基于Hopfield神经网络的起重机电气系统安全完整性评估方法技术方案

本发明专利技术公开了一种基于Hopfield神经网络的起重机电气系统安全完整性评估方法，该方法按照起重机电气系统完整性水平评估指标体系中的各项指标进行检测，获得各项指标的评分；使用起重机电气系统完整性水平评估模型，根据各项指标的评分获得起重机电气系统完整性水平；其中，所述起重机电气系统完整性水平评估模型为Hopfield神经网络。该方法对起重机电气系统完整性水平进行功能安全评估，填补了现有起重机械安全评估的空白；采用基于Hopfield神经网络的起重机电气系统完整性水平评估方法，能直观、综合、定量地有效完成起重机电气系统完整性水平评估，并可根据实际测得的起重机电气系统完整性水平给出起重机运行管理的优化建议。建议。建议。

【技术实现步骤摘要】
基于Hopfield神经网络的起重机电气系统安全完整性评估方法


[0001]本专利技术涉及起重机控制技术，具体涉及一种基于Hopfield神经网络的起重机电气系统安全完整性评估方法。

技术介绍

[0002]随着技术的发展，起重机等机电设备在工业生产等领域得到了广泛的应用，在工业生产中起着很重要的作用，是实现工业过程机械化和自动化必不可少的重要环节。起重机械属于高能量积聚的、高危险性作业设备，是国家明文规定的特种设备之一。随着我国起重机注册使用的数量逐年增长，对于起重机事故带来的人员伤亡、财产损失的重视程度也开始不断提高，因此对起重机功能安全进行准确的风险评估变得尤其重要。
[0003]在以往的功能安全评估中，系统安全完整性由于涉及到软件失效、电气干扰以及使用管理的模式，确定起来十分复杂。与硬件不同，软件不存在老化的问题，也不会出现随机失效，但是软件设计错误以及使用过程中出现的故障可能会导致比硬件更致命的失效。IEC61508中具体讲解了软件的安全生命周期，要求在软件安全确认阶段要对软件的每一个功能进行确认并将结果记录在文档中，但对于如何确定软件部分的安全完整性等级并未明确说明。
[0004]一般对于可能造成系统失效的因素，往往需要多位专家对系统的各个组成部分进行测量评估，汇总所有意见来完成系统功能安全的评估。系统安全完整性等级的确定对专家经验的要求较高，且评估程序复杂、过程漫长。
[0005]因此，对起重机电气系统安全完整性水平的评估既有理论意义，又有十分重要的实际价值。

