基于模糊神經(jīng)網(wǎng)絡(luò)的起重機安全評估方法研究

孟小胴，王衛(wèi)輝，強寶民，曹 原

（第二炮兵工程大學 陜西 西安 710025）

隨著工業(yè)生產(chǎn)規(guī)模的不斷擴大，生產(chǎn)效率的日益提高，促使起重機的使用規(guī)模越來越大，同時起重機發(fā)生的故障和安全事故也不斷增加，因此起重機的安全性評估研究逐漸引起國內(nèi)外學者的關(guān)注。目前存在多種起重機安全評估方法，所采用的理論主要集中在可靠度理論，層次分析法，模糊理論，神經(jīng)網(wǎng)絡(luò)及專家系統(tǒng)等。文獻[1]將Elman神經(jīng)網(wǎng)絡(luò)應(yīng)用于起重機的安全評估；文獻[2]利用模糊綜合評判的方法研究了塔機整機安全狀態(tài)，實現(xiàn)了對塔機整機安全狀態(tài)的綜合評判。采用模糊綜合評價方法雖然可以對起重機的安全性進行定量化處理，并能評價出起重機的安全等級，但權(quán)重的確定需要專家的知識和經(jīng)驗，因此在進行綜合評價時會損失很多信息，甚至得出不合理的評價結(jié)果。為了解決這些問題，需要采用合理的優(yōu)化方法，確定合適的隸屬度函數(shù)和評價因素的權(quán)重，而神經(jīng)網(wǎng)絡(luò)方法提供了可行的解決方案。將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合應(yīng)用于起重機的安全性評估，采用模糊神經(jīng)網(wǎng)絡(luò)方法來確定各評價因素指標的權(quán)重系數(shù)，使其更具有合理性，更符合客觀實際且易于定量表示，從而提高了模糊綜合評判結(jié)果的準確性。

1 安全性評估模型

1.1 評估指標體系的確定

一個復雜的系統(tǒng)，從不同的角度評估，有不同的評估指標，要確定其指標就需要進行整理、分類和綜合[3－5]。通過咨詢部分專家教授的意見、建議以及對起重機結(jié)構(gòu)、常見故障的學習、研究和分析，依據(jù)安全評估指標體系建立的基本原則，提出反映起重機運行過程中與安全相關(guān)的指標因素，并在此基礎(chǔ)上建立起相應(yīng)的安全評估指標體系。

以變頻橋式起重機為例，根據(jù)變頻橋式起重機的技術(shù)、結(jié)構(gòu)以及運行特點，它的評價結(jié)構(gòu)劃分為3個層次。第2層將影響系統(tǒng)安全狀況的因素劃分為5個子系統(tǒng)如圖1所示。第3層為各子系統(tǒng)組成成分，主要包含對安全起主要作用的因素，次要的未包含其中如表1所示。根據(jù)各個評價指標對其安全影響程度的不同，對每個評價指標分別設(shè)置它在本層次中的評價權(quán)重。需要說明的是在起重機使用過程中，環(huán)境因素和人為因素也對起重機使用安全有影響，它們與起重機本機一起構(gòu)成總的起重機安全使用安全評價因素體系，這里僅討論起重機本機自身安全性，起重機使用安全評價再另文介紹。

表1 安全評估指標體系Tab.1 Safety evaluation index system

圖1 安全評估指標體系Fig.1 Safety evaluation index system

評估指標有定性描述和定量描述兩種。為了準確地評估起重機的安全性，所有評估指標均采用定量描述。各評估指標按滿分100分評分，其得分即為該指標的分值。

1.2 模糊神經(jīng)網(wǎng)絡(luò)綜合評價模型

根據(jù)起重機安全性評估的特點，在模糊綜合評價的基礎(chǔ)上構(gòu)造如圖2所示的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[6－8]。

在圖2中，m、n分別為輸入單元和隱層單元個數(shù)，x1，x2，…xm為m個評價指標的量化值，r1，r2，…rm為評價指標量化值經(jīng)相應(yīng)的隸屬度函數(shù)量化后的評價向量（隸屬度向量），文中采用的評價結(jié)果集為：

圖2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2 Fuzzy neural network structure

V＝{安全，較安全，有隱患，較危險，危險}，則隸屬度向量為5維形式，記作：rm＝（rm1，rm2，rm3，rm4，rm5）；ωij、ωjk分別為輸入層到隱層、隱層到輸出層的連接權(quán)值；y′為樣本x1，x2，..xm的網(wǎng)絡(luò)輸出，經(jīng)反模糊化后得到最終評價結(jié)果。

