專利名稱：基于小波網(wǎng)絡(luò)的提升機(jī)閘瓦間隙預(yù)測方法
技術(shù)領(lǐng)域：
本申請涉及一種提升機(jī)閘瓦間隙的預(yù)測方法，尤其是基于小波神經(jīng)網(wǎng)絡(luò)的提升機(jī)閘瓦間隙預(yù)測方法。
背景技術(shù)：
目前，國內(nèi)外礦井提升機(jī)或者高層建筑電梯大多采用閘瓦安全制動裝置來控制提升機(jī)的升降，它包括閘瓦上的位移傳感器、PLC控制器、液壓回路和制動閘。這種制動裝置的PLC控制器包括輸出顯示模塊和控制模塊，雖然它有控制功能，但沒有預(yù)測功能，一旦盤型閘磨損嚴(yán)重，系統(tǒng)穩(wěn)定性變差不易控制，無法正常停車和緊急制動，極易造成剎車失靈，引發(fā)過卷和人員傷亡的嚴(yán)重事故，損失巨大，影響生產(chǎn)，很需要對制動閥的磨損間隙進(jìn)行預(yù)測，以便及時調(diào)整閘瓦間隙。
小波神經(jīng)網(wǎng)絡(luò)(或小波網(wǎng)絡(luò))是基于小波變換而構(gòu)成的神經(jīng)網(wǎng)絡(luò)模型，即用非線性小波基取代通常的神經(jīng)元非線性激勵函數(shù)(如Sigmoid函數(shù))，把小波變換與神經(jīng)網(wǎng)絡(luò)有機(jī)地結(jié)合起來，充分繼承了兩者的優(yōu)點。從結(jié)構(gòu)形式看，可以把它分為兩類一類是小波變換與常規(guī)神經(jīng)網(wǎng)絡(luò)的結(jié)合，其基本思想是將信號經(jīng)小波變換后，再輸入給常規(guī)神經(jīng)網(wǎng)絡(luò)以完成分類、函數(shù)逼近等功能；二是將小波分解與前饋神經(jīng)網(wǎng)絡(luò)相融合，其基本思想是將常規(guī)單隱層神經(jīng)網(wǎng)絡(luò)的隱節(jié)點函數(shù)用小波函數(shù)代替，相應(yīng)的輸入層到隱層的權(quán)值及隱層閾值分別由小波函數(shù)的尺度與平移參數(shù)代替。目前在許多方面已經(jīng)利用小波網(wǎng)絡(luò)進(jìn)行預(yù)測，如股市預(yù)測、彩票預(yù)測、刀具狀態(tài)預(yù)測等等，預(yù)測時，首先構(gòu)建小波神經(jīng)網(wǎng)絡(luò)模型和算法模型輸入計算機(jī)，將以前發(fā)生的實時值轉(zhuǎn)化為時間序列的標(biāo)準(zhǔn)信號輸入計算機(jī)，由計算機(jī)運算處理輸出預(yù)測值。目前還沒有預(yù)測提升機(jī)閘瓦間隙的記載。
發(fā)明目的本發(fā)明的目的是為了解決閘瓦安全制動裝置沒有預(yù)測功能的不足，提供一種基于小波網(wǎng)絡(luò)的提升機(jī)閘瓦安全制動裝置的閘瓦間隙預(yù)測方法。
為實現(xiàn)上述目的，本發(fā)明的預(yù)測系統(tǒng)包括傳感器和一個PLC控制器，其特征是PLC控制器還含有閘瓦間隙預(yù)測模塊。其中閘瓦間隙預(yù)測模塊主要利用小波神經(jīng)網(wǎng)絡(luò)算法對傳感器送來的信息進(jìn)行分析處理和預(yù)報，預(yù)報結(jié)果以文件形式存儲于數(shù)據(jù)庫，并對中間結(jié)果不斷進(jìn)行刷新。具體預(yù)測過程如下1、將小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型存入PLC控制器；
