改进LSTM-AE算法的电梯知识库故障征兆预测

摘要：

针对运维知识库系统中故障征兆预测问题,提出面向电梯设备的改进LSTM-AE算法.使用属性子集选择(ACDR)方法筛选特征向量组,剔除电梯运行参数中的冗余特征.同时,针对运行速度特征序列的非平稳性问题,使用变分模态分解(VMD)算法作降噪平稳化处理.在LSTM-AE模型中引入融合BILSTM的滑动窗口注意力机制,提高模型的时序特征提取能力,并通过softmax分类器融合各特征序列的重构误差实现电梯故障征兆预测.实验结果表明,相较经典LSTM-AE算法,提出的改进LSTM-AE算法正常样本判准率提高13％,异常样本误判率降低11％,能够对常见电梯故障进行准确预测,适于构建可靠的电梯运维知识库故障征兆预测模型.

关键词：故障征兆预测、特征冗余、变分模态分解、降噪平稳化、时序特征提取

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：近地面探测技术重点实验室预研基金;轨道交通运行控制系统国家工程技术研究中心开放课题

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：311-318