改进LSTM-AE算法的电梯知识库故障征兆预测

来源：计算机工程与应用杂志2023年第7期北京时间：

作者：孙庆港, 王呈

单位：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