曾来军,陈振[1]（2016）在《卸船机抓斗起升动载产生的前大梁振动分析》文中研究指明卸船机在抓斗和物料提升时,抓斗及物料所产生动载通过钢丝绳传递到卸船机前大梁上,从而对前大梁产生冲击,造成前大梁的振动。通过Ansys分析软件模拟这一过程,得到冲击后大梁的振动曲线,得到了大梁的振动幅值及振动频率等结果。
续秀忠,蒋姗[2]（2010）在《桥吊实时工况统计分析与预测》文中进行了进一步梳理为准确掌握桥式起重机（简称桥吊）的动态信息,对上海外高桥集装箱桥吊的实时工况进行统计分析与预测.通过分析桥吊起升电机的振动信号和温度信号统计特性,得到振动与温度的关系;通过对信号数据的预处理,建立支持向量机（Support Vector Machine,SVM）训练模型,其中对惩罚参数和核函数参数采用交叉验证的方法进行优化;利用得到的训练模型预测后继的振动信号.与单纯用振动信号或温度信号所建的模型相比,这种振动信号与温度信号相结合的模型对电机振动信号预测的准确性更高.
邓传月[3]（2007）在《岸桥小车轨道振动特征分析及状态分类研究》文中研究指明集装箱运输已成为全球化物流的主要方式,岸边集装箱起重机在整个集装箱运输过程中起着重要作用,是港区作业的关键生产设备。岸桥的安全、连续工作越来越受人们的重视,对岸桥的工作状态进行监测和评估引起了港口有关部门的极大关注。小车在通过轨道铰点时会产生一定的冲击和振动,铰点工作状态恶化会加剧岸桥结构的冲击振动,威胁着结构的安全。轨道非主铰部位也会出现啃轨等故障。本文根据以上情况,以岸桥小车轨道铰点部位为主,非铰点部位为辅,提出了一套针对轨道特征参数的统计分析技术和分类方法,提高了异常数据的检测能力和故障诊断准确率。本文把传统的理论应用在新的领域,针对各自的特点加以结合,进行了新的探索和研究,最后提出具有实际意义的应用方法,并取得了一定成果。本文主要用到的理论和方法是;基于小波包分析的岸桥小车轨道特征参数的统计分析和状态分类。具体工作如下;1、将小波包分析方法运用到岸桥小车轨道振动信号的分析中,选取能量与方差作为轨道的振动特征参数,有效提取出铰点部位与非铰点部位的振动特征频段。2、将正态分布原理引入到岸桥小车轨道铰点机械性能状态的划分之中,并用最大熵概率分布加以验证,准确地反映了实际情况,并定义了正态分布诊断准则的状态分级评价的原则和临界点,方便和简化了状态判断的决策过程。本文中的数据来源于上海沪东集装箱码头有限公司,运用上海海事大学机械系装卸监控信息处理研究中心开发的网络型起重机状态监评系统（NetCMAS）进行数据采集和处理。综上所述,本文通过对上海沪东集装箱码头有限公司的小车轨道机械振动的监测和研究,提出一些与实际结合的理论和方法,将一些新的思想引入到实际工程之中并解决了一些状态监测中的问题。论文不仅在理论应用上有所创新,在实际工程的评估和分析中也有其应用价值,可以提供更及时、更准确、更全面的运行状态评估分析结论,能更好地保证设备正常运转。
黄俊悦[4]（2006）在《桥吊监测数据挖掘系统（QD-Minner）的研究与实现》文中指出随着科学技术特别是信息技术的迅猛发展，越来越多的企业将他们的业务交由计算机处理和存储。各行各业积累数据的能力和速度达到了惊人的地步。因此在商业领域和科学研究领域都迫切要求发展这样一种能够从如此海量的数据中抽取出模式，找出数据变化的规律和数据之间的相互依存关系的技术。现在银行，零售业，等都已经开始利用这些前沿的技术和知识获取重要信息。不仅如此，利用数据挖掘，OLAP技术、DSS将企业报表系统和预警系统结合在一起，形成了当前比较流行的商务智能（Business Intelligence）软件。 本文在“起重机监测信息的数据挖掘与状态预测技术”这个项目的背景下，结合数据挖掘技术开发出专门挖掘桥吊监测数据的挖掘信息系统——QD-Minner。该系统挖掘的对象比较特殊，因为这些对象是安装在外高桥码头的桥吊上二十二个状态监测点所得到的监测数据。