技术实现思路

[0006]本专利技术的目的在于提供一种基于Hopfield神经网络的起重机电气系统安全完整性评估方法。
[0007]实现本专利技术的技术解决方案为：第一方面，本专利技术提供一种基于Hopfield神经网络的起重机电气系统安全完整性评估方法，包括以下步骤：
[0008]按照起重机电气系统完整性水平评估指标体系中的各项指标进行检测，获得各项指标的评分；
[0009]使用起重机电气系统完整性水平评估模型，根据各项指标的评分获得起重机电气系统完整性水平等级；
[0010]其中，所述起重机电气系统完整性水平评估指标体系包括十个指标，分别为：起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、供电电压、使用时间；
[0011]所述起重机电气系统完整性水平评估模型为Hopfield神经网络，Hopfield神经网
络输入层的输入数据为起重机电气系统完整性水平评估指标体系中的十项指标的评分，输出为起重机电气系统完整性水平。
[0012]进一步的，所述Hopfield神经网络为离散型Hopfield神经网络；Hopfield神经网络的输入数据为起重机电气系统完整性水平评价指标体系中的各项指标：起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、供电电压、使用时间；Hopfield神经网络的输出为待测起重机的安全完整性等级。
[0013]进一步的，对Hopfield神经网络进行训练时，根据历史的各项指标评分结果以及对应的SIL等级，采用Hebb规则训练Hopfield神经网络，构建网络的权重矩阵。
[0014]进一步的，所述起重机电气系统完整性水平评估模型为一个多输入单输出的非线性系统。
[0015]进一步的，将数据编码成1和
‑
1的形式，然后使用处理后的数据对Hopfield神经网络进行初始化，构建网络的权重矩阵；Hopfield神经网络采用异步方式进行工作，从中随机选取一个神经元，计算它经过符号函数处理后的输出，而其余神经元的输出不变，如果此时网络达到稳定或是迭代次数到达上限则输出结果，否则再次随机选取一个神经元进行下一次迭代。
[0016]进一步的，x
i
代表每个神经元的输出，T
i
代表阈值，每个神经元的输出都会反馈到别的神经元的输入，网络的输入初始值表示为
[0017]X(0)＝[x1(0),
…
,x
n
(0)]T
(1)
[0018]神经元属于二值神经元，它的输入、输出只取
‑
1或1，表示神经元处于抑制或兴奋状态；DHNN采用符号函数作为转移函数来计算神经元的输出x
j
，公式表达如下：
[0019][0020][0021]式(3)中的net
j
代表网络的净输入，w
ij
代表神经元之间的权值，有w
ij
＝w
ji
，w
ii
＝0，权值基于Hebb规则进行学习：
[0022][0023]式(4)代表n个样本经过n次更新后的权值。
[0024]进一步的，定义DHNN的能量函数E(t)和改变量ΔE(t)为：
[0025][0026]ΔE(t)＝
‑
Δx
j
(t)net
j
(t)(6)
[0027]式(5)中，W代表网络的权重矩阵向量，T网络的阈值矩阵向量；式(6)中，Δx
j
(t)代表神经元输出的变化量。
[0028]当使用异步方式调整DHNN网络时，网络的平衡为其能量函数E(t)不断减小，最后收敛于一个常数值，这时能量改变值ΔE(t)＝0。
[0029]进一步的，将各个等级的样本对应的每项特征参数的均值当作各等级的理想指标，即Hopfield网络的平衡点；将输出特征参数映射为神经元的状态，每个特征参数用一个4维向量来表示，当大于或等于某个等级的理想值时，设置对应神经元的状态为“+1”，否则
设置为
“‑
1”。
[0030]进一步的，利用MATLAB中的net＝newhop(T)来创建Hopfield神经网络，其中，newhop()函数是设计Hopfield网络的一种方法，利用该函数能够生成一个Hopfield神经网络，T是目标向量，net为生成的神经网络；使用sim(net,{P,n},Pi,Ai)函数对训练好的神经网络net进行仿真，其中P为网络的输入；P是一个R*Q的输入矩阵，每一列为一个输入向量，R等于网络的输入节点个数，共有Q个训练输入向量，n为网络的测试迭代步数；Pi为初始输入延迟，默认值为0，Ai为待测试样本构成的向量；仿真输出的是与测试样本最接近的训练样本，通过比较两者的等级，来判断Hopfield神经网络的预测正确率。
[0031]第二方面，本专利技术提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法的步骤。
[0032]本专利技术与现有技术相比，具有如下显著优点：
[0033](1)对起重机电气系统进行安全完整性水平评估，填补了现有起重机械安全评估的空白；
[0034](2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Hopfield神经网络的起重机电气系统安全完整性评估方法，其特征在于，包括：按照起重机电气系统完整性水平评估指标体系中的各项指标进行检测，获得各项指标的评分；使用起重机电气系统完整性水平评估模型，根据各项指标的评分获得起重机电气系统完整性水平等级；其中，所述起重机电气系统完整性水平评估指标体系包括十个指标，分别为：起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、供电电压、使用时间；所述起重机电气系统完整性水平评估模型为Hopfield神经网络，Hopfield神经网络输入层的输入数据为起重机电气系统完整性水平评估指标体系中的十项指标的评分，输出为起重机电气系统完整性水平。2.根据权利要求1所述的基于Hopfield神经网络的起重机电气系统安全完整性评估方法，其特征在于，所述Hopfield神经网络为离散型Hopfield神经网络；Hopfield神经网络的输入数据为起重机电气系统完整性水平评价指标体系中的各项指标：起重量、起升速度、接触器电流、接触器电压、起升电机转速、起升电机电流、起升电机功率、电机温度、供电电压、使用时间；Hopfield神经网络的输出为待测起重机的安全完整性等级。3.根据权利要求2所述的基于Hopfield神经网络的起重机电气系统安全完整性评估方法，其特征在于，对Hopfield神经网络进行训练时，根据历史的各项指标评分结果以及对应的SIL等级，采用Hebb规则训练Hopfield神经网络，构建网络的权重矩阵。4.根据权利要求3所述的基于Hopfield神经网络的起重机电气系统安全完整性评估方法，其特征在于，所述起重机电气系统完整性水平评估模型为一个多输入单输出的非线性系统。5.根据权利要求3所述的基于Hopfield神经网络的起重机电气系统安全完整性评估方法，其特征在于，将数据编码成1和
‑
1的形式，然后使用处理后的数据对Hopfield神经网络进行初始化，构建网络的权重矩阵；Hopfield神经网络采用异步方式进行工作，从中随机选取一个神经元，计算它经过符号函数处理后的输出，而其余神经元的输出不变，如果此时网络达到稳定或是迭代次数到达上限则输出结果，否则再次随机选取一个神经元进行下一次迭代。6.根据权利要求5所述的基于Hopfield神经网络的起重机电气系统安全完整性评估方法，其特征在于，x
i
代表每个神经元的输出，T
i
代表阈值，每个神经元的输出都会反馈到别的神经元的输入，网络的输入初始值表示为X(0)＝[x1(0),
…
,x
n
(0)]
T
(1)神经元属于二值神经元，它的...

【专利技术属性】
技术研发人员：陈序，李向东，曹杰，陈洪良，张欧博雅，樊卫华，郭哲，崔静静，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：