基于参数自适应回归的电梯楼层智能识别模型

电梯楼层智能识别模型在电梯第三方检测中具有重要意义,传统方法大多需要高维数据.传统方法仅基于气压值判别的方法,建立气压值与海拔高度之间的函数关系,再通过海拔高度对电梯停靠楼层进行识别.此方法在工程上较为繁琐,且在外部环境变化的情况下,原有变量之间的函数关系往往不再适用.针对该现象,从统计学的角度出发,研究仅基于一维大气压数据的电梯楼层自动识别模型.在只拥有少量带标签数据且外部环境出现无特征变化的情况下,建立回归模型,实时收集无标签数据,进行参数的自适应迭代,实现对电梯楼层的智能识别.实验结果表明,此方法可以有效突破传统方法的局限,在500 min内17层楼的情景下,可以达到100％目标识别的准确率,面对不同外部环境无特征变化的情形,拥有较好的泛化能力且算法简单易于实施.