支持向量机背景下的自动扶梯故障预测方法研究

魏广宏

(北京市地铁运营有限公司机电分公司， 北京 100043)

0 引言

随着我国国民经济的快速发展，自动扶梯成为商场或地铁等场所的主要便利工具，由于自动扶梯所在的场所人流量较为密集，因此一旦发生故障便会在一定程度上威胁人们的安全。从影响自动扶梯因素的角度出发，分析自动扶梯运行的参数正常运转值，实现自动扶梯在不受人为因素干扰条件下的故障预测对场所安全性来说具有重要意义。

国内外研究人员对自动扶梯故障的分析尚处于发展阶段，主要集中在风险评估领域。一些学者从人的行为、设备状态、环境影响和管理四个角度，采用定性的方法来分析当前自动扶梯的安全水平，但定性分析具有很强的主观性，仍需深入考虑[1-2]。也有学者利用BP神经网络算法对得到的扶梯故障参数进行排序，实现模型输入，得到扶梯故障程度值，但预测精度不高，因此模型也需要细化和调整。一些学者利用互联网技术在自动扶梯上安装传感器，并使用监控数据进行实时分析。然而，这种方法可以作为获取数据的渠道，在数据分析方面仍然存在一些局限性[3-4]。针对目前国内外研究现状中存在的问题，利用支持向量机算法建立自动扶梯故障预测模型，通过特征提取方法识别关键要素，筛选影响故障的主要因素，提高风险预测效果的准确性，并在运算过程中对核函数进行优化，使得支持向量机的算法具有较好的性能。

1 自动扶梯故障影响因素提取

滑动模型是特征提取方法的一种[5-6]，可以将其运用在自动扶梯故障的有效影响因素提取过程。利用滑动窗口模型对数据进行预处理，过滤掉数据头部的冗余特征部分，保证系统数据的质量和稳定性。将滑动窗口模型预处理好的数据进行求解，寻找最佳的影响因素。对于问题的求解能力取决于模型的初始温度和温度变化速率以及最终温度情况。在算法运行过程中，若整体的升温速率、降温速率慢，则代表着算法最优解的寻找能力强，但是若在算法运行过程中，处理速度持续性的减慢，则需要采用一定的方法实现平衡，以便达到最好的速度和效果的综合能力。

对于自动扶梯故障因素识别来说，应该使整体故障的交叉点数更少，线路的曼哈顿距离更低。网络间交叉点数计算时，必须考虑线路升级或曲线代替直线实现交叉点不发生影响的情况。

在抑制钉螺滋生，降低疫区血吸虫病感染的前提下，充分利用林下土地资源和森林生态环境，在林下开展种植、养殖等立体复合生产经营，已是促进湖区经济快速发展的一种有效途径。通过对洞庭湖区林业血防工程林农复合经营模式的走访调查，本文选取了较典型的几种林农复合经营模式进行统计分析，通过合理性及可行性评价，以期筛选出对抑螺防病林更有益的，且能够实现长短结合，可持续经营的农林复合经营模式，为更有效地保护洞庭湖区生态环境以及林业血防工程建设提供参考。

将交叉点的数量通过公式来表达，对于待连接的两条故障线路，a(x1,y1)和b(x2,y2)连线与c(x3,y3)和d(x4,y4)连线，设故障线路交点坐标为O(x0,y0)，当他们的关系满足式(1)时，交叉点数量加1。

(1)

传统的支持向量机算法会有很强的局限性，如算法的效率低，算法的预测准确率较低，令a表示加速度，设定a=15，F代表物体间的引力，G代表常数，M代表质量，R代表距离，则优化后的算法加速度计算式为

d=|x1-x2|+|y1-y2|

(2)

根据节点数N和曼哈顿距离D得到目标函数为

F=N+w·D

(3)

式中，w为算法权重因子，取值为0.5。

2 优化后的支持向量机算法

2.1 预测模型

支持向量机是预测模型建立过程中常用的方法，可以通过最优函数的求解得到整体的最优性，实现预测效果的最优化。本研究将自动扶梯故障的影响因素作为输入数据集，令T={(x1，y1)，…，(xl，yl)}∈(Rn×R)l作为因素集合的标记。在集合中，xi∈Rn，i=1，…，l。利用支持向量机算法对故障影响数据进行训练，训练公式如下:

g(x)=(w·Φ(x))+b,x∈Rn，a∈R

(4)

