[1]叶杰凯,汤小明,胡建钦,等.基于 CSA-NARX 模型的电梯钢丝绳动态张力预测方法[J].机械与电子,2022,(09):7-11.
　YE Jiekai,TANG Xiaoming,HU Jianqin,et al.Prediction Method of Elevator Wire Rope Dynamic Tension Based on CSA-NARX Model[J].Machinery & Electronics,2022,(09):7-11.
点击复制

基于 CSA-NARX 模型的电梯钢丝绳动态张力预测方法()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2022年09期
页码:
7-11
栏目:
设计与研究
出版日期:
2022-09-27

文章信息/Info

Title:
Prediction Method of Elevator Wire Rope Dynamic Tension Based on CSA-NARX Model
文章编号:
1001-2257 ( 2022 ) 09-0007-05
作者:
叶杰凯 1 ; 汤小明 1 ; 胡建钦 1 ; 易灿灿 2
1. 丽水市特种设备检测院,浙江 丽水 323000 ; 2. 武汉科技大学,湖北 武汉 430081
Author(s):
YE Jiekai1 ;  TANG Xiaoming1 ;  HU Jianqin1 ;  YI Cancan2
( 1.Lishui Special Equipment Testing Institute , Lishui 323000 , China ; 2.Wuhan University of Science and Technology , Wuhan 430081 , China )
关键词:
电梯; 钢丝绳; 时间序列; 动态张力; 带有外部输入的非线性自回归神经网络; 变色龙优化算法
Keywords:
elevator ;  steel wire rope ;  time series ;  dynamic tension ;  nonlinear auto-regressive neural networks with external inputs ;  chameleon swarm algorithm
分类号:
TU857
文献标志码:
A
摘要:
为了预测曳引式电梯钢丝绳的动态张力,对带有外部输入的非线性自回归神经网络( NARX )进行研究,利用变色龙优化算法( CSA )对其关键参数进行优化,提出了 CSA-NARX 神经网络模型。该模型在计算速度以及预测精度方面皆优于 NARX 基础模型。最后,利用提出的神经网络模型对电梯上行过程中钢丝绳的动态张力进行预测,其预测精度达到了 97% 。以传统的非平稳时间序列分析模型 ARMA 和 LSTM 为对比,所提出模型的精度更高,验证了所提出模型的有效性。
Abstract:
In order to predict the dynamic tension of traction elevator wire rope , the nonlinear auto-regressive neural networkwith exogenous input( NARX ) is studied in this paper.The key parameters are optimized by chameleon swarm algorithm( CSA ), and the CSA-NARX neural network model is proposed. The proposed model is superior to the NARX model in both computation speed and prediction accuracy.Finally , the proposed neural network model is used to predict the dynamic tension of the wire rope in the process of elevator ascending , and the prediction accuracy reaches 97%.Compared with the traditional nonstationary time series analysis model ARMA and LSTM , the accuracy of the proposed model is higher , which verifies the effectiveness of the model proposed.

参考文献/References:

[ 1 ] 杜帆 . 基于 WEB 的多绳提升机钢丝绳张力不平衡故障监测与诊断系统[ D ] . 山西:太原理工大学,2010.

[ 2 ] 陈建勋,崔大光,林晓明,等 . 电梯曳引钢丝绳三点弯曲法张力偏差测试精度的研究[ J ] . 中国特种设备安全,2018 , 34 ( 4 ): 26-30 , 34.
[ 3 ] 张交通,孟国刚,张炜祎,等 . 一种曳引电梯钢丝绳张力调节装置的设计[ J ] . 中国科技纵横, 2021 ( 21 ): 63-64.
[ 4 ] 钱建固,吴安海,季军,等 . 基于小波优化 LSTM-ARMA模型的岩土工程非线性时间序列预测[ J ] . 同济大学学报(自然科学版),2021 , 49 ( 8 ): 1107-1115.
[ 5 ] 窦珊,张广宇,熊智华 . 基于 LSTM 时间序列重建的生产装置异常检测[ J ] . 化工学报, 2019 , 70 ( 2 ): 481-486.
[ 6 ] 康俊锋,谭建林,方雷,等 .XGBoost LSTM 变权组合模型支持下短期 PM 2.5 浓度预测:以上海为例[ J ] . 中国环境科学,2021 , 41 ( 9 ): 4016-4025.
[ 7 ] 郑直,张华钦,潘月 . 基于改进鲸鱼算法优化 LSTM 的滚动轴承故障诊断 [ J ] . 振动与冲击, 2021 ,40 ( 7 ):274-280.
[ 8 ] LIU Z H , MENG X D , WEI H L , et al.A regularized LSTM method for predicting remaining useful life of rolling bearings [ J ] .International journal of automation and computing , 2021 , 18 ( 4 ): 581-593.
[ 9 ] 李亚男,程志友 . 基于 CEEMDAN 算法及 NARX 神经 网络的短期负荷预测[ J ] . 安徽大学学报(自然科 学版),2021 , 45 ( 2 ): 38-46.
[ 10 ] BRAIK M S.Chameleon swarm algorithm : a bio inspired optimizer for solving engineering design problems [ J ] .Expert systems with applications , 2021 , 174 : 114685.
[ 11 ] ROGHANCHI P , KOCSISK C.Quantifying the thermal damping effect in underground vertical shafts using the nonlinear auto-regressive with external input( NARX ) algorithm[ J ] .International journal of mining science and technology , 2019 , 29( 2 ):255-262.
[ 12 ] 李明,杨汉生,杨成梧,等 . 一种改进的NARX回归神经网络[ J ] . 电气自动化, 2006 , 28 ( 4 ): 6-8 , 11.
[ 13 ] 孙奇,吕宏展 . 基于 NARX 神经网络的磁流变阻尼器模型研究[ J ] . 组合机床与自动化加工技术, 2021 ( 2 ):9-13.

相似文献/References:

[1]郑夕健,冯勃.擦窗机钢丝绳在特殊工况下动载荷分析[J].机械与电子,2016,(10):19.
　ZHENG Xijian,FENG Bo.Dynamic Load Analysis of Steel Wire Rope of Window Cleaning Equipment Under Special Conditions[J].Machinery & Electronics,2016,(09):19.
[2]张新才.基于摩擦轮的矿山提升系统效能研究[J].机械与电子,2019,(11):34.
　Research on the Efficiency of Mine Lifting System Based on Friction Wheel[J].Machinery & Electronics,2019,(09):34.

备注/Memo

备注/Memo:
收稿日期: 2022-04-03
基金项目:浙江省市场监督管理局科研计划项目( 20210176 )
作者简介:叶杰凯 ( 1980- ),男,浙江丽水人,学士,高级工程师,研究方向为特种设备检测等。
更新日期/Last Update: 2022-10-19