阅读说明：本技术 一种塔吊吊臂形变检测装置及方法 (Tower crane boom deformation detection device and method ) 是由 舒远 蔡江 于 2019-11-05 设计创作，主要内容包括：本申请实施例提供一种塔吊吊臂形变检测装置及方法,涉及塔吊技术领域。该装置包括：反射片组,排列安装在吊臂长度方向的检测节点上,用于反射电磁波；发射器,用于向对应的反射片发射电磁波；接收器,用于接收对应的反射片反射的电磁波,并记录所述发射器发射电磁波和所述接收器接收电磁波的时间；分析系统,用于计算发射器发射电磁到对应的接收器接收电磁波的时间数据,并对所述时间数据进行分析,得到吊臂的形变量。通过在吊臂上设置反射片,利用电磁波发射和接收的时间间隔的变化检测吊臂的形变量,解决了现有的方法繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便的问题。(The embodiment of the application provides a device and a method for detecting deformation of a suspension arm of a tower crane, and relates to the technical field of tower cranes. The device includes: the reflector group is arranged on the detection node in the length direction of the suspension arm and used for reflecting electromagnetic waves; the emitter is used for emitting electromagnetic waves to the corresponding reflector plate; the receiver is used for receiving the electromagnetic waves reflected by the corresponding reflector plate and recording the time for the transmitter to transmit the electromagnetic waves and the time for the receiver to receive the electromagnetic waves; and the analysis system is used for calculating the time data of the electromagnetic waves transmitted by the transmitter to the corresponding receiver and received by the receiver, and analyzing the time data to obtain the deformation quantity of the suspension arm. The reflector plate is arranged on the suspension arm, and the deformation quantity of the suspension arm is detected by using the change of the time interval between the transmission and the reception of the electromagnetic wave, so that the problem that the conventional method is inconvenient for routine maintenance and troubleshooting due to a complicated power supply line and a data transmission line is solved.)

一种塔吊吊臂形变检测装置及方法

技术领域

本申请涉及塔吊技术领域，具体而言，涉及一种塔吊吊臂形变检测装置及方法。

背景技术

塔吊在工作过程中受吊物摆动及风力的影响，塔身及吊臂等部位经常发生往复形式的弹性变形。若塔吊在超力矩的工况下工作或者未按照设计的配重规范对平衡臂进行配重，将导致塔身及吊臂发生不可逆的塑性变形，直接引发塔吊吊臂折断、倾覆等重大事故。因此，对塔吊关键结构部件的形变情况进行监控对于预防事故的发生意义重大。

目前行业中多是通过加装压力传感器、位移传感器、形变传感器等方式来对塔吊吊臂的变形情况进行直接检测；或者通过读取吊物重量及变幅小车的幅度值来计算实时力矩，判断是否超过设计值的间接检测方案。这两种检测方式涉及到各类传感器的供电及数据传输问题，而塔吊的吊臂一般长达50米左右，若要精确的测量吊臂上各个关键节点的形变情况，则需加装多个传感器，繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便及诸多问题。

发明内容

本申请实施例的目的在于提供一种塔吊吊臂形变检测装置、方法及系统，通过在吊臂上设置反射片，利用电磁波发射和接收的时间间隔的变化检测吊臂的形变量，解决了现有的方法繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便的问题。

本申请实施例提供了一种塔吊吊臂形变检测装置，所述装置包括：

反射片组，排列安装在吊臂长度方向的检测节点上，用于反射电磁波；

发射器，用于向对应的反射片发射电磁波；

接收器，用于接收对应的反射片反射的电磁波，并记录所述发射器发射电磁波和所述接收器接收电磁波的时间；

分析系统，用于计算发射器发射电磁到对应的接收器接收电磁波的时间数据，并对所述时间数据进行分析，得到吊臂的形变量。

在上述实现过程中，在塔吊吊臂上的各个检测节点上均安装反射片，当发射器向对应的反射片发射电磁波后，经过反射片的反射被接收器接收，当吊臂发生形变后，由发射器发射到接收器接收到电磁波的时间将会发生变化，因此可以根据发射器发射电磁到对应的接收器接收电磁波的时间数据获得吊臂对应检测点的形变量，可以有效检测到吊臂的形变量，并且采用无源的形变数据采集方式，更加简单可靠，避免了在吊臂上安装各种传感器，解决了现有的方法繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便的问题。该方法通过在吊臂上设置反射片，利用电磁波发射和接收的时间间隔的变化检测吊臂的形变量，形变量不同，将会直接影响电磁波的传播时间，因此该方法不仅提高了形变量测量的准确性，而且不会影响吊臂的正常工作和使用，该装置结构简单，无需考虑供电问题，便于维护和故障排查，且成本较低。

