[发明专利]一种基于SOM-熵值算法的起重机械能效评价方法

说明书

本发明提出了一种基于SOM‑熵值算法的起重机械能效评价方法，首先进行起重机械能耗数据粗聚类，得到粗聚类结果和粗聚类中心；其次基于粒子群算法将通过粗聚类产生的样本各聚类中心作为粒子群算法的输入样本进行二次聚类，得到新的聚类结果；接着基于熵值法将通过粗聚类产生的样本各聚类中心的起升机构单位工作量能耗、小车运行机构单位工作量能耗和大车运行机构单位工作量能耗等数据，计算熵值和权重；然后使用线性加权计算桥式起重机综合能耗分数并结合通过粒子群算法得到的二次聚类结果，对桥式起重机的能耗等级进行划分；最后对于未知的起重机能耗等级，通过计算聚类中心的欧式距离判定该起重机的能耗等级。本方法可对起重机能耗进行分级。

技术领域

本发明属于机械能效评价领域，特别是一种基于SOM-熵值算法的起重机械能效评价方法。

背景技术

被喻为“巨人之臂”的起重机械是减轻劳动强度、提高作业效率，实现机械化、自动化以及安全生产的重要设备。起重机械已经广泛应用于工矿企业、港口码头、货运仓库、海洋探索、能源建设、航天航空等国计民生部门，是形成大批量生产、机械化流水作业的工业基础，也是现代化生产必不可少的重要标志，可以表征一个国家生产过程的机械化和自动化水平。

目前，我国起重机械的年产量和保有量已居世界前列，无论从用油还是用电角度，其能源消耗量都十分巨大。虽然起重机械行业已经设定了起重机械的节能技术要求，但依然没有建立起重机械节能技术的规范和考核标准，而起重机械能耗的检测与评价正是制定和推广规范和标准的必要条件。因此，结合起重机械行业的发展现状，开展能耗检测技术、评价方法的研究，以科学的方法填补我国起重机能耗检测和评价领域的不足，有利于起重机械节能技术的推广及节能减排综合工作目标和任务的落实。

发明内容

本发明的目的在于提供一种基于SOM-熵值算法的起重机械能效评价方法，可以促进现有起重机械的节能改造和新型节能设备的开发，推动起重机械节能研究的发展。

实现本发明目的的技术解决方案为：

一种基于SOM-熵值算法的起重机械能效评价方法，包括以下步骤：

步骤1、基于SOM算法进行粗聚类：将起升机构单位工作量能耗、小车运行机构单位工作量能耗和大车运行机构单位工作量能耗作为样本空间，从中选取输入网络模型的输入向量；根据欧氏距离公式计算所有输出神经元与输入样本之间的距离，选取获胜神经元；接着，按照神经网络的邻域函数确定优胜邻域；随后，调整获胜神经元以及优胜邻域内其他神经元的权重向量并更新学习率和邻域函数；最后，判断学习率是否满足小于阀值或者迭代次数是否超过迭代总次数，若满足条件则输出粗聚类结果和粗聚类中心；否则，重新选取样本进行上述步骤直到满足条件；

步骤2、基于粒子群算法进行二次聚类：首先，将通过SOM算法粗聚类产生的样本各聚类中心作为粒子群算法的输入样本集合，初始化粒子的位置编码和粒子的速度编码，并且根据适应度计算公式，计算粒子的适应度，重复R次生成由R个粒子组成的种群；其次，比较粒子当前位置的适应度值和所经历过的最优位置的适应度值，若更优，则更新粒子的最优位置；比较种群当前最优粒子的适应度值和种群所经历过的最优位置的适应度值，若更优，则更新种群的最优位置；然后，根据速度和位置更新公式调整粒子的参数；接着，根据粒子的位置编码，依据最邻近法则重新确定粒子的划分，并重新计算聚类中心，更新粒子的适应度；最后，判断是否满足达到最大迭代次数，若满足条件则结束循环并输出聚类结果，否则继续上述步骤；

步骤3、基于熵值法进行能耗分级与评价：首先，将通过SOM算法粗聚类产生的样本各聚类中心的起升机构单位工作量能耗、小车运行机构单位工作量能耗和大车运行机构单位工作量能耗组成的指标数据矩阵进行无量纲化处理；其次，使用均值化法重新构建指标数据矩阵；接着，进行归一化处理；然后，计算熵值和权重；最后，使用线性加权计算桥式起重机综合能耗分数，并结合通过粒子群算法得到的二次聚类结果，对桥式起重机的能耗等级进行划分。

本发明与现有技术相比，其显著优点是：