起重机无线监测及安全评估研究

发布时间：2017-11-01 13:03

  本文关键词：起重机无线监测及安全评估研究

  更多相关文章： 起重机 监测 SVM 安全评估

【摘要】：起重机是现代工业生产不可缺少的设备，在很多领域都有广泛的使用。但起重机安全事故仍不断发生，如何有效对起重机的运行状态进行安全监测和预警，是需要解决的重要课题。当前起重机多物理量同步监测研究尚不多见，虽然在起重机安全综合评估方面，出现了一些新方法，但应用效果并不理想，因此急需在上述两方面做深入研究。 本文详细分析了起重机的结构组成和工作特点，总结了近30年的安全事故，提出了起重机安全监测采集要求和基于三层结构的起重机无线监测系统框架。对比分析了几种常见短距无线传输网络的特点，采用ZigBee网络作为起重机无线监测的传输网络，，并通过选用无线应变传感节点、无线电压传感节点和激光位移传感器等硬件模块组建了一个起重机无线监测硬件系统。再利用Delphi的ObjectPascal语言和BDE数据库接口，建立了起重机无线监测软件系统。提出以量化的方式处理起重机无线监测的数据样本，解决了不同型号起重机检测数据样本之间的不可比性，使机器学习的方式能够应用到起重机安全状态评估中。利用PCA（Principal Components Analysis）降维算法改进SVM（Support Vector Machine）分类效果，以MATLAB为工具，建立了起重机安全评估系统。 最后，以武汉某所的3.2t双梁桥式起重机为监测对象，利用起重机无线监测系统对其进行了监测实验，实验结果表明本文的起重机无线监测系统精度较高，具有较强的实用性。
【关键词】：起重机 监测 SVM 安全评估
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH21
【目录】：

• 摘要4-5
• Abstract5-6
• 目录6-8
• 第一章 绪论8-13
• 1.1 研究背景和意义8-9
• 1.2 国内研究现状与分析9-10
• 1.3 国外研究现状与分析10-11
• 1.4 本研究的主要工作内容11-13
• 第二章 基于三层结构的起重机监测系统研究13-19
• 2.1 起重机的结构及工作特点13-15
• 2.2 起重机常见事故类型及监测采集要求15-17
• 2.3 起重机三层监测系统结构17-18
• 2.4 本章小结18-19
• 第三章 起重机无线监测系统的建立19-30
• 3.1 无线网络协议的选择19-21
• 3.2 无线监测系统硬件选型21-24
• 3.2.1 无线应变传感节点22
• 3.2.2 无线电压传感节点22-23
• 3.2.3 激光位移传感器23-24
• 3.3 起重机无线监测硬件系统24
• 3.4 起重机无线监测软件系统开发24-29
• 3.4.1 Delphi 数据库简介24-25
• 3.4.2 起重机无线监测系统软件结构及界面25-29
• 3.5 本章小结29-30
• 第四章 基于 SVM 起重机金属结构安全评估研究30-37
• 4.1 SVM 简介30-31
• 4.2 起重机 SVM 安全评估系统31-34
• 4.2.1 安全评估指标量化31-32
• 4.2.2 样本优化处理32-33
• 4.2.3 SVM 安全评估系统33-34
• 4.3 SVM 安全评估系统仿真分析34-35
• 4.4 本章小结35-37
• 第五章 起重机无线监测系统实例分析37-47
• 5.1 实验样机描述37-38
• 5.2 试验样机有限元分析38-40
• 5.3 起重机无线监测系统实例应用40-46
• 5.3.1 生产车间层40-41
• 5.3.2 企业安全监管层41-45
• 5.3.3 政府安全监管层45-46
• 5.4 本章小结46-47
• 第六章 总结与展望47-49
• 6.1 总结47
• 6.2 展望47-49
• 致谢49-50
• 参考文献50-54
• 附录 1 攻读硕士学位期间发表的论文54-55
• 中文详细摘要55-57
• 英文详细摘要57-58

【参考文献】

中国期刊全文数据库 前10条

1 徐格宁;江凡;;基于模糊层次综合法的起重机安全性评价[J];安全与环境学报;2010年02期

2 彭晓光,刘杰强;远程监控系统在起重机管理中的应用[J];港口装卸;2004年06期

3 齐到满;;基于无线遥测技术的起重机结构应力远程监测的实验研究[J];港口装卸;2011年01期

4 杨瑞刚;徐格宁;树学峰;;基于未确知测度理论的桥式起重机安全评估[J];安全与环境学报;2011年02期

5 田金金;陈志平;张巨勇;黄超亮;;桥式起重机安全检测法综述及展望[J];机电工程;2009年03期

6 张健;芮延年;陈洁;;基于人工神经网络理论起重机机械系统敌障监测与诊断[J];机电一体化;2005年06期

7 黄景涛;池小梅;马建伟;;支持向量机算法多目标模型选择[J];计算机工程与应用;2009年24期

8 杨巧萍;刘延雷;;国内起重机事故统计分析与预防对策[J];机械管理开发;2011年02期

9 张健沛,徐华;支持向量机(SVM)主动学习方法研究与应用[J];计算机应用;2004年01期

10 木林;;基于支持向量机算法和其他算法在文本分类中的性能比较[J];内蒙古大学学报(自然科学版);2011年06期

本文编号：1126910