计算机工程

作者：张欢, 王晨, 单景东, 仇润鹤

单位：1. 东华大学信息科学与技术学院, 上海 2016202. 数字化纺织服装技术教育部工程研究中心, 上海 2016203. 上海市特种设备监督检验技术研究院, 上海 200062

关键词：电梯,安全风险预测,注意力机制,对抗领域自适应网络,迁移学习

基金：上海市自然科学基金(20ZR1400700)

电梯作为特种设备之一, 其运行安全风险预测至关重要。当前对于电梯相关的研究多基于电梯部件数据, 并且预测方法在变换应用场景的情况下会出现预测精度低、泛化能力差等问题。为此, 提出一种基于领域自适应与注意力机制的电梯安全风险预测方法。该方法基于对抗领域自适应网络, 并且使用注意力机制优化网络的特征提取能力。方法包括特征提取器、标签分类器和领域分类器3个部分, 输入数据为同时包含源域与目标域数据的电梯安全风险因素, 经由注意力机制优化的特征提取器, 自适应提取并保留源域和目标域之间的公共关键特征, 然后将关键特征同时输入至标签分类器和领域分类器, 通过领域自适应实现由源域至目标域的迁移学习, 通过标签分类器输出电梯运行状态。实验结果表明, 所提出的方法在迁移至目标域应用场景的情况下, 预测精度可以达到86.9%, 相较于优化前提高了2.6百分点, 与LSTM-AE、CNN-LSTM、TrAdaBoost.R2、深度子领域自适应网络(DSAN)相比分别高出9.5、8.3、3.7和1.2百分点, 能够有效地对电梯安全风险进行预测。

来源：2025年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第2期