發(fā)布時間：2017-11-01 13:03

  本文關鍵詞：起重機無線監(jiān)測及安全評估研究

  更多相關文章： 起重機 監(jiān)測 SVM 安全評估

【摘要】：起重機是現(xiàn)代工業(yè)生產(chǎn)不可缺少的設備，在很多領域都有廣泛的使用。但起重機安全事故仍不斷發(fā)生，如何有效對起重機的運行狀態(tài)進行安全監(jiān)測和預警，是需要解決的重要課題。當前起重機多物理量同步監(jiān)測研究尚不多見，雖然在起重機安全綜合評估方面，出現(xiàn)了一些新方法，但應用效果并不理想，因此急需在上述兩方面做深入研究。 本文詳細分析了起重機的結構組成和工作特點，總結了近30年的安全事故，提出了起重機安全監(jiān)測采集要求和基于三層結構的起重機無線監(jiān)測系統(tǒng)框架。對比分析了幾種常見短距無線傳輸網(wǎng)絡的特點，采用ZigBee網(wǎng)絡作為起重機無線監(jiān)測的傳輸網(wǎng)絡，，并通過選用無線應變傳感節(jié)點、無線電壓傳感節(jié)點和激光位移傳感器等硬件模塊組建了一個起重機無線監(jiān)測硬件系統(tǒng)。再利用Delphi的ObjectPascal語言和BDE數(shù)據(jù)庫接口，建立了起重機無線監(jiān)測軟件系統(tǒng)。提出以量化的方式處理起重機無線監(jiān)測的數(shù)據(jù)樣本，解決了不同型號起重機檢測數(shù)據(jù)樣本之間的不可比性，使機器學習的方式能夠應用到起重機安全狀態(tài)評估中。利用PCA（Principal Components Analysis）降維算法改進SVM（Support Vector Machine）分類效果，以MATLAB為工具，建立了起重機安全評估系統(tǒng)。 最后，以武漢某所的3.2t雙梁橋式起重機為監(jiān)測對象，利用起重機無線監(jiān)測系統(tǒng)對其進行了監(jiān)測實驗，實驗結果表明本文的起重機無線監(jiān)測系統(tǒng)精度較高，具有較強的實用性。
【關鍵詞】：起重機 監(jiān)測 SVM 安全評估
【學位授予單位】：武漢科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH21
【目錄】：

• 摘要4-5
• Abstract5-6
• 目錄6-8
• 第一章 緒論8-13
• 1.1 研究背景和意義8-9
• 1.2 國內(nèi)研究現(xiàn)狀與分析9-10
• 1.3 國外研究現(xiàn)狀與分析10-11
• 1.4 本研究的主要工作內(nèi)容11-13
• 第二章 基于三層結構的起重機監(jiān)測系統(tǒng)研究13-19
• 2.1 起重機的結構及工作特點13-15
• 2.2 起重機常見事故類型及監(jiān)測采集要求15-17
• 2.3 起重機三層監(jiān)測系統(tǒng)結構17-18
• 2.4 本章小結18-19
• 第三章 起重機無線監(jiān)測系統(tǒng)的建立19-30
• 3.1 無線網(wǎng)絡協(xié)議的選擇19-21
• 3.2 無線監(jiān)測系統(tǒng)硬件選型21-24
• 3.2.1 無線應變傳感節(jié)點22
• 3.2.2 無線電壓傳感節(jié)點22-23
• 3.2.3 激光位移傳感器23-24
• 3.3 起重機無線監(jiān)測硬件系統(tǒng)24
• 3.4 起重機無線監(jiān)測軟件系統(tǒng)開發(fā)24-29
• 3.4.1 Delphi 數(shù)據(jù)庫簡介24-25
• 3.4.2 起重機無線監(jiān)測系統(tǒng)軟件結構及界面25-29
• 3.5 本章小結29-30
• 第四章 基于 SVM 起重機金屬結構安全評估研究30-37
• 4.1 SVM 簡介30-31
• 4.2 起重機 SVM 安全評估系統(tǒng)31-34
• 4.2.1 安全評估指標量化31-32
• 4.2.2 樣本優(yōu)化處理32-33
• 4.2.3 SVM 安全評估系統(tǒng)33-34
• 4.3 SVM 安全評估系統(tǒng)仿真分析34-35
• 4.4 本章小結35-37
• 第五章 起重機無線監(jiān)測系統(tǒng)實例分析37-47
• 5.1 實驗樣機描述37-38
• 5.2 試驗樣機有限元分析38-40
• 5.3 起重機無線監(jiān)測系統(tǒng)實例應用40-46
• 5.3.1 生產(chǎn)車間層40-41
• 5.3.2 企業(yè)安全監(jiān)管層41-45
• 5.3.3 政府安全監(jiān)管層45-46
• 5.4 本章小結46-47
• 第六章 總結與展望47-49
• 6.1 總結47
• 6.2 展望47-49
• 致謝49-50
• 參考文獻50-54
• 附錄 1 攻讀碩士學位期間發(fā)表的論文54-55
• 中文詳細摘要55-57
• 英文詳細摘要57-58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐格寧;江凡;;基于模糊層次綜合法的起重機安全性評價[J];安全與環(huán)境學報;2010年02期

2 彭曉光,劉杰強;遠程監(jiān)控系統(tǒng)在起重機管理中的應用[J];港口裝卸;2004年06期

3 齊到滿;;基于無線遙測技術的起重機結構應力遠程監(jiān)測的實驗研究[J];港口裝卸;2011年01期

4 楊瑞剛;徐格寧;樹學峰;;基于未確知測度理論的橋式起重機安全評估[J];安全與環(huán)境學報;2011年02期

5 田金金;陳志平;張巨勇;黃超亮;;橋式起重機安全檢測法綜述及展望[J];機電工程;2009年03期

6 張健;芮延年;陳潔;;基于人工神經(jīng)網(wǎng)絡理論起重機機械系統(tǒng)敵障監(jiān)測與診斷[J];機電一體化;2005年06期

7 黃景濤;池小梅;馬建偉;;支持向量機算法多目標模型選擇[J];計算機工程與應用;2009年24期

8 楊巧萍;劉延雷;;國內(nèi)起重機事故統(tǒng)計分析與預防對策[J];機械管理開發(fā);2011年02期

9 張健沛,徐華;支持向量機(SVM)主動學習方法研究與應用[J];計算機應用;2004年01期

10 木林;;基于支持向量機算法和其他算法在文本分類中的性能比較[J];內(nèi)蒙古大學學報(自然科學版);2011年06期

本文編號：1126910