-
公开(公告)号:CN117435997B
公开(公告)日:2024-03-01
申请号:CN202311756481.4
申请日:2023-12-20
Applicant: 杭州市特种设备检测研究院(杭州市特种设备应急处置中心)
IPC: G06F18/2415 , B66B5/00 , B66B5/02 , G06F18/30 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明提供的一种基于Transformer和时序压缩机制的电梯预警及按需维保方法,其先采集物联网电梯的原始数据,将原始数据清洗后转换为多模态时序特征;采用偏自相关函数分析特征间的相关性,并选取与电梯故障高度相关的特征,将特征与对应的PACF值经过嵌入层处理和拼接,形成综合向量特征;对综合向量特征进行相对位置编码后,输入到Transformer模型中,在模型中,采用自注意力机制对综合向量特征进行提取和交叉,同时采用卷积池化层进行时序压缩操作以减少数据复杂度;通过全连接层将压缩后的特征映射为预测结果;模型训练时,通过优化算法进行调整提高性能;预测维保需求时,根据故(56)对比文件齐孟津.基于多模态时序信息建模与融合的视频分类方法研究《.万方数据库》.2023,第8-37页.Tao Yu等.Leveraging Sparse and DenseFeature Combinations for SentimentClassification《.arXiv - Computation andLanguage》.2017,第1-4页.
-
公开(公告)号:CN117435997A
公开(公告)日:2024-01-23
申请号:CN202311756481.4
申请日:2023-12-20
Applicant: 杭州市特种设备检测研究院(杭州市特种设备应急处置中心)
IPC: G06F18/2415 , B66B5/00 , B66B5/02 , G06F18/30 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明提供的一种基于Transformer和时序压缩机制的电梯预警及按需维保方法,其先采集物联网电梯的原始数据,将原始数据清洗后转换为多模态时序特征;采用偏自相关函数分析特征间的相关性,并选取与电梯故障高度相关的特征,将特征与对应的PACF值经过嵌入层处理和拼接,形成综合向量特征;对综合向量特征进行相对位置编码后,输入到Transformer模型中,在模型中,采用自注意力机制对综合向量特征进行提取和交叉,同时采用卷积池化层进行时序压缩操作以减少数据复杂度;通过全连接层将压缩后的特征映射为预测结果;模型训练时,通过优化算法进行调整提高性能;预测维保需求时,根据故障类型和概率分布,通过多层卷积块细化预测结果,生成具体的维保需求。
-
公开(公告)号:CN117435918B
公开(公告)日:2024-03-15
申请号:CN202311756483.3
申请日:2023-12-20
Applicant: 杭州市特种设备检测研究院(杭州市特种设备应急处置中心)
IPC: G06F18/213 , B66B5/00 , B66B5/02 , G06F18/21 , G06F18/25 , G06F18/15 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06F123/02 , G06N3/048
Abstract: 本发明提供的一种基于空间注意力网络与特征划分的电梯风险预警方法,其通过获取物联网电梯的原始数据,对原始数据进行预处理和归一化处理,为精准预测物联网电梯故障概率提供了数据基础;通过构建由多个跨层连接的transformer编辑器组成的transformer模型,解决了现有技术中随着网络层数增加训练网络模型发生退化的问题,同时也能保证特征信息在逐层传播时不会丢失;通过对时序特征进行位置编码以及通过多头自注意力机制的transformer模型进行降维处理,增大了transformer模型的并行性,有效地提高了训练速度。
-
公开(公告)号:CN117435918A
公开(公告)日:2024-01-23
申请号:CN202311756483.3
申请日:2023-12-20
Applicant: 杭州市特种设备检测研究院(杭州市特种设备应急处置中心)
IPC: G06F18/213 , B66B5/00 , B66B5/02 , G06F18/21 , G06F18/25 , G06F18/15 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06F123/02 , G06N3/048
Abstract: 本发明提供的一种基于空间注意力网络与特征划分的电梯风险预警方法,其通过获取物联网电梯的原始数据,对原始数据进行预处理和归一化处理,为精准预测物联网电梯故障概率提供了数据基础;通过构建由多个跨层连接的transformer编辑器组成的transformer模型,解决了现有技术中随着网络层数增加训练网络模型发生退化的问题,同时也能保证特征信息在逐层传播时不会丢失;通过对时序特征进行位置编码以及通过多头自注意力机制的transformer模型进行降维处理,增大了transformer模型的并行性,有效地提高了训练速度。
-
-
-