龔 楠 王金奇

（西安特種設(shè)備檢驗檢測院，陜西 西安710065）

0 引言

起重機械，是指用于垂直升降或者垂直升降并水平移動重物的機電設(shè)備，主要由工作機構(gòu)（起升機構(gòu)、運行機構(gòu)、變幅機構(gòu)和旋轉(zhuǎn)機構(gòu)）、驅(qū)動裝置、取物裝置、金屬結(jié)構(gòu)和操縱系統(tǒng)幾部分組成。起重機械作為特種設(shè)備，被廣泛應用在煤礦、港口、建筑等行業(yè)。起重機械種類非常多，結(jié)構(gòu)比較復雜，應用廣泛，近些年來我國的起重機械行業(yè)發(fā)展的速度很快，但在產(chǎn)品的品種規(guī)格、質(zhì)量穩(wěn)定性、生產(chǎn)效率、安全裝置靈敏可靠程度、管理水平等方面與歐美發(fā)達國家仍存在較大的差距，而且存在很多方面的問題，一時適應不了起重機械發(fā)展的需要，故而在起重機械作業(yè)過程中發(fā)生了很多傷亡事故。根據(jù)國家質(zhì)檢總局的統(tǒng)計數(shù)據(jù)，起重機械作業(yè)過程中發(fā)生的傷亡事故占各行業(yè)全部傷亡事故的20%～30%，其本質(zhì)安全已嚴重影響到作業(yè)人員的生命和財產(chǎn)安全。因此，對于起重機械的安全要求是十分嚴格的。有了嚴謹、科學的起重機械本質(zhì)安全評價方法，能及時準確地判斷出影響安全的因素，才能大大降低起重機械作業(yè)過程中發(fā)生安全事故的概率。

1 起重機械本質(zhì)安全影響因素

為了更好地研究起重機械本質(zhì)安全的評價方法，我們要對起重機械事故發(fā)生的原因進行深入分析。影響起重機械本質(zhì)安全的因素很多，其中一些因素是偶然形成的?？偨Y(jié)起重機械事故發(fā)生的原因，主要包括以下幾個方面：

1.1 起重機械自身因素

起重機械設(shè)備本身存在由于設(shè)計制造欠佳、使用維護不當造成的缺陷，使其他因素在非常完好的狀態(tài)下也很有可能導致重大安全事故，造成人身傷亡和財產(chǎn)損失。機械設(shè)計上的缺陷包括材料選擇不當、強度計算不準、結(jié)構(gòu)設(shè)計不合理、操縱機構(gòu)設(shè)計不合理、外觀護罩不安全、無安全裝置等，制造方面的缺陷包括加工精度不夠、不按照工藝卡片要求裝配、零件表面質(zhì)量存在問題等，安裝錯誤包括螺栓未達到規(guī)定扭矩、齒輪嚙合不好等。雖然近些年來由設(shè)計制造方面的原因造成的起重機械事故發(fā)生的幾率不大，但這仍然是值得重視的因素。

1.2 人員因素

起重機械作業(yè)人員的安全意識、操作水平、自我保護意識，都會影響到起重機械的運行安全。同時，其他與起重機械有關(guān)的作業(yè)人員，像起重機械作業(yè)范圍內(nèi)的施工作業(yè)人員和起重機械作業(yè)空間范圍的其他專業(yè)作業(yè)人員，甚至是臨時進入這兩個范圍的人員的自我保護意識，都會影響到起重機械的本質(zhì)安全。例如，經(jīng)常出現(xiàn)的由無證上崗、違章作業(yè)、發(fā)生緊急情況后處理不當?shù)仍斐傻氖鹿识紝儆谶@一類。人員因素例如無證操作、自我保護能力和應對緊急狀況的能力差等造成的事故在起重機械事故中占很大比例。

1.3 管理因素

人員管理方面：勞動制度、福利薪酬制度不合理，勞動紀律執(zhí)行力較差，制定的各項規(guī)章制度不去遵守，對工作現(xiàn)場檢查較少，不按照設(shè)備的操作說明操作，沒有安全操作規(guī)程或者安全規(guī)程不完善，對操作人員缺乏監(jiān)督管理等。

