[发明专利]一种基于人工神经网络算法的起重力矩限制器自适应精度校准方法

说明书

1、技术领域

本发明是一种起重力矩限制器实时测量并显示的重量、幅度、长度、角度等起重机工况参数的精度校准方法。 

2、背景技术

起重力矩限制器由位置传感器(测量长度、角度等信号)和力传感器(测量拉力、压力等信号)获得实时工况参数信号，所采用的精度校准方法是测量起重机在各种工况下不同吊重时的传感器信号，通过特定的算法得到参数转换运算公式，然后写入单片机进行处理运算，获得实际起重量与幅度并与最大力矩进行比较判断，在危险状态下输出控制信号，避免起重机向危险状态动作，从而起到安全保护作用。但是，起重力矩限制器所普遍采用的这种精度校准方法需要耗费大量的人力物力和时间对起重机进行工况参数测量，容易因为测量过程中的偶然因素或人为失误产生错误，并且在起重臂运动过程中的工况参数数据难以测量采集，造成起重力矩限制器精度不够，产生错误判断。 

3、发明内容

为了克服现有起重力矩限制器精度校准时间长、效率低、容易产生误差的问题，本发明采用基于人工神经网络算法的自适应校准技术，通过转换电路、单片机与存储器自动采集存储起重臂在不同运动状态(向上、向下或静止)的工况参数数据并立即进行运算处理，得到该起重机在此工况下进行工作的重量与幅度的精确数值，不需要另外进行数据运算处理，有效排除人为干扰所产生的误差，大大提高起重力矩限制器精度校准的效率和精确度。 

本发明所采用的技术解决方案是：将起重机的工况进行合理的划分，以臂长和起重臂与水平之间的夹角为坐标构建数据采集神经网络坐标系；通过转换电路自动采集处理存储起重臂在不同运动状态(向上、向下或静止)的传感器信号，并输入单片机进行运算处理，按照一定的规则将转换结果自动实时存储到存储器指定区域；通过特定的算法得到的参数转换运算公式来完成采用人工神经网络算法对所采集的数据进行判断，识别异常网络节点，对异常节点数据进行剔除，并根据相邻节点数据自动生成有效节点数据的全过程；在起重机工作时力矩限制器主机根据位置传感器识别起重机工作状态，通过力传感器获得起重机受力状况，自动调用所存储的数据进行运算处理，从而得到重量、幅度等实时工况数据，在人机界面上进行显示，并根据与最大力矩判断的结果输出控制信号。 

本发明能够使力矩限制器根据起重机的实际使用状态进行精度校准，提高起重力矩限制器的精度和调试效率，有效保证起重机的作业安全，广泛适用于流动式起重机(汽车起重机、履带式起重机、轮胎起重机)和非流动式起重机的力矩限制器精度校准。 

4、具体实施方式

本发明需要通过核心算法与软件实现、硬件设计和规定的人机操作流程来具体实施。 

4.1核心算法与软件实现 

本发明采用神经网络自适应技术作为核心算法的基础，包括以下部分： 

4.1.1人工神经网络坐标系构建 

本发明根据起重机的工作特性，将起重机划分为可自由伸缩与不可自由伸缩两大类型，以起重臂长度和起重臂与水平之间的夹角作为坐标轴构建坐标系。对于可自由伸缩的起重机(如汽车起重机)，根据其起重特性表所标明的长度段作为臂长坐标节点划分的依据；对于不可自由伸缩的起重机(如履带式起重机)，则根据其自身的不同臂长作为臂长坐标节点划分依据。鉴于起重机在工作状态下起重臂与水平之间的夹角一般在20-80度之间，因此角度坐标以22度为起始节点，每隔三度作为节点坐标，直至79度为止，通过以上方式构建神经网络坐标系。 

4.1.2数据存储与访问规则 

在构建神经网络坐标系后，根据起重机臂的运动状态将所需要存储的数据分为向上与向下两个空间，每个空间由m个5×20的矩阵组成，其中m为臂长划分节点数，每个矩阵为该臂长节点的数据。矩阵的行列代表意义如下所示： 

其中：a0-起重机在空载状态下运动时所自动记录的角度信号转换值； 

a1-起重机在吊有一定重量砝码状态下运动时所自动记录的角度信号转换值； 

F0-起重机在空载状态下运动时所自动记录的力传感器信号转换值； 

F1-起重机在吊有一定重量砝码状态下运动时所自动记录的力传感器信号转换值； 

W1-起重机在该臂长节点进行校准时所用砝码的重量。 

校准完成后，单片机自动按上述存储规则将数据存储在存储器指定区域。