CN111392538A - 一种基于多维物联网图谱大数据的电梯综合故障预警方法 - Google Patents

一种基于多维物联网图谱大数据的电梯综合故障预警方法 Download PDF

Info

Publication number
CN111392538A
CN111392538A CN202010187871.4A CN202010187871A CN111392538A CN 111392538 A CN111392538 A CN 111392538A CN 202010187871 A CN202010187871 A CN 202010187871A CN 111392538 A CN111392538 A CN 111392538A
Authority
CN
China
Prior art keywords
elevator
data
information
early warning
big data
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
Application number
CN202010187871.4A
Other languages
English (en)
Inventor
张兴凤
万敏
张雷
蔡巍伟
靳旭哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Xinzailing Technology Co ltd
Original Assignee
Zhejiang Xinzailing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Xinzailing Technology Co ltd filed Critical Zhejiang Xinzailing Technology Co ltd
Priority to CN202010187871.4A priority Critical patent/CN111392538A/zh
Publication of CN111392538A publication Critical patent/CN111392538A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0037—Performance analysers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0087—Devices facilitating maintenance, repair or inspection tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Maintenance And Inspection Apparatuses For Elevators (AREA)
  • Indicating And Signalling Devices For Elevators (AREA)

Abstract

本发明涉及一种基于多维物联网图谱大数据的电梯综合故障预警方法，包括：S1.基于多维物联网采集与电梯运行相关的多维大数据；S2.基于所述多维大数据融合构建一个所述电梯的数据图谱网络；S3.对所述数据图谱网络中各节点进行降维处理，对降维处理后的所述数据图谱网络进行规约处理生成训练模型；S4.以所述多维大数据为输入，以故障类型为输出，对所述训练模型进行离线训练，获取判断结果最佳的所述训练模型为预测模型；S5.获取当前运行电梯的运行数据，并作为输入以所述预测模型对所述电梯进行故障预测，并输出风险预警。可以针对高风险的电梯，在综合性故障发生之前，做到提前检测维修，防患于未然，以减少电梯故障发生，从而减少人员伤亡。

