2023，59（7）电梯是与乘客生命安全紧密关联的特种设备，从电梯日常运行数据中发现故障隐患具有重要意义。笔者团队前期开发电梯物联网平台，实现了电梯运行状态的数字化。为了实现电梯故障预测，通过分析电梯运行参数的特点，建立面向电梯预测性维护的运维知识库体系架构，如图1所示。电梯运维知识库的作用是根据故障征兆匹配故障现象表获取故障现象，进一步利用规则表确定故障原因和处理措施[1]，其核心在于获取准确的故障征兆。针对图1所示系统，传统知识库多基于瞬时数据，以征兆触发的方式进行故障诊断；对于时序数据，传统知识库则无法有效分析来获取征兆以实现故障预测。因此，本文设计基于时序数据分析的智能征兆预测子系统，将预测的结果作为征兆输入到图1所示系统中，实改进LSTM-AE算法的电梯知识库故障征兆预测孙庆港，王呈江南大学物联网工程学院，江苏无锡214122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；时序特征提取文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2111-0134PredictionofFaultSymptomsinElevatorKnowledgeBaseBasedonImprovedLSTM-AEAlgorithmSUNQinggang,WANGChengInternetofThingsEngineeringInstitute,JiangnanUniversity,Wuxi,Jiangsu214122,ChinaAbstract：Tosolvetheproblemoffaultsymptompredictionintheoperationandmaintenanceknowledgebasesystem,animprovedLSTM-AEalgorithmforelevatorequipmentisproposed.Firstly,inviewofredundancyproblemintheelevatoroperatingparametersequence,theattributecorrelationdensityranking（ACDR）methodisusedtofilterthefeaturevectorgroup.Moreover,aimingatthenon-stationaryproblemoftherunningspeedcharacteristicsequen...
