基于CNN-LSTM故障诊断的自动扶梯监测软件设计

自动扶梯的数量在我国呈逐年递增的趋势。定期检测、监督抽查等常见方法通常难以检验自动扶梯内部的潜在故障。提出了一种改进的CNN-LSTM神经网络故障诊断方法，并据此采用LabVIEW设计了自动扶梯监测与故障诊断软件。基于CNN-LSTM神经网络算法，提出将数据浅层特征与深层特征进行融合的改进方法，以提高故障诊断准确率。利用凯斯西储大学数据对提出的故障诊断方法进行实验。结果表明，该故障诊断方法快速有效，针对变工况的故障诊断准确率达到99.4%。基于此，采用LabVIEW设计了自动扶梯监测与故障诊断软件。在自动扶梯关键部件安装多个振动传感器，利用监测软件进行数据采集、数据显示和数据存储。在积累大量工况数据后，可实现典型故障的诊断。