CN111563603A - 电梯健康状态评估方法和装置、存储介质 - Google Patents
电梯健康状态评估方法和装置、存储介质 Download PDFInfo
- Publication number
- CN111563603A CN111563603A CN202010317817.7A CN202010317817A CN111563603A CN 111563603 A CN111563603 A CN 111563603A CN 202010317817 A CN202010317817 A CN 202010317817A CN 111563603 A CN111563603 A CN 111563603A
- Authority
- CN
- China
- Prior art keywords
- elevator
- health state
- evaluation model
- target
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 125
- 238000011156 evaluation Methods 0.000 title claims abstract description 28
- 238000013210 evaluation model Methods 0.000 claims abstract description 89
- 238000012549 training Methods 0.000 claims abstract description 58
- 238000012423 maintenance Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims description 39
- 230000003862 health status Effects 0.000 claims description 33
- 238000012795 verification Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明公开一种电梯健康状态评估方法和装置、存储介质,该电梯健康状态评估方法包括:确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;根据电梯健康状态评估模型评估M个目标特征的当前数据,得到电梯的当前健康状态评分。采用本发明实施例,能够准确地评估电梯的健康状态,从而为维保人员制定电梯的维修保养计划提供依据。
Description
技术领域
本发明涉及电梯技术领域,尤其涉及一种电梯健康状态评估方法和装置、存储介质。
背景技术
电梯已经成为人们日常生活必不可少的基础设施之一。为了延长电梯使用寿命,要求定期对电梯进行维修保养操作。为了实现对电梯维修保养资源的合理分配,需要维保人员先评估电梯的健康状态,根据电梯的健康状态来制定相应的维修保养计划,当电梯的健康状态较差时,就对电梯进行深度维修保养,当电梯的健康状态较好时,对电梯进行简单维修保养即可,目前,尚未有针对电梯健康状态评估的方法。
发明内容
本发明实施例提供了一种电梯健康状态评估方法和装置、存储介质,能够准确地评估电梯的健康状态,从而为维保人员制定电梯的维修保养计划提供依据。
第一方面,本发明实施例提供一种电梯健康状态评估方法,该方法包括:
确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;
根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;
根据电梯健康状态评估模型评估M个目标特征的当前数据,得到电梯的当前健康状态评分。
在第一方面的一种可能的实施方式中,目标特征包括基础特征,基础特征包括:数值型基础特征和/或表示电梯故障类别的非数值型基础特征。
在第一方面的一种可能的实施方式中,数值型基础特征包括:与电梯部件关联的局部基础特征和/或与电梯总体关联的总体基础特征。
在第一方面的一种可能的实施方式中,局部基础特征包括以下特征中的至少一个:轿厢移动速度、曳引机温度、开门时长、曳引机抱闸次数、轿厢导轨X方向震动量、轿厢导轨Y方向震动量、钢缆应力、轿厢X方向摇晃量、轿厢Y方向摇晃量、楼宇X方向振幅和楼宇Y方向振幅;总体基础特征包括以下特征中的至少一个:主功率电源电压、电梯总运行时长、电梯总运行次数、电梯机房温度、维保周期、总维保次数和距离上次维保间隔时长。
在第一方面的一种可能的实施方式中,非数值型基础特征包括以下特征中的至少一个:开门走梯故障、开门未平层故障、轿厢卡井道故障、轿厢冲顶故障、轿厢蹲底故障、安全回路故障和门锁回路故障。
在第一方面的一种可能的实施方式中,目标特征还包括累积特征,累积特征为与基础特征关联的故障的累积时长或者累积次数。
在第一方面的一种可能的实施方式中,确定与电梯健康状态关联的M个目标特征,包括;分析电梯运行数据,得到与电梯健康状态关联的多个指标;分别计算各指标对电梯健康状态的影响力值,得到多个影响力值;从多个影响力值中选择数值较大的前M个影响力值对应的指标,作为M个目标特征。
在第一方面的一种可能的实施方式中,计算各指标对电梯健康状态的影响力值,包括:确定各指标的历史数据集;计算历史数据集中所有数据的方差;将方差作为指标对电梯健康状态的影响力值。
