-
公开(公告)号:CN115795351B
公开(公告)日:2023-06-09
申请号:CN202310043509.3
申请日:2023-01-29
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: G06F18/24 , G06N3/048 , G08B31/00 , G06N3/0464
Abstract: 本发明公开了一种基于残差网络和2D特征表示的电梯大数据风险预警方法,旨在克服现有技术中数据量大、模型容易过拟合和易产生梯度消失/爆炸等问题,它包括对数据预处理流程和困人预测流程,在困人预测流程中,系统将时间序列特征输入至分类模块,分类模型中的平均池化下采样对时间序列特征进行降维处理,分类模型中的两层全连接神经网络模型将降维处理后的时间序列特征维度转换为2,系统将维度为2的时间序列特征代入分类模型的softmax函数得到预测结果。
-
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:CN114266201A
公开(公告)日:2022-04-01
申请号:CN202210192632.7
申请日:2022-03-01
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: G06F30/27 , G06N3/04 , G06N3/08 , G06Q10/04 , G06F111/08
Abstract: 本发明公开了一种基于深度学习的自注意力电梯困人预测方法,其中深度学习模型接受电梯静态信息和历史动态信息,对输入特征做归一化处理,将处理后的特征传入长短期记忆网络,获得时序抽象特征;将时序抽象特征序列放入自注意力机制层,计算不同时间点的特征对于当前时间点特征的相似性,并加权求和,得到综合全时段信息的当前时间点特征;将综合后的当前时间点特征传入二层全连接层,将特征转换为二元的困人/不困人概率预测;本发明可以在不使用电梯组件具体运行数据的前提下,仅使用电梯的静态数据与历史动态数据,预测电梯在下一个时间点的困人概率,解决电梯在当前物联网设备安装不足的情况下直接有效数据不足的问题。
-
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。
-
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:CN114266201B
公开(公告)日:2022-07-22
申请号:CN202210192632.7
申请日:2022-03-01
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: G06F30/27 , G06N3/04 , G06N3/08 , G06Q10/04 , G06F111/08
Abstract: 本发明公开了一种基于深度学习的自注意力电梯困人预测方法,其中深度学习模型接受电梯静态信息和历史动态信息,对输入特征做归一化处理,将处理后的特征传入长短期记忆网络,获得时序抽象特征;将时序抽象特征序列放入自注意力机制层,计算不同时间点的特征对于当前时间点特征的相似性,并加权求和,得到综合全时段信息的当前时间点特征;将综合后的当前时间点特征传入二层全连接层,将特征转换为二元的困人/不困人概率预测;本发明可以在不使用电梯组件具体运行数据的前提下,仅使用电梯的静态数据与历史动态数据,预测电梯在下一个时间点的困人概率,解决电梯在当前物联网设备安装不足的情况下直接有效数据不足的问题。
-
公开(公告)号:CN115795351A
公开(公告)日:2023-03-14
申请号:CN202310043509.3
申请日:2023-01-29
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: G06F18/24 , G06N3/048 , G08B31/00 , G06N3/0464
Abstract: 本发明公开了一种基于残差网络和2D特征表示的电梯大数据风险预警方法,旨在克服现有技术中数据量大、模型容易过拟合和易产生梯度消失/爆炸等问题,它包括对数据预处理流程和困人预测流程,在困人预测流程中,系统将时间序列特征输入至分类模块,分类模型中的平均池化下采样对时间序列特征进行降维处理,分类模型中的两层全连接神经网络模型将降维处理后的时间序列特征维度转换为2,系统将维度为2的时间序列特征代入分类模型的softmax函数得到预测结果。
-
-
-
-
-
-
-