Description

一种基于多维物联网图谱大数据的电梯综合故障预警方法
技术领域
本发明涉及一种故障诊断与预测技术领域，尤其涉及一种基于多维物联网图谱大数据的电梯综合故障预警方法。
背景技术
随着“城市化”政策方针推出，越来越多的人涌入城市，高楼大厦随之拔地而起，而高楼大厦需要配备电梯。数据表明，近几年电梯总量一直保持在年均15％以上的增长速度。同时，由于新老电梯数量的增多，且维保记录良莠不齐、维保质量堪忧，随之而来的是电梯故障频发，严重的则导致停梯、急停，甚至困人，造成了不同程度的人员伤亡和经济损失。
现目前，为了减少损失，市面上涌现出诸多电梯故障检测***多是基于异常识别或检测进行的，即在问题发生后才进行的快速查找识别，以在发现问题后及时采取相应措施，以防止更多的伤亡损失。而现有的方法均是针对已经发生的局部问题进行识别检测，并没有做到***预警。
发明内容
本发明的目的在于提供一种基于多维物联网图谱大数据的电梯综合故障预警方法，能够在电梯发生故障之前提前做出风险预警。
为实现上述发明目的，本发明提供一种基于多维物联网图谱大数据的电梯综合故障预警方法，包括：
S1.基于多维物联网采集与电梯运行相关的多维大数据；
S2.基于所述多维大数据融合构建一个所述电梯的数据图谱网络；
S3.对所述数据图谱网络中各节点进行降维处理，对降维处理后的所述数据图谱网络进行规约处理生成训练模型；
S4.以所述多维大数据为输入，以故障类型为输出，对所述训练模型进行离线训练，获取判断结果最佳的所述训练模型为预测模型；
S5.获取当前运行电梯的运行数据，并作为输入以所述预测模型对所述电梯进行故障预测，并输出风险预警。
根据本发明的一个方面，所述多维大数据包括：电梯基础信息，用于表示电梯运行以及静止时的状态以及运行参数的多源传感器数据，外部数据。
根据本发明的一个方面，步骤S2中包括：
S21.对所述多维大数据进行数据提取，获取预设时间范围内电梯每天的运行状态，并以所述电梯为目标获取与所述电梯相对应的多源传感器数据和外部数据；
S22.计算数据提取过程中的缺失率，对于所述缺失率超过预设阈值的记录进行剔除，否则进行补充；
S23.对所述数据提取中的噪音值进行剔除；
S24.对所述电梯进行特征构建生成所述数据图谱网络。
根据本发明的一个方面，步骤S24中包括：
S2401.对所述电梯基础信息进行划分构建基础信息的映射，并进行嵌入层embedding表达；
S2402.基于所述多源传感器数据对所述电梯的运行状态进行数据分布统计并获取历史运行统计信息；
S2403.统计所述电梯的历史故障的故障分布统计信息；
S2404.基于所述外部数据统计所述电梯的历史维保检修信息，所述电梯工作环境的温度信息、时间信息和偶然事件信息；
S2405.根据步骤S2401至步骤S2404中获取的信息构建所述电梯的数据图谱网络。
根据本发明的一个方面，步骤S2405中，所述数据图谱网络包括同构图谱信息和异构图谱信息；
所述同构同构信息为具有共同点的所述电梯与历史故障率分布统计相关联的情况；
所述异构信息包括为所有所述电梯与历史故障率分布统计相关联的情况。
根据本发明的一个方面，所述降维处理采用方差选择、卡方检验或相关性计算；
所述规约处理采用归一化法或one-hot法。
根据本发明的一个方面，步骤S4中采用单一模型、集成模型、深度模型中的一种或多种对所述训练模型进行离线训练。
根据本发明的一种方案，可以针对高风险的电梯，在综合性故障发生之前，做到提前检测维修，防患于未然，以减少电梯故障发生，从而减少人员伤亡。
根据本发明的一种方案，可以针对高风险的电梯，在综合性严重故障发生之前，做到“事前性”预测告警，改变了现有的故障已发生的“事后性”模式。针对预测出的高风险电梯及时推送物业或者维保单位，做到事前检测维修，防患于未然，减少电梯在运行过程中发生故障的概率，避免造成人员伤亡损失，为居民的安全出行保驾护航，为政府的民生工程做到科学治理。
附图说明
图1示意性表示根据本发明的一种实施方式的步骤框图；
图2示意性表示根据本发明的一种实施方式的流程图；
图3示意性表示根据本发明的一种实施方式的数据图谱网络；
图4示意性表示根据本发明的一种实施方式的***结构图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
在针对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
结合图1和图2所示，根据本发明的一种实施方式，本发明的一种基于多维物联网图谱大数据的电梯综合故障预警方法，包括：
S1.基于多维物联网采集与电梯运行相关的多维大数据；
S2.基于多维大数据融合构建一个电梯的数据图谱网络；
S3.对数据图谱网络中各节点进行降维处理，对降维处理后的数据图谱网络进行规约处理生成训练模型；
S4.以多维大数据为输入，以故障类型为输出，对训练模型进行离线训练，获取判断结果最佳的训练模型为预测模型；
S5.获取当前运行电梯的运行数据，并作为输入以预测模型对电梯进行故障预测，并输出风险预警。
