神经网络的电梯门系统故障预测方法

乘客电梯门系统故障的分析与维护-论文

页眉内容 页脚内容 2．层门和轿门的作用 层门和轿门都是为了防止人员和物品坠入井道或轿内乘客和物品与井道相撞而发生危 险，都是电梯的重要安全保护设施。(原理与作用与地铁屏蔽门和车门类似) 3．层门 特别是电梯层门，是乘客在使用电梯时首先看到或接触到的部分。是电梯很重要的一个 安全设施，根据不完全统计，电梯发生的人身伤亡事故约有70％是由于层门的质量及使用 不当等引起的。因此，层门的开闭与锁紧是使电梯使用者安全的首要条件。 4．轿门、层门及其相互关系 轿门是设置在轿厢入口的门，是设在轿厢靠近层门的一侧，供司机、乘客和货物的进出。 简易电梯，开关门是用手操作的称为手动门。一般的电梯，都装有自动开启，由轿门带动的， 层门上装有电气、机械联锁装置的门锁。只有轿门开启才能带动层门的开启。所以轿门称为 主动门，层门称为被动门。 只有轿门、层门完全关闭后，电梯才能运行。

本文提出了一种基于rbf神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它rbf预测法,有很好的应用性.

为了对民航系统安全运行状态进行科学的分析和预测,针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率,采用bp神经网络的时间序列非线性预测模型及方法,对其进行了分析研究和仿真验证,计算结果表明,该预测方法是可行的,并与实际具有较好的一致性。

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述。采用广义回归神经网络(grnn)对货运量进行分析及预测。通过对1995~2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004~2005年的实际数据进行模型检验,结果证明了grnn用于货运量预测的有效性。

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立bp神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对bp神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证bp神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.

为简化震害预测工作,提出一种以房屋普查数据为震害影响因子并利用人工神经网络模型为工具的震害预测方法。从以往震害实例中选取了具有典型破坏特点的建筑物作为神经网络的学习样本,用收集的数据对网络进行了训练并得到了收敛的网络,应用此收敛的网络对一组新的房屋数据进行震害预测,结果表明了运用此方法和模型的实用性。

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性,将人工神经网络技术引入其中。分析了用bp网络进行多步预测时存在的不足,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行,在其他领域的多步预测中同样具有广阔的应用前景。

房地产业是国民经济发展的重要支柱产业之一,因此,科学预测房地产价格指数具有十分重要的意义。将神经网络算法应用于房价指数预测,收集我国主要城市的房地产价格指数数据,使用spssclementine软件进行分析。实验结果表明,该预测方法是可行的和有效的。

电梯运行的安全性关系到人民生命及财产的安全,确保电梯运行的安全性是非常有必要的,而导致电梯安全事故发生的大多数原因都是跟电梯门系统有关。本文主要是对电梯门系统的结构进行了详细的分析,并对电梯门系统常见的故障类型进行了总结。

电力系统短期负荷预测是保证电力系统安全经济运行和实现电网科学管理及调度的重要依据,目前的电力系统短期负荷预测方法存在着一些不足。提出了基于人工神经网络与主分量分析的短期负荷预测方法,在试验中分别采用该方法和单一的人工神经网络对辽宁省某电网的短期负荷进行了预测,试验结果表明本文提出的方法与单一的人工神经网络预测法相比,不但减少了预测的时间,而且避免了过拟合现象,提高了预测精度。

电力市场中普遍存在“价格钉”,其特殊性给电价预测带来困难。通过对其特征和影响因素的分析,提出了一种基于神经网络和相似搜索技术的价格钉预测方法。首先,采用bp神经网络建立价格钉识别模型,对未来某一交易时段市场清算电价可能出现的区间进行预测,并提供相应的置信度;其次,对判别为价格钉的时段采用相似搜索技术进行二次预测。采用澳大利亚昆士兰州电力市场2004年至2005年全年的电价数据进行训练和预测分析,结果验证了该方法的有效性。

利用小波分析具有能量分布特征提取的特性和遗传算法优化bp算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证.遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高.

