基于无监督学习的岸边集装箱起重机关键部件故障诊断方法

摘要：

为保障集装箱码头的安全性与可靠性,需要对岸边集装箱起重机进行故障诊断,发现异常从而保障关键部位功能安全.文中针对目前岸边集装箱起重机故障样本少的现状,提出了一种基于无监督方法的岸边集装箱起重机故障检测方案,能够根据现有数据自动的获得岸边集装箱起重机的健康状态,且不强制要求存在大量的故障数据对该故障检测模型进行训练.在岸边集装箱起重机小车机构、起升机构、俯仰机构的减速器各个位置布置加速度传感器,采集多通道振动信号,从振动信号的时域、频域中提取特征值,对特征值进行预处理与主成分分析降维,使机器学习方法能够全面的学习各个特征且减小数据冗余,最后运用无监督的聚类方法,结合岸边集装箱起重机的历史数据与实时数据进行聚类分析,判断设备的故障状态,保障关键部位功能安全.

关键词：岸边集装箱起重机;故障诊断;无监督学习;齿轮箱;K-Means

分类号：U653.921(港口工程)

资助基金：国家重点研发计划2018YFC0808902

在线出版日期：2022-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：61-65