本发明专利技术涉及一种基于BP神经网络的起重机系统完整性水平评估方法及系统，该方法收集多组以往专家评估过程中保存的起重机各项指标的数据以及对应的系统安全完整性等级，作为评估模型的训练样本，并使用神经网络训练起重机系统安全完整性评估模型；采集待评估对象各项指标的数值作为测试样本；使用评估模型来预测测试样本的类别，获得起重机的系统安全完整性等级；所述起重机系统完整性水平评估模型为三层BP神经网络，BP神经网络输入层的输入数据为训练样本，输出层输出为起重机系统完整性等级。本发明专利技术能直观、综合、有效地完成起重机系统完整性水平评估，并可根据实际测得的起重机系统完整性水平对待测起重机的运行管理给出相应优化建议。应优化建议。应优化建议。
【技术实现步骤摘要】
基于BP神经网络的起重机系统安全完整性评估方法及系统
[0001]本专利技术涉及起重机风险安全评估领域，具体涉及一种基于BP神经网络的起重机系统安全完整性评估方法及系统。
技术介绍
[0002]随着技术的发展，起重机等机电设备在工业生产等领域起着很重要的作用，在钢材市场、钢厂、工矿企业、冶金等企业被广泛应用。在工业生产中，是实现工业过程机械化和自动化必不可少的重要环节。截至2020年底，起重机械数量在我国特种设备中排名第三，高达253.84万台，占比15.4％。随着我国起重机注册使用的数量逐年增长，在生产效率得到极大提高的同时，起重机安全事故时有发生，往往带来巨大的财产损失，甚至造成人员伤亡。在2020年各特种设备事故数量和死亡人数分布情况中，起重机行业的事故数量占比为25.23％，死亡总人数占29.25％，可见起重机事故发生频率较高，事故造成的人员死亡情况相比于其他特种设备更加严重，有关起重机安全问题的社会关注度也因此不断提高，加强起重机械的相关安全技术研究已经成为当务之急。
[0003]在功能安全评估中，系统安全完整性涉及到软件失效、电气干扰以及使用管理的模式，确定起来十分复杂。与硬件不同，软件不会发生老化，也不会出现随机失效，但是软件设计错误以及使用过程中出现的故障可能会带来比硬件失效更致命的失效。关于软件部分，国际标准IEC61508具体讲解了软件的安全生命周期，提出要在软件安全确认阶段对软件的所有功能进行确认并将结果存档，但对于如何确定软件部分的安全完整性等级并未明确说明。
[0004]另外，确定起重机的系统安全完整性等级通常需要成立专家组，由多位专家对系统的各个组成部分进行评估，汇总所有意见来完成系统功能安全的评估。系统安全完整性等级的确定对专家经验的要求较高，且评估程序复杂、过程漫长。
[0005]因此，对起重机系统安全完整性水平进行快速智能评估既有理论意义，又有十分重要的实际价值。
技术实现思路
[0006]本专利技术的目的在于提供一种基于BP神经网络的起重机系统安全完整性评估方法及系统，实现起重机定量、快速、智能的系统安全完整性等级评估。
[0007]实现本专利技术的技术解决方案为：一方面，本专利技术提供一种基于BP神经网络的起重机系统完整性等级评估方法，包括以下步骤：
[0008]利用以往专家评估得到的多组系统安全完整性等级结果以及各状态下的输出数据作为网络的训练样本；
[0009]使用起重机系统安全完整性等级评估模型，根据待评估起重机输出数据获得其系统完整性等级；
[0010]其中，所述起重机系统安全完整性等级评估模型包括十一个参数，分别为：起重
量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、大车运行偏斜、供电电压、使用时间；
[0011]所述起重机系统安全完整性水平评估模型为三层BP神经网络，BP神经网络输入层的输入数据为采集到的待评估起重机的输出数据，包含十一项参数，输出为起重机系统安全完整性等级。
[0012]另一方面，本专利技术还提供一种基于BP神经网络的起重机系统完整性等级评估系统，包括：
[0013]训练模块，利用以往专家评估得到的多组系统安全完整性等级结果以及各状态下的输出数据作为网络的训练样本；
[0014]评估模块，使用起重机系统安全完整性等级评估模型，根据待评估起重机输出数据获得其系统完整性等级；
[0015]其中，所述起重机系统安全完整性等级评估模型包括十一个参数，分别为：起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、大车运行偏斜、供电电压、使用时间；
[0016]所述起重机系统安全完整性水平评估模型为三层BP神经网络，BP神经网络输入层的输入数据为采集到的待评估起重机的输出数据，包含十一项参数，输出为起重机系统安全完整性等级。
[0017]本专利技术与现有技术相比，其显著优点在于：
[0018](1)对起重机系统安全完整性等级进行评估，弥补了现有起重机械功能安全评估的不足；
[0019](2)采用了基于BP神经网络的起重机系统安全完整性评估方法，定量揭示了各项指标与起重机系统完整性之间的关系，该方法借助神经网络的自学习和记忆能力，能有效预测起重机的系统安全完整等级；
