买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东特检鲁安工程技术服务有限公司申请的专利一种基于预测模型的电梯故障预警方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115924675B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211619448.2，技术领域涉及：B66B5/02；该发明授权一种基于预测模型的电梯故障预警方法是由陈树芳;刘丽梅;李娟;李观松;李良;李磊设计研发完成，并于2022-12-14向国家知识产权局提交的专利申请。

本一种基于预测模型的电梯故障预警方法在说明书摘要公布了：本发明提供一种基于预测模型的电梯故障预警方法，涉及电梯故障监测技术领域，将电梯故障信息，形成储存至数据库中；获取电梯状态参数，通过ERNIE预训练语言模型，识别出电梯状态参数中的电梯状态关键词；将识别出的电梯状态关键词与数据库中电梯故障信息进行匹配，匹配成功之后，显示出电梯故障信息。本发明在预训练模型基础上，通过模型微调和电梯应急处置数据集中学习，能够快速得到适合电梯故障文本，匹配出电梯故障信息，而且基于ERNIE预训练的电梯故障预测模型，损失达到了0.23，准确率达到了0.72，能够基于人工智能技术提升电梯应急处置服务，有较好的应用前景。

本发明授权一种基于预测模型的电梯故障预警方法在权利要求书中公布了：1.一种基于预测模型的电梯故障预警方法，其特征在于，方法包括： 步骤S101、将电梯故障信息，形成储存至数据库中； 步骤S102、获取电梯状态参数，通过ERNIE预训练语言模型，识别出电梯状态参数中的电梯状态关键词； 步骤S103、将识别出的电梯状态关键词与数据库中电梯故障信息进行匹配，匹配到电梯故障信息，并显示出电梯故障信息； 步骤S102中，通过AUC模型对ERNIE预训练语言模型进行评价，AUC模型调取评价样本，根据分类模型产生的概率预测结果将样本排序，并按某一截断点CutPoint将该排序的样本分为两部分{x1，x2，…xm+1，xm+n}，前一部分m样本判作正例，后一部分n样本判作反例；AUC的定义为： 其中，f为分类函数；I为示性函数，即当括号内的表达式成立时值为1，否则为0；AUC模型的取值范围在[0.5，1]之间； AUC模型采用精确率precision、召回率recall和f1score值评价指标； 其中：precision表示实际类别且预测类别都为正的样本占所有预测类别为正的样本比重；recall表示实际类别且预测类别都为正的样本占所有实际类别为正的样本比重；f1score值为准确率和召回率的加权调和平均值；计算公式如1-3所示； 其中：TP表示预测为A类，实际也为A类；FP表示预测为A类，实际不为A类；TN表示预测不为A类，实际也不为A类；FN表示预测不为A类，实际为A类； 步骤S101中，设置电梯故障信息分类条件，将电梯故障信息进行分类，形成电梯故障分类表； 对每个电梯故障信息设置标签； 电梯故障信息的标签与电梯状态参数的电梯状态关键词相匹配； 将识别出的电梯状态关键词与电梯故障信息的标签进行匹配，匹配成功之后，显示出电梯故障信息； 步骤S102中，构建ERNIE预训练语言模型，使ERNIE预训练语言模型提供任务嵌入以表示电梯状态参数中的电梯状态关键词； 对于每个识别任务均分配给一个唯一的任务嵌入，并以相应的电梯状态参数识别令牌、识别语句和识别任务Task作为ERNIE预训练语言模型的输入； 方法中还对ERNIE预训练语言模型识别出电梯状态参数中的电梯状态关键词进行验证； 验证方式采用二元交叉熵损失作为多标签分类的损失函数，其定义为： 其中，N为电梯状态参数中的电梯状态关键词的数量，K为电梯故障信息的标签数量，yij∈{0,1}和分别表示第i个电梯状态关键词的第j个标签的真实标签值和概率预测值； 使用倾斜的三角学习率STLR方法，即先线性地增加学习率，再根据训练周期线性地衰减学习率；具体表达为： 其中，T是总的训练迭代次数，cutfrac是学习率上升在整个训练迭代次数的比例，cut是学习率转折时的迭代次数，p是学习率递增或将递减的放缩比例，ratio是最小学习率与最大学习率ηmax的比值，η是第t次迭代的学习速率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东特检鲁安工程技术服务有限公司，其通讯地址为：250004 山东省济南市市中区英雄山路129号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。