2、構(gòu)建用于閘瓦間隙的小波神經(jīng)網(wǎng)絡(luò)算法模型存入計算機(jī)，算法模型的構(gòu)建方法是設(shè)t時刻的觀測樣本為x(1)，x(2)，…，x(n)，用其中的m個觀測值預(yù)測t時刻的x(m+1)值，將t時刻的x(m+1)預(yù)測值與觀測值相比較，找出蘊(yùn)含在數(shù)據(jù)樣本中的輸入/輸出關(guān)系，并將這個關(guān)系轉(zhuǎn)化到多層網(wǎng)絡(luò)節(jié)點間的權(quán)值上，實現(xiàn)均方誤差函數(shù)E(也就是網(wǎng)絡(luò)輸出誤差)極小化，進(jìn)行網(wǎng)絡(luò)的訓(xùn)練以求權(quán)值W、平移系數(shù)bi、伸縮系數(shù)ai和閘瓦間隙的初始值f的修正量，從而預(yù)報t+1時刻的值x(n+1)；3、將以前測試時間數(shù)據(jù)和對應(yīng)的閘瓦間隙數(shù)據(jù)存于PLC控制器數(shù)據(jù)庫中；將采集的提升機(jī)閘瓦間隙實時信號轉(zhuǎn)化為時間序列樣本對信號，傳送給PLC控制器，給閘瓦間隙預(yù)測單元提供實時輸入信息；4、利用小波神經(jīng)網(wǎng)絡(luò)算法模型對小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行訓(xùn)練，訓(xùn)練過程如下(1)對小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行權(quán)值w與控制參數(shù)(包括平移系數(shù)bi、伸縮系數(shù)ai、訓(xùn)練次數(shù)k以及閘瓦間隙的初始值f)全部初始化，設(shè)置允許誤差e值；(2)將采集處理后的時間序列樣本對信號引入網(wǎng)絡(luò)預(yù)測模型，開始訓(xùn)練；(3)當(dāng)網(wǎng)絡(luò)輸出誤差E小于允許誤差e值時，則訓(xùn)練結(jié)束；(4)否則，計算訓(xùn)練后的權(quán)值增量Δw、Δa、Δb；(5)令W(k+1)＝W(k)+ΔWa(k+1)＝a(k)+Δab(k+1)＝b(k)+Δb并返回步驟(2)繼續(xù)迭代。
根據(jù)訓(xùn)練后的參數(shù)計算閘瓦間隙預(yù)測值，輸出未來的時間—間隙曲線表。
本發(fā)明積極效果是1、小波神經(jīng)網(wǎng)絡(luò)是將小波理論和神經(jīng)網(wǎng)絡(luò)理論結(jié)合起來的一種神經(jīng)網(wǎng)絡(luò)，它利用該網(wǎng)絡(luò)易于構(gòu)建預(yù)測模型和訓(xùn)練模型，對提升機(jī)閘瓦間隙進(jìn)行預(yù)測，誤差小，準(zhǔn)確率高；2、在現(xiàn)有提升機(jī)控制系統(tǒng)的PLC控制器上另增加一個利用小波神經(jīng)網(wǎng)絡(luò)預(yù)測控制功能的模塊，為人們了解當(dāng)前設(shè)備的運行狀態(tài)和制定維修策略提供可靠的依據(jù)，一旦閘瓦制動器磨損將要超過規(guī)定的上限時，進(jìn)行提前更換或調(diào)整，避免造成剎車失靈，減少事故的發(fā)生。
具體實施例方式
下面以一個實施例再進(jìn)行進(jìn)一步說明。
某煤礦提升機(jī)上已裝有PLC控制器的安全制動系統(tǒng)，安全制動參數(shù)規(guī)定閘瓦間隙以1.6mm為報警值，首先構(gòu)建小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型和算法模型輸入PLC控制器，將位移傳感器實測間隙值0-5mm的位移信號變?yōu)?-20mA的電流信號，通過A/D模塊，將電流信號變?yōu)閿?shù)字量送給PLC控制器和計算機(jī)，進(jìn)行實時顯示，同時，把以前的間隙測量數(shù)據(jù)和時間(以天為單位)存于數(shù)據(jù)庫中，作為歷史數(shù)據(jù)。利用歷史數(shù)據(jù)作為樣本訓(xùn)練小波網(wǎng)絡(luò)，PLC控制器根據(jù)最近的實測值，預(yù)測未來一段時間特征參數(shù)的變化趨勢。打印出時間—間隙變化曲線，根據(jù)變化曲線可明顯看出某天時間閘瓦間隙將達(dá)到1.6mm。
