隨著貿(mào)易的全球化、市場(chǎng)的多元化,港口越來越展現(xiàn)出其樞紐地位。港口起重機(jī)作為港口碼頭中的主力軍,承擔(dān)了大部分的裝卸工作。岸邊集裝箱裝卸橋（以下簡(jiǎn)稱岸橋）作為港口起重機(jī)中的一個(gè)典型代表,其結(jié)構(gòu)復(fù)雜、工作速度快,一旦發(fā)生事故,輕則設(shè)備損壞,重則機(jī)毀人亡。同時(shí),隨著岸橋服役年限的增加,加之空氣中的水分與鹽分的腐蝕,岸橋的故障率會(huì)因?yàn)榻饘俳Y(jié)構(gòu)性能的降低而逐年提高。因此,開展岸橋的安全評(píng)價(jià)工作具有十分重要的意義。本文以岸橋的骨架——金屬結(jié)構(gòu)作為研究對(duì)象,針對(duì)現(xiàn)有的安全評(píng)價(jià)方法過于主觀、評(píng)價(jià)結(jié)果不具有實(shí)時(shí)性、評(píng)價(jià)系統(tǒng)不夠智能的問題,開展了基于數(shù)據(jù)融合的智能評(píng)價(jià)方法研究,旨在提升評(píng)價(jià)過程的智能性,評(píng)價(jià)結(jié)果的客觀性與準(zhǔn)確性。本文的主要工作如下:（1）采用數(shù)據(jù)融合與人工智能算法,構(gòu)建出基于數(shù)據(jù)融合的岸橋智能評(píng)價(jià)方法,并對(duì)數(shù)據(jù)融合結(jié)構(gòu)的信息層、特征層與決策層包含的算法進(jìn)行了清晰地說明,對(duì)每一層的功能進(jìn)行了規(guī)劃。（2）根據(jù)湛江港檢修時(shí)記錄的岸橋金屬結(jié)構(gòu)各指標(biāo)數(shù)據(jù),對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,針對(duì)岸橋整機(jī)評(píng)價(jià)結(jié)果指標(biāo)缺失的問題,提出了一種基于Miner法則的岸橋整機(jī)評(píng)價(jià)結(jié)果的方法。由于梯度下降法本身存在的缺陷,通過... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源
    1.2 課題的研究背景與意義
    1.3 課題的國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 起重機(jī)安全評(píng)價(jià)的研究現(xiàn)狀
        1.3.2 數(shù)據(jù)融合技術(shù)的研究現(xiàn)狀
        1.3.3 人工智能的研究現(xiàn)狀
    1.4 本文主要研究?jī)?nèi)容
第2章 數(shù)據(jù)融合與智能算法
    2.1 數(shù)據(jù)融合的基本原理
    2.2 數(shù)據(jù)融合的模型
        2.2.1 數(shù)據(jù)融合的功能模型
        2.2.2 數(shù)據(jù)融合的結(jié)構(gòu)模型
        2.2.3 數(shù)據(jù)融合的常用算法
    2.3 數(shù)據(jù)融合的通用結(jié)構(gòu)
        2.3.1 集中式處理
        2.3.2 分布式處理
        2.3.3 混合式融合結(jié)構(gòu)
    2.4 人工神經(jīng)網(wǎng)絡(luò)
    2.5 BP神經(jīng)網(wǎng)絡(luò)
        2.5.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.5.2 BP神經(jīng)網(wǎng)絡(luò)的算法
        2.5.3 BP神經(jīng)網(wǎng)絡(luò)的正向傳播
        2.5.4 BP神經(jīng)網(wǎng)絡(luò)的反向傳播
        2.5.5 BP神經(jīng)網(wǎng)絡(luò)的不足
    2.6 D-S證據(jù)理論
        2.6.1 基本定義
        2.6.2 合成規(guī)則
    2.7 本章小結(jié)
第3章 基于神經(jīng)網(wǎng)絡(luò)的岸橋金屬結(jié)構(gòu)評(píng)價(jià)方法
    3.1 岸橋智能評(píng)價(jià)系統(tǒng)層次結(jié)構(gòu)
    3.2 岸橋金屬結(jié)構(gòu)智能評(píng)價(jià)系統(tǒng)信息層的構(gòu)建
    3.3 岸橋金屬結(jié)構(gòu)評(píng)價(jià)指標(biāo)數(shù)據(jù)歸一化
        3.3.1 強(qiáng)度指標(biāo)
        3.3.2 剛度指標(biāo)
        3.3.3 裂紋指標(biāo)
        3.3.4 變形指標(biāo)
        3.3.5 銹蝕指標(biāo)
    3.4 基于岸橋壽命的評(píng)價(jià)方法
        3.4.1 Miner疲勞理論
        3.4.2 評(píng)價(jià)方法
    3.5 LM-BP神經(jīng)網(wǎng)絡(luò)
        3.5.1 構(gòu)建神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本
        3.5.2 BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法的選取
        3.5.3 LM-BP神經(jīng)網(wǎng)絡(luò)算例
    3.6 本章小結(jié)
第4章 基于改進(jìn)熵權(quán)法的模糊層次分析法
    4.1 模糊層次分析法
    4.2 熵權(quán)法在模糊賦權(quán)中的應(yīng)用
        4.2.1 熵權(quán)法
        4.2.2 熵權(quán)法在模糊賦權(quán)中存在的問題
        4.2.3 熵權(quán)法在模糊賦權(quán)下的改進(jìn)
    4.3 組合賦權(quán)
    4.4 結(jié)果分析
    4.5 岸橋金屬結(jié)構(gòu)智能評(píng)價(jià)系統(tǒng)決策層的構(gòu)建
        4.5.1 基于D-S證據(jù)理論的合成
        4.5.2 沖突證據(jù)下的合成
            4.5.2.1 對(duì)融合規(guī)則的改進(jìn)
            4.5.2.2 對(duì)證據(jù)源的修正
    4.6 本章小結(jié)
第5章 岸橋金屬結(jié)構(gòu)智能評(píng)價(jià)系統(tǒng)設(shè)計(jì)
    5.1 系統(tǒng)功能
    5.2 系統(tǒng)的主要功能模塊
    5.3 系統(tǒng)主要模塊的實(shí)現(xiàn)
        5.3.1 用戶管理模塊的實(shí)現(xiàn)
        5.3.2 數(shù)據(jù)采集/輸入模塊的實(shí)現(xiàn)
        5.3.3 數(shù)據(jù)分析及評(píng)價(jià)模塊的實(shí)現(xiàn)
        5.3.4 權(quán)重設(shè)置模塊的實(shí)現(xiàn)
        5.3.5 訓(xùn)練樣本模塊的實(shí)現(xiàn)
        5.3.6 幫助模塊的實(shí)現(xiàn)
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 研究工作展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間獲得與學(xué)位論文相關(guān)的科研成果



本文編號(hào)：3197185