對輸入的評估指標模糊化選用正態(tài)分布函數(shù)作為隸屬度函數(shù)，其定義為：

式中：σia、k為調(diào)整參數(shù)，且k＞0、σi為隸屬函數(shù)中心點。選擇合適的k與a值非常重要，一般由專家經(jīng)驗確定，也可通過理論計算求得。σi的確定可采用K均值聚類算法確定。即將所有樣本的各評估指標按照K均值聚類算法分為安全、較安全、有隱患、較危險、危險5等。該項評估指標分為安全的所有樣本的均值即為該指標安全的σi取值。

在橋式起重機安全狀態(tài)評估中，整機安全狀況為主系統(tǒng)，下分5個子系統(tǒng)，即金屬結(jié)構(gòu)、起升機構(gòu)、運行機構(gòu)、電氣系統(tǒng)、安全裝置。各子系統(tǒng)與主系統(tǒng)均采用圖2所示網(wǎng)絡(luò)結(jié)構(gòu)，各子系統(tǒng)的輸出作為主系統(tǒng)的輸入，主系統(tǒng)的輸出對應(yīng)起重機整機的安全狀況。結(jié)合第一節(jié)中所述的評估指標體系確定各系統(tǒng)在網(wǎng)絡(luò)結(jié)構(gòu)模型中各層網(wǎng)絡(luò)的節(jié)點數(shù)如表2所示。

表2 系統(tǒng)各層網(wǎng)絡(luò)節(jié)點數(shù)Tab.2 Number of each layer network node of syetem

其中隱含層數(shù)目采用kolmogorov定理：BP神經(jīng)網(wǎng)絡(luò)構(gòu)建中中間隱含層數(shù)目為n2，輸入層數(shù)目為n1，則有：

由此可得各系統(tǒng)隱含層節(jié)點數(shù)。

2 學習算法

在安全評價的過程中，專家的意見也有著重要作用，特別是大的定性方面，專家的判斷結(jié)果往往具有較高的精確性。因此，模型中采用專家評判和神經(jīng)網(wǎng)絡(luò)學習相結(jié)合的方法確定權(quán)重值。首先通過綜合數(shù)位專家的意見，得到各評價因素的權(quán)重值。然后利用神經(jīng)網(wǎng)絡(luò)對各評價因素指標的權(quán)重系數(shù)進行優(yōu)化修正，使其更有合理性，更符合客觀實際并易于定量表示，從而提高模糊綜合評判結(jié)果的準確性。神經(jīng)網(wǎng)絡(luò)的學習過程即根據(jù)樣本確定網(wǎng)絡(luò)的連接權(quán)值和誤差反復修正的過程。

針對BP算法收斂速度慢的缺點，可能會使權(quán)值收斂于局部最小值等缺點。該網(wǎng)絡(luò)的訓練中采用改進梯度下降動量BP算法[9]，網(wǎng)絡(luò)誤差函數(shù)Ep為：

式中：T為訓練樣本個數(shù)；Y為理想輸出；y為實際輸出；M為網(wǎng)絡(luò)層數(shù)（不包括輸入層）。

為修正權(quán)值，增加動量項，加權(quán)調(diào)節(jié)公式為：

式中：η為學習速率，α為動量系數(shù)，若j為輸出節(jié)點，則

若j為隱節(jié)點，則

3 評價實例

3.1 學習樣本

為使樣本較全面地覆蓋各種評估情況，在各評估指標向量范圍內(nèi)均勻取值，由計算機自動賦值生成25組標準理論樣本。將其中20組樣本作為學習樣本輸入網(wǎng)絡(luò)進行訓練。學習樣本的評價結(jié)果采用專家評分確定，即由多位專家給出各評估指標的權(quán)值，然后將各指標折算成百分制分數(shù)再與權(quán)值相乘，將得出的分數(shù)分為安全、較安全、有隱患、較危險、危險5等，分別用A、B、C、D、E表示。即得出專家的評估結(jié)果。樣本輸入、輸出如表3所示。其中：由多位專家采用專家評分法給出的主系統(tǒng)各評估指標的權(quán)值向量為：

表3 網(wǎng)絡(luò)樣本訓練數(shù)據(jù)Tab.3 Network sample training data

3.2 網(wǎng)絡(luò)訓練

利用Matlab中的神經(jīng)網(wǎng)絡(luò)工具箱建立模糊神經(jīng)網(wǎng)絡(luò)[10]，將20組學習樣本輸入網(wǎng)絡(luò)進行訓練以后，設(shè)定網(wǎng)絡(luò)誤差E＜0.001，經(jīng)過241次學習，確定了網(wǎng)絡(luò)各層參數(shù)值，從而完成了橋式起重機安全性評估的模糊神經(jīng)網(wǎng)絡(luò)。而采用普通的BP算法進行訓練時，經(jīng)過463次學習才能使得網(wǎng)絡(luò)誤差E＜0.001；由此可見采用梯度下降動量BP算法訓練時速度優(yōu)于普通的BP算法。網(wǎng)絡(luò)訓練誤差圖如圖3所示。圖中橫坐標為訓練次數(shù)，縱坐標為網(wǎng)絡(luò)誤差值。

