【技術實現步驟摘要】
本專利技術涉及電梯安全預測，具體為基于多指標多分支融合算法的鐵路客站電梯安全預測方法。
技術介紹
1、電梯安全預測技術是現代建筑智能化和城市管理中一個重要的研究領域。隨著城市化進程的加快和高層建筑數量的增加，電梯作為主要的垂直交通工具，其安全性和可靠性顯得尤為重要。傳統的電梯維護主要依賴于定期檢查和突發故障后的修復，這種方式不僅效率低下，而且無法有效預防可能導致嚴重事故的潛在故障。因此，電梯安全預測技術應運而生。
2、目前在鐵路客站領域，對電梯的性能指標研究尚未深入，難以全面捕捉電梯在運行過程中的復雜狀況，此外，現有電梯安全預測方法多基于單一參數或少量參數進行分析，導致預測精度和可靠性不足，特別是對于鐵路客站這種每天承載大量乘客且使用頻率較高的電梯，安全性預測尤為關鍵。鐵路客站的客流量具有明顯的高峰時段特點，高峰時段客流密集，電梯使用頻率顯著增加，負荷也隨之上升。此外，突發客流情況也較為常見，電梯需要能夠應對高強度和高頻率的使用需求。
技術實現思路
1、本專利技術的目的在于提供一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，以解決上述
技術介紹
中提出的問題。
2、為了解決上述技術問題，本專利技術提供如下技術方案：一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法。
3、一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，包括以下步驟：
4、s1：基于電梯基礎信息，構建指標體系；
5、s2：采集電梯的運行數據、
6、s3：基于構建的指標體系和采集的電梯的運行數據、部件狀態數據、乘客行為數據和環境監測數據，對電梯的安全狀態進行分類，分析每個類別的評價指標和監測參數；
7、s4：基于每個類別的檢測參數生成并選擇新的特征；
8、s5：基于生成的新的特征構建運行安全分支、部件安全分支、乘客安全分支和環境安全分支模型；
9、s6：對運行安全分支、部件安全分支、乘客安全分支和環境安全分支模型訓練與評估，結合多分支融合算法，預測鐵路客站電梯安全。
10、進一步的，在步驟s1中：基于電梯的基礎信息，包括運行信息、部件信息、故障信息、事件信息和統計信息，構建三組電梯指標體系，即運行指標體系、管理指標體系和安全指標體系，運行指標體系基于運行信息和部件信息構建，詳細監測和分析電梯的運行狀態、部件運行情況和乘客行為模式，全面評估電梯的安全性、效率和可靠性，其中運行信息是指電梯的實時狀態、參數和環境數據，具體包括以下內容：運行狀態、服務模式、運行速度、乘梯人數、乘梯人行為、機房溫度和井道溫度，部件信息是指構成和控制電梯運行和安全系統的部件和裝置數據，具體包括以下內容：曳引機、轎廂、控制系統、電動機、電源系統、轎門和開鎖區域狀態；
11、安全指標體系基于故障信息和事件信息構建，記錄和分析運行異常、部件故障、安全系統故障和安全事件的頻次，全面識別電梯運行中的各類異常和安全隱患，其中故障信息是描述和記錄電梯運行中的故障和異常情況，具體包括以下內容：安全回路斷路、開關門故障、運行超速、電源故障和高溫報警，電梯事件信息是描述和記錄電梯運行中的發生事件和異常情況，確保電梯運行的安全和順暢，具體包括以下內容：轎廂內異常行為、機房和井道進水及溫度異常事件；
12、管理指標體系基于基礎信息和統計信息構建，收集和統計基本屬性、運行時間、能源消耗、維護周期和開關次數，全面評估電梯的運行質量和維護情況，其中基礎信息是指電梯的基本數據和識別信息，具體包括以下內容：注冊代碼、類別、型號、出廠和安裝日期、制造商、安裝單位、出廠編號、額定速度和載重量，統計信息是指對電梯運行過程中收集的數據進行匯總和分析，以便評估電梯的性能和維護情況，具體包括以下內容：運行累計時間和次數、累計開關門次數、耗電統計和維護周期。
13、進一步的，在步驟s2中：從電梯控制系統、監控設備、傳感器和事件記錄中獲取電梯的運行數據、部件狀態數據、乘客行為數據和環境監測數據；所述運行數據包括：運行狀態數據、速度數據、運行模式數據和時間數據；所述部件安全數據包括：運行時間數據、故障數據和運行時間數據；所述乘客行為數據包括：乘梯人數、客流量和事件報警數據；所述環境監測數據包括：溫濕度數據和環境異常數據。
14、進一步的，在步驟s2中：對收集的數據進行歸一化處理，確保數據的質量和一致性，使用z-score?normalization，將數據標準化為均值為0、標準差為1來實現歸一化，公式如下：
15、
16、其中，x是電梯運行速度數據集，x’是歸一化后的電梯運行速度數據，μ是電梯運行速度數據集的均值，σ是電梯運行速度數據集的總體標準差；
17、均值計算公式如下：
18、
19、其中，μ是電梯運行速度數據集的均值，n表示電梯運行速度數據集的數量，xi表示第i個電梯運行速度數據值；
20、數據集的總體標準差計算公式如下：
21、
22、其中，σ是電梯運行速度數據集的總體標準差，n表示電梯運行速度數據集的數量，xi表示第i個電梯運行速度數據值，μ是電梯運行速度數據集的均值；
23、使用min-max?scaling方法，將運行速度數據縮放到0到1范圍來實現歸一化，公式如下：
24、
25、其中，x是電梯運行速度數據集，x’是歸一化后的電梯運行速度數據集，xmin是電梯運行速度數據集中的最小值，xmax是電梯運行速度數據集中的最大值。
26、進一步的，在步驟s3中：基于構建的指標體系和采集的電梯的運行數據、部件狀態數據、乘客行為數據和環境監測數據，對電梯的安全狀態進行分類，分析每個類別的評價指標和監測參數；
