典型文献
基于改进LVQ算法的塔式起重机运行状态检验
文献摘要：
为了提高起重机运行安全检验结果的准确性,避免误判,并且提高塔式起重机检验的智能化水平,提出了一种基于改进的学习矢量量化(LVQ)人工神经网络模型,实现了对塔式起重机运行安全状态的智能检验.首先,根据近年来建筑工地塔式起重机的检验数据,建立了样本集,基于塔式起重机相关的安全技术标准和规范,将检验项目分解为最常见、最主要的15个因素,作为神经网络输入层的数目;然后,对290台塔式起重机的检验数据进行了统计(金属结构的连接、作业环境、主要零部件与机构,此3项不合格的频次较高);最后,在学习矢量量化(LVQ)算法基础上,改进了 LVQ人工神经网络的检验评价模型,再运用优化的特征数据训练出了 LVQ分类器,提出了改进的LVQ智能检验方法,对50个测试样本进行了分类识别实验.研究结果表明:改进后的LVQ人工神经网络算法提高了塔式起重机检验结果的正确率,在整机检验中合格率和不合格率均能达到100％,避免了误判,实现了对塔式起重机设备的安全智能检验.
文献关键词：
自行式起重机;运行安全状态;安全技术标准和规范;学习矢量量化;人工神经网络模型;LVQ分类器
中图分类号：
作者姓名：
周庆辉;刘浩世;刘耀飞;李欣;谢贻东
作者机构：
北京建筑大学机电与车辆工程学院,北京100044;北京市建筑安全监测工程技术研究中心,北京100044;中铁建设集团有限公司,北京100040
文献出处：
引用格式：
[1]周庆辉;刘浩世;刘耀飞;李欣;谢贻东-.基于改进LVQ算法的塔式起重机运行状态检验)[J].机电工程,2022(11):1636-1642
A类：
安全技术标准和规范,自行式起重机
B类：
LVQ,塔式起重机,机运,安全检验,误判,高塔,起重机检验,智能化水平,学习矢量量化,人工神经网络模型,运行安全状态,建筑工地,检验数据,样本集,检验项目,输入层,金属结构,作业环境,主要零部件,特征数据,数据训练,练出,分类器,检验方法,分类识别,神经网络算法,整机,不合格率,起重机设备,全智能
AB值：
0.202102
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
