基于多通道卷积的电梯异常振动故障诊断

电梯是人们生产生活的必要工具，其振动与电梯安全运行密切相关。目前电梯的故障诊断方法缺乏对于电梯运行数据的充分利用，难以准确地找到导致电梯异常振动的原因。针对这一问题，提出了一种多通道一维卷积神经网络的电梯异常振动故障诊断方法，该方法充分利用了电梯的振动数据信息。首先，通过经验模态分解将振动信号分解为多个固有模态函数信号，从而获得多重互补的故障特征作为多通道输入；然后，构建多通道一维卷积神经网络，进行多通道信号特征融合提取，实现对多种电梯异常振动的准确分类。使用电梯动力学模型得到多种电梯导轨异常的仿真数据，用所提方法针对实验仿真数据进行训练和验证，结果表明所提方法模型具有良好的收敛能力与鲁棒性能，并且具有较好的分类精度。