起重机械作为现代化生产中的必不可少的辅助机械，在我国的经济建设与发展中占据着举足轻重的地位。其作为一种间歇动作的机械设备，可以在有限范围内对货物进行吊起、运送或卸下，广泛应用于大型设备物品的搬运、高层施工时物料的搬移、高架桥梁的施工作业等，对满足企业生产过程的机械化和自动化、节约人力物力、提高生产作业效率等方面有着重要的意义。

起重机作为一种大型的机械设备，在实际使用的过程中难免会出现一系列的故障。而任何形式的故障往往都会造成一定的经济损失，严重时可能会造成灾难性的事故，例如起重机主梁断裂、支腿断裂造成的坍塌等，造成无法弥补的人员伤亡和巨大的财产损失。由于起重机的荷载重量大、荷载空间高、移动范围大、作业连续性强、工作环境恶劣，其安全可靠性就必须有更加严格的要求。

长期以来，起重机械设备多是采用强制性制造监检、安装监检和人工定期检验的方式来检测起重机是否安全，自动化水平低，检验周期过长，检验数据有限，具有很大的局限性，无法确保起重机使用过程中的安全性。

随着大数据技术的日益成熟，起重机械安全评价也已具备开展大数据分析和数据挖掘工作的数据基础。大数据是新一代信息技术发展的主要方向之一，具有体量浩大（volume）、模态繁多（variety）、生成快速（velocity）和价值巨大但密度很低（value）的特点。大数据应用就是利用数据分析的方法，从海量数据中发现知识、寻找出隐藏在数据中的模式、趋势和相关性，从而挖掘出有效信息，为用户提供辅助决策，实现大数据价值的过程。在大数据技术中，数据挖掘算法的选取和数据挖掘过程占有重要地位。通常，这些算法必须要以最快的速度处理海量的数据，帮助挖掘出数据背后所蕴含的巨大价值，从海量的数据中带来最有用的信息。因此将大数据应用到起重机安全评价中去已经渐渐成为了目前研究的首要课题。

1.1研究现状分析

本课题是对大数据基础上起重机安全评估的具体研究，以下为国内外的研究现状分析。

（1）关于起重机安全评估方法的研究

李波、陈定方、赵章焰等多位教授（2016年）依据起重机特点，建立了安全评价的指标体系，并将神经网络理论应用于起重机安全评价之中，提出了基于此理论的系统安全评价模型。而且根据实际收集的安全状况数据构建安全评价网络，并利用MATLAB软件得出可以对起重机安全状况进行评价的人工神经网络模型[1]。

李爱华、赵章焰教授（2015年）根据门式起重机的特点，以大车运行机构、小车运行机构、起升机构、安全装置、金属结构及电气系统等的安全状况为安全评价指标体系，建立了基于FDA的门式起重机安全评价模型[2]。

吴占稳等（2016年）针对在役港口起重机结构件出现裂纹缺陷后的安全评价问题，以裂纹、强度、刚度、变形和锈蚀等作为安全评价指标，建立了基于层次分析法港口起重机带裂纹结构件的安全评价体系，基于结构件现场实测的数值，实现对港口起重机带裂纹结构件的安全评价[3]。