基于Maximo起重机的预防性和预测性维护的研究

发布时间：2018-01-13 14:36

  本文关键词：基于Maximo起重机的预防性和预测性维护的研究　出处：《天津理工大学》2014年硕士论文　论文类型：学位论文

  更多相关文章： 桥式起重机 maximo 预防性和预测性维护 神经网络

【摘要】：桥式起重机是现代工业一种重要的运输设备，，其正常运行直接影响企业的生产效率。而且桥式起重机运行过程中有很高的危险性,一旦发生事故，将给企业带来巨大的经济损失，甚至造成人员伤害。因此,本文提出使用maximo软件对起重机进行预防性和预测性维护。 本文对一家公司的桥式起重机使用maximo软件对其主要零部件进行预防性维护，对起重机进行全面统一的维护规划，合理利用维护数据。通过对起重机进行预防维护,降低了桥式起重停机百分比，提高企业的生产效率并降低维护成本。同时，本文设计起重机运行数据采集系统,根据采集数据并结合起重机使用标准，利用maximo预测了起重机的剩余寿命，从而减少桥式起重机突发事故的发生。 最后根据起重机的结构特点,分析神经网络在起重机安全评估方面具有可行性，根据起重机自身结构等方面的研究分析确定起重机安全评估模型,使用模糊神经网络算法建立了一种起重机安全评价的方法,该方法经过实例验证表明可行,并具有较好的可移植性。
[Abstract]:Bridge crane is an important transportation equipment in modern industry, its normal operation directly affects the production efficiency of enterprises, and bridge crane operation process has a high risk, once an accident occurs. It will bring huge economic loss to enterprises and even cause human injury. Therefore, this paper proposes to use maximo software for preventive and predictive maintenance of cranes. In this paper, the bridge crane of a company uses maximo software to carry on the preventive maintenance to its main parts, and carries on the comprehensive and unified maintenance plan to the crane. Reasonable use of maintenance data. Through the preventive maintenance of the crane, reduce the percentage of overhead crane downtime, improve the production efficiency of enterprises and reduce the cost of maintenance. In this paper, the crane running data acquisition system is designed. According to the collected data and combined with the crane usage standard, maximo is used to predict the remaining life of the crane. In order to reduce the bridge crane accident. Finally, according to the structural characteristics of the crane, the paper analyzes the feasibility of the neural network in crane safety evaluation, and determines the crane safety evaluation model according to the crane structure research and analysis. The fuzzy neural network algorithm is used to establish a safety evaluation method for cranes. The method is proved to be feasible and portability by a practical example.
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH215

【参考文献】

相关期刊论文 前10条

1 金音;朱佰敏;;高速公路机电设备维护维修信息化系统[J];安防科技;2008年08期

2 高红;;BP神经网络学习率的优化方法[J];长春师范学院学报(自然科学版);2010年04期

3 王淑娟,陈博,赵国良;基于小波包变换预处理的模拟电路故障诊断方法[J];电工技术学报;2003年04期

4 张建会;;OPC在工厂DCS控制系统中的应用[J];电工技术;2006年01期

5 杨宁,丁华,齐峰;MAXIMO在电厂设备管理中的应用[J];电力建设;2005年02期

6 梁戈超,何怡刚,朱彦卿;基于模糊神经网络融合遗传算法的模拟电路故障诊断法[J];电路与系统学报;2004年02期

7 梅峰;;基于C/S架构MIS设计中安全技术的应用[J];电脑知识与技术;2009年14期

8 李长健;资产维护新思维——资产维护信息系统MAXIMO在天荒坪抽水蓄能电站的应用[J];电力信息化;2003年02期

9 陈珏;何国军;文厚萍;;基于Maximo的电力企业物资管理系统建设[J];电力信息化;2008年03期

10 谭阳红,何怡刚,陈洪云;大规模电路故障诊断的集团法[J];电子测量与仪器学报;2003年04期

本文编号：1419273