基于AI大模型和数据分析的电梯故障智能维保处理方法与流程
本发明涉及电梯智能维保、人工智能和时序数据分析,具体涉及基于ai大模型和数据分析的电梯故障智能维保处理方法。
背景技术:
1、电梯作为高频运行的特种设备,其运行安全与曳引系统、门机系统、制动系统、控制系统、轿厢运行状态以及维保处置过程密切相关。现有电梯维保方式多依赖定期巡检、人工经验判断和故障发生后的被动维修,虽然能够满足基础维保要求,但在故障先兆识别、部件退化趋势判断、维保优先级确定以及维修方案生成方面仍存在不足。
2、随着物联网采集设备和远程监测平台的应用,电梯运行过程中已经能够形成控制柜状态、曳引机电流、门机开关数据、轿厢振动数据、平层误差、制动温度、报警记录和历史工单等多源数据。然而,这些数据具有来源复杂、时间粒度不一致、字段结构不统一、故障表现隐蔽以及文本记录非结构化等特点。传统规则判断方法通常依赖固定阈值或单一报警条件,难以从连续运行周期中识别门机阻力缓慢增大、曳引负载异常波动、制动状态退化和平层误差逐步偏移等早期异常特征。
3、同时,现有智能维保系统虽然能够输出故障报警或状态评分,但往往缺少对故障原因、维保处理顺序、备件需求和作业风险的结构化解释,维保人员仍需结合经验进行二次判断,导致故障处理效率和处置一致性不足。若直接使用ai大模型生成维保方案,又容易出现输出内容缺乏数据依据、与现场故障不匹配、无法形成可追溯闭环的问题。
4、因此,如何提供基于ai大模型和数据分析的电梯故障智能维保处理方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出基于ai大模型和数据分析的电梯故障智能维保处理方法,本发明充分利用了改进的patchtst模型、时序数据分析、知识库检索和ai大模型语义推理技术,详细描述了对电梯多源维保数据进行采集、清洗、运行片段划分、部件通道编码、故障趋势预测、可信维保方案生成以及执行反馈闭环更新的处理过程,具备故障先兆识别准确、维保方案生成规范、模型更新及时和维保处理闭环性强的优点。
2、根据本发明实施例的基于ai大模型和数据分析的电梯故障智能维保处理方法,包括如下步骤:
3、s1、获取电梯运行过程中的多源维保数据,对所述多源维保数据进行数据接入和对象标识关联,得到与目标电梯、目标部件和目标运行周期对应的原始维保数据集合;
4、s2、对所述原始维保数据集合进行时间对齐、字段映射、异常值修正和运行片段划分处理,得到多源维保时序特征集合;
5、s3、将所述多源维保时序特征集合输入改进的patchtst模型,基于运行周期特征块、运行阶段标记和部件属性标记进行通道独立编码、部件关联注意力分析和故障趋势校验,得到校验后的部件故障趋势预测结果;
6、s4、基于所述校验后的部件故障趋势预测结果进行故障先兆识别、故障类型匹配和健康状态评估,得到电梯故障诊断结果和维保优先级结果;
7、s5、基于所述电梯故障诊断结果、维保优先级结果和历史维修记录构建知识约束提示数据,调用ai大模型进行来源受限的语义推理和结构化方案生成,得到可信维保处理方案;
8、s6、根据所述可信维保处理方案生成维保工单并采集执行反馈,对执行反馈进行结果校验、模型更新和知识库更新,得到闭环维保处理结果。
9、可选的,所述s1包括如下步骤:
10、s11、采集目标电梯的控制柜运行数据、曳引系统数据、门机系统数据、轿厢运行数据、制动系统数据、报警记录数据和人工维保记录数据,得到多源数据接入结果;
11、s12、对所述多源数据接入结果建立电梯编号、部件编号、传感器编号、工单编号和报警编号之间的映射关系,得到对象标识关联结果;
12、s13、根据所述对象标识关联结果对不同来源数据的采集时间、采集频率、字段格式和部件归属关系进行登记,得到数据来源描述结果;
13、s14、将所述数据来源描述结果按照目标电梯、目标部件和目标运行周期进行归集,得到原始维保数据集合。
14、可选的,所述s2包括如下步骤:
