1.一种基于大数据特征分析的电梯故障判断方法，其特征在于，所述基于大数据特征分析的电梯故障判断方法，包括：

1)采集电梯轿厢的振动信号，并对所采集的振动信号进行预处理；

2)将预处理后的振动信号转换为二维矩阵构成特征图，包括：

21)将预处理后的振动信号等分成Q个数据段，每一数据段表示为y(q)＝{y1，y2，y3，...，ym×m}，1≤q≤Q；

22)对数据段y(q)进行FFT变换求出模值，即得到变换后的数据序列Y(q)＝{y1，y2，y3，...，ym×m}；

2

23)取L(i)为数据序列Y(q)中第i个振动信号的模值，i＝1，...m；

24)建立公式如下：

式中，P(j，k)为转换后特征图的像素点(j，k)的像素强度，j＝1，...m，k＝1，...m，round为round函数，Min(L)为数据段中最小的振动信号的值，Max(L)为数据段中最大的振动信号的值；

3)对转换得到的特征图进行灰度化生成灰度图；

4)对灰度图上的像素点的值进行归一化处理得到标准图；

5)将所述标准图作为预训练的CNN的输入，得到对应的故障判断结果。

2.如权利要求1所述的基于大数据特征分析的电梯故障判断方法，其特征在于，所述预处理包括：

针对振动信号中的缺失值，使用缺失值位置前后振动信号的均值对缺失值进行补全；

使用统计学方法中的3σ探测法，通过计算振动信号的标准差和均值来判断异常值，并将异常值进行剔除；

采用巴特沃斯滤波器对振动信号进行滤波，所述巴特沃斯滤波器的滤波公式为：式中，n为巴特沃斯滤波器的阶数，ωc为截止频率。

3.如权利要求2所述的基于大数据特征分析的电梯故障判断方法，其特征在于，所述巴特沃斯滤波器的阶数n＝1。

4.如权利要求1所述的基于大数据特征分析的电梯故障判断方法，其特征在于，所述CNN为ResNet‑18网络。

5.一种基于大数据特征分析的电梯故障判断系统，其特征在于，所述基于大数据特征分析的电梯故障判断系统包括信号采集及预处理模块、特征图转换模块、灰度转换模块、归一化模块、故障输出模块，其中：信号采集及预处理模块，用于采集电梯轿厢的振动信号，并对所采集的振动信号进行预处理；

特征图转换模块，用于将预处理后的振动信号转换为二维矩阵构成特征图，具体执行如下操作：

将预处理后的振动信号等分成Q个数据段，每一数据段表示为y(q)＝{y1，y2，y3，...，ym×m}，1≤q≤Q；

对数据段y(q)进行FFT变换求出模值，即得到变换后的数据序列Y(q)＝{y1，y2，y3，...，ym×m}；

2

取L(i)为数据序列Y(q)中第i个振动信号的模值，i＝1，...m；

建立公式如下：

式中，P(j，k)为转换后特征图的像素点(j，k)的像素强度，j＝1，...m，k＝1，...m，round为round函数，Min(L)为数据段中最小的振动信号的值，Max(L)为数据段中最大的振动信号的值；

灰度转换模块，用于对转换得到的特征图进行灰度化生成灰度图；

归一化模块，用于对灰度图上的像素点的值进行归一化处理得到标准图；

故障输出模块，用于将所述标准图作为预训练的CNN的输入，得到对应的故障判断结果。

6.如权利要求5所述的基于大数据特征分析的电梯故障判断系统，其特征在于，所述预处理包括：

针对振动信号中的缺失值，使用缺失值位置前后振动信号的均值对缺失值进行补全；

使用统计学方法中的3σ探测法，通过计算振动信号的标准差和均值来判断异常值，并将异常值进行剔除；

采用巴特沃斯滤波器对振动信号进行滤波，所述巴特沃斯滤波器的滤波公式为：式中，n为巴特沃斯滤波器的阶数，ωc为截止频率。

7.如权利要求6所述的基于大数据特征分析的电梯故障判断系统，其特征在于，所述巴特沃斯滤波器的阶数n＝1。

8.如权利要求5所述的基于大数据特征分析的电梯故障判断系统，其特征在于，所述CNN为ResNet‑18网络。