一种基于迁移学习的跨品牌电梯故障预测方法与系统

本发明公开了一种基于迁移学习的跨品牌电梯故障预测方法与系统。该方法包括：采集多个品牌的电梯数据，构建多源电梯数据集，多源电梯数据集包括多个品牌电梯的传感器数据及故障标签；对多源电梯数据集进行标准化处理，并采用域适配进行跨品牌特征对齐，以最小化源域与目标域的数据分布差异；构建深度迁移学习模型，模型包括共享特征提取层和域适配模块，其中共享特征提取层通过预训练卷积神经网络提取跨品牌共性特征，域适配模块通过对抗训练策略对齐源域与目标域特征空间；基于样本数据对模型进行动态优化，结合增量学习算法实现模型参数的在线更新，输出故障类型及对应的预测概率。跨品牌迁移成本低、小样本场景适应性好、动态更新能力强。