在第一方面的一种可能的实施方式中,根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,包括:对M个目标特征的历史数据进行预处理,得到M个目标特征的预处理历史数据;对M个目标特征的预处理历史数据进行标准化处理,得到M个目标特征的标准化历史数据;根据M个目标特征的标准化历史数据和M个目标特征的历史健康状态评分对预设评估模型进行训练。
在第一方面的一种可能的实施方式中,根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型,包括:将M个目标特征的历史数据和历史健康状态评分全部作为训练样本,对预设评估模型进行训练,得到第一评估模型,将第一评估模型作为电梯健康状态评估模型;或者,将M个目标特征的历史数据和历史健康状态评分分为训练样本,部分作为验证样本;根据训练样本对预设评估模型进行训练,得到第二评估模型;根据验证样本验证第二评估模型的评估结果;若验证通过,则将第二评估模型作为电梯健康状态评估模型;若验证不通过,则调整预设评估模型的参数,得到新的预设评估模型,并根据训练样本对新的预设评估模型进行训练,得到第三评估模型,以及根据验证样本验证第三评估模型的评估结果,若验证结果符合预设要求,则将第三评估模型作为电梯健康状态评估模型。
第二方面,本发明实施例提供一种电梯健康状态评估装置,该装置包括:
确定模块,用于确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;
模型训练模块,用于根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;
评估模块,用于根据电梯健康状态评估模型对M个目标特征的当前数据进行评估,得到电梯的当前健康状态评分。
第三方面,本发明实施例提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如上所述的电梯健康状态评估方法。
如上,本发明实施例的电梯健康状态评估方法中,先确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;然后根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;最后根据电梯健康状态评估模型评估M个目标特征的当前数据,得到电梯的当前健康状态评分,从而能够为维保人员制定电梯的维修保养计划提供依据。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中,相同或相似的附图标记表示相同或相似的特征。
图1为根据本发明一个实施例提供的电梯健康状态评估方法的流程示意图;
图2为根据本发明一个实施例提供的电梯健康评估离线模型的生成方法的流程示意图;
图3为根据本发明另一个实施例提供的实施电梯健康评估方法的流程示意图;
图4为根据本发明一个实施例提供的电梯健康状态评估装置的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。
本发明实施例的电梯健康状态评估方法应用于电梯维护场景。为了实现对电梯维修保养资源的合理分配,需要维保人员先评估电梯的健康状态,根据电梯的健康状态来制定相应的维修保养计划,当电梯的健康状态较差时,就对电梯进行深度维修保养,当电梯的健康状态较好时,对电梯进行简单维修保养即可,目前,尚未有针对电梯健康状态评估的方法。
基于此,本发明实施例提供了一种电梯健康状态评估方法,参看图1,示,该电梯健康状态评估方法包括:
步骤101,确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据集,M为正整数。
其中,目标特征为电梯运行数据中与电梯健康状态相关的指标,电梯运行数据的来源包括电梯使用过程中传感器的监测数据和电梯维修过程中的故障记录等。可以将电梯运行数据中与目标特征对应的数据整理成一个集合,称为该目标特征的历史数据集。
具体地,目标特征包括基础特征和/或累积特征。
本发明实施例中,基础特征可以从电梯运行数据中直接筛选得到,根据电梯发生故障时的电梯运行数据,基础特征包括可通过传感器测量的数值型基础特征和/或表示电梯故障类型的非数值型基础特征。根据电梯的系统结构,数值型基础特征包括与电梯部件关联的局部基础特征和/或与电梯总体关联的总体基础特征。
示例性地,参看表1,表1中第一列表示基础特征的特征类型,第二列表示基础特征对应的特征量。
表1
从表1可以看出,局部基础特征的值为一个具体数值,可以由对应传感器采集得到。表1中示出的局部数值型特征包括:轿厢移动速度、曳引机温度、开门时长、曳引机抱闸次数、轿厢导轨X方向震动量、轿厢导轨Y方向震动量、钢缆应力、轿厢X方向摇晃量、轿厢Y方向摇晃量、楼宇X方向振幅和楼宇Y方向振幅。
从表1可以看出,非数值型基础特征的值为电梯故障类别,不是具体数值。表1中示出的非数值型特征包括:开门走梯故障、开门未平层故障、轿厢卡井道故障、轿厢冲顶故障、轿厢蹲底故障、安全回路故障和门锁回路故障。其中,开门走梯故障指的是电梯在门还没有关闭的情况下,突然下坠或者突然上升,开门未平层故障表示电梯开门时未与平台层对齐,轿厢卡井道故障表示轿厢卡在电梯井的通道中,轿厢冲顶故障表示轿厢不受控制直接提升到最顶层,轿厢蹲底故障表示轿厢不受控制直接下降到最底层,安全回路故障表示保护电梯安全的电气回路故障,门锁回路故障表示电梯门打开和闭合的锁回路故障。上述电梯故障可以由对应传感器采集并经下位机处理得到,比如,开门走梯故障对应的传感器可以包括检测电梯门是否开启光电传感器和检测电梯向上或者向下移动的光电传感器,这些光电传感器将采集的信号发送至下位机,下位机根据这些光电传感器采集的信号判断是否发生开门走梯故障,若在检测到电梯门开启的情况下,检测电梯向上或者向下移动的光电传感器触发,则下位机给出开门走梯故障的预警。