起重機械設(shè)備管理方面：使用單位對設(shè)備的管理狀況不好，如對設(shè)備臺賬的管理、設(shè)備安全技術(shù)檢驗的管理、設(shè)備使用維護保養(yǎng)保修的管理、起重機械設(shè)備作業(yè)與其他設(shè)備作業(yè)的協(xié)調(diào)管理等，這些都會影響到起重機械的本質(zhì)安全。管理混亂的企業(yè)起重機械設(shè)備發(fā)生事故的可能性自然會更大一些。

2 基于LM神經(jīng)網(wǎng)絡(luò)的起重機械本質(zhì)評價方法

起重機械的本質(zhì)評價方法，應從起重機械的各個方面分層次地進行。為了盡量減少評價過程中人為因素對準確性的影響，我們引入了神經(jīng)網(wǎng)絡(luò)，建立起重機械本質(zhì)評價神經(jīng)網(wǎng)絡(luò)模型，通過LM數(shù)學算法，對采集到的樣本數(shù)據(jù)進行數(shù)學計算處理，獲取各項評估規(guī)則的比重數(shù)字。通過實測數(shù)據(jù)驗證，這種評價方法更為準確、有效。基于LM神經(jīng)網(wǎng)絡(luò)的起重機械本質(zhì)評價方法，比應用傳統(tǒng)的加權(quán)平均統(tǒng)計方法評價起重機械的本質(zhì)安全更客觀。

2.1 評價因子構(gòu)造

根據(jù)前面介紹的起重機械本質(zhì)安全的影響因素，構(gòu)建起重機械本質(zhì)評價體系，如圖1所示。

圖1 起重機械本質(zhì)評價體系

然后，我們進一步構(gòu)造評價屬性集、條件集與結(jié)果集。

（1）屬性集：

P1（起重機械自身因素）＝｛P11（設(shè)計不當），P12（制造方面），…，P15（安裝方面）｝；

P2（人員因素）＝｛P21（安全意識），P22（操作水平），…，P25（應變能力）｝；

P3（管理因素）＝｛P31（勞動紀律），P32（操作規(guī)程），P33（設(shè)備檢查），…，P35（監(jiān)督檢查）｝。

（2）條件集：

U＝｛U1（是），U2（否）｝ F＝｛Fi（額定權(quán)值）｝ i＝0，1，2，…，n；

U＝｛U1（特定條件）｝ F＝｛Fi（特定權(quán)值）｝ i＝0，1，2，…，n。

（3）結(jié)果集：

R＝｛R1（低），R2（中），R3（高），R4（極高）｝。

2.2 處理樣本數(shù)據(jù)

應用基于LM神經(jīng)網(wǎng)絡(luò)的起重機械本質(zhì)評價方法，需要有大量的評價指標數(shù)據(jù)。起重機械本質(zhì)評價指標數(shù)據(jù)的獲取有兩種方法：第一種是專家對各項影響起重機械本質(zhì)安全的因素進行評分，第二種是采用數(shù)據(jù)采集裝置收集數(shù)據(jù)，其中第二種方法更為客觀。根據(jù)香農(nóng)信息論對某一起重機械設(shè)備不同評價數(shù)據(jù)進行處理，結(jié)合起重機械本質(zhì)評價指標體系將指標劃分為4級。以起重機械自身因素為例，Di表示所選取的起重機械設(shè)備樣本，P1j表示設(shè)備本體危險源的評價指標，G表示危險等級，0、1、2、3分別代表低、中、高、極高4個級別。

