申请/专利权人:南京理工大学
申请日:2022-07-26
公开(公告)日:2022-12-02
公开(公告)号:CN115417284A
主分类号:B66B29/00
分类号:B66B29/00;B66B27/00;B66B5/00;G06K9/62;G06N3/04;G06N3/08
优先权:["20220519 CN 2022105528437"]
专利状态码:在审-实质审查的生效
法律状态:2022.12.20#实质审查的生效;2022.12.02#公开
摘要:本发明提出了一种基于深度自编码器的自动扶梯故障识别与预警方法,具体方法包括通过振动传感器采集自动扶梯梯级与驱动装置的加速度数据,获取原始数据并打标签;将原始数据通过滑动窗口聚合;将聚合后的数据输入到深度自编码器中,模型将保存模型提取的数据特征,并输出故障识别结果。将模型提取的数据特征作为t‑SNE算法的输入,t‑SNE算法输出数据特征的二维或三维可视化结果。本方法可对自动扶梯故障进行诊断并将故障数据可视化。
主权项:1.一种基于深度自编码器的自动扶梯故障识别与预警方法,其特征在于,包括以下步骤:步骤1、数据获取与预处理:通过振动传感器采集自动扶梯梯级与驱动装置的加速度数据,将原始数据通过滑动窗口聚合,并将小部分数据打上标签;将数据划分为训练集、测试集;步骤2、基于深度自编码器的模型训练:基于深度自编码器的故障识别模型共由三部分组成,编码器、解码器与分类器;首先用编码器与解码器搭建模型,用无标签的训练集进行训练模型权重;基于该权重,然后用编码器与解码器搭建模型,用小部分有标签的训练集进行二次训练模型权重;训练完成后,保存模型;步骤3、基于深度自编码器的模型测试:将待分析的自动扶梯运行数据输入到模型中,编码器将输出数据特征,编码器与分类器构成的模型将输出故障识别结果;步骤4、基于t-SNE算法的数据可视化:将模型提取的数据特征作为t-SNE算法的输入,t-SNE算法输出数据特征的二维或三维可视化结果。
全文数据:
权利要求:
百度查询: 南京理工大学 一种基于深度自编码器的自动扶梯故障识别与预警方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。