从表1可以看出,总体基础特征的值也为一个具体数值,可以由对应传感器采集得到。表1中示出的总体基础特征包括:主功率电源电压、电梯总运行时长、电梯总运行次数、电梯机房温度、维保周期、总维保次数和距离上次维保间隔时长。由于电梯系统由若干子系统构成,可监控的部件及参数非常多,且各部件之间的影响关系并不是十分明确,电梯故障不一定由单个部件引起的,通过构建电梯总体特征量能够更全面的反映电梯的整体健康状态。
本发明实施例中,累积特征为根据基础特征构建的二次特征,针对每一个基础特征,与该基础特征对应的累积特征为与该基础特征关联的电梯故障的基于时间或者次数的统计量。比如,针对轿厢移动速度,可以及构建与轿厢移动速度关联的电梯故障的当天故障次数、自上次维保以来故障次数、当天故障时长和自上次维保以来故障时长4个统计量作为二次特征。由于电梯当前的健康状态跟历史运行状态有强烈的相关性,根据基础特征构建累积特征来表征电梯的累积运行情况,能够提高电梯当前健康的评估的准确度。
需要说明,电梯运行数据中与电梯健康状态相关的指标很多,不同指标对电梯健康状态的影响程度不同,比如,轿厢移动速度对应电梯的运动机构,但对电梯健康状态的评估结果的影响程度较小,比如抱闸和门锁回路对应电梯的非主体机构,但对电梯健康状态的评估结果的影响程度较小,如果将所有与电梯健康状态相关的指标均作为目标特征,会增加电梯健康状态评估过程的复杂程度。
为了降低电梯健康状态评估过程的复杂程度,在通过分析电梯运行数据得到与电梯健康状态关联的多个指标之后,可以分别计算各指标对电梯健康状态的影响力值得到多个影响力值,然后从多个影响力值中选择数值较大的前M个影响力值对应的指标,作为M个目标特征,比如,可以选择对电梯健康状态的影响力值较大的前20个指标作为目标特征。
具体地,可以通过方差法或者相关系数法确定指标对电梯健康状态的影响力值。采用方差法时,可以确定各指标的历史数据集,计算历史数据集中所有数据的方差,将方差作为指标对电梯健康状态的影响力值;采用相关系数法时,可以选择指标与电梯健康评分中间的皮尔森(pearson)相关系数作为指标对电梯健康状态的影响力值,Pearson相关系数是衡量向量相似度的一种方法,其表达式如下:
其中,ρX,Y表示向量X和向量Y之间的相关系数,向cov(X,Y)表示向量X和向量Y之间的协方差,σX表示向量X的标准差,σY表示向量Y的标准差。应用于本方案中,向量X表示指标的特性向量,向量Y表示电梯的健康评分向量,输入范围为-1到+1,0表示无相关性,负值表示负相关性,正值表示正相关性,绝对值越大表示指标和电梯健康评分之间的相关性越强,根据相关系数绝对值大小排序选择前N个特征。
步骤102,根据M个目标特征的历史数据集对预设评估模型进行训练,得到电梯健康状态评估模型。
其中,预设评估模型为机器学习算法。示例性地,可以采用XGBoost(eXtremeGradient Boosting)对步骤101中的M个目标特征的历史数据集进行模型训练。XGBoost使用了梯度上升框架,能够将多个学习模型组合,组合后的模型具有更强的泛化能力,适用于分类和回归问题。并且,XGBoost还有速度快、效果好、能够处理大规模数据、支持多种语言、支持自定义损失函数等优点。另外,XGBoost的目标函数中加入了正则项,能够控制模型的复杂程度,避免过拟合。需要说明,本领域技术人员也可以根据需要选择其他机器学习算法,此处不做限定。
在模型训练时,为了提高模型训练的准确度,可以先对各所述目标特征的历史数据集进行预处理,清除所述目标特征的历史数据集中值为空或者值超出预设合理范围的数据,得到M个目标特征的预处理数据集。
此外,考虑到不同目标特征具有不同的量纲和数量级,如果直接采用原始数值进行模型训练,那么数值较大的目标特征的作用会被放大,数值较小的目标特征的作用会被削减,因此,还可以对目标特征的预处理数据集进行标准化处理,得到M个目标特征的标准化数据集,根据M个目标特征的标准化数据集对所述预设评估模型进行训练,以消除量纲或者数量级不同对电梯健康状态评估结果带来的影响。
具体地,可以采用标准差的方式进行标准化,公式如下:
其中,μ为均值,s为标准差,μ和s均由训练数据计算得出,在模型训练前,每个目标特征的预处理数据集中的所有数据均需进行标准化处理,本发明实施例不限定标准化的具体方式。
在一示例中,可以将M个目标特征的历史数据集全部作为训练数据,根据训练数据对预设评估模型进行训练得到第一评估模型,并将该第一评估模型作为电梯健康状态评估模型,
在另一示例中,为了提高模型训练的准确度,也可以将所述M个目标特征的历史数据集分为训练集和验证集,根据训练集对预设评估模型进行训练得到第二评估模型,根据验证集验证第二评估模型的评估结果;若验证通过,则将第二评估模型作为电梯健康状态评估模型;若验证不通过,则调整预设评估模型的参数,得到新的预设评估模型,并根据训练集对新的预设评估模型进行训练,得到第三评估模型,以及根据验证集验证第三评估模型的评估结果,若验证结果符合预设要求,则将第三评估模型作为电梯健康状态评估模型。
步骤103,根据电梯健康状态评估模型对M个目标特征的当前数据进行处理,得到电梯的健康状态。
