岸桥工况状态的神经网络识别技术的研究
|
摘要
本论文依托外高桥集装箱码头岸桥状态监测分析系统的研制和宝钢原料码头卸船机状态监测诊断系统预研两个工程项目进行一些关键技术的研究。
本论文在讨论基于神经网络的模式识别技术的基础上，阐述了所设计的基于带有偏差值的递归神经网络的模式识别系统的工作原理，并进行了应用。
在应用过程中，本论文所需要的大量学习样本是通过模型试验得到的，本文介绍了在试验过程中用到的岸桥模型和数据采集软件。通过岸桥模型，模拟真实岸桥运行时的各种工作工况，得到了大量的数据，为网络的学习建立了样本库。
本论文依据岸桥实体和模型上传感装置的布置位置和数量建立了神经网络模型，并以采集得到的数据作为教师值，对网络进行训练。
在模式识别的过程中，本论文比较了基于BP网络和基于带有偏差值的递归神经网络两种模式识别的方法。并分别用两种方法进行网络的训练，得出了后者在网络的学习过程中优于前者的结论。本论文还分析了减少网络结构的优化对网络学习的影响，并通过比较加以说明。
The dissertation devotes to research some key technologies based on the system of status monitoring and analysis of Quayside Container Crane (QCC) in WIGAOQIAO Terminal and the raw-material terminal of BAO Steel.
A new Pattern Recognition system based on Recurrent Network with bias units is designed and employed to application. During the application, the training swatches needed are obtained by a lot of model tests. The QCC model and the data-acquisition software, through which needed data can be get, are introduced.
A model of ANN is developed based on the locations and quantities of sensors on the QCC model. The net can be trained by the gained data.
During the Pattern Recognition, the BP-based Network and the bias units-based Recurrent Network are compared, which draw the conclusion that the latter is better than the former. Some analysis about the influence of the optimization of network structure is made.
本论文在讨论基于神经网络的模式识别技术的基础上，阐述了所设计的基于带有偏差值的递归神经网络的模式识别系统的工作原理，并进行了应用。
在应用过程中，本论文所需要的大量学习样本是通过模型试验得到的，本文介绍了在试验过程中用到的岸桥模型和数据采集软件。通过岸桥模型，模拟真实岸桥运行时的各种工作工况，得到了大量的数据，为网络的学习建立了样本库。
本论文依据岸桥实体和模型上传感装置的布置位置和数量建立了神经网络模型，并以采集得到的数据作为教师值，对网络进行训练。
在模式识别的过程中，本论文比较了基于BP网络和基于带有偏差值的递归神经网络两种模式识别的方法。并分别用两种方法进行网络的训练，得出了后者在网络的学习过程中优于前者的结论。本论文还分析了减少网络结构的优化对网络学习的影响，并通过比较加以说明。
The dissertation devotes to research some key technologies based on the system of status monitoring and analysis of Quayside Container Crane (QCC) in WIGAOQIAO Terminal and the raw-material terminal of BAO Steel.
A new Pattern Recognition system based on Recurrent Network with bias units is designed and employed to application. During the application, the training swatches needed are obtained by a lot of model tests. The QCC model and the data-acquisition software, through which needed data can be get, are introduced.
A model of ANN is developed based on the locations and quantities of sensors on the QCC model. The net can be trained by the gained data.
During the Pattern Recognition, the BP-based Network and the bias units-based Recurrent Network are compared, which draw the conclusion that the latter is better than the former. Some analysis about the influence of the optimization of network structure is made.
引文
1． 总结经验将我国设备监测与诊断技术提高到新的水平．北京：中国设备管理，1998．11
2． 王琳．机械设备故障诊断与监测的常用方法及其发展趋势．武汉：武汉工业大学学报，Vol．22 No．3 2000．6
3． 黄文虎，夏松波，刘瑞岩等．设备故障诊断原理，技术及应用．北京：科学出版社，1996．8
4． 徐章遂，房立清，王希武，左宪章．故障信息诊断原理与应用．北京：国防工业出版社，2000．7
5． 何龄松，王俊峰，杨叔子．基于因特网的设备故障远程协作诊断技术．北京：中国机械工程，Vol．10 No．3 1999．3
6． 焦李成．神经网络系统理论[J]．西安：西安电子科技大学出版社 1990
7． 王镭，周国兴，吴启迪．人工神经网络理论在控制领域中的应用综述．上海：同济大学学报，Vol．29 No．3 2001．3
8． 王穗辉，潘国荣．人工神经网络在隧道地表变形预测中的应用．上海：同济大学学报，Vol．29 No．10 2001．10
9． 刘金汇，谷芳毓．人工神经网络用于核电站松动件定位技术．北京：清华大学学报(自然科学版)，Vol．41 No．6 2001
10．庄哲民，林志强．基于神经网络的滚动轴承检测．北京：仪器仪表学报，Vol．21 No．1，2000．2
11. Thomas Petsche,Angelo Marcantonio,Christian Darken,Stephen J.Hanson,Gary M.Kuhn,Iwan Santoso. An Autoassociator for On-line Motor Monitoring.Siemens Corporate Research, Inc.