QD-Minner所挖掘的就是这些监测点之间的关联规则，这些关联规则反应在数据上的就是数据库中列与列之间的关系。 QD-Minner所使用到的挖掘方法主要基于K-Means和FP-Tree。对于K-Means算法，针对随机点的不确定性会影响运行效率的问题提出了一些改进；而对于FP-Tree算法，为提高读取数据的速度引进了位图技术： （1） 在实际的K—Means算法中，簇的数目k是一个不断改变的变量。因为人们往往不能一次就得到合适的划分，而是在实验中不断更新簇的数目以寻找最佳的划分。根据对K—Means划分的分析，我们可以看到新的划分与前一次在k值变化不大的情况下的划分有相似性，根据该相似性，提出了基于前一次划分的BLK-Means算法，该算法避免了随机选择质点的盲目性，利用前一次得到的划分结果计算出较为合理的新的质点的分布，减少了迭代的次数，从而降低了运行时间。 （2） FP-Tree算法在不产生候选项集方面较Apriori算法已有很大改进。本文从数据读取方面入手，结合位图的优良特性，提出了BMFP算法。该算法主要是将数据一次性的读取并投影为位图矩阵，使得整个挖掘过程只需读取一次数据库即可。这在一定程度上提高了数据读取方面的效率。
张仕海,朱建元,胡雄[5]（2004）在《集装箱桥吊前大梁振动的时间序列分析与故障诊断》文中进行了进一步梳理基于对集装箱桥吊工况的模拟和振动监测研究,探讨时间序列分析方法用于桥吊状态监测的可能性和有效性,并对桥吊振动信号AR（自回归）模型的建立及其功率谱估计进行了分析。结果表明,时间序列分析对集装箱桥吊的故障诊断和状态监测是可行和有效的。
成玫[6]（2004）在《基于小波包分析的岸桥模型小车轨道状态分类识别技术》文中指出随着我国加入WTO，我国港口在进出口贸易中的地位更加显得突出。90年代以来，是世界集装箱运输飞速发展的时期，与之相对应的是集装箱桥吊（以下简称岸桥）的大型化和高效化。在岸桥前大梁与后大梁处有一连接铰点，每次作业的循环中，小车都要负载或空载通过该铰点，这会对铰点处的轨道接头产生一定的冲击和振动，这些冲击和振动会带米许多危害，若不及时发现，将会对整机的工作性能、效率产生重要的影响。 近二十多年来，我国一些高等院校、研究所和工厂，在振动监测和故障诊断这一领域开展了许多研究工作，并取得了不少成果，但是对于岸桥轨道铰接处振动的监测和故障诊断则不够完善。本论文即是以此为研究的切入点，通过在岸桥模型上进行模拟试验，收集岸桥铰接处轨道在不同高低差、不同的车速和载重下的信号，应用小波包分解的统计量的分析技术对这些数据进行分析。 在应用小波包分解时，存在着小波基的选择问题，不同的小波基具有不同的时频特性，因此同一信号经过不同小波基进行分析往往会表现出不同的结果。本文分析了常用一维小波基的特性，针对本试验的特征，比较了Haar小波基、Daubechies小波基、Coiflet小波基、Symlets小波基、Bior小波基、Meyer小波基、Morlet小波基、Mexican Hat小波基，在这几种小波基中，找出了最适合本试验的小波基——Bior3.3。 统计量的分析方法多种多样，本文选用了峭度指标、裕度指标分析小波包分解后各频段的数据，经过大量数据的比较，发现选用峭度指标、裕度指标对数据分析有帮助：由峭度指标能区别出两侧轨道中是哪一侧出故障；应用裕度指标找出了在岸桥铰接处轨道的不同高度差下，该指标的变化规律。同时在计算峭度指标、裕度指标中，通过比较认为平滑法计算较精确，并选用了该方法计算统计量。 本论文由测试参数的确定、测试点的选择、测试试验硬件的配置及测试工况的确定，拟定了在岸桥模型上模拟岸桥主铰处故障的测试试验方案。通过对测试试验数据的小波包分解的统计量的分析，发现经过尺度为5的小波包分解后，在2625-2750Hz频段内，统计量——平滑裕度指标随着岸桥铰接处轨道的高度差的增加而增加。由于振动数据是在岸桥模型上模拟而获得的，具有一定的可信度，因此该分析结果对以后的实际应用有一定的指导作用!
