支持向量機背景下的自動扶梯故障預測方法研究

魏廣宏

(北京市地鐵運營有限公司機電分公司， 北京 100043)

0 引言

隨著我國國民經濟的快速發展，自動扶梯成為商場或地鐵等場所的主要便利工具，由于自動扶梯所在的場所人流量較為密集，因此一旦發生故障便會在一定程度上威脅人們的安全。從影響自動扶梯因素的角度出發，分析自動扶梯運行的參數正常運轉值，實現自動扶梯在不受人為因素干擾條件下的故障預測對場所安全性來說具有重要意義。

國內外研究人員對自動扶梯故障的分析尚處于發展階段，主要集中在風險評估領域。一些學者從人的行為、設備狀態、環境影響和管理四個角度，采用定性的方法來分析當前自動扶梯的安全水平，但定性分析具有很強的主觀性，仍需深入考慮[1-2]。也有學者利用BP神經網絡算法對得到的扶梯故障參數進行排序，實現模型輸入，得到扶梯故障程度值，但預測精度不高，因此模型也需要細化和調整。一些學者利用互聯網技術在自動扶梯上安裝傳感器，并使用監控數據進行實時分析。然而，這種方法可以作為獲取數據的渠道，在數據分析方面仍然存在一些局限性[3-4]。針對目前國內外研究現狀中存在的問題，利用支持向量機算法建立自動扶梯故障預測模型，通過特征提取方法識別關鍵要素，篩選影響故障的主要因素，提高風險預測效果的準確性，并在運算過程中對核函數進行優化，使得支持向量機的算法具有較好的性能。

1 自動扶梯故障影響因素提取

滑動模型是特征提取方法的一種[5-6]，可以將其運用在自動扶梯故障的有效影響因素提取過程。利用滑動窗口模型對數據進行預處理，過濾掉數據頭部的冗余特征部分，保證系統數據的質量和穩定性。將滑動窗口模型預處理好的數據進行求解，尋找最佳的影響因素。對于問題的求解能力取決于模型的初始溫度和溫度變化速率以及最終溫度情況。在算法運行過程中，若整體的升溫速率、降溫速率慢，則代表著算法最優解的尋找能力強，但是若在算法運行過程中，處理速度持續性的減慢，則需要采用一定的方法實現平衡，以便達到最好的速度和效果的綜合能力。

對于自動扶梯故障因素識別來說，應該使整體故障的交叉點數更少，線路的曼哈頓距離更低。網絡間交叉點數計算時，必須考慮線路升級或曲線代替直線實現交叉點不發生影響的情況。

在抑制釘螺滋生，降低疫區血吸蟲病感染的前提下，充分利用林下土地資源和森林生態環境，在林下開展種植、養殖等立體復合生產經營，已是促進湖區經濟快速發展的一種有效途徑。通過對洞庭湖區林業血防工程林農復合經營模式的走訪調查，本文選取了較典型的幾種林農復合經營模式進行統計分析，通過合理性及可行性評價，以期篩選出對抑螺防病林更有益的，且能夠實現長短結合，可持續經營的農林復合經營模式，為更有效地保護洞庭湖區生態環境以及林業血防工程建設提供參考。

將交叉點的數量通過公式來表達，對于待連接的兩條故障線路，a(x1,y1)和b(x2,y2)連線與c(x3,y3)和d(x4,y4)連線，設故障線路交點坐標為O(x0,y0)，當他們的關系滿足式(1)時，交叉點數量加1。

(1)

傳統的支持向量機算法會有很強的局限性，如算法的效率低，算法的預測準確率較低，令a表示加速度，設定a=15，F代表物體間的引力，G代表常數，M代表質量，R代表距離，則優化后的算法加速度計算式為

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

(2)

根據節點數N和曼哈頓距離D得到目標函數為

F=N+w·D

(3)

式中，w為算法權重因子，取值為0.5。

2 優化后的支持向量機算法

2.1 預測模型

支持向量機是預測模型建立過程中常用的方法，可以通過最優函數的求解得到整體的最優性，實現預測效果的最優化。本研究將自動扶梯故障的影響因素作為輸入數據集，令T={(x1，y1)，…，(xl，yl)}∈(Rn×R)l作為因素集合的標記。在集合中，xi∈Rn，i=1，…，l。利用支持向量機算法對故障影響數據進行訓練，訓練公式如下:

g(x)=(w·Φ(x))+b,x∈Rn，a∈R

(4)

