<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">VDE</journal-id><journal-title-group><journal-title>Vocational Development and Education</journal-title></journal-title-group><issn>3066-8549</issn><eissn>3066-8557</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/VDE.2025210018</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于大数据的智慧电梯故障预测方法及应用</title><url>https://artdesignp.com/journal/VDE/1/21/10.61369/VDE.2025210018</url><author>张彦俊</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>1</volume><issue>21</issue><history><date date-type="pub"><published-time>2025-10-31</published-time></date></history><abstract>为了提升高层建筑电梯系统的运行可靠性与故障响应效率，文章构建了基于大数据驱动的智慧电梯故障预测方法，研究了多源感知数据的时空融合机制与边缘- 云端协同处理架构，设计了多尺度特征提取与迁移学习模型，构建了具备实时预测与自适应能力的混合预测框架，并以120台在役电梯的长周期运行数据为基础，开展了系统性实验验证。研究结果表明，该方法在故障识别准确率、剩余寿命预测精度与泛化能力等方面均优于传统方法，具备良好的工程适配性与扩展潜力。</abstract><keywords>大数据,智慧电梯,故障预测</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 郭传振, 曹洋, 陈强. 基于大数据的煤矿机电设备远程监控系统研究[J]. 现代制造技术与装备,2025,61(6):205-207.[2] 唐沛. 大数据技术在电路故障诊断与预测中的应用[J]. 集成电路应用,2025,42(4):194-195.[3] 单景东, 王晨, 张欢, 仇润鹤. 基于MIC-Informer-DLinear 的电梯故障预测方法[J]. 科技与创新,2025(4):56-59.[4] 贺鑫来, 孙庚, 汪敏捷, 翟逸男, 陈岩霖, 尹娴, 冯艳红. 基于时序数据的列车牵引系统故障预测方法[J]. 现代电子技术,2025,48(4):57-62.[5] 雷鹏, 谢敬玲, 许洪祖, 焦锋, 魏立明, 张忠岩, 吕成兴. 融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法[J]. 机电工程,2025,42(2):277-286.[6] 闫建飞. 煤矿机电设备故障预测的数据挖掘方法[J]. 能源与节能,2025(1):275-278.[7] 李纬捷, 邵雯, 赵斌. 基于神经网络的医疗设备故障预测方法研究[J]. 设备管理与维修,2025(2):13-16.[8] 陆阳, 杨林, 戴剑峰, 王菁菁, 王雪元. 基于集成支持向量机的医疗设备风险评估研究与应用[J]. 生物医学工程研究,2019,38(2):223-226.[9] 于大海, 姜丹, 李楠. 基于模式识别技术的医疗电子设备故障智能辨识[J]. 现代电子技术,2020,43(3):146-149.[10] 刘香君, 郎朗, 张诗慧, 肖晶晶, 范莉萍, 马建川, 种银保. 基于长短时记忆网络的医疗设备故障智能诊断研究[J]. 生物医学工程学杂志,2021,38(2):361-368.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
