唐刚 李庆中 胡雄

摘要：为解决岸桥起升电动机的状态识别和实时监测问题，分析起升电动机的大量样本集，提出基于标准差的模糊C均值（standard deviation-based fuzzy C-means，S-FCM）聚类算法对起升电动机的状态进行聚类分析，并构建两种SVM模型。实验结果表明：起升电动机振动烈度可以聚类为4类。对两种SVM模型进行对比和验证，选出最理想的实时监测模型。該方法可以为设备维护保养提供依据并且可以实时在线监测岸桥起升电动机的工作状态。

关键词：起升电动机; 模糊C均值（FCM）聚类; 工况分类; 支持向量机（SVM）

中图分类号：U653.921

文献标志码：A

Abstract：In order to solve the problem of state recognition and real-time monitoring of hoisting motors of quay cranes， a large number of samples of hoisting motors are analyzed， and the standard deviation-based fuzzy C-means （S-FCM） clustering algorithm is proposed. The working states of hoisting motors are clustered and two support vector machine （SVM） models are constructed. The experimental results show that the vibration intensity of hoisting motors can be clustered into four categories. The two SVM models are compared and verified to select the optimal real-time monitoring model. The method can provide a basis for equipment maintenance and real-time on-line monitoring of the working states of the quay-crane hoisting motors.

Key words：hoisting motor; fuzzy C-means （FCM） clustering; working condition classification; support vector machine （SVM）

收稿日期：2018-05-28

修回日期：2019-02-26

基金项目：国家自然科学基金 （31300783）;国家高技术研究发展计划（“八六三”计划）（2013A20411606）;中国博士后科学基金（2014M561458）;教育部博士点基金 （20123121120004）;上海高校一流学科——管理科学与工程资助项目;上海海事大学科研基金 （20130474）

作者简介：唐刚（1982—），男，重庆人，副教授，博士，研究方向为人机工程，（E-mail）gangtang@shmtu.edu.cn

*通信联系人。（E-mail）huxiong@shmtu.edu.cn

0 引 言

随着我国港口贸易量的迅速增加及工业科技水平的提高，港口起重设备系统伴随工业4.0水平的提高朝着高度集成化、智能化方向发展，因此对港口起重设备的某些关键系统部位进行实时在线监控和工况状态评估显得尤为重要。21世纪计算机水平的提高和传感器技术不断完善，对岸桥设备进行监控能够获得大量的、多元化的与运行特征参数有关的数据[1-8]。张冰倩等[9]运用K-均值聚类算法和定量统计分析方法，对岸桥起升电动机的径向和轴向振动烈度（振动速度的最大均方根值）进行研究，提出了岸桥载荷分类识别方法。……