需要说明,M个目标特征中,基础特征的当前数据即为对应传感器当在前时刻采集的数据,累积特征的当前数据需要在历史特征数据的基础上累加得到。比如,针对轿厢移动速度这个基础特征,其当前数据为当前周期采集得到的轿厢移动速度。而对于由轿厢移动速度构建的自上次维保以来故障次数这个累积特征,若其当前周期存在因轿厢移动速度而引起的故障,那么其当前数据为在历史数据的基础上增加1。
假如采用方差法(或者相关系数法)选择了前M个特征,那么模型训练和模型评估都是针对这M个目标特征进行。该步骤中,将M个目标特征的当前数据作为电梯健康状态评估模型的输入,电梯健康状态评估模型的输出即为电梯的健康状态。示例性地,可以用分数表征电梯的健康状态,分数越高,说明电梯的健康状态越好,分数越低,说明电梯的健康状态越差。
如上,本发明实施例的电梯健康状态评估方法中,先确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;然后根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;最后根据电梯健康状态评估模型评估M个目标特征的当前数据,得到电梯的当前健康状态评分,从而能够为维保人员制定电梯的维修保养计划提供依据。
为便于理解,参看图2,电梯健康评估模型的训练过程为:
(1)获取预处理后的数据集,数据集中包括基础特征和累积特征的历史数据和历史健康状态评分。
(2)特征重要性筛选,从预处理后的数据集中筛选重要性高的特征。
(3)生成训练数据,训练数据包括训练集和验证集。
(4)XGBoost模型训练,根据训练集进行模型训练,根据验证集对训练得到的模型进行验证。
(5)将验证通过的模型作为电梯健康评估模型,该模型可以离线使用。
参看图3,可以根据实时传感器数据和历史特征量中得到实时特征量,将实时特征量输入训练好的离线模型(模型训练过程参见图2)得到实时电梯健康状态。
其中,实时特征量中的基础特征的值可以根据实时传感器数据(包括加速度传感器数据、温度传感器数据、振动传感器数据)确定,实时特征量中的累积特征的值可以根据历史特征量中的累积特征值得到。
图4为根据本发明一个实施例提供的电梯健康状态评估装置的结构示意图。如图4所示,该电梯健康状态评估装置包括:
确定模块401,用于确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数。
模型训练模块402,用于根据所述M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型。
评估模块403,用于根据所述电梯健康状态评估模型对所述M个目标特征的当前数据进行评估,得到所述电梯的当前健康状态评分。
如上,本发明实施例的电梯健康状态评估装置中,可以利用确定模块401确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;然后利用模型训练模块402根据M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;最后利用评估模块403根据电梯健康状态评估模型评估M个目标特征的当前数据,得到电梯的当前健康状态评分,从而能够为维保人员制定电梯的维修保养计划提供依据。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如上所述的电梯健康状态评估方法的步骤。
需要明确的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例而言,相关之处可以参见方法实施例的说明部分。本发明实施例并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本发明实施例的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。并且,为了简明起见,这里省略对已知方法技术的详细描述。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明实施例可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施例中所描述的算法可以被修改,而系统体系结构并不脱离本发明实施例的基本精神。因此,当前的实施例在所有方面都被看作是示例性的而非限定性的,本发明实施例的范围由所附权利要求而非上述描述定义,并且,落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明实施例的范围之中。
Claims (12)
1.一种电梯健康状态评估方法,其特征在于,包括:
确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;
根据所述M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;
根据所述电梯健康状态评估模型评估所述M个目标特征的当前数据,得到所述电梯的当前健康状态评分。
2.根据权利要求1所述的方法,其特征在于,所述目标特征包括基础特征,所述基础特征包括:数值型基础特征和/或表示电梯故障类别的非数值型基础特征。
3.根据权利要2所述的方法,其特征在于,所述数值型基础特征包括:与电梯部件关联的局部基础特征和/或与电梯总体关联的总体基础特征。
4.根据权利要求3所述的方法,其特征在于,
所述局部基础特征包括以下特征中的至少一个:
轿厢移动速度、曳引机温度、开门时长、曳引机抱闸次数、轿厢导轨X方向震动量、轿厢导轨Y方向震动量、钢缆应力、轿厢X方向摇晃量、轿厢Y方向摇晃量、楼宇X方向振幅和楼宇Y方向振幅;
所述总体基础特征包括以下特征中的至少一个:
主功率电源电压、电梯总运行时长、电梯总运行次数、电梯机房温度、维保周期、总维保次数和距离上次维保间隔时长。
5.根据权利要求3所述的方法,其特征在于,
所述非数值型基础特征包括以下特征中的至少一个:
开门走梯故障、开门未平层故障、轿厢卡井道故障、轿厢冲顶故障、轿厢蹲底故障、安全回路故障和门锁回路故障。
6.根据权利要求2所述的方法,其特征在于,所述目标特征还包括累积特征,所述累积特征为与所述基础特征关联的故障的累积时长或者累积次数。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述确定与电梯健康状态关联的M个目标特征,包括;
分析电梯运行数据,得到与电梯健康状态关联的多个指标;
分别计算各指标对电梯健康状态的影响力值,得到多个影响力值;
从所述多个影响力值中选择数值较大的前M个影响力值对应的指标,作为所述M个目标特征。
8.根据权利要求7所述的方法,其特征在于,所述计算各指标对电梯健康状态的影响力值,包括:
确定各指标的历史数据集;
计算所述历史数据集中所有数据的方差;
将所述方差作为所述指标对电梯健康状态的影响力值。
9.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,包括:
对所述M个目标特征的历史数据进行预处理,得到M个目标特征的预处理历史数据;
对所述M个目标特征的预处理历史数据进行标准化处理,得到M个目标特征的标准化历史数据;
根据所述M个目标特征的标准化历史数据和所述M个目标特征的历史健康状态评分对预设评估模型进行训练。
10.根据权利要求1-9任一项所述的方法,其特征在于,所述根据所述M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型,包括:
将所述M个目标特征的历史数据和历史健康状态评分全部作为训练样本,对所述预设评估模型进行训练,得到第一评估模型,将所述第一评估模型作为所述电梯健康状态评估模型;
或者,
将所述M个目标特征的历史数据和历史健康状态评分分为训练样本,部分作为验证样本;
根据所述训练样本对所述预设评估模型进行训练,得到第二评估模型;
根据所述验证样本验证所述第二评估模型的评估结果;
若验证通过,则将所述第二评估模型作为所述电梯健康状态评估模型;
若验证不通过,则调整所述预设评估模型的参数,得到新的预设评估模型,并根据所述训练样本对所述新的预设评估模型进行训练,得到第三评估模型,以及根据所述验证样本验证所述第三评估模型的评估结果,若验证结果符合所述预设要求,则将所述第三评估模型作为所述电梯健康状态评估模型。
11.一种电梯健康状态评估装置,其特征在于,包括:
确定模块,用于确定与电梯健康状态关联的M个目标特征以及各目标特征的历史数据和历史健康状态评分,M为正整数;
模型训练模块,用于根据所述M个目标特征的历史数据和历史健康状态评分对预设评估模型进行训练,得到电梯健康状态评估模型;
评估模块,用于根据所述电梯健康状态评估模型对所述M个目标特征的当前数据进行评估,得到所述电梯的当前健康状态评分。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的电梯健康状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317817.7A CN111563603A (zh) | 2020-04-21 | 2020-04-21 | 电梯健康状态评估方法和装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317817.7A CN111563603A (zh) | 2020-04-21 | 2020-04-21 | 电梯健康状态评估方法和装置、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111563603A true CN111563603A (zh) | 2020-08-21 |
Family
ID=72070563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010317817.7A Pending CN111563603A (zh) | 2020-04-21 | 2020-04-21 | 电梯健康状态评估方法和装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563603A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036726A (zh) * | 2020-08-25 | 2020-12-04 | 上海三菱电梯有限公司 | 电梯服务质量评价方法 |
CN112163740A (zh) * | 2020-09-11 | 2021-01-01 | 日立楼宇技术(广州)有限公司 | 基于区块链的维保人员评估结果获取方法和装置 |
CN112607555A (zh) * | 2020-11-23 | 2021-04-06 | 西人马联合测控(泉州)科技有限公司 | 用于电梯导轨状态检测的模型的训练方法、检测方法 |