根据本发明的一种实施方式，多维大数据包括：电梯基础信息，用于表示电梯运行以及静止时的状态以及运行参数的多源传感器数据，外部数据。在本实施方式中，电梯基础信息包括但不局限于品牌、型号、额定速度、电梯类型、维保单位、物业单位、所在小区类型、所在小区楼层数等；多源传感器数据包括但不局限于曳引机传感器数据、机房传感器数据、轿厢顶传感器数据、加速度传感器、门感应数据、楼层触发数据等；外部数据包括但不局限于历史维保检修数据，温度、湿度、气压、台风等的天气气象数据，星期节假日以及季节等时间数据，地震、重大活动等数据。
结合图1和图2所示，根据本发明的一种实施方式，步骤S2中包括：
S21.对多维大数据进行数据提取，获取预设时间范围内电梯每天的运行状态，并以电梯为目标获取历史上与电梯相对应的多源传感器数据和外部数据；在本实施方式中，通过对多维大数据进行数据提取，获得的数据形式为：电梯ID+发生日期+是否发生综合型故障。进而以该数据形式为目标获取每条记录的历史n天的相应数据，主要指采集***中的相关数据，即多源传感器数据和外部数据。
S22.计算数据提取过程中的缺失率，对于缺失率超过预设阈值的记录进行剔除，否则进行补充；在本实施方式中，主要指对前述步骤中提取的数据先计算缺失率，对于缺失率超过某一阈值的记录或者字段进行剔除，否则进行补充，方法包括但不局限于均值补充、前后值补充、邻居值补充等。
S23.对数据提取中的噪音值进行剔除；在本实施方式中，对前述步骤中的数据进行噪音值剔除，如剔除掉机房温度超过某个阈值的记录，这种记录是由于采集或者传输导致。
S24.对电梯进行特征构建生成数据图谱网络。
结合图1和图2所示，根据本发明的一种实施方式，步骤S24中包括：
S2401.对所述电梯基础信息进行划分构建基础信息的映射，并进行嵌入层embedding表达；在本实施方式中，可按照品牌划分如德系品牌、日系品牌、国产品牌等，但并不局限于这种划分方式。
S2402.基于多源传感器数据对电梯的历史运行状态进行数据分布统计并获取历史运行统计信息；在本实施方式中，该历史运行统计信息包括但不限于历史1/3/7/14/n天等的开关门次数统计情况、运行次数/时长/楼层/距离统计情况、加速度原始时域特征以及频域特征。
S2403.统计电梯的历史故障的故障分布统计信息；在本实施方式中，该故障分布统计信息包括但不限于电梯的历史振动、停梯、困人等故障的分布统计信息。
S2404.基于外部数据统计电梯的历史维保检修信息，电梯工作环境的温度信息、时间信息和偶然事件信息；在本实施方式中，历史维保检修信息，包括但不局限于如历史维保次数、上一次维保时间、维保结果、每次维保的间隔信息等；温度信息包括但不局限于前1/3/7/14/n天的机房温度统计情况、轿厢顶温度统计情况、大气温度统计情况以及与前者的差值的统计情况、大气气压的统计情况等。除历史情况外，还包括待预测未来一段时间的大气温度气象情况。时间信息包括但不局限于待预测的月份、是否周末、是否节假日、季节等；偶然事件信息包括但不局限于历史一段时间是否发生重大地质灾害、是否发生重大活动以及待预测期间是否有重大活动等。
S2405.根据步骤S2401至步骤S2404中获取的信息构建电梯的数据图谱网络。结合图1、图2和图3所示，在本实施方式中，数据图谱网络包括同构图谱信息和异构图谱信息；其中，同构同构信息为具有共同点的电梯与历史故障率分布统计相关联的情况，如基于同品牌的图谱、同小区的图谱计算的历史故障率分布统计情况等。异构信息包括为所有电梯与历史故障率分布统计相关联的情况，包括但不局限于不同类型电梯关联后的历史故障率信息，
根据本发明的一种实施方式，降维处理采用方差选择、卡方检验或相关性计算；通过降维处理在减少了模型复杂度的同时防止过拟合。
根据本发明的一种实施方式，规约处理采用归一化法或one-hot法。
结合图1和图2所示，根据本发明的一种实施方式，步骤S4中采用单一模型、集成模型、深度模型中的一种或多种对训练模型进行离线训练。在本实施方式中，对训练模型进行离线训练的过程主要是线下进行，利用前述步骤中准备好的数据，以特征为输入，以是否发生综合型故障为输出，进行模型的交叉验证学习训练。模型方法包括但不局限于单一模型、集成模型、深度模型等。最后根据评估指标precision选择最佳模型，从而导出保存为预测模型，发布线上使用。
根据本发明的一种实施方式，上述生成的预测模型是线下训练的过程中首先获取相关多维物联网数据，基于多维物联网数据构建数据图谱网络大数据，进而由数据图谱网络进行特征工程提取和学习网络知识(诸如同品牌的历史故障率、不同节点的关联强度等)，最终通过多个模型对上述步骤获得的结果进行训练并集成，得到最终的预测模型。
结合图1和图2所示，根据本发明的一种实施方式，步骤S5中，主要是通过线上进行电梯故障预测，即定时计算特征输入，加载保存好的预测模型文件，得到每部电梯的风险等级，并推送高风险电梯给相关单位，做到在综合型故障发生之前对电梯进行维修，避免伤亡。
