-
公开(公告)号:CN117303148A
公开(公告)日:2023-12-29
申请号:CN202311144494.6
申请日:2023-09-06
Applicant: 中国计量大学 , 森赫电梯股份有限公司
IPC: B66B5/00 , B66B5/02 , G06F18/214 , G06F18/241 , G06F18/213 , G06N3/045
Abstract: 一种基于轿厢加速度解析的电梯振动故障诊断方法,首先描述了电梯运行过程及典型振动故障,其次分别从时域、频域及时频域对电梯轿厢振动信号进行特征提取,并在此基础上重构了振动样本的特征向量,最后将与一种单门控单元循环神经网络SGU卷积神经网络CNN组合,构建CNN‑SGU模型实现了对电梯振动过大故障、急停故障的智能诊断。本发明有助于提高分类精度,实现了对电梯正常运行、振动过大故障以及急停故障的实时诊断。
-
公开(公告)号:CN119760364A
公开(公告)日:2025-04-04
申请号:CN202510254283.0
申请日:2025-03-05
IPC: G06F18/20 , A61B5/372 , A61B5/377 , A61B5/00 , G06F18/10 , G06F18/2131 , G06F18/2134 , G06F18/27 , G06F3/01 , B66B5/00
Abstract: 本发明提出一种基于脑电的高速电梯乘员舒适度分析方法、系统与装置。该发明同时采集并存储电梯轿厢的加速度数据以及乘员的脑电数据;根据电梯的运行状态,截取脑电数据和加速度数据;对上述数据进行预处理;基于对上述数据的特征提取,形成运行指标和脑电指标;最后,通过记录上述指标,形成运行指标曲线和脑电指标曲线,为电梯运行与乘员感受之间进行关联分析提供工具,使得高速电梯乘员舒适度评价更客观、准确。本发明通过运行信号和脑电信号的采集、预处理、特征提取与分析,为高速电梯乘员舒适度评价以及电梯运行曲线优化设计提供了一种新的客观分析工具,避免目前运输系统乘员舒适度评价中,因主观评价的不确定性所带来的评价偏差。
-
公开(公告)号:CN117332206A
公开(公告)日:2024-01-02
申请号:CN202311120154.X
申请日:2023-08-31
Applicant: 中国计量大学 , 森赫电梯股份有限公司
IPC: G06F18/00 , G01M13/045 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/084 , G06F123/02
Abstract: 一种基于注意力机制的RCNN‑FA‑BiGRU自动扶梯轴承故障诊断方法,包括以下步骤:第一步:自动扶梯轴承振动数据预处理,提取时域指标、频域指标和熵指标,并进行归一化;第二步:将自动扶梯轴承振动指标输入到RCNN特征提取层,进行特征提取;第三步:将RCNN层提取到的特征输入到FA‑BiGRU层进行特征学习;第四步:利用注意力机制加权计算故障权值,利用Softmax归一化得到故障权值概率,根据概率获得故障诊断结果。本发明实现了对轴承故障的有效诊断,保障自动扶梯的运行安全。
-
公开(公告)号:CN118470458A
公开(公告)日:2024-08-09
申请号:CN202410548217.X
申请日:2024-05-06
Applicant: 中国计量大学
IPC: G06V10/774 , G06V10/82 , G06F18/214 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F123/02
Abstract: 一种基于改进的深度卷积生成对抗网络电梯振动信号数据增强方法,包括以下步骤:第一步:采集电梯轿厢运行加速度的原始振动信号;第二步:获取有效的振动信号;第三步:优化DCGAN网络模型,将谱归一化和时空注意力机制模块引入鉴别器和生成器,构成改进的数据增强整体模型;第四步:将二维时频特征图像输入数据增强整体模型,得到生成的新特征图像。本发明丰富了特征信息,在一定程度上降低“模式坍塌”的概率;根据少量数据集的特征来生成更多的新数据集已达到数据增强的目的,可以很好地学习电梯高分辨率图像的像素分布。
-
公开(公告)号:CN118470392A
公开(公告)日:2024-08-09
申请号:CN202410548211.2
申请日:2024-05-06
Applicant: 中国计量大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/52 , G06V10/80 , G06F18/2415 , G06F18/10 , G06F18/2131 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/047 , G06N3/048 , G06N3/094 , B66B5/00 , G06F123/02
Abstract: 一种基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法,包括以下步骤:第一步:采集电梯轿厢运行加速度的原始振动信号;第二步:获取有效的振动信号;第三步:优化DCGAN网络模型,将谱归一化和时空注意力机制模块引入鉴别器和生成器,构成改进的数据增强整体模型;第四步:将二维时频特征图像输入数据增强整体模型,得到生成的新特征图像;第五步:构建多尺度卷积胶囊网络;第六步:构建改进的通道注意力机制CBAM网络模块,将其融合到多尺度卷积胶囊网络中;第七步:将增强后的特征图送入融合注意力机制的多尺度卷积胶囊网络中进行电梯故障诊断。本发明丰富了特征信息,提高了重要特征的响应和学习能力。
-
公开(公告)号:CN117973511A
公开(公告)日:2024-05-03
申请号:CN202311157675.2
申请日:2023-09-08
Applicant: 中国计量大学 , 森赫电梯股份有限公司
IPC: G06N5/022 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种融合知识图谱和神经网络的电梯故障诊断方法,包括以下步骤:第一步:构建电梯故障知识图谱以自顶向下构建方式先定义好电梯故障知识图谱的领域和范围,然后再根据领域知识、专家经验,半自动地构建知识图谱;第二步:使用TransR模型通过训练把实体以及他们之间的关系嵌入成为低维向量,能够在保留原有的隐含关系的基础上通过神经网络来进行预测电梯可能出现的故障;第三步:基于知识图谱和神经网络的思想,构建三层网络模型;第四步:在传统的BiLSTM的基础上进行改进,将其中的LSTM单元替换为带有动态卷积的DC‑LSTM单元。本发明提高电梯故障诊断的效率与准确率。
-
-
-
-
-