基于LSTM-VAE的电梯异常检测

作者：周宇偲; 单志勇; 潘峰

来源：自动化与仪器仪表, 2022, (04): 6-10.

DOI：10.14016/j.cnki.1001-9227.2022.04.006

• 长短期记忆网络
• 变分自编码器
• 故障检测
• 加速度
• 阈值

为保障电梯的正常运行，传统的定期维保方式浪费了大量的人力物力，目前业界对于电梯的按需维保有迫切的需求。按需维保的核心技术是异常状态检测，为了有效解决电梯状态的时序数据异常检测问题，提出了LSTM (Long Short-Term Memory Networks,长短期记忆网络)与VAE(Variational Auto-Encoder,变分自编码器)结合的模型LSTM-VAE。基于电梯门机开合与垂梯升降的加速度时序数据，使用长短期记忆网络对加速度数据进行编码并提取加速度数据的时序特征，再通过变分自编码器重构模型，用重构的加速度数据与输入数据计算重构误差，找出异常数据的阈值。通过采集的真实垂梯和门机的加速度数据，实验发现LSTM-VAE在检测率上要优于LSTM和VAE方法。