基于POA-CNN-REGST的电梯钢丝绳滑移量预测方法

作     者：朱锡山 罗贞 易灿灿 尤光辉 薛家成 ZHU Xi-shan;LUO Zhen;YI Can-can;YOU Guang-hui;XUE Jia-cheng

作者机构：广西特种设备检验研究院广西南宁530299 武汉科技大学机械自动化学院湖北武汉430081 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2023年第40卷第6期

页      面：928-935页

学科分类：08[工学] 0802[工学-机械工程] 0813[工学-建筑学] 

基　　金：国家自然科学基金联合基金资助项目(U1709210) 广西壮族自治区重点研发计划项目(桂科AB22035023)。 

主　　题：曳引式电梯 钢丝绳 滑移量 鹈鹕优化算法 卷积神经网络 堆叠回归模型 

摘      要：电梯曳引轮与钢丝绳之间的滑移量过大会导致重大意外事故的发生,针对这一问题,提出了一种基于鹈鹕优化算法-卷积神经网络-堆叠回归(POA-CNN-REGST)的电梯钢丝绳滑移量预测方法。首先,使用数据产生函数生成了样本,并对样本添加了高斯白噪声,分别使用POA-CNN-REGST、支持向量机(SVM)、相关向量机(RVM)对仿真数据进行了训练和学习;然后,对试验基地采集的电梯滑移量等相关数据进行了归一化处理,并用POA-CNN-REGST进行了电梯钢丝绳滑移量预测;最后,将结果与传统的统计学模型SVM和RVM进行了比较。研究结果表明:在使用相同的训练集和测试集时,在仿真数据分析中,其均方根误差为0.0496;在真实数据分析中,其均方根误差和平均绝对百分比误差低至0.0661和0.0733。无论是仿真数据或是真实数据分析,该模型预测准确度都远高于SVM和RVM,这表明其在电梯钢丝绳滑移量预测方面具有高度可靠性。