基于数据融合的岸桥金属结构智能评价系统研究
发布时间：2021-05-20 05:34
随着贸易的全球化、市场的多元化,港口越来越展现出其枢纽地位。港口起重机作为港口码头中的主力军,承担了大部分的装卸工作。岸边集装箱装卸桥（以下简称岸桥）作为港口起重机中的一个典型代表,其结构复杂、工作速度快,一旦发生事故,轻则设备损坏,重则机毁人亡。同时,随着岸桥服役年限的增加,加之空气中的水分与盐分的腐蚀,岸桥的故障率会因为金属结构性能的降低而逐年提高。因此,开展岸桥的安全评价工作具有十分重要的意义。本文以岸桥的骨架——金属结构作为研究对象,针对现有的安全评价方法过于主观、评价结果不具有实时性、评价系统不够智能的问题,开展了基于数据融合的智能评价方法研究,旨在提升评价过程的智能性,评价结果的客观性与准确性。本文的主要工作如下:（1）采用数据融合与人工智能算法,构建出基于数据融合的岸桥智能评价方法,并对数据融合结构的信息层、特征层与决策层包含的算法进行了清晰地说明,对每一层的功能进行了规划。（2）根据湛江港检修时记录的岸桥金属结构各指标数据,对BP神经网络进行训练,针对岸桥整机评价结果指标缺失的问题,提出了一种基于Miner法则的岸桥整机评价结果的方法。由于梯度下降法本身存在的缺陷,通过...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题的研究背景与意义
1.3 课题的国内外研究现状
1.3.1 起重机安全评价的研究现状
1.3.2 数据融合技术的研究现状
1.3.3 人工智能的研究现状
1.4 本文主要研究内容
第2章 数据融合与智能算法
2.1 数据融合的基本原理
2.2 数据融合的模型
2.2.1 数据融合的功能模型
2.2.2 数据融合的结构模型
2.2.3 数据融合的常用算法
2.3 数据融合的通用结构
2.3.1 集中式处理
2.3.2 分布式处理
2.3.3 混合式融合结构
2.4 人工神经网络
2.5 BP神经网络
2.5.1 BP神经网络的结构
2.5.2 BP神经网络的算法
2.5.3 BP神经网络的正向传播
2.5.4 BP神经网络的反向传播
2.5.5 BP神经网络的不足
2.6 D-S证据理论
2.6.1 基本定义
2.6.2 合成规则
2.7 本章小结
第3章 基于神经网络的岸桥金属结构评价方法
3.1 岸桥智能评价系统层次结构
3.2 岸桥金属结构智能评价系统信息层的构建
3.3 岸桥金属结构评价指标数据归一化
3.3.1 强度指标
3.3.2 刚度指标
3.3.3 裂纹指标
3.3.4 变形指标
3.3.5 锈蚀指标
3.4 基于岸桥寿命的评价方法
3.4.1 Miner疲劳理论
3.4.2 评价方法
3.5 LM-BP神经网络
3.5.1 构建神经网络训练样本
3.5.2 BP神经网络改进算法的选取
3.5.3 LM-BP神经网络算例
3.6 本章小结
第4章 基于改进熵权法的模糊层次分析法
4.1 模糊层次分析法
4.2 熵权法在模糊赋权中的应用
4.2.1 熵权法
4.2.2 熵权法在模糊赋权中存在的问题
4.2.3 熵权法在模糊赋权下的改进
4.3 组合赋权
4.4 结果分析
4.5 岸桥金属结构智能评价系统决策层的构建
4.5.1 基于D-S证据理论的合成
4.5.2 冲突证据下的合成
4.5.2.1 对融合规则的改进
4.5.2.2 对证据源的修正
4.6 本章小结
第5章 岸桥金属结构智能评价系统设计
5.1 系统功能
5.2 系统的主要功能模块
5.3 系统主要模块的实现
5.3.1 用户管理模块的实现
5.3.2 数据采集/输入模块的实现
5.3.3 数据分析及评价模块的实现
5.3.4 权重设置模块的实现
5.3.5 训练样本模块的实现
5.3.6 帮助模块的实现
5.4 本章小结
第6章 总结与展望
6.1 研究工作总结
6.2 研究工作展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果
本文编号：3197185
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题的研究背景与意义
1.3 课题的国内外研究现状
1.3.1 起重机安全评价的研究现状
1.3.2 数据融合技术的研究现状
1.3.3 人工智能的研究现状
1.4 本文主要研究内容
第2章 数据融合与智能算法
2.1 数据融合的基本原理
2.2 数据融合的模型
2.2.1 数据融合的功能模型
2.2.2 数据融合的结构模型
2.2.3 数据融合的常用算法
2.3 数据融合的通用结构
2.3.1 集中式处理
2.3.2 分布式处理
2.3.3 混合式融合结构
2.4 人工神经网络
2.5 BP神经网络
2.5.1 BP神经网络的结构
2.5.2 BP神经网络的算法
2.5.3 BP神经网络的正向传播
2.5.4 BP神经网络的反向传播
2.5.5 BP神经网络的不足
2.6 D-S证据理论
2.6.1 基本定义
2.6.2 合成规则
2.7 本章小结
第3章 基于神经网络的岸桥金属结构评价方法
3.1 岸桥智能评价系统层次结构
3.2 岸桥金属结构智能评价系统信息层的构建
3.3 岸桥金属结构评价指标数据归一化
3.3.1 强度指标
3.3.2 刚度指标
3.3.3 裂纹指标
3.3.4 变形指标
3.3.5 锈蚀指标
3.4 基于岸桥寿命的评价方法
3.4.1 Miner疲劳理论
3.4.2 评价方法
3.5 LM-BP神经网络
3.5.1 构建神经网络训练样本
3.5.2 BP神经网络改进算法的选取
3.5.3 LM-BP神经网络算例
3.6 本章小结
第4章 基于改进熵权法的模糊层次分析法
4.1 模糊层次分析法
4.2 熵权法在模糊赋权中的应用
4.2.1 熵权法
4.2.2 熵权法在模糊赋权中存在的问题
4.2.3 熵权法在模糊赋权下的改进
4.3 组合赋权
4.4 结果分析
4.5 岸桥金属结构智能评价系统决策层的构建
4.5.1 基于D-S证据理论的合成
4.5.2 冲突证据下的合成
4.5.2.1 对融合规则的改进
4.5.2.2 对证据源的修正
4.6 本章小结
第5章 岸桥金属结构智能评价系统设计
5.1 系统功能
5.2 系统的主要功能模块
5.3 系统主要模块的实现
5.3.1 用户管理模块的实现
5.3.2 数据采集/输入模块的实现
5.3.3 数据分析及评价模块的实现
5.3.4 权重设置模块的实现
5.3.5 训练样本模块的实现
5.3.6 帮助模块的实现
5.4 本章小结
第6章 总结与展望
6.1 研究工作总结
6.2 研究工作展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果
本文编号：3197185
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3197185.html