[0020](3)本专利技术评估时间短，费用低，评估结果具有较高的准确性和较强的客观性，改善了以往需要评估人员凭借经验来判断起重机安全状况的情况，避免了专家评估法可能带来的主观性和低效率，使得评估更加科学化。
附图说明
[0021]图1为起重机总体结构示意图。
[0022]图2为本专利技术使用的BP神经网络模型示意图。
[0023]图3为本专利技术中BP神经网络训练算法流程图。
[0024]图4为系统安全完整性等级确定方法示意图。
[0025]图5为本专利技术中基于BP神经网络的起重机系统安全完整性评估模型结构示意图。
[0026]图6为BP神经网络的预测结果。
[0027]图7为BP神经网络的收敛性能图。
具体实施方式
[0028]本专利技术提出一种基于BP神经网络的起重机系统安全完整性评估方法，包括以下步骤：
[0029]将以往专家评估得到的多组起重机的安全完整性等级(SIL)结果以及各状态下的输出数据作为网络的训练样本，基于BP神经网络实现起重机系统安全完整性等级评估模型；采集待评估对象的输出数据作为测试样本，并利用起重机系统安全完整性等级评估模型，得到其系统安全完整性等级；其中，起重机的输出数据包括十一个指标，分别为：起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、大车运行偏斜、供电电压、使用时间。
[0030]所述起重机系统安全完整性水平评估模型为三层结构的BP神经网络，BP神经网络的输入层神经元个数等于训练样本输入量的维数11，隐含层神经元数目为12，输出层神经元个数为1。BP神经网络的输入数据是起重机系统安全完整性水平评估指标体系中十一个指标的评分，输出为起重机系统安全完整性等级。
[0031]所述BP神经网络为基于误差逆传播算法的多层前馈网络。对BP神经网络进行训练时，根据历史的各项指标评分结果以及对应的SIL等级，将网络输出与期望输出之间的差值作为输出误差，利用误差更新网络的权值和阈值，反向训练神经元。采用最速下降法和牛顿法相结合的LM(Levenberg Marquardt)算法训练BP神经网络，寻找最优的网络权重和连接组合。网络输出相对应的起重机系统安全完整性等级。
[0032]下面结合附图对本专利技术作进一步详细描述。
[0033]结合图1，随着科学技术的发展，现在很多起重机利用PLC来进行控制，总体结构如图1所示。操纵杆、各种开关、按钮的输入量经电气控制系统处理后，产生驱动电机与各种机构运行的信号，机构的运行使得起重机系统输出各种变量。
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于BP神经网络的起重机系统完整性等级评估方法，其特征在于，包括以下步骤：利用以往专家评估得到的多组系统安全完整性等级结果以及各状态下的输出数据作为网络的训练样本；使用起重机系统安全完整性等级评估模型，根据待评估起重机输出数据获得其系统完整性等级；其中，所述起重机系统安全完整性等级评估模型包括十一个参数，分别为：起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、大车运行偏斜、供电电压、使用时间；所述起重机系统安全完整性水平评估模型为三层BP神经网络，BP神经网络输入层的输入数据为采集到的待评估起重机的输出数据，包含十一项参数，输出为起重机系统安全完整性等级。2.根据权利要求1所述的基于BP神经网络的起重机系统完整性水平评估方法，其特征在于，所述BP神经网络为基于误差逆传播算法的多层前馈网络；对BP神经网络进行训练时，根据历史的各项指标评分结果以及对应的SIL等级，将网络输出与期望输出之间的差值作为输出误差，利用误差更新网络的权值和阈值，反向训练神经元；采用最速下降法和牛顿法相结合的LM；算法训练BP神经网络，寻找最优的网络权重和连接组合。3.根据权利要求2所述的基于BP神经网络的起重机系统完整性水平评估方法，其特征在于，采集待评估起重机工作时的起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、大车运行偏斜、供电电压、使用时间这十一项指标的数值，作为评估模型的测试样本。4.根据权利要求2所述的基于BP神经网络的起重机系统完整性水平评估方法，其特征在于，将多组输入输出数据作为评估模型的输入，相应的起重机系统安全完整性等级作为评估模型的输出，利用BP神经网络构建评估模型；BP神经网络的输入层代表采集到的起重机十一项指标的数据；BP神经网络的隐含层，用于反映各个神经元之间相互的影响作用；BP神经网络的输出层为待测起重机的系统安全完整性等级。5.根据权利要求4所述的基于BP神经网络的起重机系统完整性水平评估方法，BP神经网络的输入层神经元个数等于训练样本输入量的维数11，隐含层神经元数目为12，输出层神经元个数为1。6.根据权利要求4所述的基于BP神经网络的起重机系统完整性水平评估方法，权值更新公式如下：W(n+1)＝W(n)
‑
[J
T
J+μI]...
【专利技术属性】
技术研发人员：樊卫华，张欧博雅，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。