【技術實現步驟摘要】
本專利技術涉及電梯健康度評估領域，尤其涉及一種基于大數據分析的電梯健康度評估方法。
技術介紹
1、電梯作為現代城市中不可或缺的交通工具，其安全和可靠性對人們的生活至關重要。為了確保電梯的安全運行，維保是不可或缺的環節。目前，電梯健康度評估主要采用基于維保歷史和統計分析的方法，通過分析電梯的維保記錄和故障數據，評估電梯的健康狀況。然而，這種方法存在數據量有限、評估準確度較低的問題。為了提高評估準確性和精度，基于大數據和機器學習的方法在電梯健康度評估領域得到了廣泛應用。然而，傳統的大數據和機器學習方法仍然面臨數據處理和模型構建復雜、實時性不足等問題。
技術實現思路
1、針對現有技術的不足，本專利技術提出一種基于大數據分析的電梯健康度評估方法。
2、具體技術方案如下：
3、一種基于大數據分析的電梯健康度評估方法，包括：
4、s1：獲取電梯歷史維保數據與電梯運行數據，并分別進行預處理；
5、s2：從預處理后的電梯歷史維保數據和電梯運行數據中選擇電梯維保關鍵特征，并根據特征對電梯維保的重要程度賦予權重值；
6、s3：構建訓練數據集，具體通過以下子步驟實現：
7、(3.1)在每個維保周期對電梯運行數據中的關鍵特征進行統計特征提??；
8、(3.2)根據歷史維保數據，對同一維保周期內的每個維保項目結果進行加權求和，得到電梯健康度分數；根據電梯健康度分數進行電梯健康度分類，分類結果作為維保周期的訓練標簽；將所有維保周
9、s4：構建并訓練基于決策樹算法的電梯健康度評估模型；
10、s5：將電梯歷史維保數據和實時采集的電梯運行數據進行s1和s2的處理后，輸入訓練好的電梯健康度評估模型，對電梯的健康度進行評估和預測。
11、進一步地，所述電梯歷史維保數據包括：電梯的機房環境、操作裝置狀態、驅動主機振動、制動器狀態、編碼器狀態。
12、進一步地，所述電梯運行數據包括：電梯開關門狀態、電梯運行速度、電梯運行加速度、電梯運行溫度、電梯運行載重、電梯運行振幅。
13、進一步地，所述預處理包括：數據清洗、缺失值處理以及異常值處理。
14、進一步地，所述步驟(3.1)中，對于屬于二元數據的電梯開關門狀態，在每個維保周期內進行開、關門次數統計；對于電梯運行速度、電梯運行加速度、電梯運行溫度這類連續數據，在每個維保周期內進行數理統計特征計算，數理統計特征包括：最大值、最小值、平均值、方差；將得到的所有數理統計特征進行拼接，得到該維保周期的統計特征數據。
15、進一步地，所述電梯健康度評估模型包括：輸入單元、決策單元、輸出單元；
16、所述輸入單元用于接收所述訓練數據集作為電梯健康度評估模型的輸入；
17、所述決策單元用于根據輸入的訓練數據集對電梯的健康狀態進行決策分類；所述決策單元基于決策樹算法實現，用于捕捉數據間的交互關系，實現電梯健康度分類；
18、所述輸出單元用于輸出電梯健康度分類結果。
19、進一步地，所述s4中，對電梯健康度評估模型進行訓練包括如下步驟：
20、(4.1)數據準備：將所述訓練數據集劃分為訓練集和測試集；
21、(4.2)模型訓練：使用訓練集訓練電梯健康度評估模型，在訓練過程中，電梯健康度評估模型根據特征的不同分支和判斷條件進行數據劃分，以最小化預測錯誤或最大化信息增益；反復迭代訓練并調整決策樹的結構和參數；
22、(4.3)模型評估和調優：使用測試集的數據對訓練后的電梯健康度評估模型進行評估，計算模型在測試集上的各項指標，指標包括：準確率、精確率、召回率、f1分數；根據評估結果，調整決策樹的參數和結構，對模型進行調優和改進；最終得到訓練好的電梯健康度評估模型。
23、進一步地，所述步驟(4.3)中，若電梯健康度評估模型在訓練集上表現好而在測試集上表現差，則采取正則化或剪枝的方法減小模型復雜度，避免過擬合；
24、調整決策樹的參數和結構，包括：調整決策樹的最大深度、節點分裂的判定條件、葉子節點的最小樣本數；
25、使用交叉驗證方法評估模型的性能和穩定性，避免單次評估結果的偶然性。
26、本專利技術的有益效果是：
27、本專利技術提出的基于維保歷史、統計分析、大數據和機器學習相融合的電梯健康度評估方法，可以充分利用維保歷史數據、統計分析、大數據處理和機器學習技術，提高了電梯健康度評估的準確性、實時性和智能化水平，為電梯的維保提供科學依據。
本文檔來自技高網...【技術保護點】
1.一種基于大數據分析的電梯健康度評估方法，其特征在于，包括：
2.根據權利要求1所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述電梯歷史維保數據包括：電梯的機房環境、操作裝置狀態、驅動主機振動、制動器狀態、編碼器狀態。
3.根據權利要求1所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述電梯運行數據包括：電梯開關門狀態、電梯運行速度、電梯運行加速度、電梯運行溫度、電梯運行載重、電梯運行振幅。
4.根據權利要求1所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述預處理包括：數據清洗、缺失值處理以及異常值處理。
5.根據權利要求3所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述步驟(3.1)中，對于屬于二元數據的電梯開關門狀態，在每個維保周期內進行開、關門次數統計；對于電梯運行速度、電梯運行加速度、電梯運行溫度這類連續數據，在每個維保周期內進行數理統計特征計算，數理統計特征包括：最大值、最小值、平均值、方差；將得到的所有數理統計特征進行拼接，得到該維保周期的統計特征數據。
6.根據權利要
7.根據權利要求1所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述S4中，對電梯健康度評估模型進行訓練包括如下步驟：
8.根據權利要求7所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述步驟(4.3)中，若電梯健康度評估模型在訓練集上表現好而在測試集上表現差，則采取正則化或剪枝的方法減小模型復雜度，避免過擬合；
...【技術特征摘要】
1.一種基于大數據分析的電梯健康度評估方法，其特征在于，包括：
2.根據權利要求1所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述電梯歷史維保數據包括：電梯的機房環境、操作裝置狀態、驅動主機振動、制動器狀態、編碼器狀態。
3.根據權利要求1所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述電梯運行數據包括：電梯開關門狀態、電梯運行速度、電梯運行加速度、電梯運行溫度、電梯運行載重、電梯運行振幅。
4.根據權利要求1所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述預處理包括：數據清洗、缺失值處理以及異常值處理。
5.根據權利要求3所述的基于大數據分析的電梯健康度評估方法，其特征在于，所述步驟(3.1)中，對于屬于二元數據的電梯開關門狀態，在每個維保周期內...
【專利技術屬性】
技術研發人員：白潔，朱茗西，謝海波，楊華勇，王柏村，
申請(專利權)人：浙江大學高端裝備研究院，
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。