12. C.Kirkham,DR T.J.Harris. Hybrid Kohonen/Expert System for Generic Bearing Fault Diagnostics. Centre for Neural Computing Applications, Department of Design Brunel University
13. Hu Xiong. Study on the Integrated System of Heath Condition on Prediction and Technical Information Management of Quayside Container Crane. Shanghai:Proceedings of the 3rd International Conference On Material Handling & International Conference on Freight Pipeline, 1999.10
14. Hu Xiong.System Design for Mechanical Condition Monitoring and Safety Assessment of Quayside Container Cranes.Queensland:Proceedings of the 3rd Asia Pacific Conference on Systems Integrity and Maintenance,2002
15．徐丹．基于神经网络的空调风机状态评估技术的研究：[学位论文]．上海：上海海运学院，2001．11
16. http://www. ni. com
17．张立明．人工神经网络的模型及其应用、上海：复旦大学出版社，1993
18．徐敏等．设备故障诊断手册——机械设备状态监测和故障诊断．西安：西安交通科技大学出版社，1999
19．闻新，周露．神经网络故障诊断技术的可实现性．北京：导弹与航天运载技术，Vol．244 No．2 2000
20．18 伍奎．机械设备故障诊断技术的现状与展望．重庆：重庆石油高等专科学校学报，Vol．1 1999．10
21．虞和济．机械设备故障诊断的人工神经网络识别法．北京：机械强度，Vol．17 No．2 1995
22．陈岳东，屈梁生．神经网络在大型回转机械故障诊断中的应用．西安：西安交通大学学报，Vol．26 No．4 1992
23．胡雄．斜拉桥智能型多参数监测与安全性评估：[学位论文]．上海：上海交通大学，1997．6
24．边肇祺，张学工．模式识别．北京：清华大学出版社，1999．12
25．黄德双．神经网络模式识别系统理论．北京：电子工业出版社．1996．5
26．闻新，周露，土丹力，熊晓英．MATLAB神经网络应用设计．北京：科学出版社，2000．9
27．王士同．神经模糊系统及其应用．北京：北京航空航天大学出版社，1998．2
28．周东华，叶银忠．现代故障诊断与容错控制．北京：清华出版社，2000．6
29．姚东，王爱民，冯峰，王朝阳．MATLAB命令大全．北京：人民邮电出版社，2000．2
30．[英]P.G..J.Lisboa编著，邢春颖，阳影译．现代神经网络应用．北京：电子工业出版社，1996．10
31．楼顺天，施阳．基于MATLAB的系统分析与设计——神经网络．西安：西安电子科技大学出版社，1998，9
32．程卫国，冯峰，王雪梅，刘艺．MATLAB5.3精要编程及高级应用．北京：机械工业出版社，2000．4
33．焦李成．神经网络计算．西安：西安电子科技大学出版社，1995
34．焦李成．神经网络系统理论．西安：西安电子科技大学出版社，1995
35．蒋国仁．岸边集装箱起重机．武汉：湖北科学技术出版社，2001
36. Neural Network Toolbox User's Guide,The Mathworks,Inc, 1984
37. AI-Habaibeh,N.Gindy. A new approach for systematic design of condition monitoring systems for milling processes.Journal of Matericals Processing Technology 107 (2000) 243-251
38. Y.M.Chen,M.L.Lee. Neural networks-based scheme for system failure detection and diagnosis. Mathematics and Computers in Simulation,58 (2002)101-109
39. P.W. Prickett,C.Johns.An overview of approaches to end milling tool monitoring.International Journal of Machine Tool & Manufacture,39(1999) 105-122
2． 王琳．机械设备故障诊断与监测的常用方法及其发展趋势．武汉：武汉工业大学学报，Vol．22 No．3 2000．6
3． 黄文虎，夏松波，刘瑞岩等．设备故障诊断原理，技术及应用．北京：科学出版社，1996．8
4． 徐章遂，房立清，王希武，左宪章．故障信息诊断原理与应用．北京：国防工业出版社，2000．7
5． 何龄松，王俊峰，杨叔子．基于因特网的设备故障远程协作诊断技术．北京：中国机械工程，Vol．10 No．3 1999．3
6． 焦李成．神经网络系统理论[J]．西安：西安电子科技大学出版社 1990
7． 王镭，周国兴，吴启迪．人工神经网络理论在控制领域中的应用综述．上海：同济大学学报，Vol．29 No．3 2001．3
8． 王穗辉，潘国荣．人工神经网络在隧道地表变形预测中的应用．上海：同济大学学报，Vol．29 No．10 2001．10
9． 刘金汇，谷芳毓．人工神经网络用于核电站松动件定位技术．北京：清华大学学报(自然科学版)，Vol．41 No．6 2001
10．庄哲民，林志强．基于神经网络的滚动轴承检测．北京：仪器仪表学报，Vol．21 No．1，2000．2
11. Thomas Petsche,Angelo Marcantonio,Christian Darken,Stephen J.Hanson,Gary M.Kuhn,Iwan Santoso. An Autoassociator for On-line Motor Monitoring.Siemens Corporate Research, Inc.
