神經網絡的電梯門系統(tǒng)故障預測方法

乘客電梯門系統(tǒng)故障的分析與維護-論文

頁眉內容 頁腳內容 2．層門和轎門的作用 層門和轎門都是為了防止人員和物品墜入井道或轎內乘客和物品與井道相撞而發(fā)生危 險，都是電梯的重要安全保護設施。(原理與作用與地鐵屏蔽門和車門類似) 3．層門 特別是電梯層門，是乘客在使用電梯時首先看到或接觸到的部分。是電梯很重要的一個 安全設施，根據(jù)不完全統(tǒng)計，電梯發(fā)生的人身傷亡事故約有70％是由于層門的質量及使用 不當?shù)纫鸬?。因此，層門的開閉與鎖緊是使電梯使用者安全的首要條件。 4．轎門、層門及其相互關系 轎門是設置在轎廂入口的門，是設在轎廂靠近層門的一側，供司機、乘客和貨物的進出。 簡易電梯，開關門是用手操作的稱為手動門。一般的電梯，都裝有自動開啟，由轎門帶動的， 層門上裝有電氣、機械聯(lián)鎖裝置的門鎖。只有轎門開啟才能帶動層門的開啟。所以轎門稱為 主動門，層門稱為被動門。 只有轎門、層門完全關閉后，電梯才能運行。

本文提出了一種基于rbf神經網絡的直接預測法,對公路貨運量進行了預測,并利用matlab工具箱予以了實現(xiàn).對2004和2005年公路貨運量預測的結果表明,預測值與國家統(tǒng)計局公布的實際數(shù)值有很好的一致性,預測精度也高于其它rbf預測法,有很好的應用性.

為了對民航系統(tǒng)安全運行狀態(tài)進行科學的分析和預測,針對反映民航系統(tǒng)安全運行狀態(tài)的重要指標之一——飛行事故萬時率,采用bp神經網絡的時間序列非線性預測模型及方法,對其進行了分析研究和仿真驗證,計算結果表明,該預測方法是可行的,并與實際具有較好的一致性。

公路貨運量受多種因素影響,各因素的作用機制通常不能準確地用數(shù)學語言進行描述。采用廣義回歸神經網絡(grnn)對貨運量進行分析及預測。通過對1995~2003年南京市公路運量的歷史數(shù)據(jù)進行分析和處理,對網絡進行訓練和擬合,用2004~2005年的實際數(shù)據(jù)進行模型檢驗,結果證明了grnn用于貨運量預測的有效性。

通過對公路貨運量的預測方法進行研究比較,并根據(jù)公路貨運量形成的復雜和非線性等特點,建立bp神經網絡預測模型.利用黑龍江省公路貨運量及其相關影響因素的實際數(shù)據(jù),確定網絡輸入與輸出樣本,并對bp神經網絡預測系統(tǒng)進行訓練和預測.通過對網絡輸出的誤差曲線圖的分析,驗證bp神經網絡預測系統(tǒng)的精確性和簡單方便性,提高了公路貨運量預測的精確性.

為簡化震害預測工作,提出一種以房屋普查數(shù)據(jù)為震害影響因子并利用人工神經網絡模型為工具的震害預測方法。從以往震害實例中選取了具有典型破壞特點的建筑物作為神經網絡的學習樣本,用收集的數(shù)據(jù)對網絡進行了訓練并得到了收斂的網絡,應用此收斂的網絡對一組新的房屋數(shù)據(jù)進行震害預測,結果表明了運用此方法和模型的實用性。

針對深基坑系統(tǒng)的復雜的非線性及基坑工程變形多步預測的重要性,將人工神經網絡技術引入其中。分析了用bp網絡進行多步預測時存在的不足,提出了基于遞歸神經網絡的基坑工程變形多步預測模型。通過一軟土深基坑工程變形多步預測實例的分析,論證了遞歸神經網絡用于基坑工程變形多步預測的可靠性和實用性。該方法有效可行,在其他領域的多步預測中同樣具有廣闊的應用前景。

