针对传统决策树算法应用于电梯液压缓冲器隐患智能识别准确率有待提高的问题,提出一种改进传统决策树ID3与主成分分析法(PCA)融合的智能识别方法(PAC-ID3)。针对传统ID3算法倾向于选择取值较多的属性缺点,引进属性阈值和信息增益率,对传统ID3算法进行改进优化;样本数集通过主成分分析方法,解决决策树存在多值倾向问题,选出更具有代表性的决策属性,提高决策树的建模效率和准确率;通过对改进优化融合前后算法进行了比较,实验结果表明,改进融合后的算法提高了隐患识别的精确率。

作为电梯安全最后保护装置的电梯液压缓冲器,其质量检测非常重要,目前在位现场检测采用人工检测方法,准确度低,存在人身危险。该文提出一种电梯液压缓冲器隐患识别方法总体框架,重点研究基于长短时记忆(long short term memory,LSTM)网络的关键点识别、缓冲器压缩复位特征提取与模式识别技术,以及训练LSTM运动状态识别网络方法。最后,在昱奥GeN2乘客电梯及底坑安装的液压式缓冲器上搭建检测系统进行测试。结果表明:该方法对电梯液压缓冲器常见隐患识别率可达100%,有助于提高检测效率、准确度。

针对电梯液压缓冲器的安全隐患识别检测问题,本文设计了一款基于决策树算法的电梯液压缓冲器智能识别检测系统。使用激光测距测速传感器与摄像头对电梯液压缓冲器的压缩复位过程和喷油情况进行识别观察,采用决策树算法建立隐患识别模型,对传统基本算法倾向于选择取值较多的属性问题,引进属性阈值和信息增益率对其进行优化改进,以提高隐患识别检测的泛化能力,能够快速准确做出检测隐患功能。结果表明,该液压缓冲器隐患智能识别检测系统精确度平均值达到81.64%,降低检测复杂性,提高检测效率,可为电梯液压缓冲器检验工作提供重要的科学参考依据。