李 倩 刘惠康 皮 瑶 喻 青

(*武汉科技大学教育部冶金自动化与检测技术工程研究中心 武汉430081)

(**中钢集团武汉安全环保研究院 武汉430081)

0 引言

吊车作为工业生产中最常见的设备,不仅要保证其高效率的运行作业,对于它的安全问题更是不可忽视。在实际的工程中,考虑到制动器是吊车高效、安全作业的保障,对制动器进行故障诊断引起了相关学者的广泛研究。高峰[1]构建了电梯故障诊断专家系统,结合支持向量机(support vector machine,SVM)完成了电梯故障诊断。何常远等人[2]分析了起重机制动系统典型故障及原因,利用Levenberg-Marquardt 算法优化的BP(back propagation)神经网络识别故障。刘锦荣等人[3]通过构建遗传算法(genetic algorithm,GA)优化的BP 神经网络(GA-BP)的诊断方法,实现了提升机液压制动系统的常见故障诊断。虽然这些方法在过去取得了不错的效果,但随着故障数据的日渐复杂化和大数据化,仅靠传统的故障诊断方法难以取得很好的效果。比如专家系统只适合应用于研究非常透彻的领域,而在研究尚未成熟的领域应用则不能保证较高的准确率。SVM 作为一种基于有限样本统计理论的分类方法,只适合解决小样本、高维数等问题。传统的神经网络具有故障诊断准确率高的优点,但是存在网络收敛速度慢、容易陷入局部最小等问题。

深度学习理论的提出,解决了数据多且复杂的难题,越来越多的学者将其应用在不同的研究领域。深度置信网络(deep belief network,DBN)作为深层网络的典型代表,凭借其强大的数据处理和特征提取能力广泛地应用于各种研究中,特别是在手写体识别[4-6]、语音识别[7-8]及图像处理[9-10]等领域取得了一些成果。……