[發(fā)明專利]一種基于SOM神經(jīng)網(wǎng)絡的岸橋電機狀態(tài)聚類分析方法

在審

• 申請?zhí)枺?/td>: 201810031212.4
• 申請日: 2018-01-12
• 公開（公告）號: CN108154190A
• 公開（公告）日: 2018-06-12
• 發(fā)明（設計）人: 唐剛;姚小強;胡雄
• 申請（專利權(quán)）人: 上海海事大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海三和萬國知識產(chǎn)權(quán)代理事務所(普通合伙) 31230
• 代理人: 陳偉勇

一種基于SOM神經(jīng)網(wǎng)絡的岸橋電機狀態(tài)聚類分析方法，首先通過傳感器采集到岸橋起升電機振動烈度數(shù)據(jù)，再利用SOM神經(jīng)網(wǎng)絡得到電機振動烈度數(shù)據(jù)的聚類中心和類別，根據(jù)電機振動烈度數(shù)據(jù)的大小，把電機工作狀態(tài)分為良好、正常、注意、警告和危險這五種狀態(tài)，將結(jié)果反饋給岸橋技術(shù)人員，從而對岸橋的下一步操作進行準確的判斷。本發(fā)明采用無監(jiān)督神經(jīng)網(wǎng)絡，使用無標簽數(shù)據(jù)，完全根據(jù)數(shù)據(jù)間的相似性進行聚類，避免了有監(jiān)督學習采用有標簽數(shù)據(jù)存在的主觀性；本發(fā)明不需要借助于其他算法，可以自動處理各種類型的采樣數(shù)據(jù)，具有很強的通用性和魯棒性。此外，SOM神經(jīng)網(wǎng)絡算法結(jié)構(gòu)簡單,擁有高度的自組織和自學習能力，具有穩(wěn)定、高效和抗干擾力強等優(yōu)點。

技術(shù)領(lǐng)域：

本發(fā)明屬于岸橋模式識別技術(shù)領(lǐng)域，具體涉及一種基于SOM神經(jīng)網(wǎng)絡的岸橋電機狀態(tài)聚類分析方法。

技術(shù)背景：

本發(fā)明研究對象為岸橋式集裝箱起重機，其作為高危運輸機械，屬于國家規(guī)定的特種設備。岸橋是港口機械設備的重要組成部分，在集裝箱裝卸中扮演著重要的角色，岸橋一旦發(fā)生故障，輕則延誤貨物裝卸，造成企業(yè)經(jīng)濟損失，重則威脅岸橋操作人員的生命安全。因此，對岸橋式集裝箱起重機的研究具有非常重要的意義。

由于岸橋式集裝箱起重機的起升電機是岸橋的核心部件，經(jīng)常需要帶載荷長時間連續(xù)工作，且在工作期間不能進行停機檢修，因此需要在工作時間對起升電機整體的運行狀況進行識別，這樣才能保證岸橋的正常作業(yè)。

由于岸橋起升電機的機械狀態(tài)可以很好的反映電機的工作狀態(tài)，所以可以直接對起升電機的機械狀態(tài)進行檢測評估。又因為岸橋起升電機工作環(huán)境惡劣，很多故障特征是通過振動的形式表現(xiàn)出來的，因此，一般選取電機的振動烈度數(shù)據(jù)進行研究。

通過在岸橋起升電機上安裝傳感器，采集到大量的振動烈度數(shù)據(jù)。這些數(shù)據(jù)隱藏著起升電機運行狀態(tài)的各種信息，但是由于采集到的振動烈度數(shù)據(jù)量龐大、雜亂無章并且個別數(shù)據(jù)出現(xiàn)丟失，因此，對這些海量數(shù)據(jù)的處理與分析具有一定的挑戰(zhàn)。

目前對岸橋起升電機狀態(tài)的分析方法主要包括：(1)通過起升電機上測點的狀態(tài)來人為地對電機工作狀態(tài)進行評價；(2)使用有監(jiān)督學習算法對岸橋電機采樣數(shù)據(jù)進行網(wǎng)絡訓練，將采樣數(shù)據(jù)分類，然后分析每一類數(shù)據(jù)的物理意義。

不足之處：方法(1)要求具有一定專業(yè)技術(shù)和現(xiàn)場經(jīng)驗的工程師才行，且每次判斷的結(jié)果都帶有一定的主觀性，而且工作效率比較低。這顯然不適合在一些大型港口和生產(chǎn)型企業(yè)中使用。方法(2)采用有監(jiān)督學習算法，使用的都是帶標簽的訓練數(shù)據(jù)，并且需要事先設置訓練期望值，使得訓練過程帶有一定的主觀性，對岸橋起升電機的狀態(tài)識別不夠準確。

發(fā)明內(nèi)容：

針對上述的不足，本發(fā)明提出了一種基于SOM神經(jīng)網(wǎng)絡的岸橋電機狀態(tài)聚類分析方法，旨在對岸橋上電機的現(xiàn)場測試數(shù)據(jù)進行聚類分析，從而達到對岸橋上電機工作狀態(tài)進行檢測和識別的作用。

對某一圖形或某一頻率的特定興奮過程是自組織特征映射(SOM)神經(jīng)網(wǎng)絡競爭機制的生物學基礎。生物學研究表明，在人腦的感覺通道上，神經(jīng)元的組織原理是有序排列的。當外界的特定信息輸入時，大腦皮層的特定區(qū)域興奮，而且類似的外界信息在對應的區(qū)域是連續(xù)映像的。例如：生物視網(wǎng)膜中有許多特定的細胞對特定的圖形比較敏感，當視網(wǎng)膜中有若干個接收單元同時受特定模式刺激時，就使大腦皮層中的特定神經(jīng)元開始興奮，輸入模式接近，與之對應的興奮神經(jīng)元也接近；這種大腦皮層中神經(jīng)元的響應特點不是先天安排好的，而是通過后天的無監(jiān)督學習自組織形成的。

神經(jīng)元的有序排列以及對外界信息的連續(xù)映像在自組織特征映射(SOM)神經(jīng)網(wǎng)絡中也有反映，當外界輸入不同的樣本時，網(wǎng)絡中哪個位置的神經(jīng)元興奮在訓練開始時是隨機的。但自組織訓練后會在競爭層形成神經(jīng)元的有序排列，功能相近的神經(jīng)元非常靠近，功能不同的神經(jīng)元離的較遠。這一特點與人腦神經(jīng)元的組織原理十分相似。

基于SOM神經(jīng)網(wǎng)絡的岸橋電機狀態(tài)聚類分析方法包含以下幾步：