基于WA-ESN的建筑起重机械故障检测

庄爱军

(深圳市苏中九鼎机械设备有限公司，广东 深圳 518100)

0 引言

建筑起重机械包括塔吊、施工升降机、物料提升机等，具有体积大、操作难度大和故障检测困难等特征。故障检测作为保障建筑起重机械正常运作的关键手段，可依据建筑起重机械特征实行故障检测，因此建筑起重机械故障检测成为当前研究的热点[1-3]。

针对建筑起重机械故障检测问题，国内外学者进行了深入研究，提出许多有效的建筑起重机械故障检测方法[4]。如：姜洪开等[5]提出了基于深度学习的故障诊断方法的建筑起重机械故障检测方法，该方法通过自主挖掘在初始数据内的潜藏诊断信息，创建了初始数据和运行状况之间的映射关系，实现机械的故障诊断，但此方法的精度受初始数据的影响，诊断精度不稳定；姚杨等[6]提出了基于复合特征的机械故障诊断方法，其在复合数据序列特征与时频特征的基础上，对隐藏于信号内的特征实行提取，以所提取特征划分振动信号区间，结合最小二乘技术辨识信号参数，但该方法在提取信号内特征时未实行降噪处理，导致提取特征不准确，以至出现诊断结果误差高的问题。回声状态网络[7-8]ESN(Echo State Network)属于一类新型的递归神经网络，对于辨识非线性系统方面而言，较以往的递归神经网络有很大提升，具有训练效率高、实时性强、辨识精度高以及实际应用性强等特点。

为了提高建筑起重机械故障检测效果，在此，提出了小波消噪和回声状态网络的建筑起重机械故障检测方法(WA-ESN)，并对其性能进行了测试。……