冶炼行车电缆更换周期的近似计算

journal6 ›› 2006, Vol. 27 ›› Issue (5): 69-72.

冶炼行车电缆更换周期的近似计算

（1.攀枝花学院电气信息学院，四川，攀枝花 617000；2.电子科技大学自动化学院，四川成都 610054；3.攀枝花学院计算机学院，四川攀枝花 617000）

出版日期:2006-09-25 发布日期:2012-06-29
作者简介:李小玲（1973-），女，四川乐山人，四川攀枝花学院副教授，硕士，主要从事电路与系统、测试技术和虚拟仪器研究.
基金资助:
四川省教育厅科学研究项目（2003B056）

Study of Replacing Period of Cable of Crane in Smelting Industry

(1.Information and Electrical Engineering College,Panzhihua University,Panzhihua 617000,Sichuan China;2.Automation College,University of Electronic Science and Technology of China,Chengdu,610054，Sichuan China;3.Computer College,Panzhihua University,Panzhihua 617000,Sichuan China)

Online:2006-09-25 Published:2012-06-29

摘要/Abstract

摘要：针对炼铁炼钢生产中大量行车工作在高温环境，电缆容易老化而又无法获取其剩余寿命的问题，选用半导体测温元件AD590在线监测电缆运行温度，采用直接测定和神经网络预测2种方法计算电缆剩余使用寿命，优化电缆更换周期，实施部分电缆更换.并将预测数据作为电缆采购决策的依据，可降低库存资金和库存成本.

关键词： 行车, 电缆寿命, 温度监测, 神经网络

Abstract: In smelting process,large amount of cables of crane working in hot environment are likely to reduce its useful-life that can’t be known.Inallusion to the question,a temperature inspector system with a semi-conductor element AD590 was designed for monitoring the actual operating environment and status of those electric cables.Directly measure way and NN forecast were used to calculate the cables useful-life.And the period of cable replacement could be more optimized.Also it is possible to replace the cables by stages and in batches.By this prediction data to stock cables,the repertory capital and cost will be lowered.

Key words: crane, cable useful-life, temperature monitoring, NN

李小玲, 袁继敏, 廖其龙. 冶炼行车电缆更换周期的近似计算[J]. journal6, 2006, 27(5): 69-72.

LI Xiao-Ling, YUAN Ji-Min, LIAO Qi-Long. Study of Replacing Period of Cable of Crane in Smelting Industry[J]. journal6, 2006, 27(5): 69-72.

[1]	叶海燕. 基于卷积神经网络的特定目标文本情感分析模型[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 24-29.
[2]	王宇, 张诗茹, 张渝佶, 周立群. 比例时滞神经网络的全局多项式镇定性[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 15-25.
[3]	李家稳, 王崇旭, 王浩. 基于神经网络的桥下开挖竖向位移预测[J]. 吉首大学学报（自然科学版）, 2022, 43(2): 53-59.
[4]	王雨嫣, 廖柏林, 彭晨, 李军, 印煜民. 递归神经网络研究综述[J]. 吉首大学学报（自然科学版）, 2021, 42(1): 41-48.
[5]	李钰，段明秀，宋思思，李翅. 基于深度学习SSD模型的人数统计技术[J]. 吉首大学学报（自然科学版）, 2020, 41(2): 19-22.
[6]	伍逸凡，朱龙娇，石俊萍. 人工神经网络在信息过滤中的应用[J]. 吉首大学学报（自然科学版）, 2019, 40(3): 17-22.
[7]	张永胜，肖林. 二次最小化问题的有限时间递归神经网络求解[J]. 吉首大学学报（自然科学版）, 2019, 40(2): 21-26.
[8]	贺电，谭渡渡，何海零，邹晟，钟佳辰，王庭婷. 基于气象大数据的配网故障数量预测[J]. 吉首大学学报（自然科学版）, 2019, 40(1): 53-56.
[9]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[10]	丁李，曾水玲，熊涛. 基于BP神经网络的湘西民间方块苗文特征提取方法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 14-18.
[11]	韦建波，张栋柱，罗浩杰，谭惠，韦涛. 基于改进的RBF神经网络的配电网故障诊断模型[J]. 吉首大学学报（自然科学版）, 2018, 39(1): 54-58.
[12]	赵超越，张友华. 小麦赤霉病神经网络和偏最小二乘预测模型[J]. 吉首大学学报（自然科学版）, 2017, 38(4): 47-52.
[13]	向秋红,廖柏林,马川. 新型递归神经网络求解时变矩阵Moore-Penrose逆[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 31-35.
[14]	汪思成，肖林，严慧玲. 基于不同误差函数的神经网络求解线性方程组[J]. 吉首大学学报（自然科学版）, 2016, 37(6): 26-28.
[15]	钱育蓉，于炯，英昌甜，杨兴耀. 一种分区BP人工神经网络图像差值算法[J]. 吉首大学学报（自然科学版）, 2016, 37(3): 28-33.