基于改进的BP神经网络的数据分类算法在大型履带式起重机安全作业中的研究贾雪峰

基于改进的BP神经网络的数据分类算法在大型履带式起重机安全作业中的研究贾雪峰

贾雪峰张乾康英男

贾雪峰张乾康英男

中核机械工程有限公司浙江海盐314300

摘要：依据大型履带式起重机的安全作业特点，研究了BP神经网络数据分类算法的原理和步骤，并将其理论应用于穹顶吊装起重机安全作业状态中，根据实际采集的安全状况数据建立神经网络模型，通过计算机对网络进行数据处理和训练，得出可以估计起重机安全作业状况的BP神经网络算法模型的实际应用。最后通过样本数据和模型网络输出数据的比较，验证了BP神经网络算法应用于大型履带起重机安全作业中的正确性和可行性，为提高起重机作业安全水平提供了一种新的思路。

关键词：安全作业；BP神经网络；起重机；吊装作业

1BP神经网络原理

传统的BP神经网络是一种多层前馈神经网络，通过误差逆传播算法，对网络进行大量的反馈训练，学习和存贮大量的输入-输出模式映射关系，而不用关注输入与输出映射具体关系的数学方程。通过最速下降法作为其网络学习的方法，通过反向传播来不断调整神经网络的权值与阈值，使BP神经网络的误差平方和最小。BP神经网络模型拓扑结构由输入层、

隐层与输出层构成。

传统BP神经网络的学习过程，主要由正向传播与反向传播两个方面组成。正向传播是是用来对网络进行计算时，输入某一样本的值从而求出相应的输出值。反向传播则是用于网络自学习和训练时修正输出输入层和各隐层的权值和阈值，利用的是网络中的误差被逐层的传递原理。

2改进的BP神经网络算法

改进的BP神经网络算法，根据原有神经网络的基本算法进行优化和完善，其主要的思路是采用任意给出的权值向量，通过神经网络计算，将给定的输出结果值，直接用作线性方程的代数和来建立线性方程组，通过高斯消元法解线性方程组，得到需要的权值结果。相比于传统方法存在的问题如，网络训练中收敛速度比较慢等，更具有优势。

2.1改进BP神经网络算法基本思路

通过将给定的目标输出直接作为线性方程等式代数和来建立线性方程组，不再通过对传递函数求逆来计算神经元的净输出，简化了运算步骤。没有采用误差反馈原理，因此用此法训练出来的神经网络结果与传统算法是等效的。其基本思想是：由所给的输入、输出模式对通过作用于神经网络来建立线性方程组，运用高斯消元法解线性方程组来求得未知权值，而未采用传统BP网络的非线性函数误差反馈寻优的思想[4]。

2.2算法步骤

对给定的样本模式对，随机选定一组自由权，作为输出层和隐含层之间固定权值，通过传递函数计算隐层的实际输出，再将输出层与隐层间的权值作为待求量，直接将目标输出作为等式的右边建立方程组来求解

3.大型履带式起重机在穹顶吊装中的实例

3.1工程概况

本文涉及的项目内容是安全壳穹顶钢衬里（以下简称“穹顶”）吊装工程，穹顶是安全壳钢衬里的顶盖部分，安装在筒体钢衬里的上部，安装标高为+44.830m（筒体钢衬里上口）～+55.880m（穹顶顶部），穹顶结构形状为类似于椭球形封头，由R=6m的过度圆环和R=24m的球冠两部分组成，其中R=6m的过渡圆环高为4.317m；R=24m的球冠部分高为6.733m，穹顶总高为11.050m。穹顶在车间分块预制成形后运至施工现场拼装成整体，采用13个吊点整体吊装，与筒体进行组装焊接。

3.2确定安全作业状态影响因素

影响起重机安全作业状态的因素主要有起重量、起重力矩、作业半径、风速、起升高度、发动机温度等6项指标，每个不同指标的风险程度和可能造成的安全状态的影响程度也不相同。

根据以上6种风险因素指标的样本统计量，确定安全风险程度等级分为：严重、中度、轻微、几乎没有四个等级。

3.3BP神经网络算法模型计算

利用Matlab中的神经网络工具箱建立模糊神经网络，对网络权值进行优化计算，结果见表1，x层为输入层向量，随机选定4组向量（0，0）、（0，1）、（1，0）、（1，1），t为给定输出层样本向量，经过网络学习，得出改进算法的权值数据。

表1权值计算结果

3.4输出结果验证

采集输入值通过神经网络算法训练的输出结果，得到表2，通过对其安全作业状态的评估，对比分析其输入估值和输出估值，比较输入安全状态与输出安全状态结果得表3：

表2模型输出量表

表3误差检验表

由表3可见，相对误差最大值为7.95%，平均值为3%，利用训练BP神经网络算法的准确性较高，其正确率水平为97%，因此可以正确地评价出该项目履带起重机的实际安全作业状态，能够符合穹顶吊装项目工程中起重机安全的实际要求。

4.结语

本文根据大型履带式起重机安全作业的特点，结合穹顶吊装起重机作业项目，分析作业过程的影响因素，通过研究传统的BP神经网络方法，分析其算法和劣势，进一步选用改进的BP神经网络分类算法，对起重机机械安全作业风险状态进行分析和计算，给出了BP神经网络算法在大型履带式起重机的安全作业中的应用，用穹顶吊装施工作业中履带起重机的自身机械风险因素作为输入量进行训练模型，建立相应的神经网络算法映射模型。

参考文献：

[1]杨红旗.《工程机械履带——地面附着力矩理论基础》[J].工程机械，机械工业，1991.