(10)申请公布号 CN 102336362 A
(43)申请公布日 2012.02.01C N 102336362 A
*CN102336362A*
(21)申请号 201110266116.6
(22)申请日 2011.09.08
B66C 13/16(2006.01)
(71)申请人中联重科股份有限公司
地址410013 湖南省长沙市岳麓区银盆南路
361号
(72)发明人李金平 郑庆华 刘涛 姚立娟
(74)专利代理机构北京润平知识产权代理有限
公司 11283
代理人肖冰滨
南毅宁
(54)发明名称
及监控系统
(57)摘要
本发明公开了一种测量塔式起重机的起重力
矩的方法、装置以及起重力矩监控系统，该方法包
式起重机的主弦杆内；以及利用预先建立的神经
网络模型及所述弓形板的挠曲位移，计算该挠曲
位移所对应的起重力矩。通过上述技术方案，可
通过采用弓形板及位移传感器实现起重力矩的测
量，并藉此实现力矩监控，无需采用价位较高且安
装复杂的用于测量重力及幅度的装置，体积小、结
构简单、成本及维修费用低，可广泛应用于各吨位
的塔式起重机。(51)Int.Cl.
(19)中华人民共和国国家知识产权局(12)发明专利申请
权利要求书 1 页 说明书 5 页 附图 3 页
1.一种测量塔式起重机的起重力矩的方法，其特征在于，该方法包括：
检测弓形板(20)的挠曲位移，该弓形板(20)固定于塔式起重机的主弦杆(10)内；以及
利用预先建立的神经网络模型及所述弓形板(20)的挠曲位移，计算该挠曲位移所对应的起重力矩。
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型通过以下步骤建立：
针对所述塔式起重机的起重臂的多个幅度中的每一幅度，检测所述弓形板(20)在多种重力矩下的挠曲位移；以及
利用每一幅度下的多种起重力矩及其所对应的挠曲位移，建立神经网络模型。
3.根据权利要求1或2所述的方法，其特征在于，所述神经网络模型为函数型神经网络模型或BP神经网络模型。
4.一种测量塔式起重机的起重力矩的装置，其特征在于，该装置包括：
位移传感器(30)，用于检测弓形板(20)的挠曲位移，该弓形板(20)固定于塔式起重机的主弦杆(10)内；以及
计算设备(100)，用于利用预先建立的神经网络模型及所述弓形板(20)的挠曲位移，计算该挠曲位移所对应的起重力矩。
5.根据权利要求4所述的装置，其特征在于，所述神经网络模型通过以下步骤建立：
针对所述塔式起重机的起重臂的多个幅度中的每一幅度，检测所述弓形板(20)在多种重力矩下的挠曲位移；以及
利用每一幅度下的多种起重力矩及其所对应的挠曲位移，建立神经网络模型。
6.根据权利要求4或5所述的装置，其特征在于，所述神经网络模型为函数型神经网络模型或BP神经网络模型。
7.一种塔式起重机的起重力矩监控系统，其特征在于，该系统包括：
根据权利要求4-6中任一项权利要求所述的测量塔式起重机的起重力矩的装置；
控制器(200)，与所述计算设备(100)相连，用于在该计算设备(100)所计算的起重力矩达到第一预定值时，发出停止该塔式起重机的动作的控制信号。
8.根据权利要求7所述的系统，其特征在于，该系统还包括报警装置(210)，所述控制器(200)与该报警装置(210)相连，用于在所计算的起重力矩达到第二预定值时，控制该报警装置(210)进行报警。
9.根据权利要求7所述的系统，其特征在于，该系统还包括显示装置，所述控制器(200)与该显示装置(220)相连，用于将所计算的起重力矩显示于该显示装置(200)上。
10.根据权利要求7所述的系统，其特征在于，该系统还包括：
调节螺丝(40)，固定于所述弓形板(20)上；以及
限位开关(50)，固定于所述弓形板(20)扩张方向上，与所述控制器(200)相连，且在该弓形板(20)扩张至一位置时，所述调节螺丝(40)触碰该限位开关(50)的触点，发出信号至所述控制器(200)，
所述控制器(200)在收到来自所述限位开关(50)的信号之后，发出停止该塔式起重机的动作的控制信号。
测量塔式起重机的起重力矩的方法、装置以及监控系统
技术领域
