基于POA-CNN-REGST的電梯鋼絲繩滑移量預測方法

作者：朱錫山,羅貞,易燦燦,等. 日期：2023-08-14/span> 瀏覽：1406 查看PDF文檔

摘要:電梯曳引輪與鋼絲繩之間的滑移量過大會導致重大意外事故的發生,針對這一問題,提出了一種基于鵜鶘優化算法-卷積神經網絡-堆疊回歸(POA-CNN-REGST)的電梯鋼絲繩滑移量預測方法。首先,使用數據產生函數生成了樣本,并對樣本添加了高斯白噪聲,分別使用POA-CNN-REGST、支持向量機(SVM)、相關向量機(RVM)對仿真數據進行了訓練和學習;然后,對試驗基地采集的電梯滑移量等相關數據進行了歸一化處理,并用POA-CNN-REGST進行了電梯鋼絲繩滑移量預測;最后,將結果與傳統的統計學模型SVM和RVM進行了比較。研究結果表明:在使用相同的訓練集和測試集時,在仿真數據分析中,其均方根誤差為0.0496;在真實數據分析中,其均方根誤差和平均絕對百分比誤差低至0.0661和0.0733。無論是仿真數據或是真實數據分析,該模型預測準確度都遠高于SVM和RVM,這表明其在電梯鋼絲繩滑移量預測方面具有高度可靠性。

關鍵詞:曳引式電梯;鋼絲繩;滑移量;鵜鶘優化算法;卷積神經網絡;堆疊回歸模型

中圖分類號:TH23;TU857文獻標識碼:A文章編號:1001-4551(2023)06-0928-08


本文引用格式:

朱錫山,羅貞,易燦燦,等.基于POA-CNN-REGST的電梯鋼絲繩滑移量預測方法［J］.機電工程,2023,40(6):928-935.

ZHU Xi-shan, LUO Zhen, YI Can-can, et al. Prediction method of elevator wire rope slippage based on POA-CNN-REGST model［J］.Journal of Mechanical & Electrical Engineering, 2023,40(6):928-935.