进一步地，所述装置还包括：

报警装置，用于当吊臂的形变量达到预设的弹性范围阈值时，进行报警。

在上述实现过程中，当形变量达到预设的弹性范围阈值时，进行报警，及时提醒司机检查形变过大的原因，避免形变量过大，对吊臂造成不可逆的损害。

进一步地，所述分析系统，用于将发射器发射电磁波和接收器接收所述电磁波的时间数据输入深度学习神经网络模型，以计算得到吊臂的形变量。

在上述实现过程中，利用深度学习神经网络模型进行计算得到各个检测点的形变量，能够提高形变量计算结果的准确性，起到对吊臂形变量的检测作用。

本申请实施例还提供一种塔吊吊臂形变检测方法，该方法包括：

接收发射器和接收器反馈的电磁波的发射时间和接收时间；

根据所述发射时间和接收时间获取每个检测点对应的电磁波发射到接收的时间数据；

根据所述时间数据获取塔吊吊臂的各个检测节点的形变量。

在上述实现过程中，接收发射器和接收器记录的电磁波的发射时间和接收时间，从而得到每个检测点对应的电磁波发射到接收的时间数据，由于吊臂的形变量的变化将会直接影响电磁波的传播时间，因此可以利用这一规律根据各个检测节点的电磁波的传播时间获得检测节点的形变量。该方法在实施过程中，在吊臂的各个检测节点上设置反射片即可，无需设置各种传感器，避免了设置传感器所带来的不便，解决了现有的方法繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便及诸多问题。

进一步地，所述方法还包括：

对各个检测节点的形变量进行拟合，获得沿吊臂长度方向分布的形变曲线；

根据所述形变曲线判断所述吊臂的形变量；

当所述形变量达到预设的弹性范围阈值时，进行报警。

在上述实现过程中，对各个检测节点的形变量进行拟合，获得整条吊臂的形变量，对吊臂的形变量进行评估，当达到预设的弹性范围阈值时，进行报警，避免吊臂形变量超过弹性变形范围，对吊臂造成不可逆的损害。

进一步地，所述根据所述时间数据获取吊臂的各个检测节点的形变量，包括：

利用所述时间数据和预设的深度学习神经网络模型获取塔吊吊臂的各个检测节点的形变量。

在上述实现过程中，通过预设的深度学习神经网络模型对输入的时间数据进行解算，得到各个检测节点的形变量，可以精确获知吊臂各检测节点的形变量，获取吊臂形变量的分布情况。

本申请实施例还提供一种应用于塔吊吊臂形变检测的神经网络模型的训练方法，所述方法包括：

获取检测节点对应的电磁波的往返时间数据及对应的形变量数据；

将所述电磁波的往返时间数据和形变量数据作为训练数据集对预设的深度学习神经网络算法的训练模型进行训练，获取训练结果；

根据所述训练结果，获取所述深度学习神经网络模型。

在上述实现过程中，采集多组电磁波往返时间数据和形变量数据作为训练集对训练模型进行训练，有利于提高训练结果的准确度。

进一步地，所述将所述电磁波的往返时间数据和形变量数据作为训练数据集对预设的深度学习神经网络算法的训练模型进行训练，获取训练结果，包括：

将所述电磁波的往返时间数据作为输入层、形变量数据作为输出层，以确定基于深度学习神经网络算法的训练模型；

获取所述训练模型的隐含层及输出层的输出参数以及对应的目标参数；

获取所述隐含层及输出层的输出参数和目标参数的误差；

当所述误差小于预设的阈值时，获取训练结果。

在上述实现过程中，通过对训练模型进行反复训练，得到满足误差范围的深度学习神经网络模型，提高形变量检测结果的准确性。

本申请实施例还提供一种电子设备，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行上述中任一项所述的塔吊吊臂形变检测方法。

本申请实施例还提供一种可读存储介质，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行上述中任一项所述的塔吊吊臂形变检测方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种塔吊吊臂形变检测装置的结构框图；

图2为本申请实施例提供的塔吊吊臂形变检测装置的结构示意图；

图3为本申请实施例提供的发射和接收阵列板结构示意图；

图4为本申请实施例提供的吊臂形变示意图；

图5为本申请实施例提供的吊臂形变示意图；

图6为本申请实施例提供的塔吊吊臂形变检测方法的流程图；

图7为本申请实施例提供的进行报警的流程示意图；

图8为本申请实施例提供的应用于塔吊吊臂形变检测的神经网络模型的训练方法的流程图；

图9为本申请实施例提供的神经网络的训练流程图；

图10为本申请实施例提供的神经网络训练模型的示意图。

图标：

100-反射片组；101-反射片；201-发射器；202-接收器；300-分析系统；400-报警装置；500-变幅小车；600-司机室；700-发射和接收阵列板。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