圖3 網(wǎng)絡(luò)訓練誤差Fig.3 Network training error

為驗證該網(wǎng)絡(luò)，另取由計算機隨機賦值的5組驗證樣本輸入網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出結(jié)果與專家打分結(jié)果比較如表4所示。

表4 校驗樣本評估結(jié)果Tab.4 Check sample evaluation results

根據(jù)最大隸屬度原理，可以看出，5個驗證樣本專家評價結(jié)果與訓練好網(wǎng)絡(luò)輸出評價結(jié)果是一致的。由此可知，訓練好的模糊神經(jīng)網(wǎng)絡(luò)很好的獲得并儲存了評價專家的知識、經(jīng)驗和判斷，可將網(wǎng)絡(luò)應(yīng)用于橋式起重機安全性評估中。

4 結(jié) 論

文中通過對橋式起重機結(jié)構(gòu)及使用特點的研究分析，建立了安全評估指標體系，提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的起重機安全評估方法。根據(jù)BP神經(jīng)網(wǎng)絡(luò)建立的起重機模糊神經(jīng)網(wǎng)絡(luò)模型，能夠?qū)δ：C合評價因素權(quán)重進行學習優(yōu)化，使評價因素權(quán)重具有更廣的普適性和合理性，使評估結(jié)果更加準確。實例驗證結(jié)果表明，此方法是可行的。文中雖然針對橋式起重機進行研究，但模型和方法同樣適用于其他類型的起重機，具有較好的可移植性和普適性。

[1]董國金，巫世晶.Elman神經(jīng)網(wǎng)絡(luò)在起重機安全狀態(tài)評估中的應(yīng)用[J].裝備制造技術(shù)2007（4）：64－66.DONG Guo-jin，WU Shi-jing.Application of elman neural network to safety assessment of crane[J].Equipment Manufactring Technology，2007（4）：64－66.

[2]李斌，鄭夕健.塔式起重機安全狀態(tài)識別理論及監(jiān)測系統(tǒng)的研究與實驗報告[J].沈陽建筑工程學院學報，2000.LI Bin，ZHENG Xi-jian.Research and test report of tower crane safety state recognition theory and monitoring[J].Constuction Engineering Journal of Shen Yang，2000.

[3]蔡峰，林梅.橋式起重機常見故障分析及對策[J].機械研究與應(yīng)用，2011（6）：137－139.CAI Feng，LIN Mei.Common fault analysis and countermeasure for bridge crane[J].Machinery Research and Application，2011（6）：137－139.

[4]趙國君，吳錫忠.通用橋式門式起重機[M].北京：機械工業(yè)出版社，1989.

[5]田金金，陳志平.橋式起重機安全檢測法綜述及展望[J].機電工程，2009（3）：1－5.TIAN Jin-jin，CHEN Zhi-ping.Safety test review and prospect of bridge crane[J].Mechanical and Electrical Engineering，2009（3）：1－5.

[6]杜義賢，田啟華.基于神經(jīng)網(wǎng)絡(luò)的模糊綜合評價方法[J].系統(tǒng)工程與電子技術(shù)，2005，27（9）：1583－1586.DU Yi-xian，TIAN Qi-hua.Fuzzy comprehensive evaluation method based on neural network[J].Systems Engineering and Electronic Technology，2005，27（9）：1583－1586.

[7]沈勇，肖原.特種設(shè)備模糊神經(jīng)網(wǎng)絡(luò)安全評價研究[J].工業(yè)安全與環(huán)保，2011，37（11）：5－6.SHEN Yong，XIAO Yuan.Study on safety evaluation for special equipment based on fuzzy neural network[J].Industrial Safety and Environmental Protection，2011，37（11）：5－6.

[8]·Xiangnan Zhou，Hanbin.Research on testing for security evaluation for port crane [C]//Internationl Conference on computer， Mechatronics， Control and Electronic Engineering（CMCE），2010.

[9]趙振宇，徐用懋.模糊理論和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與應(yīng)用[M].北京：清華大學出版社，1996.

[10]張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M].北京：機械工業(yè)出版社，2009.