【技术实现步骤摘要】
本申请涉及数据处理领域，具体涉及一种基于机械状态的升降机气压高度自校正方法及装置。
技术介绍
1、升降机的高度测量和校准是确保其安全运行的关键因素，但现有的高度测量方法仍面临着多个技术难题。传统的高度测量系统主要依赖单一传感器数据，容易受到环境因素的干扰，导致测量精度不稳定。
2、当前的高度测量系统存在三个主要问题：首先是传感器数据的可靠性问题。单一气压传感器的测量结果容易受温度、湿度等环境因素影响，而简单的数据处理方法无法有效消除这些干扰。其次是校准机制不够完善。大多数系统采用固定的校准参数，无法适应不同运行阶段和环境条件下的误差变化。第三是缺乏智能化的评估机制，难以及时发现和处理异常数据。
3、在实际应用中，升降机的运行环境复杂多变，气压、温度、湿度等因素的变化会显著影响高度测量的准确性。现有系统往往采用简单的线性校准方法，无法有效处理非线性误差和动态变化。同时，系统也缺乏对测量结果可靠性的有效评估手段。
4、因此，行业需要一种更智能、更可靠的高度自校正方案。
技术实现思路
1、针对现有技术中的问题，本申请提供一种基于机械状态的升降机气压高度自校正方法及装置，能够有效提高基于机械状态的升降机气压高度自校正准确率和效率。
2、为了解决上述问题中的至少一个，本申请提供以下技术方案：
3、第一方面，本申请提供一种基于机械状态的升降机气压高度自校正方法，包括：
4、采集升降机上设置的气压传感器的气压数据、温度传感器
5、获取升降机的前后龙门开关状态信号以及预设在各楼层的rfid参考点信息，当检测到所述前龙门状态变更时将误差系数重置为零，以使升降机到达一楼时的高度自动归零，基于所述rfid参考点信息对不同高度区间动态更新修正系数，并利用在线学习机制对历史运行数据进行分析持续优化所述修正系数，构建得到分段校准模型；基于所述分段校准模型对所述初始高度数据进行校准处理，得到校准后的高度数据；
6、基于模糊推理系统建立高度评估置信度计算规则，获取升降机操控状态信息，计算相邻两次操作时间内产生的误差值，将所述误差值叠加至气压高度转换系数中，结合风险评估结果对高度数据的可靠性进行量化评估，构建得到智能评估模型；基于所述智能评估模型对所述校准后的高度数据进行可靠性评估和优化处理，得到升降机高度测量结果。
7、进一步地，所述采集升降机上设置的气压传感器的气压数据、温度传感器的温度数据和湿度传感器的湿度数据，利用深度学习模型对所述气压数据、所述温度数据和所述湿度数据进行特征提取，构建自适应权重矩阵对提取的特征进行动态融合，包括：
8、通过设置在升降机观察室的集成传感器单元以10hz的采样频率采集气压数据，以1hz的采样频率采集温度数据和湿度数据，对采集的所述气压数据、所述温度数据和所述湿度数据进行数据标准化处理；
9、将标准化处理后的所述气压数据、所述温度数据和所述湿度数据输入具有三个隐藏层的神经网络，通过卷积运算提取时序特征和环境特征，基于注意力机制计算各特征的重要性得分，根据所述重要性得分生成权重系数矩阵对提取的特征进行加权求和。
10、进一步地，所述将融合后的数据输入卡尔曼滤波模型进行降噪处理得到平滑后的气压高度数据，构建得到多源传感数据融合模型，包括：
11、基于所述加权求和后的特征构建包含气压值和气压变化率的状态向量，设定系统噪声协方差矩阵和测量噪声协方差矩阵，通过状态预测方程计算气压状态的先验估计值，利用测量更新方程对状态进行修正；
12、将所述状态预测方程和所述测量更新方程组合构建状态空间模型，利用递推最小二乘法对模型参数进行在线优化，根据所述状态空间模型将气压状态量映射为高度值，通过非线性补偿函数修正所述高度值的量化误差，构建得到多源传感数据融合模型。
13、进一步地， 所述基于所述rfid参考点信息对不同高度区间动态更新修正系数，并利用在线学习机制对历史运行数据进行分析持续优化所述修正系数，构建得到分段校准模型，包括：
14、读取各楼层rfid标签存储的标准高度基准值，通过三次样条插值方法计算相邻参考点之间的高度修正系数曲线，基于滑动时间窗口统计每个高度区间的测量偏差，利用自适应阈值算法对修正系数进行分段调整；
15、建立包含时间戳、气压值、温度值、湿度值和实际高度的数据样本库，采用增量学习算法更新数据特征的统计分布参数，通过梯度下降法迭代优化区间修正系数的数值，对优化后的修正系数进行指数平滑处理，构建得到分段校准模型。
16、进一步地，所述基于模糊推理系统建立高度评估置信度计算规则，获取升降机操控状态信息，计算相邻两次操作时间内产生的误差值，将所述误差值叠加至气压高度转换系数中，包括：
17、定义包含气压变化率、温度变化率和湿度变化率的模糊输入变量，设置隶属度函数参数和模糊规则库，通过mamdani推理算法计算输入变量的隶属度值，根据模糊规则匹配度确定高度评估的置信水平；
