1.基于多尺度特征提取的数据异常检测方法,其特征在于:包括,
电梯处于不同工况时,自动调用多源传感器数据,采用滤波与时间同步统一的序基准,结合客流与情景因素生成多维环境标签,构建可供后续多尺度分析的高置信度数据集;
初步清洗多源传感器数据后,在多噪声增强场景下启用LTCN结构,先以短期卷积TCN捕捉瞬态冲击,再借助LSTM提炼长时依赖,输出多尺度特征并增强故障检出敏感度;
当多尺度特征生成且获取知悉电梯工况与环境指数后,依据差值判定构造动态阈值,并通过多传感器冗余校验仅对多源一致异常触发告警,降低噪声干扰引起的虚警;
若输出可疑结果并获得真实反馈,回溯多源传感器数据和多尺度特征执行误报漏报样本再标注,增量修订判定阈值与传感器权重并更新多尺度模型;
当环境季节突变或跨商场部署需求出现时,启用强化学习与元学习机制根据当前状态描述和奖励函数自适应修正判定阈值并迁移LTCN部分参数;
在收集到最新正确报错、误报与漏报信息后,对阈值函数进行更新;
若频繁出现某单一传感器通道与其他通道的判定相冲突,相应地降低该通道在冗余校验中对应的融合权重;当某个传感器的误报率高于预期时,则下调对应的权重,若其对故障判断的贡献度可靠性高,则提高对应权重;
针对多尺度模型LTCN,利用重新标注的故障样本及正常样本进行增量式或周期性再训练,更新可学习参数;
在更新时定义带惩罚项的损失函数,通过小批量或在线方式迭代更新多尺度模型,使其在新环境数据与故障案例的指导下不断逼近最优状态;
将更新后的动态阈值函数与传感器权重向量以及此处的再训练后的模型参数统一打包到决策层中,使下一轮检测时能立刻采用最新配置。
2.根据权利要求1所述的基于多尺度特征提取的数据异常检测方法,其特征在于:安装并激活多种类型的传感器,在不同典型时段持续采集多源数据流形成多源数据流集合,记录时段内电梯运行工况及相关环境状态;对采集到的数据进行预处理后构建环境指数函数以度量在不同行情下的噪声与扰动水平;
对所获得的多源数据流及环境指数进行时间同步,形成包含电梯运行数据与环境指数函数的多维记录,引入电梯工作状态并由商场运营信息生成情境要素;
结合电梯工作状态、环境指数和情境要素,为多源数据记录生成多维环境标签。
3.根据权利要求2所述的基于多尺度特征提取的数据异常检测方法,其特征在于:将多源数据流集合作为短期卷积通道的输入,并提取短时间尺度下的瞬态故障信号;
定义短期卷积通道的输出为短期特征矩阵,将短期特征矩阵经元素级加权或注意力机制与环境指数与电梯工作状态进行融合,输出修正后的短期特征向量。
4.根据权利要求3所述的基于多尺度特征提取的数据异常检测方法,其特征在于:将序列化后的短期修正特征投入至LSTM层,得到长期记忆向量,同时将短期修正特征与长期记忆向量进行拼接或注意力权重融合,得到最终的多尺度特征向量;
结合多维环境标签,在模型训练阶段针对正常工况数据进行噪声增强,并定义多目标损失函数,使模型在高噪声场景下能够进行加权学习,减少过拟合低噪声样本的风险。
5.根据权利要求4所述的基于多尺度特征提取的数据异常检测方法,其特征在于:为在不同工况和环境干扰下动态调整报警灵敏度,结合电梯运行状态和环境指数,引入随情景变化的阈值函数,并构建异常分数函数以衡量多尺度特征向量与参考向量的差异以度量潜在故障偏离程度,根据异常分数函数与阈值函数的比较来判定是否触发故障嫌疑,若异常分数函数大于阈值函数,则判定为可疑故障,否则视为正常或噪声波动。
6.根据权利要求5所述的基于多尺度特征提取的数据异常检测方法,其特征在于:针对每个传感器定义单点异常分数后得到分数向量,在确定可疑故障后,对分数向量做多源一致性检测,引入矩阵度量刻画所有传感器异常分数的总体耦合程度;若矩阵度量超过冗余融合阈值,判定为多源确认故障,触发告警或进入自适应反馈与处置,否则将此次异常视为噪声干扰或单源传感器失效等非真实故障情形。
7.根据权利要求6所述的基于多尺度特征提取的数据异常检测方法,其特征在于:将可疑故障与多源确认故障的标签与真实状态反馈进行匹配,生成判定结果表,包括正确报错、误报及漏报,正常或疑似波动记录;对于确认误报或漏报的样本则重新标注,并补充相应的真实故障标记或正常标记,形成更新后的训练或校准数据;保留正确报错或正常判定的样本,并展开可行来源审查。
8.根据权利要求7所述的基于多尺度特征提取的数据异常检测方法,其特征在于:将动态更新的多维环境标签与当前阈值配置、传感器权重向量、模型参数关键索引组合为状态描述,作为强化学习或元学习算法的输入并设立多维度奖励函数;在强化学习框架中,根据当前的状态描述与奖励函数选择或更新下一决策时刻的阈值策略或模型迁移方式;对多尺度特征提取模型进行迁移决策,在元学习或强化学习框架下定义模型迁移策略;
将阈值策略函数与模型迁移策略两项策略封装在统一的强化学习或元学习更新循环中,通过交互得到的奖励函数进行梯度优化。
9.根据权利要求8所述的基于多尺度特征提取的数据异常检测方法,其特征在于:将更新后的阈值策略函数与模型迁移策略在电梯系统中实时上线,每当一个新的运行周期到达时,通过当前状态描述决定是否进行阈值修订和/或局部模型更新,并对每次决策后的故障检测效果进行记录;当面对不同商场或季节性切换时,将已有的阈值调整策略和模型迁移策略作为元模型进行迁移,若出现持续高误报或高漏报情况,向外部发出提醒或触发反馈与协同更新。