2.3 神經(jīng)網(wǎng)絡(luò)設(shè)計

2.3.1 LM－BP神經(jīng)網(wǎng)絡(luò)

2.3.1.1 BP神經(jīng)網(wǎng)絡(luò)工作原理

BP神經(jīng)網(wǎng)絡(luò)就是模擬人的思維的一種方式，它是一個非線性動力學系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理。BP神經(jīng)網(wǎng)絡(luò)首先要以一定的學習準則進行學習，然后才能工作。網(wǎng)絡(luò)學習準則如下：如果網(wǎng)絡(luò)作出錯誤的判決，則通過網(wǎng)絡(luò)學習，應使得網(wǎng)絡(luò)減少下次犯同樣錯誤的可能性。網(wǎng)絡(luò)將輸入模式加權(quán)求和、與門限比較，再進行非線性運算，得到網(wǎng)絡(luò)的輸出。如果網(wǎng)絡(luò)對若干模式的學習獲得了成功，便將這若干模式分布記憶在網(wǎng)絡(luò)的各個連接權(quán)值上。當網(wǎng)絡(luò)再次遇到其中任何一個模式時，便能夠作出迅速、準確的判斷和識別。一般說來，網(wǎng)絡(luò)中所含的神經(jīng)元個數(shù)越多，則它能記憶、識別的模式也就越多。

基于LM神經(jīng)網(wǎng)絡(luò)的起重機械本質(zhì)評價方法，是先在神經(jīng)網(wǎng)絡(luò)中輸入需要學習的樣本，利用設(shè)置好的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及之前一次迭代的權(quán)值與閾值，從BP神經(jīng)網(wǎng)絡(luò)的首層依次向后輸出計算。同時修改權(quán)值以及閾值，從末層向前計算每個權(quán)值以及閾值對誤差的影響大小，并根據(jù)此要求修正各個神經(jīng)元的權(quán)值與閾值。兩個運算同時交錯進行，互相修正。

2.3.1.2 LM 算 法

設(shè)W（k）表示k次迭代的網(wǎng)絡(luò)權(quán)值向量，維數(shù)為M，新的權(quán)值向量W（k＋1）可以根據(jù)下面的公式求得：

設(shè)誤差指標函數(shù)為：

式中，li－oi為期望輸出與實際輸出的誤差；N 為輸出向量維數(shù)。

設(shè)e（W）＝［e1（W），e2（W），…，eN1（W）］T，那么：

式中，△E（W）為梯度；△2E（W）為誤差指標函數(shù)E（W）的 Hessian矩陣；J（W）為Jacobian矩陣。

對于牛頓法，有：

當接近一個解時，通常有S（W）≈0，這時得到高斯—牛頓法的計算法則為：

式中，比例系數(shù)μ為常數(shù)，μ＞0；I為單位矩陣。

運用該種算法進行迭代時，迭代成功則減小μ；當誤差性能增加時，則增加μ，從而使得算法的每一步迭代誤差性能保持減小狀態(tài)。

2.3.2 神經(jīng)網(wǎng)絡(luò)的運算

基于LM神經(jīng)網(wǎng)絡(luò)的起重機械本質(zhì)評價方法，可以把采集到的樣本數(shù)據(jù)及測試數(shù)據(jù)一起導入神經(jīng)網(wǎng)絡(luò)系統(tǒng)，在迭代過程中不斷調(diào)整比例系數(shù)μ的大小，最終得到較為準確的評價指標所占的權(quán)重。

3 結(jié)語

基于LM神經(jīng)網(wǎng)絡(luò)的起重機械本質(zhì)評價方法，評價結(jié)果準確、客觀，避免了人為評價時主觀因素對評價結(jié)果的影響。該評價方法可作為起重機械設(shè)備本質(zhì)安全評定的可靠方法，用于起重機械本質(zhì)安全的評定。

［1］何宇東.基于神經(jīng)網(wǎng)絡(luò)的起重機械安全評價方法研究［D］.南昌：南昌大學，2012.

［2］王光研，許寶杰.基于LM神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械故障診斷［J］.機械制造與自動化，2007（6）.

［3］崔光學，王京波.基于LM－BP神經(jīng)網(wǎng)絡(luò)的起重機械安全評價方法分析［J］.特種設(shè)備安全技術(shù)，2013（2）.