一种基于GCN-BiLSTM的老旧电梯故障诊断方法

本发明公开了一种基于图卷积神经网络(GCN)和双向长短期记忆网络(BiLSTM)的老旧电梯故障诊断方法，属于电梯故障预测与健康管理技术领域。针对老旧电梯轴承磨损、齿轮箱断齿、曳引轮槽磨损三类典型故障检测难题，本发明构建多源异构监测数据(振动、声发射、电流、温度信号)的图结构模型，以电梯关键部件为节点、故障传导路径为边，形成空间‑时序关联特征。采用改进的GCN网络自适应提取部件间拓扑关系，结合BiLSTM网络捕捉故障信号的动态演变规律，并通过交叉注意力机制实现多模态特征融合。创新性地引入门控扩张机制增强瞬态冲击特征捕获能力，结合加权焦点损失函数优化不均衡样本分类性能。实现故障精准诊断与早期预警，为老旧电梯安全运行提供有效技术保障。