结合图2和图4所示，根据本发明的一种实施方式，用于本发明的电梯综合故障预警方法的预警***包括数据采集子***、数据预处理子***、特征工程子***、算法训练***、算法推断预测***。在本实施方式中，在该***的输入为融合了电梯多维物联网的图谱数据，包括但不局限于电梯基本属性、电梯运行数据、电梯历史故障情况、电梯同构/异构图中历史故障情况以及天气气象情况、时间季节气候等等。该***的输出为电梯未来一段时间发生综合性故障的风险，并同时给出高风险电梯到相关单位。在本实施方式中，这里的模型包括但不局限于传统机器学习模型如lightGBM、random forests、GBDT、XGBOOST、KNN、logistics regression等，或者深度学习模型MLP、DBN、deepFM、GCN、GNN等。
根据本发明的故障预警方法，可基于多维物联网图谱网络进行线下训练，学习重大故障发生前的数据知识，即获得了一个准确度高的预测模型如基于输入事件X和输出预测结果Y的学习函数f。此外，通过获得的预测模型即可进行线上预测，基于准备好的待预测事件X'，通过预测模型(即获得的函数f)，输出故障发生的风险概率，从而得到高风险电梯。
根据本发明的故障预警方法，能够将多种数据融合在了一个图谱网络中，在构建输入的多维数据和输出的故障风险时，能学习到更多的信息，进而能够更全面的获取图谱网络中相互之间直接的影响，并体现在了故障预测中，就是诸如同品牌频繁发生故障，则该电梯未来也更有可能发生故障。当然，本发明的方法能学习到的知识不局限于此，因为在图谱网络中的点包含了多维物联网数据，如除一阶直接相邻的关系外的二阶、三阶、四阶关系，进而还能够更全面的获取图谱网络中相互之间间接的影响，并体现在了故障预测中，使得故障预测的范围更为广泛和全面。
上述内容仅为本发明的具体方案的例子，对于其中未详尽描述的设备和结构，应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于多维物联网图谱大数据的电梯综合故障预警方法，包括：
S1.基于多维物联网采集与电梯运行相关的多维大数据；
S2.基于所述多维大数据融合构建一个所述电梯的数据图谱网络；
S3.对所述数据图谱网络中各节点进行降维处理，对降维处理后的所述数据图谱网络进行规约处理生成训练模型；
S4.以所述多维大数据为输入，以故障类型为输出，对所述训练模型进行离线训练，获取判断结果最佳的所述训练模型为预测模型；
S5.获取当前运行电梯的运行数据，并作为输入以所述预测模型对所述电梯进行故障预测，并输出风险预警。
2.根据权利要求1所述的电梯综合故障预警方法，其特征在于，所述多维大数据包括：电梯基础信息，用于表示电梯运行以及静止时的状态以及运行参数的多源传感器数据，外部数据。
3.根据权利要求2所述的电梯综合故障预警方法，其特征在于，步骤S2中包括：
S21.对所述多维大数据进行数据提取，获取预设时间范围内电梯每天的运行状态，并以所述电梯为目标获取与所述电梯相对应的多源传感器数据和外部数据；
S22.计算数据提取过程中的缺失率，对于所述缺失率超过预设阈值的记录进行剔除，否则进行补充；
S23.对所述数据提取中的噪音值进行剔除；
S24.对所述电梯进行特征构建生成所述数据图谱网络。
4.根据权利要求3所述的电梯综合故障预警方法，其特征在于，步骤S24中包括：
S2401.对所述电梯基础信息进行划分构建基础信息的映射，并进行嵌入层embedding表达；
S2402.基于所述多源传感器数据对所述电梯的运行状态进行数据分布统计并获取历史运行统计信息；
S2403.统计所述电梯的历史故障的故障分布统计信息；
S2404.基于所述外部数据统计所述电梯的历史维保检修信息，所述电梯工作环境的温度信息、时间信息和偶然事件信息；
S2405.根据步骤S2401至步骤S2404中获取的信息构建所述电梯的数据图谱网络。
5.根据权利要求4所述的电梯综合故障预警方法，其特征在于，步骤S2405中，所述数据图谱网络包括同构图谱信息和异构图谱信息；
所述同构同构信息为具有共同点的所述电梯与历史故障率分布统计相关联的情况；
所述异构信息包括为所有所述电梯与历史故障率分布统计相关联的情况。
6.根据权利要求5所述的电梯综合故障预警方法，其特征在于，所述降维处理采用方差选择、卡方检验或相关性计算；
所述规约处理采用归一化法或one-hot法。
7.根据权利要求6所述的电梯综合故障预警方法，其特征在于，步骤S4中采用单一模型、集成模型、深度模型中的一种或多种对所述训练模型进行离线训练。
CN202010187871.4A 2020-03-17 2020-03-17 一种基于多维物联网图谱大数据的电梯综合故障预警方法 Pending CN111392538A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010187871.4A CN111392538A (zh) 2020-03-17 2020-03-17 一种基于多维物联网图谱大数据的电梯综合故障预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010187871.4A CN111392538A (zh) 2020-03-17 2020-03-17 一种基于多维物联网图谱大数据的电梯综合故障预警方法