27、運行安全評估評價指標和具體監測參數如下：
28、評價指標包括：實際運行狀態變化頻率和持續時間、實際運行速度偏差率、運行模式切換情況以及運行時間信息收集；具體監測參數包括：運行速度、實際運行速度、運行模式和累計運行時間；
29、部件安全評估評價指標和具體監測參數如下：
30、評價指標包括：部件磨損程度和部件故障率；具體監測參數包括：部件運行數據和部件故障數據；
31、乘客安全評估評價指標和具體監測參數如下：
32、評價指標包括：乘梯人數對運行效率和安全的影響；具體監測參數包括：乘梯人數、實時客流量、預計客流量和乘客事件報警；
33、環境安全評估評價指標和具體監測參數如下：
34、評價指標包括：內外環境溫濕度關系分析；具體監測參數包括：環境溫度、濕度和環境事件報警。
35、進一步的，在步驟s4中：基于每個類別的檢測參數生成并選擇新的特征：
36、所述特征生成包括：運行狀態變化速率、速度偏差率、模式切換率和累計運行信息；部件運行信息和故障頻率；乘本文檔來自技高網...
【技術保護點】
1.一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S1中：基于電梯的基礎信息，包括運行信息、部件信息、故障信息、事件信息和統計信息，構建三組電梯指標體系，即運行指標體系、管理指標體系和安全指標體系。
3.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S2中：從電梯控制系統、監控設備、傳感器和事件記錄中獲取電梯的運行數據、部件狀態數據、乘客行為數據和環境監測數據；所述運行數據包括：運行狀態數據、速度數據、運行模式數據和時間數據；所述部件安全數據包括：運行時間數據、故障數據和運行時間數據；所述乘客行為數據包括：乘梯人數、客流量和事件報警數據；所述環境監測數據包括：溫濕度數據和環境異常數據。
4.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S2中：對收集的數據進行歸一化處理，使用Z-ScoreNormalization，
5.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S3中：基于構建的指標體系和采集的電梯的運行數據、部件狀態數據、乘客行為數據和環境監測數據，對電梯的安全狀態進行分類，分析每個類別的評價指標和監測參數；
6.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S4中：基于每個類別的檢測參數生成并選擇新的特征：
7.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S5中：基于生成的新的特征構建運行安全分支、部件安全分支、乘客安全分支和環境安全分支模型；所述運行安全分支模型包括處理和分析電梯的運行狀態數據：運行狀態變化頻率和持續時間、運行速度偏差率和運行模式切換情況；所述部件安全分支包括處理和分析電梯部件的狀態數據：部件運行時間和故障數據；所述乘客安全分支包括處理和分析乘客數據：乘梯人數、客流量、安全事件和異常行為；所述環境安全分支包括處理和分析電梯運行環境的數據：溫濕度和環境異常監測。
8.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S6中：多分支模型的訓練過程中，采用監督學習和無監督學習相結合的方法，綜合利用歷史數據和實時數據進行訓練，具體步驟如下：
9.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟S6中：通過加權平均方法進行融合各分支模型的預測結果，其中，綜合各分支的預測結果如下所示：
...【技術特征摘要】
1.一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟s1中：基于電梯的基礎信息，包括運行信息、部件信息、故障信息、事件信息和統計信息，構建三組電梯指標體系，即運行指標體系、管理指標體系和安全指標體系。
3.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟s2中：從電梯控制系統、監控設備、傳感器和事件記錄中獲取電梯的運行數據、部件狀態數據、乘客行為數據和環境監測數據；所述運行數據包括：運行狀態數據、速度數據、運行模式數據和時間數據；所述部件安全數據包括：運行時間數據、故障數據和運行時間數據；所述乘客行為數據包括：乘梯人數、客流量和事件報警數據；所述環境監測數據包括：溫濕度數據和環境異常數據。
4.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟s2中：對收集的數據進行歸一化處理，使用z-scorenormalization，將數據標準化為均值為0、標準差為1來實現歸一化，公式如下：
5.根據權利要求1所述的一種基于多指標多分支融合算法的鐵路客站電梯安全預測方法，其特征在于：在步驟s3中：基于構建的指標體系和采集的電梯的運行數據、部件狀態數據、...
【專利技術屬性】
技術研發人員：劉小燕，蔡云，李樊，吳興華，陳瑞鳳，張翔，高德華，萬國睿，王海權，黃勇，梁博，強萬福，翟昊，王全鑫，昝蕊，
申請(專利權)人：中國國家鐵路集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。