装卸设备系统的安全性和故障处理研究

摘要

本报告以上海振华港口机械有限公司提出的“高效经济型集装箱自动化码头”为研究背景，以上海市科学技术委员会科研计划项目课题“装卸系统设备的安全性控制、故障处理及应急状态下处理对策”为研究内容。重点研究了影响集装箱自动化码头装卸设备系统安全可靠作业的因素和故障处理规则，以及基于支持向量机技术的装卸设备电机故障诊断方法，最后对所提出算法进行了计算机仿真验证。本文的主要结论如下:1、分析了上海振华港口机械有限公司提出的“高效经济型集装箱自动化码头”的装卸设备系统，建立了基于装卸作业链的系统状态描述模型;2、以所建系统状态图模型为基础，分析影响装卸设备系统安全作业的因素并提出相应的处理原则;针对集装箱装卸系统特点，提出了相应的应急处理策略;3、提出了基于粒子群参数自动选择的最小二乘支持向量机算法，应用于集装箱装卸设备的电机故障诊断，仿真结果表明故障识别率好于基于遗传算法的最小二乘支持向量机。4、提出了稀疏Tikhonov正则化支持向量机，应用于集装箱装卸设备的电机故障诊断，仿真结果表明相比于基于剪枝方法和遗传算法的Tikhonov正则化支持向量机方法，该算法具有更好的稀疏性和训练速度。关键字:港口装卸设备，安全性，状态图，Tikhonov正则化，粒子群，最小二乘支持向量机

目录

文摘

英文文摘

第一章引言

1.1选题背景

1.2课题意义与必要性

1.3发展现状

1.4论文完成的主要工作

第二章集装箱自动化码头装卸设备系统描述

2.1总体目标

2.2系统架构

2.3装卸线各设备作业流程的状态图描述

2.3.1卸船时各装卸设备的状态图

2.3.2装船时各装卸设备的状态图

2.4装卸线系统状态图

2.4.1卸船

2.4.2装船

2.5小结

第三章集装箱自动化码头装卸设备系统安全分析

3.1集装箱装卸设备故障列表

3.1.1卸船时设备故障列表

3.1.2装船时设备故障列表

3.2装卸设备的故障处理

3.2.1卸船时设备故障处理

3.2.2装船时设备故障处理

3.3装卸系统各设备应急处理

3.3.1各设备应急事件

3.3.2应急事件处理

3.4小结

第四章支持向量机技术

4.1支持向量机技术的发展

4.1.1 SVM机器学习算法的发展历史和现状

4.1.2 SVM机器学习算法在故障诊断中的研究现状

4.2基于粒子群的最小二乘支持向量机

4.2.1最小二乘支持向量机

4.2.2基于粒子群的最小二乘支持向量机参数选择

4.3基于Tikhonov正则化的支持向量机

4.3.1 Tikhonov正则化支持向量机

4.3.2改进的Tikhonov正则化支持向量机

4.4小结

第五章改进支持向量机算法的应用

5.1函数回归问题

5.2 UCI标准数据仿真与分析

5.3基于粒子群支持向量机的电机故障诊断

5.4稀疏Kikhonov正则化支持向量机的电机故障诊断

5.5小结

第六章 结论与展望

6.1总结

6.2展望

参考文献

致谢

博士生期间发表的学术论文、专著

博士后期间发表的学术论文、专著

个人简历

永久通信地址