基于改进遗传算法-反向传播神经网络的升降机健康评价研究*

高宗帅，郗 涛*，徐伟雄，王莉静

(1.天津工业大学 机械工程学院，天津 300387；2.天津城建大学 控制与机械工程学院，天津 300384)

0 引 言

由于施工升降机的作业环境恶劣，组装拆卸频繁，缺少完善的健康评价模型等原因，施工升降机事故屡见不鲜，升降机健康问题成为建筑行业亟待解决的重要问题之一。

在健康评价领域，主要的方法有故障树[1]、层次分析[2]、贝叶斯网络[3]等。国内外对施工升降机的健康状态鲜有预测分析，大都研究机械故障、电气系统故障及振动的原因，并不能从源头上消除安全隐患。

BP神经网络具有较强的非线性映射能力和复杂的逻辑运算能力[4-8]，但BP神经网络的全局搜索能力相对较弱，且易出现局部极值及收敛速度慢现象，影响BP神经网络的计算效率及预测精度[9,10]。

为了提高BP神经网络的全局搜索能力，本文提出基于改进遗传算法-反向传播神经网络(IGA-BPNN)的健康评价模型，使评价结果更靠近全局最优，从而提高算法的准确率与收敛速度，为相关人员对施工升降机的健康等级预测分析提供理论指导。

1 升降机健康评价指标模型构建

1.1 健康指标体系建立

基于专家调查法，笔者从人-机-环境系统工程出发，综合考虑人-机-环境3大要素对施工升降机健康运行的影响，建立了一套施工升降机健康评价指标体系。其中，监测参量部分采用ReliefF算法[11]与Pearson相关系数法[12]，从34个监测参量中挑选出平均重要度较大的作为健康指标。

施工升降机健康评价指标体系如图1所示。……