神经网络在电梯功能安全评估中的应用

针对电梯功能安全评估中使用的专家评审法存在准确性低、稳定性差和效率低等不足,提出基于神经网络的专家评审法对电梯功能进行安全评估。分别建立了基于BP神经网络、Hopfield神经网络和模糊神经网络3种数学模型,从网络结构、稳定性和评价结果等方面对3种神经网络的效果进行分析对比。进一步对神经网络进行电梯功能安全评估的效果进行探讨,对3种神经网络在电梯功能安全评估中的特点进行了分析比较,并通过仿真结果进行了验证。结果表明,Hopfield神经网络更加适用于电梯功能安全评估。

基于Hopfield神经网络与硬件失效算法的电梯功能安全评估系统

针对电梯功能安全评估的需求,提出了失效模式、影响及其诊断分析(FMEDA)硬件失效率与Hopfield神经网络相结合的电梯功能安全评估方法。首先对待测电梯使用情况进行分析,确定电梯应当达到的安全完整性等级;然后分别对待测电梯的硬件安全完整性与体系完整性水平进行评估;最后经过算法调整计算总失效率后与之前确定的安全完整性等级目标进行对比判定是否合格并输出完善方案。与传统电梯安全评估方法对比,该功能安全评估方法变定性为定量,更加直观准确,在能够准确分析电梯功能安全漏洞的基础之上,评估效率也得到了有效提升。