原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第6卷第2期西部特种设备Vol.6No.2
2023年4月WESTERNSPECIALEQUIPMENTApr.2023
基于深度学习算法的电梯振动异常检测方法
李明
（甘肃省特种设备检验检测研究院甘肃兰州730050）
摘要：针对电梯振动异常检测方法存在振动数据处理效果差导致振动异常检测效率及精度低的问题，本
文提出基于深度学习算法的电梯振动异常检测方法。通过对电梯在运行过程中产生的振动数据进行预处
理，建立数据边缘网格；再引入深度学习算法分析电梯振动异常时序数据，实现对电梯振动异常的快速检
测。由实验对比结果可知，改进的检测方法其检测执行时间仅为8.7ms，检测精度均在95.00%以上，与
基于LSTM-VAE的电梯异常检测方法相比，有效提高了检测精度，降低了执行时间，具有一定的优势。
关键词：深度学习算法；振动；方法；检测；异常；电梯
中图分类号：TP183文献标志码：A文章编号：2096-4765（2023）02-044-005
DetectionMethodofElevatorVibrationAbnormality
BasedonDeepLearningAlgorithm
LiMing
(GansuProvincialInstituteofSpecialEquipmentInspectionandTesting,Lanzhou,Gansu730050)
Abstract:Aimingattheproblemoflowefficiencyandaccuracyofelevatorvibrationanomaly
detectionduetothepooreffectofvibrationdataprocessing,anelevatorvibrationanomaly
detectionmethodbasedondeeplearningalgorithmisproposed.Bypreprocessingthevibration
datageneratedduringtheoperationoftheelevator,thedataedgegridisestablished;Thenthedeep
learningalgorithmisintroducedtoanalyzethetimeseriesdataofelevatorvibrationanomalies,
soastorealizetherapiddetectionofelevatorvibrationanomalies.Accordingtotheexperimental
comparisonresults,comparedwiththeelevatoranomalydetectionmethodbasedonLSTM-VAE,
thedetectionexecutiontimeoftheimproveddetectionmethodisonly8.7ms,andthedetection
accuracyismorethan95.00%,whicheffectivelyimprovesthedetectionaccuracyandreducesthe
executiontime,andhascertainadvantages.
Keywords:Deeplearningalgorithm;Vibration;Method;Detecti
文档评论（0）