典型文献
基于LSTM-VAE的电梯异常检测
文献摘要：
为保障电梯的正常运行,传统的定期维保方式浪费了大量的人力物力,目前业界对于电梯的按需维保有迫切的需求.按需维保的核心技术是异常状态检测,为了有效解决电梯状态的时序数据异常检测问题,提出了 LSTM(Long Short-Term Memory Networks,长短期记忆网络)与 VAE(Variational Auto-Encoder,变分自编码器)结合的模型LSTM-VAE.基于电梯门机开合与垂梯升降的加速度时序数据,使用长短期记忆网络对加速度数据进行编码并提取加速度数据的时序特征,再通过变分自编码器重构模型,用重构的加速度数据与输入数据计算重构误差,找出异常数据的阈值.通过采集的真实垂梯和门机的加速度数据,实验发现LSTM-VAE在检测率上要优于LSTM和VAE方法.
文献关键词：
长短期记忆网络;变分自编码器;故障检测;加速度;阈值
中图分类号：
作者姓名：
周宇偲;单志勇;潘峰
作者机构：
东华大学信息科学与技术学院,上海201620
文献出处：
引用格式：
[1]周宇偲;单志勇;潘峰-.基于LSTM-VAE的电梯异常检测)[J].自动化与仪器仪表,2022(04):6-10
A类：
B类：
VAE,人力物力,按需维保,保有,异常状态,状态检测,梯状,时序数据,数据异常检测,检测问题,Long,Short,Term,Memory,Networks,长短期记忆网络,Variational,Auto,Encoder,变分自编码器,电梯门机,开合,升降,时序特征,器重,重构模型,输入数据,数据计算,重构误差,异常数据,检测率,故障检测
AB值：
0.307187
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