式中，w為權值向量，b為偏置項，Φ(x)為從Rn有限維空間到特征空間的映射函數。訓練的整體過程是實現數據從高維向低維的計算，使得算法通過輸入因素數據，得到輸出的計算結果。在預測的過程中，還用到了相關公式進行優化，如式(5)、式(6):

巖漿巖頗為發育，主要呈巖株與巖體形式出露，主要巖體有二長花崗巖、石英正長斑巖、角閃二長巖、石英二長巖等，集中位于西部楊頭村—胡公山一帶。

(5)

(6)

(7)

(8)

(9)

(10)

點評：文中小夫妻就像一個孩子和另一個孩子在玩過家家，玩膩了，一個不爽，就要去民政局。這不是追求自我，而是過于任性。愛是恒久忍耐，又有恩慈。列夫·托爾斯泰說：已婚的人從對方獲得的快樂，僅僅是婚姻的開頭，絕不是其全部意義。婚姻的全部含義，蘊藏在瑣碎的家庭生活中。婚姻之中，愛比對錯更重要，有效果比有道理更重要。放下“我是對的”的執念吧，努力追求“我們是相愛的”這一共同初心，彼此聯結，才能創造親密豐盛的生命，讓婚姻有序、安寧、長久地維系下去。

2.2 萬有引力算法對預測模型的優化

故障因素與目標之間的影響距離一般用曼哈頓距離來表示。其距離的表示公式為

(11)

(12)

(13)

早上我找衣服穿準備上班,套了一件久未穿的裙子,對著鏡子自語:“唉呀!怎么像包粽子一樣。”在一旁洗臉的老公說:“那是餡兒的問題,跟包的葉子無關!”

(14)

設定t為算法的運行時間，M(t)為算法的慣性質量，ε為常量，優化后的算法預測性計算式為

(15)

(16)

(17)

誤差的計算可以驗證算法運行效果的優劣，主要包括相對誤差和相對均方誤差的計算，對誤差值的分析可以衡量模型預測效果的準確性，設MAPE為平均誤差，RMSE為均誤差，可用公式表示為

(18)

(19)

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

“整合醫院整體信息平臺、改善醫療服務系統、打造醫患信息終端，是2013年至2018年醫院信息化建設的三大方向。”王立明介紹，在“互聯網+醫療+服務”的理念和實踐之下，醫院原有診療全流程正在被顛覆。

3 實例分析

3.1 數據獲取

本文結合統計數據可知自動扶梯故障的發生與維修次數、傳動裝置、減速器、電壓、節能措施、待機功率、變頻器參數、轉換率、運行率和保養程度等因素相關，因此通過專業儀器采集自動扶梯運行影響因素數據。

表1 原始自動扶梯監測參數獲取數據

3.2 預測效果

利用VS2010和.NET對影響因素進行特征提取，根據影響特征提取的算法過程可知，當因素個數為5時，特征提取方法的分類精度達到93.55%，所以可以利用特征提取算法篩選出1、3、5、8、9這5個影響因素。

品牌管理組織在圖書館并非是一個非常重要的組織，而品牌管理負責人也并不具備很大的權利，所以，管理層決策支持機制、相關人力資源的保障機制、圖書館各部門協調保障機制等一系列制度的預先確定是品牌管理組織得以正常運作的制度保障。

采用對比的方法分析傳統的支持向量機算法和優化后的支持向量機算法的預測效果，驗證過程采用相同的自動扶梯故障數據，分析結果如圖1所示。

圖1 預測效果分析

根據圖1可知，優化后的算法和傳統算法相比預測效果差異性較大，隨著算法運行次數的增多，優化后的算法準確性也逐漸得到了提升，傳統算法的預測準確性相較于優化后的算法相比較弱，因此，利用萬有引力優化后的支持向量機預測模型，對于自動扶梯故障的預測具有一定的準確性。

4 總結

本研究利用特征提取方法篩選出影響自動扶梯發生故障的主要影響因素，實現影響因素的降維。通過實驗驗證可知，本研究優化后的算法準確性也逐漸得到了提升，傳統算法的預測準確性相較于優化后的算法相比較弱。