摘要
摘要：随着国家经济的快速发展，港口物流变得日益重要。港口斗轮机作为核心设备，其运行状况直接影响着港口作业效率。但在实际运营过程中，斗轮机常发生各类故障，极大降低了设施的效率和工作质量，本文通过对港口斗轮机主要故障类型的分析，提出一种基于大数据和深度学习的故障诊断方法，能快速准确判断出故障原因，并结合故障预测，对设备进行提前维修，极大提高了工作效率。同时，对维修过程中的时间，人力，物料的优化配置进行研究，运用优化算法，达到了维修成本最小且斗轮机状态最佳的综合效果。研究结果证明了该诊断方法和维修优化措施的有效性。
出版日期
2024年09月20日（中国期刊网平台首次上网日期，不代表论文的发表时间）