15、s21、根据统一时间轴对所述原始维保数据集合中的连续传感数据、离散报警数据和文本维保数据进行时间对齐,得到时间同步数据集合;
16、s22、对所述时间同步数据集合进行字段名称映射、单位换算、缺失字段补齐和重复记录合并,得到标准维保数据集合;
17、s23、对所述标准维保数据集合中的突变值、漂移值和无效值进行识别,并结合相邻运行周期数据进行修正,得到清洗维保数据集合;
18、s24、按照电梯启动、加速、匀速、减速、平层、开关门和待机状态对所述清洗维保数据集合进行运行片段划分,得到多源维保时序特征集合。
19、可选的,所述s3包括如下步骤:
20、s31、对所述多源维保时序特征集合按照目标部件进行通道划分,得到曳引通道、门机通道、制动通道、轿厢振动通道、平层误差通道和报警事件通道;
21、s32、对各部件通道内的连续运行片段进行特征块切分,将相邻运行周期内的状态变化数据构造成运行周期特征块;
22、s33、对所述运行周期特征块融合时间位置标记、运行阶段标记和部件属性标记,得到带有电梯运行语义的特征块序列;
23、s34、将所述特征块序列输入改进的patchtst模型进行通道独立编码、部件关联注意力分析和故障趋势预测,得到初始部件故障趋势预测结果;
24、s35、根据历史同类电梯退化样本和故障模式库对所述初始部件故障趋势预测结果进行趋势校验和置信修正,得到校验后的部件故障趋势预测结果。
25、可选的,所述s34包括如下步骤:
26、s341、将所述特征块序列输入特征块嵌入层,对不同运行周期内的局部状态变化进行嵌入表示,得到特征块嵌入结果;
27、s342、将所述特征块嵌入结果输入通道独立编码层,分别提取曳引、门机、制动、轿厢振动、平层误差和报警事件的通道内时序退化特征,得到通道内时序编码结果;
28、s343、将所述通道内时序编码结果输入部件关联注意力层,对门机阻力变化、曳引负载变化、制动温度变化、轿厢振动变化和平层误差变化之间的关联关系进行建模,得到跨部件关联编码结果;
29、s344、将所述跨部件关联编码结果输入故障趋势预测层,预测目标部件在后续运行周期内的异常变化方向、异常持续程度和故障发生概率,得到初始部件故障趋势预测结果。
30、可选的,所述s35包括如下步骤:
31、s351、从历史同类电梯退化样本中检索与所述初始部件故障趋势预测结果相匹配的退化片段,得到相似退化样本集合;
32、s352、将所述初始部件故障趋势预测结果与所述相似退化样本集合中的故障演化方向、维修结果和故障消除状态进行比对,得到趋势一致性校验结果;
33、s353、根据所述趋势一致性校验结果对初始部件故障趋势预测结果中的故障发生概率和异常持续程度进行修正,得到置信修正结果;
34、s354、将所述置信修正结果与故障模式库中的故障类型对应关系进行匹配,得到校验后的部件故障趋势预测结果。
35、可选的,所述s4包括如下步骤:
36、s41、根据所述校验后的部件故障趋势预测结果提取异常上升片段、周期性波动片段和持续偏离片段,得到故障先兆片段集合;
37、s42、将所述故障先兆片段集合与故障模式库中的门锁回路异常、门机阻力异常、曳引系统异常、制动系统异常、平层异常和通信异常进行匹配,得到故障类型匹配结果;
38、s43、根据所述故障类型匹配结果、目标部件历史维修次数、故障持续时间、异常持续程度和运行影响范围生成健康状态评估结果;
39、s44、基于所述健康状态评估结果确定维保优先级,得到电梯故障诊断结果和维保优先级结果。
40、可选的,所述s5包括如下步骤:
41、s51、基于所述电梯故障诊断结果和维保优先级结果构建维保提示词数据,所述维保提示词数据包括目标电梯、目标部件、异常片段、故障类型、健康状态、维保优先级和输出格式约束;
42、s52、根据所述维保提示词数据从电梯维保知识库中检索检修规程、历史工单、备件信息、故障案例和安全作业规范,得到知识库检索结果;
43、s53、将所述维保提示词数据、知识库检索结果和历史维修记录输入ai大模型进行来源受限的语义推理,得到故障原因解释结果;