房地產業(yè)是國民經濟發(fā)展的重要支柱產業(yè)之一,因此,科學預測房地產價格指數(shù)具有十分重要的意義。將神經網絡算法應用于房價指數(shù)預測,收集我國主要城市的房地產價格指數(shù)數(shù)據(jù),使用spssclementine軟件進行分析。實驗結果表明,該預測方法是可行的和有效的。

電梯運行的安全性關系到人民生命及財產的安全,確保電梯運行的安全性是非常有必要的,而導致電梯安全事故發(fā)生的大多數(shù)原因都是跟電梯門系統(tǒng)有關。本文主要是對電梯門系統(tǒng)的結構進行了詳細的分析,并對電梯門系統(tǒng)常見的故障類型進行了總結。

電力系統(tǒng)短期負荷預測是保證電力系統(tǒng)安全經濟運行和實現(xiàn)電網科學管理及調度的重要依據(jù),目前的電力系統(tǒng)短期負荷預測方法存在著一些不足。提出了基于人工神經網絡與主分量分析的短期負荷預測方法,在試驗中分別采用該方法和單一的人工神經網絡對遼寧省某電網的短期負荷進行了預測,試驗結果表明本文提出的方法與單一的人工神經網絡預測法相比,不但減少了預測的時間,而且避免了過擬合現(xiàn)象,提高了預測精度。

電力市場中普遍存在“價格釘”,其特殊性給電價預測帶來困難。通過對其特征和影響因素的分析,提出了一種基于神經網絡和相似搜索技術的價格釘預測方法。首先,采用bp神經網絡建立價格釘識別模型,對未來某一交易時段市場清算電價可能出現(xiàn)的區(qū)間進行預測,并提供相應的置信度;其次,對判別為價格釘?shù)臅r段采用相似搜索技術進行二次預測。采用澳大利亞昆士蘭州電力市場2004年至2005年全年的電價數(shù)據(jù)進行訓練和預測分析,結果驗證了該方法的有效性。

利用小波分析具有能量分布特征提取的特性和遺傳算法優(yōu)化bp算法的能力,提出了一種基于遺傳算法、小波與神經網絡的電梯故障診斷方法,并應用電梯故障數(shù)據(jù)作為實例進行了驗證.遺傳算法小波神經網絡模型診斷速度快、魯棒性好、故障診斷正確率高.

強烈的地震給人們生命財產帶來巨大損失,為了能夠在地震之前預測出建筑物震害,提出一多層磚房為例。利用matlab神經網絡工具箱,建立一種基于貝葉斯正則算法的bp神經網絡模型,并以過去發(fā)生地震地區(qū)的多層磚房調查數(shù)據(jù)為震害因子的震害預測方法。結果表明:對多層磚房的震害樣本的預測達到理想效果。

基于補償模糊神經網絡的制冷系統(tǒng)故障診斷研究——選擇反映制冷系統(tǒng)故障狀態(tài)的熱力參數(shù)集組成特征向量，并對其進行模糊化處理，利用補償模糊神經網絡建立故障狀態(tài)與熱力參數(shù)特征向量之間的映射關系。將神經網絡和補償模糊邏輯相結合，采用動態(tài)、全局優(yōu)化的運算，...

在巖土工程中如何準確預測樁基豎向承載力是一件非常重要的事情。針對現(xiàn)有研究存在的不足,基于標準bp神經網絡算法,加入一動量因子,建立了修正的bp神經網絡模型,對單樁的豎向承載力進行了預測。以鎮(zhèn)江市勘察測繪研究院所完成的地質勘查報告為工程背景,以地震波靜力觸探測試(scptu)測得的4個指標(錐尖阻力、錐側摩阻力、剪切波速和孔隙水壓力)為輸入?yún)?shù),樁基承載力為輸出參數(shù)。通過與現(xiàn)場靜載試驗進行比對,得到了相關系數(shù)較高的樁基荷載響應曲線。經過與傳統(tǒng)預測方法進行比較發(fā)現(xiàn),用修正的bp神經網絡算法可以有效預測樁基豎向承載力,精度較高。