CN112633708A (zh) * | 2020-12-25 | 2021-04-09 | 同方威视科技江苏有限公司 | 机械设备故障检测方法、装置、介质及电子设备 |
CN113916289A (zh) * | 2021-09-30 | 2022-01-11 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 一种矿山设备的健康状态监测系统及方法 |
CN114955770A (zh) * | 2022-05-13 | 2022-08-30 | 江苏省特种设备安全监督检验研究院 | 一种电梯轿厢系统故障预警方法 |
CN115081938A (zh) * | 2022-07-22 | 2022-09-20 | 清华大学 | 机器人健康管理方法、装置及电子设备、存储介质 |
CN117105032A (zh) * | 2023-08-29 | 2023-11-24 | 大汉科技股份有限公司 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
WO2024055346A1 (zh) * | 2022-09-13 | 2024-03-21 | 武汉理工光科股份有限公司 | 一种车辆状态监测模型训练方法、应用方法、装置和车辆 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060250278A1 (en) * | 2005-05-09 | 2006-11-09 | The Boeing Company | System and method for assessing parking space occupancy and for reserving same |
US20130265174A1 (en) * | 2012-04-10 | 2013-10-10 | Inrix, Inc. | Parking resource management |
CN108285071A (zh) * | 2018-01-25 | 2018-07-17 | 暨南大学 | 一种基于贝叶斯网络的电梯健康诊断方法 |
CN110498314A (zh) * | 2019-08-28 | 2019-11-26 | 上海电气集团股份有限公司 | 电梯门系统的健康评估方法、系统、电子设备及存储介质 |
-
2020
- 2020-04-21 CN CN202010317817.7A patent/CN111563603A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060250278A1 (en) * | 2005-05-09 | 2006-11-09 | The Boeing Company | System and method for assessing parking space occupancy and for reserving same |
US20130265174A1 (en) * | 2012-04-10 | 2013-10-10 | Inrix, Inc. | Parking resource management |
CN108285071A (zh) * | 2018-01-25 | 2018-07-17 | 暨南大学 | 一种基于贝叶斯网络的电梯健康诊断方法 |
CN110498314A (zh) * | 2019-08-28 | 2019-11-26 | 上海电气集团股份有限公司 | 电梯门系统的健康评估方法、系统、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
潘鹏 等: "基于Logistic回归的电梯健康评估", 《计算机系统应用》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036726A (zh) * | 2020-08-25 | 2020-12-04 | 上海三菱电梯有限公司 | 电梯服务质量评价方法 |
CN112036726B (zh) * | 2020-08-25 | 2023-06-09 | 上海三菱电梯有限公司 | 电梯服务质量评价方法 |
CN112163740A (zh) * | 2020-09-11 | 2021-01-01 | 日立楼宇技术(广州)有限公司 | 基于区块链的维保人员评估结果获取方法和装置 |
CN112163740B (zh) * | 2020-09-11 | 2023-06-27 | 日立楼宇技术(广州)有限公司 | 基于区块链的维保人员评估结果获取方法和装置 |
CN112607555A (zh) * | 2020-11-23 | 2021-04-06 | 西人马联合测控(泉州)科技有限公司 | 用于电梯导轨状态检测的模型的训练方法、检测方法 |
CN112633708B (zh) * | 2020-12-25 | 2024-03-22 | 同方威视科技江苏有限公司 | 机械设备故障检测方法、装置、介质及电子设备 |
CN112633708A (zh) * | 2020-12-25 | 2021-04-09 | 同方威视科技江苏有限公司 | 机械设备故障检测方法、装置、介质及电子设备 |
CN113916289A (zh) * | 2021-09-30 | 2022-01-11 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 一种矿山设备的健康状态监测系统及方法 |
