收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于随机森林算法的塔式起重机安全事故预测及致因分析

张建荣  张伟  薛楠楠  赵挺生  
【摘要】:近些年来塔式起重机安全事故频发,造成了较大的人员伤亡和财产损失。为降低塔式起重机安全事故发生的概率、辨识关键的诱发因素,根据塔式起重机安全管理相关的法律、安全技术规范和标准,采用系统分析方法对事故致因进行层次分解,并以194份事故调查报告为数据样本,构建了一种基于随机森林算法的塔式起重机安全事故预测模型,并以某塔式起重机较大坍塌事故为例对该模型进行了验证。结果表明:利用随机森林算法对塔式起重机安全事故等级和类型进行预测的准确率分别达到了0.9和0.8;导致塔式起重机安全事故的关键因素为专项施工方案不完备(P_2)、人员安全意识淡薄(H_1)、安全技术交底不充分(P_3)、安全生产检查不充分(P_4)和工人无证上岗(H_6),实例验证结果显示该模型对塔式起重机安全事故等级和类型预测的准确度较高。

知网文化
【相似文献】
中国期刊全文数据库 前11条
1 刘菁;邱绵浩;刘东利;张成名;;基于随机森林法的机械变速箱技术状态评估[J];装甲兵工程学院学报;2008年04期
2 蔡文伟;张景润;李伟光;赵学智;郭明军;郭建文;孙振忠;李国成;;基于组合矩和随机森林的转子轴心轨迹识别[J];机床与液压;2020年21期
3 王梓杰;周新志;宁芊;;基于PCA和随机森林的故障趋势预测方法研究[J];计算机测量与控制;2018年02期
4 秦喜文;郭宇;郭佳静;董小刚;冯阳洋;王强进;;基于LMD与随机森林的滚动轴承故障诊断[J];长春工业大学学报;2018年05期
5 丁家满;吴晔辉;罗青波;杜奕;;基于深度森林的轴承故障诊断方法[J];振动与冲击;2021年12期
6 武吉梅;唐嘉辉;王昌达;胡兵兵;;基于随机共振和随机森林的轴承故障诊断[J];数字印刷;2019年01期
7 陈天光;陈典红;吕瑞峰;;基于集成学习算法的轴承故障诊断方法研究[J];科技通报;2021年04期
8 高柯柯;于重重;晏臻;;基于动态贝叶斯网络的智能工厂设备健康评估方法研究[J];机电工程;2021年06期
9 范春旸;吴守鹏;刘晓文;俞啸;;基于小波包变换与随机森林的滚动轴承故障特征分析方法[J];机械设计与制造;2020年10期
10 郑日晖;岑健;熊建斌;陈志豪;;基于经验模态分解与随机森林的轴承故障诊断[J];广东技术师范学院学报;2019年06期
11 穆丽蓉;胡磊;;轴承振动信号自适应诊断建模方法[J];船海工程;2020年03期
中国重要会议论文全文数据库 前1条
1 饶国强;冯辅周;江鹏程;靳莹;范结绪;;模糊识别在变速箱状态识别中的应用研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
中国硕士学位论文全文数据库 前8条
1 王蓉;基于ABC-VMD和随机森林的齿轮故障诊断方法研究[D];南京信息工程大学;2019年
2 马若桐;基于分形的滚动轴承故障损伤程度识别方法研究[D];北京化工大学;2019年
3 王子兰;基于随机森林算法的故障诊断及实验研究[D];山东科技大学;2019年
4 耿浩;面向复杂系统的机械故障诊断及评估算法[D];中国矿业大学;2020年
5 苏善婷;基于随机森林的设备故障诊断方法研究[D];南京航空航天大学;2020年
6 胡申煌;先进绝热压缩空气储能机组的故障诊断研究[D];华北电力大学(北京);2020年
7 李志远;多传感器信息融合深度森林的柱塞泵健康评估方法研究[D];上海交通大学;2020年
8 郑日晖;基于经验模态分解与随机森林的智能故障诊断[D];广东技术师范大学;2020年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978