橋式起重機(jī)故障分析與故障率預(yù)測(cè)方法研究.pdf

1、橋式類(lèi)型起重機(jī)是實(shí)現(xiàn)生產(chǎn)過(guò)程機(jī)械化與現(xiàn)代化的一種特種裝備，在現(xiàn)代化工業(yè)中應(yīng)用廣泛，橋式類(lèi)型起重機(jī)結(jié)構(gòu)龐大、組成復(fù)雜，運(yùn)作運(yùn)行時(shí)相關(guān)人員較多，事故一旦發(fā)生就會(huì)造成嚴(yán)重后果。因此，對(duì)橋式起重機(jī)的故障進(jìn)行分析和對(duì)發(fā)生故障的概率進(jìn)行預(yù)測(cè)，可以在事故、故障發(fā)生之前，防止事故發(fā)生或提前做好應(yīng)急工作。
　　故障樹(shù)分析法是使用最為廣泛的一種故障分析方法。將故障樹(shù)分析法用于橋式起重機(jī)的故障分析中，把故障清晰簡(jiǎn)潔的顯示出來(lái)，對(duì)故障類(lèi)型進(jìn)行系統(tǒng)的總結(jié)，

2、對(duì)引起故障的原因進(jìn)行全面概括，從而定性的對(duì)故障進(jìn)行分析。層次分析法是一種綜合性的評(píng)價(jià)方法，將其用于故障分析中是基于故障樹(shù)分析法，根據(jù)故障樹(shù)畫(huà)出相應(yīng)故障的層次結(jié)構(gòu)模型，利用專(zhuān)家的經(jīng)驗(yàn)建立判斷矩陣，計(jì)算每種影響因素的權(quán)重。使用層次分析法對(duì)故障進(jìn)行定量分析，既避免了使用故障樹(shù)分析法建立最小割集的強(qiáng)大的工作量，又減少了對(duì)最小割集的劃分的主觀性，解決了故障樹(shù)邏輯關(guān)系的不確定性，以及在碰到邏輯門(mén)時(shí)無(wú)法判斷兩邊重要度的問(wèn)題。使用層次分析法計(jì)算重要度可

3、以將每一層的影響因素相對(duì)于上一層因素的重要度均計(jì)算出來(lái)，而不僅僅是計(jì)算影響因素相對(duì)于目標(biāo)層的權(quán)重。
　　對(duì)橋式起重機(jī)的故障進(jìn)行分析并分類(lèi)之后，將統(tǒng)計(jì)的數(shù)據(jù)進(jìn)行整理，對(duì)每類(lèi)故障發(fā)生的概率進(jìn)行預(yù)測(cè)，將24年的故障概率作為數(shù)據(jù)的輸入，利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)，預(yù)測(cè)下一年故障發(fā)生的概率，從而為預(yù)防故障發(fā)生以及準(zhǔn)備零部件并合理安排維修時(shí)間與工作計(jì)劃提供依據(jù)。本文使用兩種神經(jīng)網(wǎng)絡(luò)對(duì)故障率分別進(jìn)行預(yù)測(cè)，比較兩種預(yù)測(cè)方法的準(zhǔn)確性。首先，使用遺傳算

4、法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)是進(jìn)行預(yù)測(cè)時(shí)使用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)。其次，使用Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，Elman神經(jīng)網(wǎng)絡(luò)是一種動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，常用于電力負(fù)荷預(yù)測(cè)。
　　本文闡述了橋式起重機(jī)的結(jié)構(gòu)以及故障形式，研究了使用故障樹(shù)分析法與層次分析法相結(jié)合的方法進(jìn)行分析，畫(huà)出了橋式起重機(jī)主要故障的故障樹(shù)及層次結(jié)構(gòu)模型，建立了判斷矩陣，計(jì)算了各影響因素的權(quán)重。本文使用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障率預(yù)測(cè)，研究神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)權(quán)值