张兴合，高丙朋*，陈 飞，南新元

(1.新疆大学 电气工程学院，新疆 乌鲁木齐 830001;2.新疆维吾尔自治区特种设备检验研究院，新疆 乌鲁木齐 830001)

0 引 言

电梯异常振动是电梯故障的反映，异常振动的存在严重危害设备的运行安全，设备寿命和安全性能大打折扣。因此，对电梯健康进行状态监测和故障预测极为重要。

昆明理工大学易仕琳[1]研究了电梯的结构、故障产生原因和故障诊断预测。山东大学王健[2]研究了支持向量机在电梯故障预测上的应用。李敬伟等[3]针对导轨不平顺作用下曳引电梯轿厢的水平方向振动，对导轨在不同激振频率下电梯轿厢的动态特性原理进行了分析研究。浙江大学王志平[4]利用电梯运行特征大数据，研究了高速电梯的急停故障快速诊断。冯鑫等[5]优化BP神经网络理论，进行了电梯故障诊断。徐金海等[6]利用振动信号时域峰值、频域频率值及功率谱密度和时频域能量分布的多参数振动特征量,对电梯机械部件不同工况下的振动特性进行了研究。

由于电梯轿厢振动信号复杂，涉及因素众多，且相互影响。以上方法都暴露出特征发掘不够的问题。

相比人工特征，深度学习提取特征更加全面。深度学习作为机器学习领域的新型方法，其具有强大的特征提取能力[7-9]。将深度学习应用在故障诊断领域的研究已经逐渐引起国内外学者的重视[10]。陈志平等[11,12]研究了大数据分析方法在电梯故障诊断与预测，最终可准确地对电梯机械系统故障进行诊断与预测，验证了电梯轿厢振动信号对电梯故障诊断的可行性。……