權(quán)利要求
1.一種基于小波神經(jīng)網(wǎng)絡(luò)的提升機(jī)閘瓦間隙預(yù)測方法，其特征是，它是通過以下步驟進(jìn)行預(yù)測的(1)將小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型存入PLC控制器；(2)構(gòu)建用于閘瓦間隙的小波神經(jīng)網(wǎng)絡(luò)算法模型存入計算機(jī)，算法模型的構(gòu)建方法是設(shè)t時刻的觀測樣本為x(1)，x(2)，…，x(n)，用其中的m個觀測值預(yù)測t時刻的x(m+1)值，將t時刻的x(m+1)預(yù)測值與觀測值相比較，找出蘊(yùn)含在數(shù)據(jù)樣本中的輸入/輸出關(guān)系，并將這個關(guān)系轉(zhuǎn)化到多層網(wǎng)絡(luò)節(jié)點間的權(quán)值上，實現(xiàn)網(wǎng)絡(luò)輸出誤差E極小化，進(jìn)行網(wǎng)絡(luò)的訓(xùn)練以求權(quán)值W、平移系數(shù)bi、伸縮系數(shù)ai和閘瓦間隙的初始值f的修正量，從而預(yù)報t+1時刻的值x(n+1)；(3)將采集的提升機(jī)閘瓦間隙實時信號轉(zhuǎn)化為時間序列樣本對信號，傳送給PLC控制器，給閘瓦間隙預(yù)測單元提供實時輸入信息；(4)利用小波神經(jīng)網(wǎng)絡(luò)算法模型對小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行訓(xùn)練，訓(xùn)練過程如下①對小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行權(quán)值w與控制參數(shù)全部初始化，控制參數(shù)包括平移系數(shù)bi、伸縮系數(shù)ai、訓(xùn)練次數(shù)k以及閘瓦間隙的初始值f，設(shè)置允許誤差e值；②將采集處理后的時間序列樣本對信號引入網(wǎng)絡(luò)預(yù)測模型，開始訓(xùn)練；③當(dāng)網(wǎng)絡(luò)輸出誤差E小于允許誤差e值時，則訓(xùn)練結(jié)束；④否則，計算訓(xùn)練后的權(quán)值增量Δw、Δa、Δb；⑤令W(k+1)＝W(k)+ΔWa(k+1)＝a(k)+Δab(k+1)＝b(k)+Δb并返回步驟(2)繼續(xù)迭代；根據(jù)訓(xùn)練后的參數(shù)計算閘瓦間隙預(yù)測值，輸出未來的時間—間隙曲線表。
全文摘要
本發(fā)明公開了一種基于小波神經(jīng)網(wǎng)絡(luò)的提升機(jī)閘瓦間隙預(yù)測方法，其特征是，它是通過以下步驟進(jìn)行預(yù)測的將小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型存入PLC控制器；構(gòu)建用于閘瓦間隙的小波神經(jīng)網(wǎng)絡(luò)算法模型存入計算機(jī)；將采集的提升機(jī)閘瓦間隙實時信號轉(zhuǎn)化為時間序列樣本對信號，傳送給PLC控制器，給閘瓦間隙預(yù)測單元提供實時輸入信息；利用小波神經(jīng)網(wǎng)絡(luò)算法模型對小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行訓(xùn)練，以求權(quán)值W、平移系數(shù)b
文檔編號G06F19/00GK1837816SQ20061004368
公開日2006年9月27日 申請日期2006年4月22日 優(yōu)先權(quán)日2006年4月22日
發(fā)明者王致杰, 劉韜, 李冬, 曹豐文, 王進(jìn)野, 楊玉玲, 吳翠娟, 孫霞 申請人:王致杰