岸桥工况状态的神经网络识别技术的研究

【作者】 王志欣；

【导师】 胡雄；

【作者基本信息】 上海海运学院 ， 机械设计及理论， 2003， 硕士

【摘要】 本论文依托外高桥集装箱码头岸桥状态监测分析系统的研制和宝钢原料码头卸船机状态监测诊断系统预研两个工程项目进行一些关键技术的研究。 本论文在讨论基于神经网络的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，并进行了应用。 在应用过程中，本论文所需要的大量学习样本是通过模型试验得到的，本文介绍了在试验过程中用到的岸桥模型和数据采集软件。通过岸桥模型，模拟真实岸桥运行时的各种工作工况，得到了大量的数据，为网络的学习建立了样本库。 本论文依据岸桥实体和模型上传感装置的布置位置和数量建立了神经网络模型，并以采集得到的数据作为教师值，对网络进行训练。 在模式识别的过程中，本论文比较了基于BP网络和基于带有偏差值的递归神经网络两种模式识别的方法。并分别用两种方法进行网络的训练，得出了后者在网络的学习过程中优于前者的结论。本论文还分析了减少网络结构的优化对网络学习的影响，并通过比较加以说明。更多还原

【Abstract】 The dissertation devotes to research some key technologies based on the system of status monitoring and analysis of Quayside Container Crane (QCC) in WIGAOQIAO Terminal and the raw-material terminal of BAO Steel.A new Pattern Recognition system based on Recurrent Network with bias units is designed and employed to application. During the application, the training swatches needed are obtained by a lot of model tests. The QCC model and the data-acquisition software, through which needed data can be get, are introduced.A model of ANN is developed based on the locations and quantities of sensors on the QCC model. The net can be trained by the gained data.During the Pattern Recognition, the BP-based Network and the bias units-based Recurrent Network are compared, which draw the conclusion that the latter is better than the former. Some analysis about the influence of the optimization of network structure is made.更多还原