请参看图1，图1为本申请实施例提供的一种塔吊吊臂形变检测装置的结构框图。该装置包括：

反射片组100，排列安装在塔吊吊臂长度方向的检测节点上，用于反射电磁波；

示例的，根据吊臂的长度和检测需要，沿吊臂的长度方向均匀分布有多个检测节点，在每个检测节点上均设置反射片101，示例的，反射片101的高度可以沿吊臂初始端至末端的方向依次增加，避免前方的反射片101遮挡后方的反射片101接收电磁波。

发射器201，用于向对应的反射片101发射电磁波；

接收器202，用于接收对应的反射片101反射的电磁波，并记录所述发射器201发射电磁波和所述接收器202接收电磁波的时间；

示例的，每一个反射片101均对应设置有一个发射器201和一个接收器202，便于记录每一个检测节点上的电磁波的传播时间；每个发射片对应的发射器201和接收器202可以调制发射和接收不同频率的电磁波。

分析系统300，用于计算发射器201发射电磁到对应的接收器202接收电磁波的时间数据，并对所述时间数据进行分析，得到吊臂的形变量。

示例的，吊臂发生形变时，吊臂的每个检测节点上的反射片101也会随着吊臂的形变发生位置和角度的偏移，每个检测节点对应的吊臂的不同位置发生的形变程度不同，对应的反射片101的位置和角度的偏移量也存在差异，从而导致电磁波的传播时间也会发生变化。而同一检测节点上，形变量发生变化时，电磁波的传播时间也会随之变化，因此分析系统300可以通过每个检测节点上的电磁波的传播时间得到吊臂的形变量。

示例的，所述装置还包括：

报警装置400，用于当所述吊臂的形变量达到预设的弹性范围阈值时，进行报警。

示例的，可以根据吊臂可承受的弹性变形范围，预先设置弹性范围阈值，当达到该弹性范围阈值时，进行报警，及时提醒司机检查形变过大的原因，避免因形变量过大，对吊臂造成不可逆的损害。示例的，该报警装置400可以采用声光报警装置。

示例的，所述分析系统300，用于将发射器201发射电磁波和接收器202接收所述电磁波的时间数据输入深度学习神经网络模型，以计算得到吊臂的形变量。

利用深度学习神经网络模型进行计算得到各个检测点的形变量，能够提高形变量计算结果的准确性，起到对吊臂形变量的检测作用。

在上述实现过程中，在塔吊吊臂上的各个检测节点上均安装反射片101，当发射器201向对应的反射片101发射电磁波后，经过反射片101的反射被接收器202接收，当吊臂发生形变后，由发射器201发射到接收器202接收到电磁波的时间将会发生变化，因此可以根据发射器201发射电磁到对应的接收器202接收电磁波的时间数据获得吊臂对应检测点的形变量，可以有效检测到吊臂的形变量，并且采用无源的形变数据采集方式，更加简单可靠，避免了在吊臂上安装各种传感器，解决了现有的方法繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便的问题。该方法通过在吊臂上设置反射片101，利用电磁波发射和接收的时间间隔的变化检测吊臂的形变量，形变量不同，将会直接影响电磁波的传播时间，因此该方法不仅提高了形变量测量的准确性，而且不会影响吊臂的正常工作和使用，该装置结构简单，无需考虑供电问题，便于维护和故障排查，且成本较低。

具体地，如图2所示，为塔吊吊臂形变检测装置的结构示意图。该装置具体包括：

反射片组100，包括6个反射片101，沿吊臂长度方向均匀设置在吊臂的检测节点上，并且各个反射片101的高度沿着吊臂的长度方向(从左至右)依次增大，该种设置方法不会影响变幅小车500的工作，无需设置各种传感器，避免了设置传感器所带来的不便，解决了现有的方法繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便及诸多问题。。

发射器201和接收器202，每一个反射片101均对应设置有一个发射器201和一个接收器202，即共有6组发射器201和接收器202，发射器201和接收器202均设置在吊臂的左端(起始端)。

在本实施例中，如图3所示，为发射和接收阵列板700结构示意图。将发射器201和接收器202排列设置在发射和接收阵列板700上，每组发射器201和接收器202均按照从下到上的方式排列设置在发射和接收阵列板700上，且与反射其电磁波的反射片101相对应，以便发射器201发射电磁波，对应的反射片101将该电磁波反射至同组中的接收器202，从而被该接收器202接收。每组发射器201合接收器202均可以调制发射和接收不同频率的电磁波。

