桥式起重机故障分析与故障率预测方法研究

发布时间：2017-03-15 23:05

  本文关键词：桥式起重机故障分析与故障率预测方法研究，由笔耕文化传播整理发布。

【摘要】：桥式类型起重机是实现生产过程机械化与现代化的一种特种装备,在现代化工业中应用广泛,桥式类型起重机结构庞大、组成复杂,运作运行时相关人员较多,事故一旦发生就会造成严重后果。因此,对桥式起重机的故障进行分析和对发生故障的概率进行预测,可以在事故、故障发生之前,防止事故发生或提前做好应急工作。故障树分析法是使用最为广泛的一种故障分析方法。将故障树分析法用于桥式起重机的故障分析中,把故障清晰简洁的显示出来,对故障类型进行系统的总结,对引起故障的原因进行全面概括,从而定性的对故障进行分析。层次分析法是一种综合性的评价方法,将其用于故障分析中是基于故障树分析法,根据故障树画出相应故障的层次结构模型,利用专家的经验建立判断矩阵,计算每种影响因素的权重。使用层次分析法对故障进行定量分析,既避免了使用故障树分析法建立最小割集的强大的工作量,又减少了对最小割集的划分的主观性,解决了故障树逻辑关系的不确定性,以及在碰到逻辑门时无法判断两边重要度的问题。使用层次分析法计算重要度可以将每一层的影响因素相对于上一层因素的重要度均计算出来,而不仅仅是计算影响因素相对于目标层的权重。对桥式起重机的故障进行分析并分类之后,将统计的数据进行整理,对每类故障发生的概率进行预测,将24年的故障概率作为数据的输入,利用神经网络自学习自适应,预测下一年故障发生的概率,从而为预防故障发生以及准备零部件并合理安排维修时间与工作计划提供依据。本文使用两种神经网络对故障率分别进行预测,比较两种预测方法的准确性。首先,使用遗传算法优化BP神经网络进行预测,遗传算法优化的BP神经网络是进行预测时使用最为广泛的一种神经网络。其次,使用Elman神经网络进行预测,Elman神经网络是一种动态神经网络,常用于电力负荷预测。本文阐述了桥式起重机的结构以及故障形式,研究了使用故障树分析法与层次分析法相结合的方法进行分析,画出了桥式起重机主要故障的故障树及层次结构模型,建立了判断矩阵,计算了各影响因素的权重。本文使用神经网络进行故障率预测,研究神经网络的结构权值,得出神经网络的预测结果图和预测误差图,并对结果进行分析,从而判断使用神经网络方法预测故障率的可用性。
【关键词】：故障分析 故障树分析 层次分析 神经网络 预测
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH215
【目录】：

• 摘要5-7
• Abstract7-17
• 1 绪论17-23
• 1.1 选题背景及研究意义17-18
• 1.1.1 研究背景17
• 1.1.2 研究意义17-18
• 1.2 国内外研究现状18-21
• 1.2.1 故障分析的研究现状18-20
• 1.2.2 故障率预测的研究现状20-21
• 1.3 研究目的、内容、思路21-22
• 1.3.1 研究目的21
• 1.3.2 研究内容和思路21-22
• 1.4 研究方法22
• 1.5 本章小结22-23
• 2 桥式起重机故障分析23-31
• 2.1 桥式起重机概述23-26
• 2.1.1 桥式起重机结构23-24
• 2.1.2 桥式起重机分类24-25
• 2.1.3 桥式起重机安全防护装置25-26
• 2.2 桥式起重机故障类型分析26-30
• 2.2.1 桥式起重机主要故障类型27-29
• 2.2.2 桥式起重机故障原因分类29-30
• 2.3 本章小结30-31
• 3 桥式起重机故障的分析方法31-49
• 3.1 常用的故障分析方法31
• 3.2 故障树分析法31-37
• 3.2.1 故障树符号与应用31-34
• 3.2.2 故障树分析法的定性定量分析34-35
• 3.2.3 故障树分析方法的应用35-36
• 3.2.4 故障树分析法的缺点36-37
• 3.3 层次分析法37-42
• 3.3.1 层次分析法结构模型的建立37-40
• 3.3.2 判断矩阵的建立及组合权重值的确定40-42
• 3.4 故障树分析法与层次分析法相结合42-43
• 3.5 故障分析的意义43-45
• 3.5.1 在桥式起重机械使用过程中经常发生的事故43-44
• 3.5.2 故障分析与事故之间的关系44-45
• 3.6 本章小结45-49
• 4 故障发生概率的预测49-61
• 4.1 故障概率的预测方法49-50
• 4.2 基于BP神经网络的桥式起重机故障率的预测50-54
• 4.2.1 BP神经网络50-52
• 4.2.2 预测数据来源52-54
• 4.3 遗传算法优化神经网络54-57
• 4.3.1 遗传算法介绍54
• 4.3.2 遗传算法优化神经网络54-57
• 4.4 Elman神经网络57-59
• 4.4.1 Elman神经网络结构58
• 4.4.2 Elman神经网络学习过程58-59
• 4.5 本章小结59-61
• 5 神经网络预测及MATLAB的实现61-75
• 5.1 BP神经网络的建立61-63
• 5.1.1 BP神经网络参数的选择61-62
• 5.1.2 BP神经网络MATLAB实现62-63
• 5.2 遗传算法优化神经网络63-69
• 5.2.1 遗传算法的设置63-65
• 5.2.2 遗传算法优化BP神经网络输出65-66
• 5.2.3 预测输出和期望输出结果66-68
• 5.2.4 对预测误差进行分析68-69
• 5.3 Elman神经网络69-74
• 5.3.1 Elman神经网络的结构69-70
• 5.3.2 神经网络的训练70-71
• 5.3.3 Elman神经网络预测结果分析71-74
• 5.4 本章小结74-75
• 6 结论与展望75-77
• 6.1 结论75
• 6.2 展望75-77
• 参考文献77-81
• 致谢81-83
• 作者简介及读研期间主要科研成果83

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：桥式起重机故障分析与故障率预测方法研究，，由笔耕文化传播整理发布。

本文编号：251102