- 无标题文档
查看论文信息

中文题名:

 散货码头装卸设备作业信息动态监测设备设计与实现    

姓名:

 余毅成    

学号:

 1049731503769    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 0808    

学科名称:

 电气工程    

学生类型:

 硕士    

学位:

 工程硕士    

学校:

 武汉理工大学    

院系:

 自动化学院    

专业:

 电气工程    

研究方向:

 电力电子及其应用    

第一导师姓名:

 郭建明    

第一导师院系:

 武汉理工大学    

完成日期:

 2017-03-20    

答辩日期:

 2017-05-14    

中文关键词:

 散货装卸 ; 作业监测 ; STM32 ; 动态称重 ; 聚类算法    

中文摘要:

港口按货物类型主要分为集装箱码头、油罐码头、散货码头、件杂货码头等,而散货和件杂货码头由于货品类型多、货品还具有流动性的特征,实现自动化监控和智能化管理难度大,其装卸监控技术和管理水平直接影响整个现代化港口的综合信息管理平台的建设。本文为提高散货码头的门座式起重机和桥式抓斗卸船机的装卸效率和管理水平,研发一种由软件和硬件构成的,能全程监测装卸作业的数据和司机的操作,并实施绩效管理的散货装卸设备作业监控系统,对港口实现精细化管理,构建港口作业综合信息平台提供支撑。

通过需求分析,散货装卸设备的作业数据有工作时间、装卸斗数、起重量、每斗作业消耗电量等,司机操作的相关信息主要是每斗作业开始和结束时间,上升、下降操作信号,开斗、闭斗操作信号,门座式起重机的旋转角度,桥式抓斗卸船机的小车位置信号等。根据输入和输出的信号要求,选取STM32作为处理器,设计了司机操作室的机上监测终端的硬件,包括处主控制器及控制程序、存储模块、时钟管理模块、数据采集模块、通信模块和人机交互的界面。系统设计监测终端采集的数据通过GPRS无线通信方式传送到机械队部的数据服务器中,在队部的电脑终端安装绩效管理软件,可以实现作业信息的实时动态监测、分类统计和报表。

门座式起重机和桥式抓斗卸船机的作业过程中每斗作业的重量是很重要的数据,传统获取每斗作业重量是通过安装应力检测传感器的方式获得。在实际应用中,由于港口的工作环境等因素,这样的方式存在安装复杂、检测精度低、维护不方便等问题。为达到实时准确的作业信息监测,本文研究基于起升机构电机功率的实时检测,采取聚类算法,通过计算来实时获得每斗的起升重量。该方法基于能量守恒定律,采用k-means聚类算法获得每斗重量与起升机构电机功率之间的关系曲线,从这个曲线获得起升重量与起升电机功率之间的函数关系,进而实时计算出当前斗抓取货物的重量。本文提出的这种方法代替传统的传感器检测方式,不需要额外安装传感器,成本低、实现简便且精度能满足散货装卸作业要求。

参考文献:

[1] 2016-2020年中国港口行业发展前景与投资预测分析报告[R].中经未来产业.研究院2016.

[2] 包雄关.智慧港口的内涵及系统结构[J].中国航海,2013,36(2):120-123.

[3] 周庚芝.水电站精细化管理初探[J].中国水能及电气化,2012.

[4] 周新君.国内外能耗监测控制管理理论与实践[J].中外能源,2013,18(8):1-7.

[5] 刘九卿.动态和数字称重技术发展概况与研究课题.工业计量[J],2011,(2):4-10.

[6] 李华山,程永荣.MQ2533门座式起重机力矩限制器的研究及结构改造[J].中国水运.2011,11(7):95-97.

[7] 张赟.基于GPRS的港口数据信息采集监测系统设计[D].大连海事大学.2011.

[8] 张莉.位标器动平衡测试系统中EMC的设计与实现[D].华中科技大学.2005.

[9] 李清平,杨合圣.单片机系统抗干扰技术研究[J].科技广场.2010,(9):116-118.

[10] Baker R J.CMOS:circuit design,layout,and simulation[M].Wiley-IEEE Press, 2011.

[11] Rako,Paul.Improving on PCB design[J].EDN, 2009, Vol.54 (12).

[12] 占国华.高性能印制线路板设计的工程实现[J].计算机工程.2008,(z1):90-92.

[13] ARM? Cortex?-M3 技术参考手册.

[14] STM32 Reference Manual (RM0008).2009.

[15] ARM_LM3S系列技术参考手册.

[16] 吴海超.基于STM32卫星定位车载终端硬件系统设计[D].电子科技大学.2014.

[17] 卢旭锦.基于Keil C的AT24C02串行E2PROM的编程.现代电子技术[J].2007,(8):157-160.

[18] 应建华,陈艳,郭艳.一种I2C总线接口的串行时钟芯片[J].2006,(5):62-64.

[19] 况荣华,容太平.I2C总线在单片机上的实现[J].2001,(6):46-49.

[20] 贾腾飞.基于ZigBee和GPRS技术的港口门座起重机安全监控系统研究[D].武汉理工大学.2012.

[21] R.Kalden,I.Meiriek,M.Meyer.Wireless internet based on GPRS.IEEE Personal Communicat-

ions,2000,7(2):8-18.