在巖土工程中如何準確預測樁基豎向承載力是一件非常重要的事情。針對現(xiàn)有研究存在的不足,基于標準bp神經網絡算法,加入一動量因子,建立了修正的bp神經網絡模型,對單樁的豎向承載力進行了預測。以鎮(zhèn)江市勘察測繪研究院所完成的地質勘查報告為工程背景,以地震波靜力觸探測試（scptu）測得的4個指標（錐尖阻力、錐側摩阻力、剪切波速和孔隙水壓力）為輸入?yún)?shù),樁基承載力為輸出參數(shù)。通過與現(xiàn)場靜載試驗進行比對,得到了相關系數(shù)較高的樁基荷載響應曲線。經過與傳統(tǒng)預測方法進行比較發(fā)現(xiàn),用修正的bp神經網絡算法可以有效預測樁基豎向承載力,精度較高。

當前,諸多研究人員被電力負載預測所吸引,由于其是精確計劃、調度及運維電力系統(tǒng)的先決條件.眾多因素均影響著電力負載預測,因此提出一個混合模型來提升預測的準確性是有必要的.文中提出一種采用2種方法的新的混合負載估計方案:小波變換(avelettransform,wt)和人工神經網絡(artificialneuralnetwork,ann).為了將大型非對稱時變電力原始數(shù)據(jù)集合考慮到其中,根據(jù)時間和頻率采用小波技術來分解數(shù)據(jù),眾多小波函數(shù)可以采用,但選擇一種合適的小波函數(shù)在設計此模型中扮演著關鍵作用.文中采用了以下幾種類型的小波函數(shù),即haar小波函數(shù)、deubechies小波函數(shù)、symlet小波函數(shù)以及coiflet小波函數(shù),將電力負載數(shù)據(jù)分解成不同的段.隨后,使用ann來預測負載的非線性數(shù)據(jù).由aemo獲取一周每天24h的數(shù)據(jù)驗證了文中所設計模型的有效性.

基于進化神經網絡的巖土邊坡穩(wěn)定性預測方法——根據(jù)巖土邊坡的力學特性和幾何尺寸，將遺傳算法和人工神經網絡有機結合在一起，建立了基于進化神經網絡的巖土邊坡穩(wěn)定性預測方法．為了提高神經網絡的計算效率和克服bp算法的局部極小的缺陷，采用遺傳算法進化神經...

提出了一種基于灰色模型和神經網絡組合的短期負荷預測方法。首先利用頻域分解消除負荷序列的周期性,然后利用灰色模型計算負荷序列的歷史擬合值和未來預測值,將其作為神經網絡的輸入。在歷史數(shù)據(jù)中選擇一天作為基準日,以該基準日的量為參照,以負荷的灰色模型擬合值相對基準日的變化量,以及溫度變化量為bp神經網絡的輸入,實際負荷變化量為輸出,訓練神經網絡并預測待預測日負荷的變化量,加上基準日負荷后得到預測負荷。該方法綜合了灰色模型方法和神經網絡方法的優(yōu)點,仿真結果驗證了方法的有效性。

公路客運量和貨運量預測是一個復雜的非線性問題,由于影響因素較多,難以用普通的數(shù)學方法建模,而建立bp神經網絡可以表達這些非線性問題。根據(jù)公路客運量貨運量歷史數(shù)據(jù)及其相關影響因素數(shù)據(jù)建立了bp神經網絡預測模型。利用實際數(shù)據(jù)確定網絡輸入與輸出樣本,對bp神經網絡預測系統(tǒng)進行訓練和預測。通過對網絡輸出預測結果與實際數(shù)據(jù)的分析,驗證了bp神經網絡預測系統(tǒng)的精確性和方便性,提高了公路客運貨運預測的精確性。

結合灰色模型和bp神經網絡模型的特點,對兩種模型進行有機地組合,構建一種改進的灰色神經網絡預測船舶流量方法。以實際船舶交通流量和主要影響因素為數(shù)據(jù),運用遺傳算法改進的灰色神經網絡模型對上海洋山港的船舶交通流量進行預測,計算和matlab仿真結果表明,改進的灰色神經網絡模型預測不僅精度較高,而且能準確預測船舶交通流量的變化規(guī)律。