44、s54、对所述故障原因解释结果进行来源校验和结构化生成处理,得到可信维保处理方案。
45、可选的,所述s54包括如下步骤:
46、s541、对ai大模型输出的故障原因解释结果进行来源校验,判断每一原因描述是否能够由所述电梯故障诊断结果、历史维修记录或知识库检索结果支持,得到解释来源校验结果;
47、s542、对不满足来源校验的原因描述进行过滤,并根据所述知识库检索结果重新生成对应原因描述,得到可信故障原因解释结果;
48、s543、将所述可信故障原因解释结果与故障类型匹配结果进行一致性比对,得到解释一致性校验结果;
49、s544、根据所述解释一致性校验结果生成检修项目、处理顺序、备件建议、复测项目和作业风险提示,得到可信维保处理方案。
50、可选的,所述s6包括如下步骤:
51、s61、根据所述可信维保处理方案生成包含故障类型、目标部件、处理步骤、备件需求、复测项目和安全提示的维保工单;
52、s62、采集维保人员上传的现场检测记录、处理结果、备件更换记录、复测数据和故障消除确认信息,得到执行反馈数据;
53、s63、将所述执行反馈数据与所述电梯故障诊断结果和可信维保处理方案进行一致性校验,得到维保结果校验数据;
54、s64、根据所述维保结果校验数据生成正样本反馈集合和纠偏样本集合,并基于所述正样本反馈集合和纠偏样本集合对改进的patchtst模型进行增量更新,得到更新后的故障预测模型;
55、s65、将所述维保结果校验数据写入电梯维保知识库,并更新ai大模型调用时使用的检索索引、提示词模板和输出约束规则,得到闭环维保处理结果。
56、本发明的有益效果是:本发明通过采集控制柜运行数据、曳引系统数据、门机系统数据、轿厢运行数据、制动系统数据、报警记录数据和人工维保记录数据,并对多源数据进行对象标识关联、时间对齐、字段映射和运行片段划分,使原本分散在不同设备、不同系统和不同记录格式中的电梯运行信息形成统一的多源维保时序特征集合。相比仅依赖单一报警信号或人工巡检记录的方式,本发明能够提高电梯运行状态数据的完整性和可分析性,为后续故障趋势预测提供稳定的数据基础。
57、本发明通过将多源维保时序特征集合输入改进的patchtst模型,基于运行周期特征块、运行阶段标记和部件属性标记进行通道独立编码,并结合部件关联注意力分析不同部件状态之间的联动变化,使模型能够识别门机、曳引、制动、轿厢振动和平层误差等数据之间的关联异常。相比传统阈值判断方法,本发明能够从连续运行周期中识别故障先兆和部件退化趋势,提高对隐蔽性、渐进性电梯故障的预测能力。
58、本发明通过历史同类电梯退化样本和故障模式库对初始部件故障趋势预测结果进行趋势校验和置信修正,使故障预测结果不仅来源于当前时序数据分析,还受到历史维修结果和故障演化规律的约束。相比直接输出模型预测结果的方式,本发明能够降低误报和异常误判,提高电梯故障诊断结果与实际维保场景之间的一致性。
59、本发明通过基于电梯故障诊断结果、维保优先级结果、历史维修记录和知识库检索结果构建知识约束提示数据,调用ai大模型进行来源受限的语义推理和结构化方案生成,使生成的故障原因解释、检修项目、处理顺序、备件建议、复测项目和作业风险提示均能够与故障数据、知识库内容或历史工单形成对应关系。相比普通大模型问答式生成方式,本发明能够减少无依据输出,提高维保处理方案的可信度和可执行性。
60、本发明通过采集维保人员上传的现场检测记录、处理结果、备件更换记录、复测数据和故障消除确认信息,并将执行反馈与故障诊断结果及可信维保处理方案进行一致性校验,形成正样本反馈集合和纠偏样本集合,用于更新改进的patchtst模型、电梯维保知识库、检索索引、提示词模板和输出约束规则。相比故障处理后不再反馈更新的维保方式,本发明能够实现电梯故障识别、方案生成、现场处置和模型优化之间的闭环,提高后续智能维保处理的持续优化能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com