18、采集升降机控制系统输出的操作指令序列和运行状态参数，通过状态机模型识别运行模式的切换时刻，提取相邻两次操作时间内的高度测量数据，基于最小二乘拟合计算高度偏移趋势，将计算得到的偏移量乘以补偿系数更新气压高度转换参数。
19、进一步地，所述结合风险评估结果对高度数据的可靠性进行量化评估，构建得到智能评估模型，包括：
20、构建高度测量风险评估矩阵，将气压传感器故障概率、环境干扰程度和数据异常程度作为风险因子输入，利用层次分析法计算各风险因子的权重系数，通过加权求和得到综合风险评分；
21、基于所述置信水平和所述综合风险评分建立可靠性评估函数，设定可靠性阈值和评估周期，采用自适应权重算法对评估结果进行动态加权，根据加权结果对高度数据进行分级筛选和平滑处理，构建得到智能评估模型。
22、进一步地，所述基于所述智能评估模型对所述校准后的高度数据进行可靠性评估和优化处理，得到升降机高度测量结果，包括：
23、将所述校准后的高度数据按照时序划分为评估窗口，计算窗口内数据的统计特征值和变化趋势，根据所述可靠性评估函数生成评估得分，通过所述自适应权重算法对评估得分进行修正；
24、对所述修正后的评估得分进行归一化处理，设置多级可靠性阈值进行数据分类，利用卡尔曼平滑器对不同可靠性等级的数据进行差异化处理，通过贝叶斯融合算法合并处理结果输出最终的高度测量值。
25、第二方面，本申请提供一种基于机械状态的升降机气压高度自校本文档来自技高网...
【技术保护点】
1.一种基于机械状态的升降机气压高度自校正方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述采集升降机上设置的气压传感器的气压数据、温度传感器的温度数据和湿度传感器的湿度数据，利用深度学习模型对所述气压数据、所述温度数据和所述湿度数据进行特征提取，构建自适应权重矩阵对提取的特征进行动态融合，包括：
3.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述将融合后的数据输入卡尔曼滤波模型进行降噪处理得到平滑后的气压高度数据，构建得到多源传感数据融合模型，包括：
4.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述基于所述RFID参考点信息对不同高度区间动态更新修正系数，并利用在线学习机制对历史运行数据进行分析持续优化所述修正系数，构建得到分段校准模型，包括：
5.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述基于模糊推理系统建立高度评估置信度计算规则，获取升降机操控状态信息，计算相邻两次操作
6.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述结合风险评估结果对高度数据的可靠性进行量化评估，构建得到智能评估模型，包括：
7.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述基于所述智能评估模型对所述校准后的高度数据进行可靠性评估和优化处理，得到升降机高度测量结果，包括：
8.一种基于机械状态的升降机气压高度自校正装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的基于机械状态的升降机气压高度自校正方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的基于机械状态的升降机气压高度自校正方法的步骤。
...【技术特征摘要】
1.一种基于机械状态的升降机气压高度自校正方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述采集升降机上设置的气压传感器的气压数据、温度传感器的温度数据和湿度传感器的湿度数据，利用深度学习模型对所述气压数据、所述温度数据和所述湿度数据进行特征提取，构建自适应权重矩阵对提取的特征进行动态融合，包括：
3.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述将融合后的数据输入卡尔曼滤波模型进行降噪处理得到平滑后的气压高度数据，构建得到多源传感数据融合模型，包括：
4.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述基于所述rfid参考点信息对不同高度区间动态更新修正系数，并利用在线学习机制对历史运行数据进行分析持续优化所述修正系数，构建得到分段校准模型，包括：
5.根据权利要求1所述的基于机械状态的升降机气压高度自校正方法，其特征在于，所述基于模糊推理系统建立高度评估置信度计算规...
【专利技术属性】
技术研发人员：徐宇杰，胡雪攀，苏亮亮，郑东，赵五岳，
申请(专利权)人：杭州宇泛智能科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。