12. C.Kirkham,DR T.J.Harris. Hybrid Kohonen/Expert System for Generic Bearing Fault Diagnostics. Centre for Neural Computing Applications, Department of Design Brunel University
13. Hu Xiong. Study on the Integrated System of Heath Condition on Prediction and Technical Information Management of Quayside Container Crane. Shanghai:Proceedings of the 3rd International Conference On Material Handling & International Conference on Freight Pipeline, 1999.10
14. Hu Xiong.System Design for Mechanical Condition Monitoring and Safety Assessment of Quayside Container Cranes.Queensland:Proceedings of the 3rd Asia Pacific Conference on Systems Integrity and Maintenance,2002
15．徐丹．基于神经网络的空调风机状态评估技术的研究：[学位论文]．上海：上海海运学院，2001．11
16. http://www. ni. com
17．张立明．人工神经网络的模型及其应用、上海：复旦大学出版社，1993
18．徐敏等．设备故障诊断手册——机械设备状态监测和故障诊断．西安：西安交通科技大学出版社，1999
19．闻新，周露．神经网络故障诊断技术的可实现性．北京：导弹与航天运载技术，Vol．244 No．2 2000
20．18 伍奎．机械设备故障诊断技术的现状与展望．重庆：重庆石油高等专科学校学报，Vol．1 1999．10
21．虞和济．机械设备故障诊断的人工神经网络识别法．北京：机械强度，Vol．17 No．2 1995
22．陈岳东，屈梁生．神经网络在大型回转机械故障诊断中的应用．西安：西安交通大学学报，Vol．26 No．4 1992
23．胡雄．斜拉桥智能型多参数监测与安全性评估：[学位论文]．上海：上海交通大学，1997．6
24．边肇祺，张学工．模式识别．北京：清华大学出版社，1999．12
25．黄德双．神经网络模式识别系统理论．北京：电子工业出版社．1996．5
26．闻新，周露，土丹力，熊晓英．MATLAB神经网络应用设计．北京：科学出版社，2000．9
27．王士同．神经模糊系统及其应用．北京：北京航空航天大学出版社，1998．2
28．周东华，叶银忠．现代故障诊断与容错控制．北京：清华出版社，2000．6
29．姚东，王爱民，冯峰，王朝阳．MATLAB命令大全．北京：人民邮电出版社，2000．2
30．[英]P.G..J.Lisboa编著，邢春颖，阳影译．现代神经网络应用．北京：电子工业出版社，1996．10
31．楼顺天，施阳．基于MATLAB的系统分析与设计——神经网络．西安：西安电子科技大学出版社，1998，9
32．程卫国，冯峰，王雪梅，刘艺．MATLAB5.3精要编程及高级应用．北京：机械工业出版社，2000．4
33．焦李成．神经网络计算．西安：西安电子科技大学出版社，1995
34．焦李成．神经网络系统理论．西安：西安电子科技大学出版社，1995
35．蒋国仁．岸边集装箱起重机．武汉：湖北科学技术出版社，2001
36. Neural Network Toolbox User's Guide,The Mathworks,Inc, 1984
37. AI-Habaibeh,N.Gindy. A new approach for systematic design of condition monitoring systems for milling processes.Journal of Matericals Processing Technology 107 (2000) 243-251
38. Y.M.Chen,M.L.Lee. Neural networks-based scheme for system failure detection and diagnosis. Mathematics and Computers in Simulation,58 (2002)101-109
39. P.W. Prickett,C.Johns.An overview of approaches to end milling tool monitoring.International Journal of Machine Tool & Manufacture,39(1999) 105-122