Elman神经网络在起重机安全评估中的应用.pdfVIP

学兔兔 第2期(总第183期) 机 械 工 程 与 自动 化 NO．2 2014年O4月 MECHANICAL ENGINEERlNG AUT()MATI()N Apr． 文章编号：1672-6413(2014)02—0109—02 Elman神经网络在起重机安全评估中的应用睾 蔡福海 ，罗建国 ，王 欣。，赵福令 (1．大连理工大学．辽宁 大连 116023；2．赤峰市特种设备检验所，内蒙古 赤峰 024000；3．大连理 工大学 (徐州)工程机械研究中心，江苏 徐州 221004) 摘要：介绍了Elman神经网络在起重机安全评估过程中的应用原理，指出了Elman神经网络发挥的巨大作 用。通过对起重机安全保护装置对起重机安全作业的影响分析，建立了评估模型和结构参数，通过120个评 估样本的测试，安全评估正确率可达到95 以上，具有较高的正确率。 关键词：Elman神经网络；起重机；安全评估；应用 中图分类号：TH2l：TP183 文献标识码：A 0 引言 图t为Elman神经网络模型。其中，T，X，z ，Y 起重机是广泛应用于工业生产领域中的生产设 分别为输入向量、隐藏层节点单元向量、承接层向量和 备，其服役安全状态很大程度上决定着生产活动的安 输出向量。描述Elman神经网络的非线性状态空间 全性能。在影响起重机安全性能的诸多因素中，起重 表达式如下： 机起升机构的安全性以及可靠性占据着整机安全性能 (志)一g(w3·z(七))． (1) 指标的重要部分，而在起升机构中，制动器部分的安全 (是)一f(wl·z (是)+W2(T(k一1)))． (2) 是重中之重。起重机在工作过程中发生的安全事故， z (忌)===z(七一1)． (3) 大多数情况是由于制动器的频繁使用，导致制动效果 其中：W ，W。，W 分别是承接层到隐藏层、输入层到隐 下滑，从而出现制动失效导致事故发生。为此，对安全 藏层、隐藏层到输出层的连接权值；厂(·)是隐藏层神 保护装置的可用性进行合理评估就显得尤为重要。 经元传递函数，一般使用S函数；g(·)是输出神经元 Elman神经网络可以构建起重机的安全状态参数以及 传递函数，是隐藏层输出的线性组合。 安全状态级别之间的关系，通过网络自学习计算，有效 计算各类参数间的复杂关系，能够自动快速对起重机 输出 的安全状态进行识别，在安全评估中可以发挥巨大的 作用。 隐藏 1 Elman神经网络概述 接层 Elman网络是J L Elman于1990年首先针对语 音处理问题而提出来的，它是一种典型的局部回归网 输入 络(global feed forward local recurrent)。Elman型递 归神经网络由输人层、隐藏层、承接层和输出层组成。 图 1 Elman神经网络模型 输入层单元的作用是传输信号；输出层单元的作用是 网络学习过程是一个不断调整权值的过程， 线性加权；隐藏层单元可使用非线性或线性的传递函 Elman神经网络使用BP算法来修正权值，使用均方 数，一般为Sigmoid