[1]庄爱军.基于WA-ESN的建筑起重机械故障检测[J].机械与电子,2021,(01):67-70.
　ZHUANG Aijun.Fault Detection of Construction Crane Based on WA-ESN[J].Machinery & Electronics,2021,(01):67-70.
点击复制

基于WA-ESN的建筑起重机械故障检测()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2021年01期
页码:
67-70
栏目:
自动控制与检测
出版日期:
2021-01-20

文章信息/Info

Title:
Fault Detection of Construction Crane Based on WA-ESN
文章编号:
1001-2257（2021）01-0067-04
作者:
庄爱军
深圳市苏中九鼎机械设备有限公司,广东 深圳 518100
Author(s):
ZHUANG Aijun
 Shenzhen Suzhong Jiuding Mechanical Equipment Co., Ltd., Shenzhen 518100,China
关键词:
回声状态网络; 建筑起重机械; 故障诊断; 小波降噪; 特征提取; 振动信号
Keywords:
echo state network;  construction crane;  fault diagnosis;  wavelet noise reduction;  feature extraction;  vibration signal
分类号:
TP391;TH21
文献标志码:
A
摘要:
为了提高建筑起重机械故障检测精度，提出了小波消噪和回声状态网络(ESN)的建筑起重机械故障检测方法(WA-ESN)。首先,采用小波分析(WA)去除建筑起重机械故障振动信号的噪声，并提取故障部件振动号故障特征，然后,将特征向量作为回声状态网络的输入向量，故障类型作为输出，进行训练，建立建筑起重机械故障智能检测模型。测试结果表明，该方法提高了建筑起重机械故障检测精度，减少了建筑起重机械故障检测检测误差，具有较高的实际应用价值。
Abstract:
In order to improve the accuracy of fault detection of construction crane, a method of fault detection of construction crane (WA-ESN) based on wavelet denoising and echo state network (ESN) is proposed. Firstly, wavelet analysis (WA) is used to remove the noise of the fault vibration signal of the construction crane, and the fault feature of the fault component vibration number is extracted, then the feature vector i s used as the input vector of the echo state network, and the fault type is used as the output for training, and the intelligent fault detection model of the construction crane is established. The test results show that the method improves the fault detection of the construction crane the measurement accuracy reduces the detection error of the construction crane fault, and has high practical value.

参考文献/References:

[1].石立国, 付廷华, 宁荩乙,等. 异形薄壁建筑物塔式起重机软附着施工技术[J]. 施工技术, 2018, 47(11):128-131,143.
[2].郝可航, 闫维明, 周大兴,等. 黏滞性阻尼器在超高层建筑施工塔式起重机中的减震控制研究[J]. 工业建筑, 2018, 48(6):30-37.
[3].王玉泽, 张洋, 张玉磊,等. 一种既有建筑塔式起重机基础钢平台施工方法[J]. 施工技术, 2018, 47(1):943-945.
[4].刘小华,张郁,王明玉.超高层建筑爬升式塔式起重机拆卸及屋面起重机基础加固技术[J].建筑技术,2017,48(7):717-720.
[5].姜洪开, 邵海东, 李兴球. 基于深度学习的飞行器智能故障诊断方法[J]. 机械工程学报, 2019, 55(7):27-34.
[6].姚杨,林金涛,刘洪正, 等.基于复合特征的断路器机械故障诊断方法研究[J].中国电机工程学报,2019,39(21):6439-6452.
[7].丁锋, 秦峰伟. 小波降噪及Hilbert变换在电机轴承故障诊断中的应用[J]. 电机与控制学报, 2017, 21(6):89-95.
[8].赵璐, 唐春晖. 基于小波变换的自学习QRS特征提取算法研究[J]. 软件导刊, 2018,190(8):97-100,105.
[9].况璟, 何怡刚, 邓芳明,等. 基于交叉小波变换和主元分析的电力电子电路故障特征提取[J]. 电测与仪表, 2017, 54(11):1-7.
[10].李国友, 苏侠飞, 秦晓磊,等. 基于回声状态网络的机械臂的视觉伺服控制[J]. 系统仿真学报, 2017, 29(8):1845-1850.
[11].王浩天,段修生,单甘霖, 等.一种基于关联熵融合与改进回声状态网络的故障预测方法[J].振动与冲击,2019,38(2):226-233.

[12] 刘义艳, 田甜, 王彩霞. 基于EWT和FESN的结构健康状态趋势预测[J]. 应用力学学报, 2019, 36(3):645-651.


备注/Memo

备注/Memo:

收稿日期：2020-07-16

作者简介： 庄爱军（1975—），男，江苏海安人，高级工程师，研究方向为建筑起重机械租赁、安装、维修。

更新日期/Last Update: 2020-12-28