[0001] 本发明涉及工程机械领域，具体地，涉及一种测量塔式起重机的起重力矩的方法、装置以及起重力矩监控系统。
背景技术
[0002] 随着建筑业的不断发展，各大中城市高层建筑建设的不断增多，塔式起重机的应用也越来越广泛，塔式起重机已成为高层建筑施工垂直运输的主动脉。但是，塔式起重机是一种运行式回转起重机，具有工作重心高、工作负载大、稳定性较差、频繁转移工作场所等特点，属于事故多大的机种之一，且事故造成的损失巨大。故，为了保证塔式起重机安全可靠的工作，塔式起重机上均安装有起重力矩监测系统。
[0003] 授权公告号为CN 2592616Y的中国专利公开了一种塔式起重机运行监控装置，如图1所示，该装置包括拉力传感器1、回转编码器2、可编程控制器3、触摸屏4、断电保护器6以及报警器7。拉力传感器1用于在塔式起重机吊起重物时，将钢丝绳的拉力信号送到可编程控制器3；回转编码器2安装在变幅电机轴上，用于采集变幅电机的转数信号，并将该信号送到可编程控制器3中；可编程控制器3根据拉力传感器1和回转编码器2的信号，计算出塔式起重机的起重量、幅度以及起重力矩，并通过触摸屏4显示；断电保护器6以及报警器7受可编程控制器3控制，档塔式起重机的起重力矩超过设定值时，断电保护器6即对增大起重力矩方向的动作进行自动断电保护，并发出声光报警。该运行监控装置可根据塔式起重机的运行状况进行报警和自动断电保护，很大程度上提高了塔式起重机的安全性能。[0004] 然而，上述塔式起重机运行监控装置体积庞大、结构复杂、受环境(气候、振动、电磁场等)的影响大、成本及维护费用高、安装及调试难度大、且传感器易发生故障。
发明内容
[0005] 本发明的目的是提供一种测量塔式起重机的起重力矩的方法、装置以及起重力矩监控系统，该起重力矩监控系统结构简单且故障率低。
[0006] 为了实现上述目的，本发明提供一种测量塔式起重机的起重力矩的方法，该方法包括：检测弓形板的挠曲位移，该弓形板固定于塔式起重机的主弦杆内；以及利用预先建立的神经网络模型及所述弓形板的挠曲位移，计算该挠曲位移所对应的起重力矩。[0007] 本发明还提供一种测量塔式起重机的起重力矩的装置，该装置包括：位移传感器，用于检测弓形板的挠曲位移，该弓形板固定于塔式起重机的主弦杆内；以及计算设备，用于利用预先建立的神经网络模型及所述弓形板的挠曲位移，计算该挠曲位移所对应的起重力矩。
[0008] 本发明还提供一种塔式起重机的起重力矩监控系统，该系统包括：上述测量塔式起重机的起重力矩的装置；控制器，与所述计算设备相连，用于在该计算设备所计算的起重力矩达到第一预定值时，发出停止该塔式起重机的动作的控制信号。藉此，可达到力矩限制的目的，以避免大起重力矩引发安全事故。
[0009] 通过上述技术方案，可通过采用弓形板及位移传感器实现起重力矩的测量，并藉此实现力矩监控，无需采用价位较高且安装复杂的用于测量重力及幅度的装置，体积小、结构简单、成本及维修费用低，可广泛应用于各吨位的塔式起重机。
[0010] 本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0011] 附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0012] 图1为现有的塔式起重机运行监控装置的结构示意图；
[0013] 图2为本发明提供的测量塔式起重机的起重力矩的装置的结构示意图；[0014] 图3为位移传感器、弓形板以及主弦杆之后的位置关系示意图；
[0015] 图4为神经网络模型的工作原理图；
[0016] 图5为本发明提供的塔式起重机的起重力矩监控系统的结构示意图；以及[0017] 图6为调节螺丝、限位开关、位移传感器、弓形板以及主弦杆之后的位置关系示意图。
[0018] 附图标记说明
[0019] 1 拉力传感器 2 回转编码器
[0020] 3 可编程控制器 4 触摸屏
[0021] 6 断电保护器 7 报警器
[0022] 10 主弦杆 20 弓形板
[0023] 30 位移传感器 40 调节螺丝
[0024] 50 限位开关 100 计算设备
[0025] 200 控制器 210 报警装置
[0026] 220 显示装置