Publications (1)

Publication Number Publication Date
CN111392538A true CN111392538A (zh) 2020-07-10

Family

ID=71425818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010187871.4A Pending CN111392538A (zh) 2020-03-17 2020-03-17 一种基于多维物联网图谱大数据的电梯综合故障预警方法

Country Status (1)

Country Link
CN (1) CN111392538A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111960207A (zh) * 2020-07-28 2020-11-20 浙江新再灵科技股份有限公司 基于多元分析的电梯运行环境异常检测方法及检测***
CN112723075A (zh) * 2021-01-04 2021-04-30 浙江新再灵科技股份有限公司 一种数据不平衡的电梯振动影响因素分析方法
CN112777442A (zh) * 2021-02-03 2021-05-11 浙江新再灵科技股份有限公司 基于物联网大数据的电梯安全区域风险预测方法
CN113071966A (zh) * 2021-04-26 2021-07-06 平安国际智慧城市科技股份有限公司 电梯故障预测方法、装置、设备及存储介质
CN113233278A (zh) * 2021-05-10 2021-08-10 湖南控网物联科技有限公司 非侵入式电梯监测的方法、装置及***
CN113879927A (zh) * 2021-09-07 2022-01-04 中震博远(武汉)科技有限公司 一种集成多种灾害预警、第三方监测的电梯预警***

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202008014640U1 (de) * 2008-11-04 2009-01-22 Thyssenkrupp Fahrtreppen Gmbh Fahrtreppe oder Fahrsteig
CN101539545A (zh) * 2009-04-23 2009-09-23 同济大学 一种基于化学指纹图谱的珍贵红木真伪鉴别方法
CN102923538A (zh) * 2012-07-06 2013-02-13 天津大学 基于物联网的电梯健康管理与维护***及采集和评估方法
CN103678952A (zh) * 2013-11-14 2014-03-26 昆明理工大学 一种电梯风险评估方法
CN105630901A (zh) * 2015-12-21 2016-06-01 清华大学 一种知识图谱表示学习方法
CN106586796A (zh) * 2016-11-15 2017-04-26 王蕊 一种自动扶梯状态监测***及方法
CN106897273A (zh) * 2017-04-12 2017-06-27 福州大学 一种基于知识图谱的网络安全动态预警方法
CN106934042A (zh) * 2017-03-16 2017-07-07 中国人民解放军国防科学技术大学 一种知识图谱表示模型及其方法
CN107150938A (zh) * 2017-07-24 2017-09-12 郑州明慧信息技术有限公司 一种降低电梯故障隐患的维护方法
CN107967267A (zh) * 2016-10-18 2018-04-27 中兴通讯股份有限公司 一种知识图谱构建方法、装置及***
CN108178037A (zh) * 2017-12-30 2018-06-19 武汉大学 一种基于卷积神经网络的电梯故障识别方法
CN108357999A (zh) * 2018-01-05 2018-08-03 揭阳市聆讯软件有限公司 监控救援方法、装置、智能设备及存储介质
CN108509483A (zh) * 2018-01-31 2018-09-07 北京化工大学 基于知识图谱的机械故障诊断知识库构建方法
CN108537005A (zh) * 2018-04-03 2018-09-14 福州大学 一种基于BPSO-KNN模型的关键lncRNA预测方法
CN109597856A (zh) * 2018-12-05 2019-04-09 北京知道创宇信息技术有限公司 一种数据处理方法、装置、电子设备及存储介质
CN109607344A (zh) * 2018-12-20 2019-04-12 华北水利水电大学 一种基于神经网络垂直电梯故障预测***及方法
CN109785968A (zh) * 2018-12-27 2019-05-21 东软集团股份有限公司 一种事件预测方法、装置、设备及程序产品
CN109947898A (zh) * 2018-11-09 2019-06-28 中国电子科技集团公司第二十八研究所 基于智能化的装备故障测试方法
CN109969895A (zh) * 2019-04-15 2019-07-05 淄博东升电梯工程有限公司 一种基于电梯运行参数的故障预测方法，终端及可读存储介质
CN110033101A (zh) * 2019-03-07 2019-07-19 华中科技大学 基于融合特征的知识图谱的水电机组故障诊断方法和***
CN110458373A (zh) * 2019-08-22 2019-11-15 电子科技大学成都学院 一种基于知识图谱融合的犯罪预测方法及***
CN110750653A (zh) * 2019-10-22 2020-02-04 中国工商银行股份有限公司 信息处理方法、装置、电子设备及介质

