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！

申请/专利权人：南京理工大学

摘要：本发明提出了一种基于深度自编码器的自动扶梯故障识别与预警方法，具体方法包括通过振动传感器采集自动扶梯梯级与驱动装置的加速度数据，获取原始数据并打标签；将原始数据通过滑动窗口聚合；将聚合后的数据输入到深度自编码器中，模型将保存模型提取的数据特征，并输出故障识别结果。将模型提取的数据特征作为t‑SNE算法的输入，t‑SNE算法输出数据特征的二维或三维可视化结果。本方法可对自动扶梯故障进行诊断并将故障数据可视化。

主权项：1.一种基于深度自编码器的自动扶梯故障识别与预警方法，其特征在于，包括以下步骤：步骤1、数据获取与预处理：通过振动传感器采集自动扶梯梯级与驱动装置的加速度数据，将原始数据通过滑动窗口聚合，并将小部分数据打上标签；将数据划分为训练集、测试集；步骤2、基于深度自编码器的模型训练：基于深度自编码器的故障识别模型共由三部分组成，编码器、解码器与分类器；首先用编码器与解码器搭建模型，用无标签的训练集进行训练模型权重；基于该权重，然后用编码器与解码器搭建模型，用小部分有标签的训练集进行二次训练模型权重；训练完成后，保存模型；步骤3、基于深度自编码器的模型测试：将待分析的自动扶梯运行数据输入到模型中，编码器将输出数据特征，编码器与分类器构成的模型将输出故障识别结果；步骤4、基于t-SNE算法的数据可视化：将模型提取的数据特征作为t-SNE算法的输入，t-SNE算法输出数据特征的二维或三维可视化结果；步骤3将待分析的自动扶梯运行数据输入到模型中，编码器将输出数据特征，编码器与分类器构成的模型将输出故障识别结果；故障识别结果通过混淆矩阵进行可视化，混淆矩阵是实现分类算法性能的有效可视化工具；并根据评价指标对模型识别效果进行评价，衡量模型的指标为准确率，精确率precision，召回率recall与F-score；其计算方式如下： 其中表示数据属于第i类，模型将其分到第i类；表示数据不属于第i类，模型将其分到i类；表示数据属于第i类，模型将其分到其他类；步骤4将模型提取的数据特征输入t-SNE算法，t-SNE算法输出数据特征的二维或三维可视化结果；数据初始维度为48，然后使用深度自编码器降维对数据进行初步降维，初步降维后数据维度为8；再使用t-SNE算法将数据降至2维以可视化。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于深度自编码器的自动扶梯故障识别与预警方法