據(jù)統(tǒng)計(jì)，中國電梯保有量全球第一，總計(jì)1063萬臺(tái)，其中約110萬臺(tái)服役超15年。如此龐大的基數(shù)和超長服役時(shí)間條件下，如何保障電梯安全健康運(yùn)行至關(guān)重要。然而，傳統(tǒng)人工定期維護(hù)檢查無法滿足安全可靠運(yùn)行的迫切需求，電梯事故甚至重大傷亡在各類特種設(shè)備中的占比一直位列前三。智能運(yùn)維是解決上述挑戰(zhàn)最有潛力的技術(shù)方案，也是電梯設(shè)備智能化的發(fā)展趨勢。因此，本項(xiàng)目擬開展電梯智能故障診斷方法及運(yùn)維平臺(tái)開發(fā)研究。

本項(xiàng)目主要目標(biāo)包括：①針對(duì)電梯實(shí)際故障樣本少且測量信號(hào)易受噪聲干擾的問題，分析不同典型故障模式下振動(dòng)信號(hào)特性，研究小樣本及強(qiáng)噪聲下電梯智能故障診斷方法；②針對(duì)不同設(shè)備、不同工況下電梯故障診斷模型泛化能力弱的問題，研究基于不同領(lǐng)域自適應(yīng)策略的電梯故障遷移診斷方法；③針對(duì)電梯診斷模型可解釋性差的問題，小波變換等信號(hào)處理方法為基礎(chǔ)，研究可解釋電梯故障診斷方法。在此基礎(chǔ)上，開發(fā)基于微服務(wù)架構(gòu)的電梯遠(yuǎn)程智能運(yùn)維服務(wù)系統(tǒng)，集成相應(yīng)故障診斷算法組件，保障電梯安全可靠運(yùn)行。

小樣本及強(qiáng)噪聲診斷方面，提出基于過采樣與遷移注意力機(jī)制的電梯小樣本故障診斷與基于信號(hào)去噪與自編碼融合結(jié)構(gòu)的電梯強(qiáng)噪聲故障診斷；遷移學(xué)習(xí)方面，構(gòu)建融合CNN-Transformer和MMD的跨工況電梯故障遷移診斷、融合MSCNN和混合注意力機(jī)制的跨噪聲電梯故障遷移診斷和基于CNN-LSTM和域?qū)沟目缭O(shè)備電梯故障遷移診斷；可解釋性方面提出基于小波散射變換的電梯故障特征提取方法、基于小波散射變換的可解釋電梯故障診斷模型；運(yùn)維平臺(tái)方面開發(fā)基于端邊協(xié)同的前后端分離電梯遠(yuǎn)程智能運(yùn)維云平臺(tái)和智能運(yùn)維算法云端管理系統(tǒng)。