近年来,电梯等专用设备数量不断增加,且增长率逐年递增。如此巨大的电梯数量下,电梯安全事故频繁发生,因此对电梯安全监测的研究变得越来越紧迫和必要。这些年机器学习广泛应用于各个领域,并产生很多优质的成果。机器学习这一技术在电梯安全监测上也具有可观的应用前景。目前的电梯安全监测技术以及实现的方法都只能在部分电梯设备使用,且普遍造价昂贵难以推广。本文以电梯设备运行时的加速度信号和气压海拔信号为切入角度,实现对电梯设备的安全监测。本文主要内容如下:1.本文首先介绍了一些常见的二分类算法和异常检测算法。然后结合现代电梯设备的应用场景分析了电梯安全监测的需求,并对电梯安全监测的功能性需求和非功能性需求进行了简要说明。最后展示了本文对于电梯安全监测技术及实现的总体设计方案,以及各个部分的主要内容和功能。2.实现电梯设备实时楼层的判断,本部分对加速度振动信号和海拔信号进行时域分析,经过对数据的分析处理和多次实验找到了加速度信号与电梯设备运行之间的联系和规律。通过改进型的k-means聚类算法得到电梯设备的楼层分布模型,再根据电梯设备运行时间与楼层变动之间的关系,最后计算得到电梯设备的实时楼层。每个电梯设备不一定相同,所以设计初始化算法使得实时楼层判断算法可以应用到不同的电梯设备。得到的实时楼层,可以为定位异常楼层提供保证并计算获取其它相关的电梯设备运行参数。3.实现基于栈式自编码器的电梯频谱异常检测,本部分从频域的角度对高频加速度振动信号进行了分析。首先用一类支持向量机对电梯振动加速度频谱进行异常检测,然后引入栈式自编码器的方法来对振动加速度频谱进行异常检测,并对两者进行对比分析。4.结合电梯设备实时楼层判断算法和电梯设备振动加速度频谱的异常检测算法,最后实现了电梯设备的异常监测技术。并通过数据实验测试和现场测试,完成了本文的电梯安全监测技术研究及实现。