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 1 瞬态动力学基本方程及方程求解 |
| 2 卸船机模态分析 |
| 3 卸船机起升动载瞬态分析 |
| 4 结论 |
| 0 引言 |
| 1 电机实时工况统计特征分析 |
| 1.1 电机实时工作数据的特点 |
| 1.2 振动与温度之间的关系 |
| 2 电机工作数据的预处理 |
| 2.1 消噪 |
| 2.2 数据归一化 |
| 3 用SVM预测信号 |
| 3.1 SVM原理 |
| 3.2 SVR预测方法 |
| 3.3 用SVM建立预测模型 |
| 3.4 模型建立时的参数优化方法 |
| 4 预测结果分析 |
| 5 结论 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 机械故障诊断技术综述 |
| 1.2.1 机械故障诊断技术的发展现状 |
| 1.2.2 机械故障诊断技术的发展趋势 |
| 1.3 课题研究背景、意义及本文的主要工作 |
| 1.3.1 课题的必要性和可行性 |
| 1.3.2 本文的主要研究内容 |
| 第二章 岸桥小车轨道振动实验 |
| 2.1 现场情况概述 |
| 2.2 信号采集的硬件及软件介绍 |
| 2.2.1 有关硬件的介绍 |
| 2.2.2 有关软件的介绍 |
| 2.3 小车轨道测点布置 |
| 2.4 信号采集设置 |
| 2.5 数据预处理 |
| 第三章 小车轨道振动信号的小波包处理方法 |
| 3.1 小车轨道振动信号分析 |
| 3.1.1 小车经过铰点处的信号特点 |
| 3.1.2 小车经过非铰点处的信号特点 |
| 3.2 小波分析在故障诊断中的应用 |
| 3.3 小波分析基本理论 |
| 3.3.1 小波变换的定义 |
| 3.3.2 离散小波变换 |
| 3.3.3 二进制小波变换 |
| 3.3.4 多分辨率分析 |
| 3.4 小波包变换的原理 |
| 3.4.1 小波包的定义 |
| 3.4.2 小波包的子空间分解 |
| 3.4.3 小波包分解与重构算法 |
| 3.4.4 小波基函数的选择 |
| 第四章 小车轨道振动特征分析 |
| 4.1 特征提取专项实验 |
| 4.2 故障特征参数的选择 |
| 4.2.1 设备故障诊断中的特征参数 |
| 4.2.2 故障特征参数的选择原则 |
| 4.3 基于小波包分析的特征提取 |
| 第五章 基于正态分布的小车轨道状态分类 |
| 5.1 基于正态分布的统计特征分类方法 |
| 5.1.1 正态分布原理 |
| 5.1.2 3σ准则 |
| 5.1.3 诊断准则的制定 |
| 5.2 基于最大熵理论的统计特征分析方法 |
| 5.2.1 最大熵理论 |
| 5.2.2 最大熵概率密度函数求解的过程 |
| 5.2.3 矩约束的构造 |
| 5.2.4 最大熵分析方法验证 |
| 5.3 小车轨道现状分析 |
| 5.3.1 小车轨道状态分类 |
| 5.3.2 现场实例分析 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 研究工作的展望 |
| 致谢 |
| 参考文献 |
| 附录1 三层小波包分解系数提取源程序 |
| 附录2 三层小波包分解重构统计参数提取源程序 |
| 附录3 攻读硕士学位期间完成的科研论文及有关科研项目 |
| 论文独创性声明 |
| 论文使用授权声明 |
| 摘要 |
| Abstract |
| 目录 |
| 第1章 知识发现和数据挖掘 |
| 1.1 引言 |
| 1.2 知识发现 |
| 1.2.1 KDD处理过程 |
| 1.3 数据挖掘技术 |
| 1.3.1 数据挖掘常用的技术 |
| 1.3.2 数据挖掘所使用的主要方法 |
| 1.3.3 数据挖掘算法评价标准 |
| 1.3.4 数据挖掘的发展趋势 |
| 第2章 聚类分析概述及K-Means改进算法的介绍 |
| 2.1 聚类分析介绍 |
| 2.2 主要聚类方法的分类 |
| 2.3 K-Means算法介绍 |