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202008014640U1 (de) * 2008-11-04 2009-01-22 Thyssenkrupp Fahrtreppen Gmbh Fahrtreppe oder Fahrsteig
CN101539545A (zh) * 2009-04-23 2009-09-23 同济大学 一种基于化学指纹图谱的珍贵红木真伪鉴别方法
CN102923538A (zh) * 2012-07-06 2013-02-13 天津大学 基于物联网的电梯健康管理与维护***及采集和评估方法
CN103678952A (zh) * 2013-11-14 2014-03-26 昆明理工大学 一种电梯风险评估方法
CN105630901A (zh) * 2015-12-21 2016-06-01 清华大学 一种知识图谱表示学习方法
CN107967267A (zh) * 2016-10-18 2018-04-27 中兴通讯股份有限公司 一种知识图谱构建方法、装置及***
CN106586796A (zh) * 2016-11-15 2017-04-26 王蕊 一种自动扶梯状态监测***及方法
CN106934042A (zh) * 2017-03-16 2017-07-07 中国人民解放军国防科学技术大学 一种知识图谱表示模型及其方法
CN106897273A (zh) * 2017-04-12 2017-06-27 福州大学 一种基于知识图谱的网络安全动态预警方法
CN107150938A (zh) * 2017-07-24 2017-09-12 郑州明慧信息技术有限公司 一种降低电梯故障隐患的维护方法
CN108178037A (zh) * 2017-12-30 2018-06-19 武汉大学 一种基于卷积神经网络的电梯故障识别方法
CN108357999A (zh) * 2018-01-05 2018-08-03 揭阳市聆讯软件有限公司 监控救援方法、装置、智能设备及存储介质
CN108509483A (zh) * 2018-01-31 2018-09-07 北京化工大学 基于知识图谱的机械故障诊断知识库构建方法
CN108537005A (zh) * 2018-04-03 2018-09-14 福州大学 一种基于BPSO-KNN模型的关键lncRNA预测方法
CN109947898A (zh) * 2018-11-09 2019-06-28 中国电子科技集团公司第二十八研究所 基于智能化的装备故障测试方法
CN109597856A (zh) * 2018-12-05 2019-04-09 北京知道创宇信息技术有限公司 一种数据处理方法、装置、电子设备及存储介质
CN109607344A (zh) * 2018-12-20 2019-04-12 华北水利水电大学 一种基于神经网络垂直电梯故障预测***及方法
CN109785968A (zh) * 2018-12-27 2019-05-21 东软集团股份有限公司 一种事件预测方法、装置、设备及程序产品
CN110033101A (zh) * 2019-03-07 2019-07-19 华中科技大学 基于融合特征的知识图谱的水电机组故障诊断方法和***
CN109969895A (zh) * 2019-04-15 2019-07-05 淄博东升电梯工程有限公司 一种基于电梯运行参数的故障预测方法，终端及可读存储介质
CN110458373A (zh) * 2019-08-22 2019-11-15 电子科技大学成都学院 一种基于知识图谱融合的犯罪预测方法及***
CN110750653A (zh) * 2019-10-22 2020-02-04 中国工商银行股份有限公司 信息处理方法、装置、电子设备及介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111960207A (zh) * 2020-07-28 2020-11-20 浙江新再灵科技股份有限公司 基于多元分析的电梯运行环境异常检测方法及检测***
CN111960207B (zh) * 2020-07-28 2022-03-22 浙江新再灵科技股份有限公司 基于多元分析的电梯运行环境异常检测方法及检测***
CN112723075A (zh) * 2021-01-04 2021-04-30 浙江新再灵科技股份有限公司 一种数据不平衡的电梯振动影响因素分析方法
CN112723075B (zh) * 2021-01-04 2022-07-19 浙江新再灵科技股份有限公司 一种数据不平衡的电梯振动影响因素分析方法
CN112777442A (zh) * 2021-02-03 2021-05-11 浙江新再灵科技股份有限公司 基于物联网大数据的电梯安全区域风险预测方法
CN113071966A (zh) * 2021-04-26 2021-07-06 平安国际智慧城市科技股份有限公司 电梯故障预测方法、装置、设备及存储介质
CN113233278A (zh) * 2021-05-10 2021-08-10 湖南控网物联科技有限公司 非侵入式电梯监测的方法、装置及***
CN113879927A (zh) * 2021-09-07 2022-01-04 中震博远(武汉)科技有限公司 一种集成多种灾害预警、第三方监测的电梯预警***
CN113879927B (zh) * 2021-09-07 2023-03-14 中震博远(武汉)科技有限公司 一种集成多种灾害预警、第三方监测的电梯预警***

