品，所述软件产品包括指令，所述指令在由所述电子设备运行时确定对根据权利要求7所述的方法的步骤的执行。

技术总结
一种计算机实施的方法(100)，用于训练机器学习模型来对电梯、尤其是电梯门中的安装错误进行检测，该机器学习模型是设定函数模型与傅立叶变换模型的组合，该方法(100)包括以下步骤：‑在电梯处布置多个传感器(101)，每个传感器配置成对物理参数进行检测；‑借助于传感器对物理参数的值进行检测，以便获得包括至少一个时间序列的数据集(102)；‑通过从数据集提取特征来获得第一输入层(103)；‑通过从数据集提取特征来获得第二输入层(104)；‑利用第一输入层馈送设定函数模型(105)；‑利用第二输入层馈送傅立叶变换模型(106)。

技术研发人员：M·泽尔霍夫,G·德弗朗切斯科
受保护的技术使用者：威特控股有限公司
技术研发日：
技术公布日：2024/1/22