CN114955770A (zh) * | 2022-05-13 | 2022-08-30 | 江苏省特种设备安全监督检验研究院 | 一种电梯轿厢系统故障预警方法 |
CN115081938A (zh) * | 2022-07-22 | 2022-09-20 | 清华大学 | 机器人健康管理方法、装置及电子设备、存储介质 |
WO2024055346A1 (zh) * | 2022-09-13 | 2024-03-21 | 武汉理工光科股份有限公司 | 一种车辆状态监测模型训练方法、应用方法、装置和车辆 |
CN117105032A (zh) * | 2023-08-29 | 2023-11-24 | 大汉科技股份有限公司 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
CN117105032B (zh) * | 2023-08-29 | 2024-04-02 | 大汉科技股份有限公司 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563603A (zh) | 电梯健康状态评估方法和装置、存储介质 | |
CN111222290B (zh) | 一种基于多参数特征融合的大型设备剩余使用寿命预测方法 | |
CN113190421A (zh) | 一种用于数据中心的设备健康状态的检测分析方法 | |
CN104538041A (zh) | 异常声音检测方法及系统 | |
CN101272580B (zh) | 一种基于反馈的自适应移动基站系统可靠性评估方法 | |
CN114563150B (zh) | 桥梁健康在线检测模块生成方法、检测方法、工具箱及装置 | |
CN109809149B (zh) | 一种工业生产设备故障预警系统及方法 | |
CN113420509A (zh) | 一种风电机组状态评价方法、装置及存储介质 | |
CN116976857B (zh) | 一种基于深度学习的铁路电力设备预测性维护方法及系统 | |
CN113438114B (zh) | 互联网系统的运行状态监控方法、装置、设备及存储介质 | |
KR102618023B1 (ko) | 고장유형에 따른 패턴 분석을 통한 고장 예지 진단시스템 및 방법 | |
CN115858794B (zh) | 用于网络运行安全监测的异常日志数据识别方法 | |
CN116910680B (zh) | 一种健身器材的远程故障检测方法及系统 | |
CN116720073A (zh) | 一种基于分类器的异常检测提取方法与系统 | |
CN111797944A (zh) | 一种车门异常诊断方法及装置 | |
CN112199295A (zh) | 一种基于频谱的深度神经网络缺陷定位方法及系统 | |
Jobi-Taiwo et al. | Mahalanobis-Taguchi system for multiclass classification of steel plates fault | |
CN110956112A (zh) | 一种新的高可靠性回转支承寿命评估方法 | |
CN116126807A (zh) | 一种日志分析方法及相关装置 | |
CN114298213A (zh) | 基于多维特征向量和分类模型的卫通设备故障诊断方法 | |
CN110532512B (zh) | 基于大数据分析的设备失效模式诊断特征参量分析方法 | |
Zheng et al. | Gaussian Mixture Model Based Fault Diagnosis for Elevator Overspeed and Automatic Reset | |
KR102564668B1 (ko) | 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 | |
CN118014373B (zh) | 一种基于数据质量监测的风险识别模型及其构建方法 | |
CN118068132B (zh) | 一种基于时频分析的电缆异常识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201109 Address after: 362000 Xinnan Community of Shuangyang Street, Luojiang District, Quanzhou City, Fujian Province Applicant after: FATRI UNITED TESTING & CONTROL (QUANZHOU) TECHNOLOGIES Co.,Ltd. Address before: Unit 1701, 17th Floor, No. 1 Yilan Road, Siming District, Xiamen City, Fujian Province Applicant before: FATRI (XIAMEN) TECHNOLOGIES Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200821 |
|
RJ01 | Rejection of invention patent application after publication |