Similar Documents

Publication Publication Date Title
CN111392538A (zh) 一种基于多维物联网图谱大数据的电梯综合故障预警方法
CN111667102B (zh) 一种用于电力***变压器元件运行状态故障预警的智能挖掘算法
CN111539550A (zh) 光伏阵列工作状态的确定方法、装置、设备及存储介质
CN111651505B (zh) 一种基于数据驱动的设备运行态势分析预警方法及***
CN108584592A (zh) 一种基于时间序列预测模型的电梯轿厢振动异常预警方法
CN111275321A (zh) 一种充电桩状态分析***和方法
CN111507376A (zh) 一种基于多种无监督方法融合的单指标异常检测方法
CN113761728B (zh) 基于车联网平台的机场电动特种车辆故障预警方法
CN110703214A (zh) 一种气象雷达状态评估和故障监测方法
CN111717753A (zh) 基于多维故障特征的自适应电梯故障预警***及方法
CN110865625A (zh) 一种基于时间序列的工艺数据异常检测方法
CN115508672B (zh) 电网主设备故障溯源推理方法、***、设备及介质
CN109491339B (zh) 一种基于大数据的变电站设备运行状态预警***
CN110580492A (zh) 一种基于小幅波动检测的轨道电路故障前兆发现方法
CN116914917A (zh) 一种基于大数据的配电柜运行状态监测管理***
CN112949683A (zh) 一种低轨星座智能故障诊断及预警方法及***
CN109211564B (zh) 一种用于滚珠丝杠副健康评估的自适应阈值检测方法
CN115858606A (zh) 时序数据的异常检测方法、装置、设备及存储介质
CN117365869A (zh) 一种风电机组桨叶扫塔故障的自适应预警策略设计方法
CN106371030A (zh) 一种非确定性推理的新能源汽车电池故障诊断方法
CN116243103A (zh) 基于多源数据的输变电设备状态智能感知预警方法
CN111960207B (zh) 基于多元分析的电梯运行环境异常检测方法及检测***
CN114996815A (zh) 一种基于决策树算法的金属屋面状态判断方法及***
CN112214909A (zh) 一种电扶梯健康管理及故障诊断的方法及***
CN118114186B (zh) 一种基于人工智能的设备振动故障诊断方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200710