[发明专利]一种基于遗传算法的岸桥载荷状态检测方法

摘要

一种基于遗传算法的岸桥载荷状态检测方法首先通过岸桥上的传感器采集数据，再利用遗传算法从数据中寻找载荷分类中心，最后再基于载荷分类中心对岸桥的载荷状态进行统计分析，从而得出结论。本发明方法基于岸桥工作的实际工程数据，而不是记录本上的记录参数，更能体现岸桥的工作状态。本发明方法不需要人工记录数据，减少了出错的几率，得到的结果更加准确。本发明方法不需要借助于其他算法，就可以自动处理各种规模的检测数据，具有通用性和鲁棒性。同时，由于其是基于遗传算法的，所以具有高效、稳定和抗干扰力强的优点。

主权项

一种基于遗传算法的岸桥载荷状态检测方法，其特征在于包括如下步骤：步骤1：获取数据在安装岸桥起重电机上的传感器，每间隔10到20秒提取实时振动烈度数据，并储存在数据库中；步骤2：基于遗传算法寻找载荷分类中心步骤2.1初始种群生成从数据库中随机抽取短时间的数据；将抽取出来的数据随机组成一个五维数组，数据不够的用零补齐；所述的五维数组即为初始种群，其中的元素即为个体，其中的元素的维度即为基因；所述的五维数组的第i个元素称为第i个个体；所述的第i个个体从左至右依次有五个维度，依次称为第j号基因，其中(j＝1、2、3、4、5)；步骤2.2确定算法参数在进入算法之前需要确定算法的三个参数：最大迭代次数N、交叉调配系数k1和突变调配系数k2；其中最大迭代次数N用于判断迭代是否能够终止，交叉调配系数k1在步骤2.4中用来计算交叉概率，突变调配系数k2在步骤2.4中用来计算突变概率；最大迭代次数N、交叉调配系数k1和突变调配系数k2的具体确定方法如下：N=[n500]k1=e-N20k2=e-N210]]>式中：n指的是步骤2.1中生成初始种群的个体总数；运算符“[]”的运算法则定义为“[a]表示取大于a的最小整数”；步骤2.3计算适应度首先计算目标函数值，目标函数方程如下式中，为第i个个体的第j号基因与种群中任意个体的任意基因k的差值的平方；ujk为调配系数，当种群中任意个体的任意基因k与第i个个体的第j号基因的差值的绝对值是基因k与第i个个体的任意基因的差值的绝对值中最小的时ujk≈1，否则ujk的值趋向于0；调配系数方程如下：式中，dj'k为第i个个体的第j`号基因与种群中任意个体的任意基因k的差值的绝对值；djk为第i个个体的第j号基因与种群中任意个体的任意基因k的差值的绝对值；所述适应度表示个体的适应程度，其值要求大于0小于1，则适应度方程如下：式中，J’为目标函数值中的最小值；J为目标函数值；步骤2.4选择种群中的个体参与交叉和突变将所有个体按照轮盘赌的方式选择种群的的个体作为父系种群；判断父系种群个体数量是否为1，是则执行步骤3，否则继续执行交叉和突变操作；交叉率pc与突变率pm方程如下：式中，f`为交叉的两个个体中最高的适应度，f为个体的适应度，为种群中的平均适应度，fmax为父系种群中适应度的最大值，k1、k2为调配系数；所述的交叉操作首先随机生成一些不重复、大小属于i取值范围的序列对，交叉操作发生再序列对所指的个体间；然后判断交叉个体是否满足交叉率，不满足则放弃交叉操作选择下一对，满足则进行下一步；下一步中首先随机从1到5之间随机抽取一个数字z，然后将第一个个体的第z+1号到第5号基因复制到第二个个体的首端，最后将第二个个体的第z+1号到第5号基因复制到第一个个体的尾端；所述突变操作首先判断突变个体是否满足突变率要求，不满足则放弃突变操作，满足则进行下一步；下一步中首先随机选择突变个体的第z号基因为突变基因，然后再随机加上或减去一个0到1上的随机数；步骤2.5终止判断判断迭代次数是否达到要求的最大迭代次数，是则终止迭代，否则继续重复步骤2.3到步骤2.4；步骤3统计分析岸桥的载荷状态通过步骤2得到了岸桥的五个载荷分类中心，统计每个载荷分类中心周围附属点的个数，载荷分布中心最小的类附属点的个数需减去步骤2.1中补零的个数，并计算出每一类所占的比例，即得出在一天中岸桥在五种载荷状态下所工作的时间比例，所述五种载荷状态可以是指空载、轻载、中载、重载、超重载，其概念均是相对的，代表其载荷分布中心依次增大。