式中，w为权值向量，b为偏置项，Φ(x)为从Rn有限维空间到特征空间的映射函数。训练的整体过程是实现数据从高维向低维的计算，使得算法通过输入因素数据，得到输出的计算结果。在预测的过程中，还用到了相关公式进行优化，如式(5)、式(6):

岩浆岩颇为发育，主要呈岩株与岩体形式出露，主要岩体有二长花岗岩、石英正长斑岩、角闪二长岩、石英二长岩等，集中位于西部杨头村—胡公山一带。

(5)

(6)

(7)

(8)

(9)

(10)

点评：文中小夫妻就像一个孩子和另一个孩子在玩过家家，玩腻了，一个不爽，就要去民政局。这不是追求自我，而是过于任性。爱是恒久忍耐，又有恩慈。列夫·托尔斯泰说：已婚的人从对方获得的快乐，仅仅是婚姻的开头，绝不是其全部意义。婚姻的全部含义，蕴藏在琐碎的家庭生活中。婚姻之中，爱比对错更重要，有效果比有道理更重要。放下“我是对的”的执念吧，努力追求“我们是相爱的”这一共同初心，彼此联结，才能创造亲密丰盛的生命，让婚姻有序、安宁、长久地维系下去。

2.2 万有引力算法对预测模型的优化

故障因素与目标之间的影响距离一般用曼哈顿距离来表示。其距离的表示公式为

(11)

(12)

(13)

早上我找衣服穿准备上班,套了一件久未穿的裙子,对着镜子自语:“唉呀!怎么像包粽子一样。”在一旁洗脸的老公说:“那是馅儿的问题,跟包的叶子无关!”

(14)

设定t为算法的运行时间，M(t)为算法的惯性质量，ε为常量，优化后的算法预测性计算式为

(15)

(16)

(17)

误差的计算可以验证算法运行效果的优劣，主要包括相对误差和相对均方误差的计算，对误差值的分析可以衡量模型预测效果的准确性，设MAPE为平均误差，RMSE为均误差，可用公式表示为

(18)

(19)

This angle is interrelated to the volume density of the material by using the following equation:

“整合医院整体信息平台、改善医疗服务系统、打造医患信息终端，是2013年至2018年医院信息化建设的三大方向。”王立明介绍，在“互联网+医疗+服务”的理念和实践之下，医院原有诊疗全流程正在被颠覆。

3 实例分析

3.1 数据获取

本文结合统计数据可知自动扶梯故障的发生与维修次数、传动装置、减速器、电压、节能措施、待机功率、变频器参数、转换率、运行率和保养程度等因素相关，因此通过专业仪器采集自动扶梯运行影响因素数据。

表1 原始自动扶梯监测参数获取数据

3.2 预测效果

利用VS2010和.NET对影响因素进行特征提取，根据影响特征提取的算法过程可知，当因素个数为5时，特征提取方法的分类精度达到93.55%，所以可以利用特征提取算法筛选出1、3、5、8、9这5个影响因素。

品牌管理组织在图书馆并非是一个非常重要的组织，而品牌管理负责人也并不具备很大的权利，所以，管理层决策支持机制、相关人力资源的保障机制、图书馆各部门协调保障机制等一系列制度的预先确定是品牌管理组织得以正常运作的制度保障。

采用对比的方法分析传统的支持向量机算法和优化后的支持向量机算法的预测效果，验证过程采用相同的自动扶梯故障数据，分析结果如图1所示。

图1 预测效果分析

根据图1可知，优化后的算法和传统算法相比预测效果差异性较大，随着算法运行次数的增多，优化后的算法准确性也逐渐得到了提升，传统算法的预测准确性相较于优化后的算法相比较弱，因此，利用万有引力优化后的支持向量机预测模型，对于自动扶梯故障的预测具有一定的准确性。

4 总结

本研究利用特征提取方法筛选出影响自动扶梯发生故障的主要影响因素，实现影响因素的降维。通过实验验证可知，本研究优化后的算法准确性也逐渐得到了提升，传统算法的预测准确性相较于优化后的算法相比较弱。