基于参数自适应回归的电梯楼层智能识别模型

摘要

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.

关键词

回归模型 / 参数自适应 / 目标识别 / 泛化能力