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！

龙图腾网恭喜中国计量大学申请的专利电梯故障诊断数字孪生系统搭建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：CN119227430B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411764947.X，技术领域涉及：G06F30/20；该发明授权电梯故障诊断数字孪生系统搭建方法是由王琪冰;陈炉强;罗志群;佘昆;邵海波;童勤峰;陆佳炜;苏宏业;谢磊设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本电梯故障诊断数字孪生系统搭建方法在说明书摘要公布了：一种电梯故障诊断数字孪生系统搭建方法，属于数字孪生、电梯故障诊断领域，该方法包括以下步骤：第一步、搭建电梯数字孪生故障诊断四维模型框架；第二步、电梯数据采集；第三步、构建虚拟电梯模型；第四步、构建电梯垂直方向的数值模型；第五步、改进PINNs模型，在损失函数中引入参数作为物理信息调节器，并引入重激活算法优化损失函数；第六步、获取模拟振动数据，将采集到的少量电梯故障振动信号输入具有运动方程约束的PINNs模型中，获取仿真电梯振动数据；第七步、改进GCN模型用于电梯故障诊断；第八步、建立电梯故障诊断数字孪生平台。本发明将电梯故障诊断和数字孪生技术融合，有效提高故障诊断准确率。

本发明授权电梯故障诊断数字孪生系统搭建方法在权利要求书中公布了：1.一种电梯故障诊断数字孪生系统搭建方法，其特征在于，所述方法包括以下步骤：第一步、搭建电梯数字孪生故障诊断四维模型框架，所述电梯数字孪生故障诊断系统四维模型由物理空间、虚拟空间、交互空间和服务空间组成，该模型框架构建公式如下， ；其中，PS表示物理空间，VS表示虚拟空间，IS表示交互空间，SS表示服务空间；第二步、电梯数据采集，包括电梯的振动信号、主机内的温度、电梯运行状态、电梯内的气压、电梯是否平层、电梯的开关门状态，以及进行电梯的实时监控、远程对讲和录像功能和检测是否有人，各种电梯数据实现远程数据获取；第三步、构建虚拟电梯模型，通过测量获得电梯的尺寸数据，用3Dmax构建一个和实体电梯相近的虚拟电梯模型；第四步、构建电梯垂直方向的数值模型；第五步、改进PINNs模型，在损失函数中引入作为物理信息调节器，并引入重激活算法优化损失函数，过程如下：步骤（5.1）将PINNs模型的损失函数设计为两部分，一部分是神经网络的损失，用于表示网络基于预测值与真实值之间的误差，另一部分是物理信息的损失，物理信息的损失包含初值损失、边界损失和常微分方程的残差；步骤（5.2）设计重激活算法获取模型最优解；使用PINNs求解微分方程是一个最小化损失函数的优化问题，对于电梯的振动力学方程，提出了一种再激活技术，用于重新激活优化算法，使其重新去得到最优解；过程如下：步骤（5.2.1）PINNs采用包含强Wolfe的Adma优化器，在第k次迭代中，会找到满足以下条件的步长，函数值减小条件， ；强曲率条件， ，其中，是搜索方向，和是强Wolfe条件的常数，01，是当前点,是当前点的梯度，如果优化在第k次迭代开始时陷入局部最优解，则没有满足等式，如果没有找到满足等式，则停止优化；步骤（5.2.2）为了重新启动优化过程，引入常数使放大系数略大于零，给出如下公式， ；上式用来代替函数值减小条件，强曲率条件只在重新激活的第一次迭代当中会用到，引入上式允许大于，使得满足等式的更容易被找到；找到后重激活优化算法会继续使用标准的强Wolfe条件，即步骤（5.2.1）；第六步、获取模拟振动数据，将第一步采集到的少量电梯故障振动信号输入具有运动方程约束的PINNs模型中，获取仿真电梯振动数据；第七步、改进图卷积网络GCN模型用于电梯故障诊断，过程为：结合递归神经网络RNN和图卷积网络GCN提出e-RGCN故障诊断算法，设置一个递归半径，通过递归半径来构造关联图，然后GCN能够通过构造的关联图能有效地识别出电梯故障状态；所述第七步的过程如下：步骤（7.1）构造关联图；步骤（7.2）e-RGCN故障诊断网络的构建，提出的e-RGCN分类网络由2个GCN层、1个全连接层和激活函数组成，GCN层从关联图中提取图特征，全连接层作为分类器用于电梯故障诊断；步骤（7.3）将所述关联图输入至所述网络中，通过2个GCN层进行特征提取，得到深度特征；然后通过softmax分类层对所述深度特征进行分类，输出故障类型分类结果；所述步骤（7.1）的处理过程为：步骤（7.1.1）构造一个图需要中心顶点和其他向量之间的关系，两个顶点只有在满足时，两个顶点之间才存在边，其中是两个向量之间的欧几里德范数，是递归半径，它是RNN的全局阈值，可以调整递归对的标准；只有当条件满足时，两个顶点才是递归对；此外，所有样本的拓扑结构通过对所有向量进行成对运算来获得，网络的结构被编码成递归矩阵表示为下式， ；其中，是Heaviside函数，表达式如下， ；其中，是向量的欧几里得范数，如果和之间有一条边，则的值为1，否则的值为0；步骤（7.1.2）图的邻接矩阵可以由递归矩阵构造如下式， ；其中是克罗内克函数，表达式为， ；通过得出的邻接矩阵得到振动信号的图；所述步骤（7.2）的处理过程为：步骤（7.2.1）采用交叉熵损失函数（Cross-EntropyLoss）作为网络输出的损失函数，e-RGCN模型的损失函数表示预测标签与实际标签的匹配程度，如下， ；其中，N是样本数量，C是类别数量，是第个样本的真实标签中的第个类别的概率，是模型对第个样本的预测概率值中的第个类别；步骤（7.2.2）在e-RGCN训练过程中，多层GCN混合了节点本身和邻居的特征，即使删除某条边，关于该节点的信息仍可以从其邻居中获得，DropEdge随机删除原始图中的部分边，增加了网络的泛化性，DropEdge随机删除的边， ；其中，A为GCN的图结构输入，为随机选取部分边后的图结构；第八步、建立电梯故障诊断数字孪生平台。

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中国计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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”。