强烈的地震给人们生命财产带来巨大损失,为了能够在地震之前预测出建筑物震害,提出一多层砖房为例。利用matlab神经网络工具箱,建立一种基于贝叶斯正则算法的bp神经网络模型,并以过去发生地震地区的多层砖房调查数据为震害因子的震害预测方法。结果表明:对多层砖房的震害样本的预测达到理想效果。

基于补偿模糊神经网络的制冷系统故障诊断研究——选择反映制冷系统故障状态的热力参数集组成特征向量，并对其进行模糊化处理，利用补偿模糊神经网络建立故障状态与热力参数特征向量之间的映射关系。将神经网络和补偿模糊逻辑相结合，采用动态、全局优化的运算，...

在岩土工程中如何准确预测桩基竖向承载力是一件非常重要的事情。针对现有研究存在的不足,基于标准bp神经网络算法,加入一动量因子,建立了修正的bp神经网络模型,对单桩的竖向承载力进行了预测。以镇江市勘察测绘研究院所完成的地质勘查报告为工程背景,以地震波静力触探测试(scptu)测得的4个指标(锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力)为输入参数,桩基承载力为输出参数。通过与现场静载试验进行比对,得到了相关系数较高的桩基荷载响应曲线。经过与传统预测方法进行比较发现,用修正的bp神经网络算法可以有效预测桩基竖向承载力,精度较高。

在岩土工程中如何准确预测桩基竖向承载力是一件非常重要的事情。针对现有研究存在的不足,基于标准bp神经网络算法,加入一动量因子,建立了修正的bp神经网络模型,对单桩的竖向承载力进行了预测。以镇江市勘察测绘研究院所完成的地质勘查报告为工程背景,以地震波静力触探测试（scptu）测得的4个指标（锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力）为输入参数,桩基承载力为输出参数。通过与现场静载试验进行比对,得到了相关系数较高的桩基荷载响应曲线。经过与传统预测方法进行比较发现,用修正的bp神经网络算法可以有效预测桩基竖向承载力,精度较高。

基于人工神经网络原理，设计了一个三层的ｂｐ网络模型。充分利用了神经网络高度非线性建模能力，实现电力系统的短期负荷预测。文中对样本数据进行了预处理，以及在算法中引入附加冲量项，以提高训练速度。预测仿真结果证明使用人工神经网络方法进行短期负荷预测是可行的。

当前,诸多研究人员被电力负载预测所吸引,由于其是精确计划、调度及运维电力系统的先决条件.众多因素均影响着电力负载预测,因此提出一个混合模型来提升预测的准确性是有必要的.文中提出一种采用2种方法的新的混合负载估计方案:小波变换(avelettransform,wt)和人工神经网络(artificialneuralnetwork,ann).为了将大型非对称时变电力原始数据集合考虑到其中,根据时间和频率采用小波技术来分解数据,众多小波函数可以采用,但选择一种合适的小波函数在设计此模型中扮演着关键作用.文中采用了以下几种类型的小波函数,即haar小波函数、deubechies小波函数、symlet小波函数以及coiflet小波函数,将电力负载数据分解成不同的段.随后,使用ann来预测负载的非线性数据.由aemo获取一周每天24h的数据验证了文中所设计模型的有效性.

在给出混凝土等效水灰比和骨料平均浆体厚度计算方法的基础上,采用人工神经网络方法,建立了混凝土28d抗压强度与混凝土等效水灰比、骨料平均浆体厚度和粉煤灰与胶凝材料用量比之间的非线性映射关系.该研究成果可减少混凝土试配次数,节约大量人力、物力和时间,并为高体积稳定性混凝土配合比设计方法的研究进一步奠定了基础.

基于小波-神经网络的软土路基沉降预测方法——软土路基的沉降是公路施工中常见的一种病害。该文结合小波分析和神经网络的特性，提出了一种新的路基沉降预测方法(wavelet-rbf)。分析表明，该方法具有较好的预测精度和泛化能力，可以用于工程实际。

单桩荷载与沉降关系曲线的神经网络预测方法——本文提出了一个预测单桩荷载一沉降关系曲线的bp神经网络模型。该网络模型包含两级网络，第一级网络以桩长、桩径、桩侧土层的分布情况，桩侧与桩端土层的物理力学指标为输入元，来先预测出单桩的极限承载力及其对应...