丹尼尔·亨德里克森论文答辩

摘要：弗吉尼亚港在其弗吉尼亚国际门户和诺福克国际码头设施中使用轨道式自动堆垛起重机。由于货物和系统的重量，轨道和起重机承受着高负载和应力，导致频繁的故障。设备故障的修复和操作中断是昂贵的。在现有的钢轨无损检测、超声检测和信号处理研究的基础上，我们利用现代仪器尽早发现起重机和钢轨的缺陷。在现有的方法下，维护团队只有在设备出现故障时才能发现缺陷。我们的方法包括用激光振动仪对钢轨进行超声波评估，结合小波指纹和神经网络，在故障发生前发出问题信号。基于弹性动力有限积分技术的仿真验证了结果。接下来，在起重机上安装低功率加速度计来收集运动数据。将这些读数与轨道的详细测量结果进行比较，并开发了一种通过加速度计识别轨道缺陷的算法。最后，使用新的三维小波指纹分析加速度计数据，允许机器学习异常检测算法突出起重机记录中可能存在问题的部分