科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决不等长时间序列异常检测和电梯故障的早期预测问题,提出一种长短时记忆自动编码器((long short-term memory netw orks auto-encoder,LSTM-AE)与多层感知机(multi-layer perception,M LP)相结合的网络模型.将电梯曳引机电流数据分为不同运行过程的时间序列片段,利用一元线性回归运算剔除无用数据,并对不等长时间序列进行补零填充,通过长短时记忆自动编码器对其进行编码.利用相关特征选择(correlation feature selection,CFS)确定主要预测特征为启动最大电流.最后,利用深层特征编码值与启动最大电流值输入多层感知机实现电梯故障的早期预测.实际数据处理结果表明,故障早期预测平均准确率达到85. 3%,为电梯故障早期预测和不等长时间序列异常检测提供了一种有效的方法.
- 出版日期2020
- 单位江南大学