[22] LW Shi,H Xie,M Wang,Y Guan,G Leng. The weight and angle of depression detecti-on and

control system of a large portal crane. International Symposium on Precision Mechanical M-

easurements,2008.

[23] 罗平. 力矩限制器研究与开发[D].长安大学.2010.

[24] 李献杰.门座起重机组合臂架系统强度和动力学分析[D].大连交通大学.2008.

[25] 曾澄湘.一种新型门座式抓斗起重机称重计量装置[C].2009年第六届科技兴港论坛.2009.

[26] Han Jiawei.Data Mining:Concepts and Techniques[M].Beijing Higher Education Press,2001.

[27] Anand Rajaraman,Jeffrey D.Ullman.Mining of Massive Datasets[M].2010.

[28] 黄敏,何中市,邢欣来,陈英. 一种新的k-means聚类中心选取算法[J].计算机工程与应用.2011,(35):132-134.

[29] 崔丹丹. K-Means聚类算法的研究与改进[J].安徽大学.2012.

[30] Tarpey Thaddeus. A Parametric k-Means Algorithm[J].Computation Statistics,2007,Vol.22 (1),pp.71-89.

[31] 杨善林,李永森,胡笑旋,潘若愚. K-means算法中的k值优化问题研究.系统工程理论与实践.2006,(2):97-101.

[32] 严宇平,肖菁.基于可变染色体长度的遗传k均值聚类算法[J].计算机工程与设计.2008,29(14):3709-3713.

[33] 刘莉,王刚1,翟登辉.k-means 聚类算法在负荷曲线分类中的应用[J].电力系统保护与控制.2011,39(23):65-73.

[34] 田森平,吴文亮.自动获取k-means聚类参数k值的算法[J].计算机工程与设计.2011,32(1):274-277.

[35] Bezdek J C,Pal N R.Some new indexes of cluster validity[J].IEEE Transactions on Systems,

Man, and Cybernetics Part B:Cybernetics, 1998,28(3):301- 315.

[36] 王宝石,段志强,翟登辉.基于有效指数k_means算法在电力系统不良数据辨识中应用[J].东北电力技术.2010,(3):16-18.

[37] 王天真,刘萍,汤天浩,黄洪琼,张艳.一种基于k-means聚类的航运信息孤立点分析算法[J].上海海事大学学报.2011,(3):54-57.

[38] 徐亦唐.基于最小二乘法的曲线拟合及其在Matlab中的应用[J].电子世界.2013:102-103.

[39] Zhang Lei,Gu Tianqi,Zhao Ji,Ji Shijun,Sun Qingzhou,Hu Ming.An adaptive moving total least squares method for curve fitting[J].Measurement,2014, Vol.49.

[40] S. Kundu.Fitting a least squares piecewise linear continuous curve in two dimensions.Computers and Mathematics with Applications,2001,Vol.41(7), pp.1033-1041.

[41] 邹乐强.最小二乘法原理及其应用[J].科技信息.2010,(23):282-283.

[42] 陈光,任志良,孙海柱.最小二乘曲线拟合及Matlab实现[J].兵工自动化.2005,(3):107-108.

[43] 邵良杉,王军,孙绍光.神经网络拟合函数方式的研究[C].第八届全国青年管理科学与系统科学学术会议.2005.

[44] 盛仲飙,同晓荣. BP神经网络在曲线拟合中的应用[J].科学技术与工程.2011,11(28):6998-7000.

[45] Li Zuoyong,Peng Lihong.An exploration of the uncertainty relation satisfied by BP network learning ability and generalization ability[J].Science in China Series F:Information Scien-

ces,2004.

[46] Qiang Li, Jing-Yuan Yu,Bai-Chun Mu,Xu-Dong Sun.BP neural network prediction of the m-

echanical properties of porous NiTi shape memory alloy prepared by thermal explosion reac-

tion[J]. Materials Science and Engineering: A, 2006, Vol.419 (1-2), pp.214-217.

[47] 刘耦耕,李圣清,肖强晖.多层前馈人工神经网络结构研究[J].湖南师范大学自然科学学报.2004,(1):26-30.

[48] 巫影,陈定方,唐小兵,李庆.神经网络综述[J].科技进步与对策.2006,(6):133-134.

[49] 钟川桃.电力机车车载能耗监测终端的设计与实现[D].湖南大学.2010.

[50] Jiang Xiaoping.Improving Reliability of Communcation in RS-485 Design[J].Journal of China University of Mining&Technology,2002(2):32-35.

[51] Hao Q,Song Z. The status and development of the intelligent automatic meter reading system.China Science and Technologu Information,2005(19):72.

[52] 刘火良,杨森.STM32库开发实战指南[M].机械工程出版社.2015:168-170.

[53] 王耕.基于通用平台的TCP/IP协议还原技术研究[D].电子科技大学.2009.

[54] Dunkels A.Voigt Alonso J.Connecting wireless sensornets with TCP/IP network[C]Conference on wired/wirelessinternet communications,2004.

[55] 许海英. 刍议互感器的选择、校验及正确使用[J].2013,(17).

[56] 刘发慧.单片机编程语言的比较.电脑编程技巧与维护[J].2012,(2).

中图分类号:

 TP391    

馆藏号:

 TP391/3769/2017    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式