| 2.3.1 K-Means算法具体描述 |
| 2.3.2 K-Means算法的评估 |
| 2.4 K-Means的改进算法-BLK-MEANS算法 |
| 2.4.1 BLK-MEANS算法提出原因 |
| 2.4.2 BLK-MEANS算法描述 |
| 2.4.3 BLK-MEANS算法分析 |
| 2.4.4 BLK-MEANS算法的一个应用实例 |
| 第3章 关联规则及FP-Tree改进算法的介绍 |
| 3.1 关联规则的基本概念 |
| 3.1.1 关联规则典型应用 |
| 3.1.2 关联规则的相关概念 |
| 3.2 关联规则的经典算法 |
| 3.2.1 Apriori算法介绍 |
| 3.2.2 Apriori算法描述 |
| 3.2.3 Apriori算法的不足 |
| 3.3 FP-growth算法 |
| 3.3.1 频繁模式树(Frequent Pattern Tree) |
| 3.3.2 FP-Tree的构造算法 |
| 3.3.3 用FP-Tree挖掘频繁模式 |
| 3.4 BMFP算法的提出 |
| 3.4.1 位图介绍 |
| 3.4.2 BMFP算法的设计思想 |
| 3.4.3 BMFP算法分析 |
| 第4章 QD-Minner挖掘系统的设计 |
| 4.1 项目背景介绍 |
| 4.1.1 研究目标 |
| 4.1.2 研究内容 |
| 4.2 系统的总体设计目标 |
| 4.2.1 系统开发工具 |
| 4.3 QD-Minner挖掘对象的特殊性以及挖掘结果的处理 |
| 4.4 QD-Minner的系统结构 |
| 4.5 QD-Minner挖掘系统的数据预处理与挖掘算法 |
| 4.5.1 BLK-MEANS算法的系统实现 |
| 4.5.2 BMFP算法的系统实现 |
| 4.6 QD-Minner的实现 |
| 4.6.1 QD-Minner的挖掘过程 |
| 4.6.2 QD-Minner的界面展现 |
| 第5章 QD-Minner对外高桥设备状态监测数据进行挖掘的模式评估 |
| 5.1 数据来源 |
| 5.2 不同的预处理对挖掘结果的影响 |
| 5.3 选择不同的支持度,不同的置信度对挖掘的影响 |
| 5.4 对一次挖掘结果的分析和解释 |
| 5.5 挖掘模型的意义 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 0 引 言 |
| 1 时间序列分析法 |
| 1.1 ARMA模型基本理论 |
| 1.2 模型的定阶 |
| 1.3 模型的参数估计 |
| 1.4 功率谱估计的参数方法 |
| 2 试验装置与方案 |
| 2.1 试验装置 |
| 2.2 实验方案 |
| 3 测试数据分析 |
| 4 结 论 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 机械故障诊断技术综述 |
| 1.2.1 机械故障诊断技术的发展简史 |
| 1.2.2 机械故障诊断技术的应用现状及发展趋势 |
| 1.3 小波、小波包分析的概述 |
| 1.4 课题研究背景、意义及本文的主要工作 |
| 1.4.1 课题的必要性和可行性 |
| 1.4.2 课题在国内外的发展情况及本文研究的目的、任务和难点 |
| 第二章 岸桥主铰状态的振动试验 |
| 2.1 试验目的 |
| 2.2 测试试验方案 |
| 2.2.1 测试中的基本参数 |
| 2.2.2 振动测试试验硬件配置 |
| 2.3 测试工况的确定 |
| 第三章 基于小波包岸桥主铰振动状态的特征分析 |
| 3.1 状态检测方法 |
| 3.2 小波包分解的统计量分析方法 |
| 3.2.1 小波基选取的基本原则 |
| 3.2.2 本试验小波基的选取 |
| 3.3 对岸桥模型主铰的故障分析 |
| 第四章 试验数据分析 |
| 第五章 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间完成的科研论文及有关科研项目 |
| 附录2 数据分析表 |