具体实施方式
[0027] 以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0028] 图2为本发明提供的测量塔式起重机的起重力矩的装置的结构示意图。如图2所示，本发明提供了一种测量塔式起重机的起重力矩的装置，该装置包括：位移传感器30，用于检测弓形板20的挠曲位移，
该弓形板固定于塔式起重机的主弦杆10内；以及计算设备，用于利用预先建立的神经网络模型及所述弓形板20的挠曲位移，计算该挠曲位移所对应的起重力矩。
[0029] 如图3所示，所述弓形板20安装于所述塔式起重机的主弦杆10内，当塔式起重机吊起重物时，主弦杆10会因受到压力而产生纵向形变，此时弓形板20可将该微小的纵向形变转化为横向的较大形变。由于弓形板20的形变符合胡克定律，推导出其形变公式为：
[0030]
[0031] 其中，a为弓形板20的变形量；a1为弓形板20经预弯曲后的初始变形量；L1为弓
形板20经预弯曲后的初始长度；P为施加至主弦杆10的外力大小；E为主弦杆10材料的弹性模量；A为主弦杆10截面积。该公式说明了可利用弓形板20的形变量a来反映施加至主弦杆10的外力P，而该外力P的大小与塔式起重机的起重量和幅度有关，因此它能如实地反映塔机起重力矩的大小。
[0032] 所述弓形板20的形变量a由位移传感器30来检测，该位移传感器30可检测弓形板20的挠曲位移(该挠曲位移为弓形板20中部的位移，该位移即可作为所述弓形板20的形变量a，当然也可以是弓形板20其他部位的位移，然而为了最大程度的放大主弦杆10的位移，优选取弓形板20中部的位移)，之后计算设备可根据该挠曲位移预先建立的神经网络模型，计算该挠曲位移所对应的起重力矩。
[0033] 其中，所述神经网络模型通过以下步骤建立：针对所述塔式起重机的起重臂的多个幅度中的每一幅度，检测所述弓形板20在多种起重力矩下的挠曲位移；以及利用每一幅度下的多种起重力矩及其所对应的挠曲位移，建立神经网络模型。以下详细介绍所述神经网络模型的建立过程。
[0034] 一、样本采集
[0035] (1)在一初始幅度下，将一已知重量的重物挂在起重臂上，测量所述弓形板20的挠曲位移；之后，增大重物的重量，测量所述弓形板20的挠曲位移。循环进行上述过程，使起重力矩分别为0.1Me、0.3Me、0.5Me、0.7Me、0.8Me、0.9Me、1.0Me以及1.1Me(该起重力矩仅为示例性的，可通过将所述重物的重力乘以已知幅度而得出，该已知幅度可以使用GPS 高精度测量或人工测量等方法得出，从而可保证样本中力矩值的准确性)，并分别测量每一起重力矩下所述弓形板20的挠曲位移；
[0036] (2)增大所述幅度(例如，增大2米)，按照上述步骤，测量每一幅度下，起重力矩分别为0.1Me、0.3Me、0.5Me、0.7Me、0.8Me、0.9Me、1.0Me以及1.1Me时，所述弓形板20的挠曲位移；以及
[0037] (3)重复上述步骤(2)，直至所述幅度增大至起重臂的最大幅度为止。
[0038] 藉此，可采集建立神经网络模型所需的数据样本。
[0039] 二、确定特性参数
[0040] 图3为神经网络模型的工作原理图。如图3所述，针对所采集的样本中的每一挠曲位移x，根据以下公式计算起重力矩：
[0041]
[0042] 其中，为神经网络模型第p个数据样本的估计输出(即，起重力矩)；为挠曲位移x的第p个数据样本的第n个输入模式，挠曲位移x共具有i种输入模式，可分别取幂级数1、x、x2、x3...x i-1，亦可取三角函数x、sinπx、cosπx、sin2πx...，在此根据挠曲位移与起重力矩的基础函数关系形式，取幂级数函数；k表示该神经网络模型的训练次数；
为第p个数据样本的第n种输入模式的权值，该权值由数据样本训练得到，为第p个w
n
数据样本的第n种输入模式的网络输出；该第p个样本的各输入模式的网络输出之和即为
该第p个数据样本的网络训练输出
[0043] 将所述网络训练输出的起重力矩与实际起重力矩(目标值M p(k))进行比
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议