一种基于双通路融合“端-边-云”协同的电梯曳引系统早期故障诊断方法及系统与流程

本发明涉及电梯设备状态监测与智能故障诊断，尤其涉及一种基于双通路融合轻量级时序transformer模型、采用“端-边-云”协同架构的电梯曳引系统早期故障诊断方法及系统。

背景技术：

1、曳引驱动系统是电梯的核心组成部分，主要由曳引机、曳引绳、导向轮、反绳轮等构成。曳引系统在长期运行过程中，曳引机轴承磨损、曳引绳疲劳、曳引轮与钢丝绳打滑等早期故障逐渐累积，若不及时发现，极易发展为严重故障甚至安全事故。

2、目前，电梯曳引系统的故障诊断主要依赖三类技术路径：一是传统人工巡检与定期维保模式，维保人员需负责大量电梯的定期巡检，有限时间内难以全面排查，行业数据显示约三分之一的电梯故障无法在人工巡检中及时发现，潜在安全隐患难以及时察觉；二是基于传统信号处理的诊断方法，通过对振动加速度、电流、温度等信号进行频谱分析提取特征，但难以有效捕捉非平稳、非线性特征以及多源信号之间的复杂关联；三是基于传统深度学习的智能诊断方法，如卷积神经网络、长短期记忆网络等，虽在一定程度上提升了故障识别能力，但仍存在以下不足：

3、（1）早期故障特征微弱，传统深度学习模型对微弱信号的敏感性不足，容易在强噪声背景下漏检早期异常；

4、（2）电梯运行数据具有实时性强、总量大、并发度高的特点，单台电梯日均产生振动、温度等数据超10万条，将全部数据上传至云端处理将面临带宽瓶颈和通信延迟，难以满足实时预警需求；

5、（3）现有方法大多缺乏可解释性，仅输出故障分类结果，难以向运维人员提供具体的诊断依据和维护建议。

6、因此，如何在保障实时性的前提下，从海量、高维、含噪的运行数据中精准识别曳引系统的早期故障特征，并提供可解释的诊断结果，是本领域亟需解决的技术问题。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于双通路融合“端-边-云”协同的电梯曳引系统早期故障诊断方法及系统，通过边缘侧双通路融合轻量模型实现毫秒级实时故障推理，结合云端检索增强生成（retrieval-augmentedgeneration，简称rag）技术输出可解释诊断结果，同时建立云端-边缘协同的模型迭代机制，在保障实时性的前提下提升电梯曳引系统早期微弱故障的识别准确率与诊断结果实用性。

2、为了实现上述的技术特征，本发明的目的是这样实现的：第一方面提供一种基于双通路融合“端-边-云”协同的电梯曳引系统早期故障诊断方法，包括以下步骤：

3、s1、端侧多源信号采集：在电梯曳引系统的关键部位部署多类型传感器，同步采集曳引系统运行状态下的多源原始信号；

4、s2、端侧数据预处理与上传：对采集的原始信号进行清洗与标准化预处理，将预处理后的多维时序数据传输至边缘计算节点；

5、s3、边缘侧双通路融合特征提取与故障推理：在边缘计算节点部署轻量级时序transformer诊断模型，所述模型采用双通路并行结构分别提取局部故障特征与全局时序退化特征，经跨通路特征融合后进行早期故障推理，输出故障类型及对应置信度；

6、s4、云端可解释增强诊断：对边缘侧置信度低于预设阈值的疑难故障样本，将其时序数据与中间特征上传至云端服务器，云端采用检索增强生成技术融合边缘侧特征与曳引系统故障知识库，生成包含故障定位、成因分析与维护建议的可解释诊断报告；

7、s5、模型协同迭代更新：云端基于全量运行数据与标注故障样本优化诊断模型，将更新后的轻量化模型参数下发至边缘计算节点，实现边缘诊断模型的在线升级。

8、优选地，步骤s1中，所述多类型传感器包括：布设于曳引机驱动端与非驱动端轴承座的三轴mems加速度传感器、布设于曳引机制动器回路与电机驱动回路的霍尔电流传感器、布设于曳引机壳体表面的贴片式温度传感器、布设于曳引轮旁侧的转速传感器，以及非接触式钢丝绳振动位移传感器；其中振动类传感器采样频率不低于2khz，覆盖电梯空载、额定载重、启停变速等全工况。

