一种基于物联网与机器学习的电梯预测性维保方法及装置与流程

本发明公开一种基于物联网与机器学习的电梯预测性维保方法及装置，涉及特种设备公共安全。

背景技术：

1、随着城市化进程的加速，电梯作为现代建筑的重要交通工具，其数量和使用频率不断攀升，与之相关的维保问题也逐渐浮出水面，成为影响电梯安全、稳定运行的关键因素。目前电梯维保行业面临着诸多挑战，预测性维保作为一种新型的维保模式，正逐渐受到行业的关注与重视。

2、当前电梯维保的现状主要表现为以下几个方面：一是维保工作量大任务繁重，随着电梯数量的增加，维保人员需要负责的设备数量相应增多，维保周期短任务重，维保工作难以做到精细化和全面化；二是维保技术水平参差不齐，由于维保人员的技能水平和经验差异较大，导致维保质量难以保证，一些维保人员只关注表面维修工作，忽视了电梯内部的潜在问题，给电梯的安全运行带来隐患；三是维保成本高昂，传统的维保模式通常采用定期巡检和故障维修的方式，这种方式效率低下成本较高。

技术实现思路

1、本发明针对现有技术的问题，提供一种基于物联网与机器学习的电梯预测性维保方法及装置，所采用的技术方案为：

2、第一方面，一种基于物联网与机器学习的电梯预测性维保方法，包括：

3、s1，基于物联网构建电梯状态监测系统，在电梯部署传感器，通过所述传感器获取电梯运行数据；

4、s2，根据所述电梯运行数据，通过预处理进行数据处理；

5、s3，根据据数据处理后的所述电梯运行数据，通过机器学习建立电梯故障预测特征子集；

6、s4，根据所述电梯故障预测特征子集，通过随机森林算法建立电梯故障预测模型，进行电梯内部件的健康状态和剩余寿命预测；

7、s5，根据所述电梯故障预测模型，通过历史数据和正常运行数据进行训练和调优。

8、在一些实现方式中，

9、所述s3具体包括：

10、s31，根据数据处理后的所述电梯运行数据，通过机器学习算法进行特征提取和选择，得到特征数据；

11、s32，根据所述特征数据，通过计算特征指标建立电梯故障预测特征子集。

12、在一些实现方式中，s3中，所述特征数据包括：运行数据特征、传感器数据特征、时间特征和维护历史特征；

13、所述运行数据特征包括电梯使用频率、负载情况和速度变化数据。

14、所述传感器数据特征包括温度、电流、电压和振动数据。

15、所述时间特征包括使用时间和运行时间段数据；

16、所述维护历史特征包括上次维保时间和历史故障记录。

17、在一些实现方式中，所述s4具体包括：

18、s41，根据所述电梯故障预测特征子集，通过train_test_split函数划分为训练集和测试集；

19、s42，创建randomforestclassifier对象，并指定决策树的数量（n_estimators）；

20、s43，使用训练数据对所述梯故障预测模型进行训练，通过所述测试集进行预测，通过准确率（accuracy_score）和分类报告（classification_report）得到评估性能报告。

21、第二方面，本发明实施例提供一种基于物联网与机器学习的电梯预测性维保装置，包括：

22、数据采集模块，用于基于物联网构建电梯状态监测系统，在电梯部署传感器，通过所述传感器获取电梯运行数据；

23、预处理模块，用于根据所述电梯运行数据，通过预处理进行数据处理；

24、特征提取模块，用于根据据数据处理后的所述电梯运行数据，通过机器学习建立电梯故障预测特征子集；

25、模型搭建模块，用于根据所述电梯故障预测特征子集，通过随机森林算法建立电梯故障预测模型，进行电梯内部件的健康状态和剩余寿命预测；

26、模型调优模块，用于根据所述电梯故障预测模型，通过历史数据和正常运行数据进行训练和调优。

27、在一些实现方式中，所述特征提取模块具体包括：

28、数据处理单元，用于根据数据处理后的所述电梯运行数据，通过机器学习算法进行特征提取和选择，得到特征数据；

29、子集建立单元，用于根据所述特征数据，通过计算特征指标建立电梯故障预测特征子集。

30、在一些实现方式中，特征提取模块中，所述特征数据包括：运行数据特征、传感器数据特征、时间特征和维护历史特征；

31、所述运行数据特征包括电梯使用频率、负载情况和速度变化数据。

32、所述传感器数据特征包括温度、电流、电压和振动数据。

33、所述时间特征包括使用时间和运行时间段数据；

34、所述维护历史特征包括上次维保时间和历史故障记录。

35、在一些实现方式中，所述模型搭建模块具体包括：

36、子集划分单元，用于根据所述电梯故障预测特征子集，通过train_test_split函数划分为训练集和测试集；

37、对象创建模块，用于创建randomforestclassifier对象，并指定决策树的数量（n_estimators）；

38、报告生成单元，用于使用训练数据对所述梯故障预测模型进行训练，通过所述测试集进行预测，通过准确率（accuracy_score）和分类报告（classification_report）得到评估性能报告。

39、第三方面，本发明实施例提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时，实现如上述第一方面所述的方法。

40、第四方面，本发明实施例提供一种计算机存储介质，所述计算机可读取存储介质中存储有计算机程序，所述计算机程序被处理器执行时，用实现如第一方面所述的方法。

41、本发明的一个或多个实施例至少能够带来如下有益效果：

42、本发明方法通过预测性维保过对电梯运行数据的实时监测和分析，预测电梯可能出现的故障，提前进行维护和保养。通过物联网技术使得电梯设备能够实现实时数据采集和传输，为机器学习提供了丰富的数据源，通过收集电梯运行过程中的各种参数和状态信息，机器学习算法能够深入挖掘数据中的隐藏规律和趋势，为预测性维保提供有力支持。机器学习算法通过对这些数据的分析和处理，预测电梯可能出现的故障，提前发出预警，让维保人员及时进行干预避免故障的发生，提高了电梯的安全性和可靠性。

技术特征：

1.一种基于物联网与机器学习的电梯预测性维保方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述s3具体包括：

3.根据权利要求2所述的方法，其特征在于，s3中，所述特征数据包括：运行数据特征、传感器数据特征、时间特征和维护历史特征；

4.根据权利要求3所述的方法，其特征在于，所述s4具体包括：

5.一种基于物联网与机器学习的电梯预测性维保装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述特征提取模块具体包括：

7.根据权利要求6所述的装置，其特征在于，特征提取模块中，所述特征数据包括：运行数据特征、传感器数据特征、时间特征和维护历史特征；

8.根据权利要求7所述的装置，其特征在于，所述模型搭建模块具体包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如上述权利要求1-4中任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读取存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如上述权利要求1-4中任意一项所述的方法。

技术总结本发明公开一种基于物联网与机器学习的电梯预测性维保方法及装置，涉及特种设备公共安全技术领域。本发明方法通过预测性维保过对电梯运行数据的实时监测和分析，预测电梯可能出现的故障，提前进行维护和保养。通过物联网技术使得电梯设备能够实现实时数据采集和传输，为机器学习提供了丰富的数据源，通过收集电梯运行过程中的各种参数和状态信息，机器学习算法能够深入挖掘数据中的隐藏规律和趋势，为预测性维保提供有力支持。机器学习算法通过对这些数据的分析和处理，预测电梯可能出现的故障，提前发出预警，让维保人员及时进行干预避免故障的发生，提高了电梯的安全性和可靠性。技术研发人员：王强,翟海涛,余家富,许昭,李润东受保护的技术使用者：浪潮智慧城市科技有限公司技术研发日：技术公布日：2024/8/27