随着贸易的全球化、市场的多元化,港口越来越展现出其枢纽地位。港口起重机作为港口码头中的主力军,承担了大部分的装卸工作。岸边集装箱装卸桥(以下简称岸桥)作为港口起重机中的一个典型代表,其结构复杂、工作速度快,一旦发生事故,轻则设备损坏,重则机毁人亡。同时,随着岸桥服役年限的增加,加之空气中的水分与盐分的腐蚀,岸桥的故障率会因为金属结构性能的降低而逐年提高。因此,开展岸桥的安全评价工作具有十分重要的意义。本文以岸桥的骨架——金属结构作为研究对象,针对现有的安全评价方法过于主观、评价结果不具有实时性、评价系统不够智能的问题,开展了基于数据融合的智能评价方法研究,旨在提升评价过程的智能性,评价结果的客观性与准确性。本文的主要工作如下:(1)采用数据融合与人工智能算法,构建出基于数据融合的岸桥智能评价方法,并对数据融合结构的信息层、特征层与决策层包含的算法进行了清晰地说明,对每一层的功能进行了规划。(2)根据湛江港检修时记录的岸桥金属结构各指标数据,对BP神经网络进行训练,针对岸桥整机评价结果指标缺失的问题,提出了一种基于Miner法则的岸桥整机评价结果的方法。由于梯度下降法本身存在的缺陷,通过数据训练对一些改进BP神经网络算法进行了比较,得出LM算法收敛最快的结论。其后根据LM算法的优越性,建立了岸桥金属结构指标的LM-BP神经网络并得到了岸桥整机的评价值。(3)将熵权法引入模糊层次分析法进行客观赋权,针对计算隶属度造成信息缺失的问题,对熵权法进行改进,得到了基于改进熵权法的模糊层次分析法。在利用该方法得到的客观权重与主观权重进行组合赋权后,得到了岸桥整机的评价值。由于该评价值与LM-BP神经网络得到的评价值有较大出入,因此使用D-S证据理论进行融合判断,并得到较为合理的结论。(4)根据LM-BP神经网络、基于改进熵权法的模糊层次分析法与D-S证据理论的算法,使用C++语言开发了岸桥智能评价系统,较好地实现了对岸桥的实时评价与智能评价。