9、优选地，步骤s3中，所述双通路并行结构具体为：

10、1）多感受野卷积特征通路：采用多尺度并行卷积核搭配通道注意力机制，捕捉曳引机轴承点蚀、钢丝绳局部损伤等瞬时冲击与微小局部故障特征；

11、2）轻量级时序注意力通路：基于轻量化transformer结构建模曳引系统长周期磨损演变规律，捕捉跨启停、跨载荷的全局时序退化趋势。

12、优选地，双通路特征融合采用跨分支多头注意力机制，实现卷积局部细节特征与transformer全局退化特征的双向交互，解决简单拼接导致的特征割裂问题。

13、优选地，所述轻量级时序transformer模型采用线性注意力机制将计算复杂度从o(n²)降至o(n)，结合int8量化技术压缩模型体积，在边缘平台实现毫秒级推理。

14、优选地，所述轻量级时序transformer模型设置工业位置编码模块，采用三角函数位置编码与可学习工况编码叠加的方式，增强模型对电梯变工况、事件驱动型信号的敏感性。

15、优选地，模型训练阶段引入跨层对比约束，对齐双通路输出的特征分布，缩小同类故障特征的类内距离，扩大不同故障类别的类间间隔，提升早期微弱故障的识别鲁棒性。

16、优选地，步骤s3中根据故障推理的置信度与故障类型执行分级预警：正常状态下持续实时监测；检测到早期轻微故障时，推送预警信息并触发计划性维保提醒；检测到重度故障时，触发电梯安全停机指令并同步上报故障信息。

17、优选地，步骤s4中所述检索增强生成技术的执行流程为：将边缘侧提取的物理特征映射为自然语言语义描述，以所述语义描述为检索语句在故障知识库中进行向量相似度检索，将检索得到的领域知识、边缘推理结果与语义描述共同构建提示词，输入大语言模型生成结构化诊断报告。

18、另一方面，本发明提供一种基于双通路融合“端-边-云”协同的电梯曳引系统早期故障诊断系统，其特征在于，包括端侧采集单元、边缘计算单元、云端诊断单元以及模型协同更新单元：

19、所述端侧采集单元，部署于电梯曳引系统关键部位，配置有多类型传感器与采集控制器，用于同步采集曳引系统的多源运行信号，并完成信号预处理后上传；

20、所述边缘计算单元，与端侧采集单元通信连接，搭载有双通路融合的轻量级时序transformer诊断模型，用于接收端侧上传的时序数据并执行实时故障推理，输出故障类型与置信度；

21、所述云端诊断单元，与边缘计算单元通信连接，配置有曳引系统故障知识库与检索增强生成引擎，用于接收边缘侧上传的疑难故障样本，生成可解释诊断报告；

22、所述模型协同更新单元，分别部署于云端与边缘侧，用于实现云端优化后的轻量化模型参数向边缘计算节点的加密下发与在线更新。

23、优选地，所述端侧采集单元还配置有本地数据缓存模块与无线通信模块，本地数据缓存模块用于网络中断时暂存采集数据，网络恢复后执行断点续传。

24、优选地，所述边缘计算单元采用边缘ai计算平台，部署于电梯机房或控制柜内，支持int8量化模型推理，单样本推理平均延迟不高于200ms。

25、优选地，所述云端诊断单元还配置有数字孪生监测面板，用于可视化展示接入电梯的运行状态、健康等级、预警记录与历史诊断报告；所述模型协同更新单元支持模型热加载更新与版本回滚。

26、本发明有如下有益效果：

27、1.构建了“端-边-云”三级协同的电梯曳引系统早期故障诊断架构。端侧完成多源信号采集与初步预处理，边缘侧依托双通路融合轻量级时序transformer模型实现实时故障推理，云端利用rag技术提供可解释的深层诊断分析，既保障了实时预警的时效性要求，又实现了复杂故障的精细化诊断。

28、2.提出双通路融合的轻量级时序transformer模型。卷积通路捕捉局部微弱故障冲击，transformer通路建模全局退化趋势，通过跨分支注意力实现特征深度融合；同时采用线性注意力机制降低计算复杂度，结合int8量化技术实现模型轻量化，在边缘计算平台上实现毫秒级推理，适配电梯现场低算力、高实时性的部署需求。

29、3.云端采用检索增强生成技术，将边缘侧提取的物理特征与电梯曳引系统领域知识库深度融合，生成结构化、可溯源的诊断报告，大幅降低大模型生成内容的幻觉率，为运维人员提供明确的故障成因与维护建议，提升诊断结果的工程实用性。

30、4.建立云端训练优化和边缘增量更新的协同迭代机制，云端基于全量数据持续优化模型性能，定期将轻量化后的模型参数下发至边缘端，实现诊断模型性能的持续进化，适配不同电梯型号与运行工况。

31、5.可精准识别曳引机轴承磨损、曳引绳疲劳、曳引轮打滑、制动器异常等多类早期故障，推动电梯运维从被动响应式维修向提前预警式预测性维护升级，有效降低电梯安全事故风险和全生命周期维护成本。