基于RBF神经网络的门式起重机故障诊断系统的研究.pdfVIP

学兔兔 第 l1卷第4期 中 国 工 程 机 械 学 报 Vo1．11 No．4 2013年8月 CHINESE JOURNAL OF CONSTRUCT10N MACHINERY Aug．2013 基于RBF神经网络的门式起重机故障 诊断系统的研究 杨行舟，程文明，许明恒 (西南交通大学机械工程学院，四川成都 610031) 摘要：门式起重机是港口码头、铁路集散中心常见的大型吊装设备，为了避免其发生故障影响工程作业的效率 和进度，有必要对门机进行实时监控并对其发生的故障进行诊断和预测．探讨了基于径向基函数(RBF)神经网 络的门机故障诊断系统，针对门机的几种常见故障进行诊断，结果表明该方法切实可行． 关键词：径向基神经网络；门式起重机；故障诊断 中图分类号：TP389．1 文献标志码：A 文章编号：1672—5581(2013)04—0337—03 Gantry crane fault diagnosis system based on RBF neural network YANG Xing-zhou，CHENG Wen—ruing，XU Ming-heng (Mechanical Engineering College，Southwest Jiaotong University，Chengdu 610031，China) Abstract：The gantry cranes are frequently applied as large-scale hoisting equipment in port terminals and railway distribution centers．To avoid the faults that impact the operational efficiency and scheduling， it is of necessity to diagnose and forecast the faults via real—time monitoring on gantry cranes． Accordingly，a gantry crane fault diagnosis system is investigated based on the RBF (Radial-Basis Function)neural network．By diagnosing Through several common faults，it is indicated from results that the proposed method is feasible． Key words：radial—basis function neural network；gantry crane；fault diagnosis 门式起重机是室外物料搬运装卸、设备及建筑 一 种新颖有效的前向型神经网络，由于该网络输出 构件安装过程中应用最为广泛、最为频繁的一种大 层是对中间层的线性加权，使得该网络避免了像 型工程机械．门式起重机是减轻笨重体力劳动，提 BP网络那样繁琐冗长的计算，具有较高的运算速 高作业效率，实现安全生产的起重运输设备，可以 度和外推能力，同时使得网络有较强的非线性映射 在一定范围内垂直起升和水平移动物品，具有动作 功能[2]．本文分析了RBF神经网络在门式起重机 间歇性和作业循环性的特点．随着门机使用频率的 故障诊断中的应用． 增加和维护不当，门机的故障率逐步上升，影响了 作业的速度和效率，因此对门式起重机的实时监控 1 RBF神经网络原理 及故障的诊断和识别显得非常重要_1]． 神经网络因为其广泛的适应能力和学习能力， 1985年，Powel提出了多变量插值