随着电梯保有量与使用时限的逐年增长,电梯电气故障与机械故障频发,提升电梯运维水平成为维保企业与主管部门亟待解决的问题。“数改智改”在电梯运维领域积极推广,物联网技术实现电梯运行状态的数字化,信息化技术助推运维流程无纸化,引入知识库能沉淀运维经验。同时,电梯的智能化应用逐步升温。智能算法与运维知识库的融合研究与运用将更有效地实现电梯的预测性维护,保障电梯运行的可靠性与安全性。本文以电梯为研究对象,设计融合预测性维护的智能电梯运维知识库系统。针对电梯电气故障预测与电梯曳引机轴承机械故障诊断两个应用场景,研究基于多注意力长短期记忆自编码器（Long Short-Term Memory Autoencoder,LSTM-AE）的故障征兆预测算法与基于多尺度压缩提取Xception的故障现象识别算法。结合电梯知识库系统运维需求,完成深度学习、数据库和后端等各部分框架选型,并对系统实现中数据存储方式设计、跨语言方法调用和双数据源管理等技术要点展开阐述。主要研究与创新点如下:（1）针对传统运维知识库系统因基于瞬时数据进行规则匹配易失败而导致部分设备故障诊断困难问题和故障预测难以实现问题,梳理并优化了故障征兆、故障现象、故障原因及处理措施的规则匹配方式,并引入改进的深度学习算法充分挖掘历史数据,设计了一种融合预测性维护的智能电梯运维知识库系统架构。在此架构下,基于电梯电气故障预测与电梯曳引机轴承机械故障诊断两个应用场景,构建了基于深度学习的电梯电气故障征兆预测子系统和轴承机械故障现象识别子系统。（2）为构建智能运维知识库中电梯电气故障征兆预测子系统,提出面向电梯电气故障预测的多注意力LSTM-AE算法。采用属性子集选择方法筛选特征向量组,完成了电梯运行参数中冗余特征剔除。将融合双向长短期记忆网络的滑动窗口注意力机制引入LSTM-AE算法,设计了多注意力LSTM-AE算法实现电梯电气故障征兆预测。实验结果表明,较传统LSTM-AE算法,多注意力LSTM-AE算法的真阳率提高6%,伪阳率降低4%。同时,其AUC指数高于门控循环单元等算法,验证了多注意力LSTM-AE算法在实现电梯电气故障征兆预测功能方面的优越性。（3）为实现智能电梯运维知识库中轴承机械故障现象识别,提出面向电梯曳引机轴承机械故障识别的多尺度压缩提取Xception算法。采用分类聚合近似方法和格拉姆角场算法将振动序列转换为二维图像。设计面向图像分类的多尺度压缩提取Xception算法,实现了轴承的故障现象识别。实验结果表明,相比Xception等算法,引入Dropout技术的多尺度压缩提取Xception算法具有最高的AUC指数,适合处理轴承机械故障现象识别问题。融合预测性维护的智能电梯运维知识库系统,能够辅助运维人员指导电梯维保决策,推动电梯维保方式从按时维保向按需维保转变,提高电梯维保效率。本文提出的方法和设计的系统能够进一步推广到其他工业设备的运维领域。