集装箱岸桥工况状态的神经网络识别技术研究.pdfVIP

集装稍岸桥工况状态的神经网络识别技术的研究 王志欣，成玫，胡雄 (上海海运学院上海200135) 摘要：本论文在基于神经网络模式识别技术的基础上，阐述了所设计的基于带有偏差值的递归神经网络的模式 识别系统的工作原理，并在港口机械状态监测与安全性评估系统中，针对岸桥小车位王和栽荷两个重要参数进行了 识别技术的研究，取得了良好的效果。 关键词：港口机械：神经网络：模式识别 1引言 本论文中，利用带有偏差单元的递归神经网络来构造网 络的结构。带有偏差单元的递归神经网络结构同BP网络相 目前，我国大型港口机械(特别是大型岸桥)的电气控制 近，如图1。它由3层节点组成：输入层节点、隐层节点和 系统可以对系统运行状态进行监控、故障显示，而对机构、 输出节点，两个偏差节点分别被加在隐层和输出层上，隐层 结构却缺少应有的运行监测手段对其运行状况进行判别，导 节点不仅接收来自输入层的输出信号，还接收隐层节点自身 致机构、结构的故障隐患不能早期判断处理，对设备的安全 的一步延时输出信号，称为关联节点。 运行构成严重威胁。 设朋7和M分别为隐层节点数(除偏差节点)和输入层节 由上海海运学院机械系装卸机械状态监控信息处理研 点数，五Ⅲ是带有偏差单元的递归神经网络在时间k的第f 究中心开发的《港口机械状态监测与安全性评估系统 删AS)》正是为了满足港口的这一需求而开发的。该系统 个输入，删是第J个隐层节点的输出，y内是带有偏差单元 的递归神经网络的输出向量．则带有偏差单元的递归神经网 通过布置在港口机械运行机构和金属结构各个部位的传感 络可由数学公式(1)描述： 器来测取数据，经调理放大后，进入计算机对港机进行状态 监测和各项性能指标的评估。该系统自2000年投入使用以 x，@)=盯(s，@)) Ⅻ 来，已经在上海外高轿集装箱码头等全国许多港口企业得到 了广泛的应用，并取得了良好的效果，提高了设备管理的现 J』(I；})=∑WR#·工i(后一1)+ ，。。21 、’(1) 代化程度。 M 本论文针对该系统中岸桥上小车位置和载荷 ∑wF·，i(”+肼·腑‰』 f；l 两个重要参数，应用神经网络的理论和技术，对岸 Ⅻ 桥工况状态的识别技术进行了研究。 bias ，=1 2带偏差单元的递归神经网络的原理和算法 式中盯(．)是隐层节点的非线性激活函数，阡L降麓， 简介【1】 wo分别为从输入层到隐层、递归信号、从隐层到输出层的