发射和接收阵列板700设置在吊臂的左端靠近司机室600的位置。

分析系统300，设置在司机室600内，用于接收发射器201和接收器202返回的发射时间和接收时间，并根据发射器201和接收器202返回的发射时间和接收时间计算得到对应于6个检测节点的反映电磁波传播时间的6组时间数据，再利用深度学习神经网络模型计算得到6个检测点的形变量，再根据6个检测点的形变量确定吊臂的形变量。

如图4-5所示，为吊臂形变示意图。如图5所示，图中右侧箭头表示变形趋势；吊臂发生形变时如向下弯折，形变发生处的反射片101也会相应的发生位置和角度的偏移，如向右倾斜，将会延长该处电磁波的传播时间。因此，当6组不同频率的电磁波从对应的发射器201发出，经反射片101反射到对应的接收器202接收后，分析系统300将得到每一组电磁波从发射到接收的传播时间，吊臂的形变形状不同，6组检测点对应检测到的电磁波的传播时间也不相同。

报警装置400，安装在司机室600内，用于当所述吊臂的形变量达到预设的弹性范围阈值时，进行报警，示例的，可以采用声光报警装置，发出声光进行报警，以便及时提醒司机检查形变量过大的原因，避免吊臂形变量超过弹性变形范围，对吊臂造成不可逆的损害。

实施例2

本申请实施例还提供一种塔吊吊臂形变检测方法，如图6所示，为塔吊吊臂形变检测方法的流程图。该方法可以应用于分析系统300，具体可以包括以下步骤：

步骤S100：接收发射器201和接收器202反馈的电磁波的发射时间和接收时间；

示例的，在6组发射器201调制出不同的电磁波之后，发射出去的电磁波经反射片101反射回各自频率对应的接收器202。

步骤S200：根据所述发射时间和接收时间获取每个检测点对应的电磁波发射到接收的时间数据；

示例的，分析系统300采集每组电磁波从发射到接收的传播时间。

步骤S300：根据所述时间数据获取吊臂的各个检测节点的形变量。

具体地，利用所述时间数据和预设的深度学习神经网络模型获取塔吊吊臂的各个检测节点的形变量。

示例的，将6组传播时间作为深度学习神经网络模型的输入数据集，对输入的数据进行解算，得到吊臂上的6个检测点对应的形变量。

在上述实现过程中，接收发射器201和接收器202记录的电磁波的发射时间和接收时间，从而得到每个检测点对应的电磁波发射到接收的时间数据，由于吊臂的形变量的变化将会直接影响电磁波的传播时间，因此可以利用这一规律根据各个检测节点的电磁波的传播时间获得检测节点的形变量。该方法在实施过程中，在吊臂的各个检测节点上设置反射片101即可，无需设置各种传感器，避免了设置传感器所带来的不便，解决了现有的方法繁琐的供电线路及数据传输线路给日常维护及故障排查带来许多不便及诸多问题。

示例的，如图7所示，为进行报警的流程示意图。该方法还包括：

步骤S401：对各个检测节点的形变量进行拟合，获得沿吊臂长度方向分布的形变曲线；

步骤S402：根据所述形变曲线获取所述吊臂的形变量；

步骤S403：当所述形变量达到预设的弹性范围阈值时，进行报警。

示例的，采用拟合函数法对得到的6个检测点的形变量进行拟合，得到沿吊臂长度方向分布的形变曲线，对形变曲线作解析，判断吊臂变形是否在弹性范围以内，若达到设定的弹性范围阈值(不可逆的塑形变形阶段)则触发报警，声光报警器给司机发出声光警示。

对各个检测节点的形变量进行拟合，获得整条吊臂的形变量，对吊臂的形变量进行评估，当达到预设的弹性范围阈值时，进行报警，避免吊臂形变量超过弹性变形范围，对吊臂造成不可逆的损害。

实施例3

本申请实施例还提供一种应用于塔吊吊臂形变检测的神经网络模型的训练方法，如图8所示，为应用于塔吊吊臂形变检测的神经网络模型的训练方法的流程图。该方法具体可以包括以下步骤：

步骤S500：获取检测节点对应的电磁波的往返时间数据及对应的形变量数据；

步骤S600：将所述电磁波的往返时间数据和形变量数据作为训练数据集对预设的深度学习神经网络算法的训练模型进行训练，获取训练结果；

步骤S700：根据所述训练结果，获取所述深度学习神经网络模型。

采集多组电磁波往返时间数据和形变量数据作为训练集对训练模型进行训练，有利于提高训练结果的准确度。

示例的，如图9所示，为神经网络的训练流程图，步骤S600具体可以包括：

步骤S601：将所述电磁波的往返时间数据作为输入层、形变量数据作为输出层，以确定基于深度学习神经网络算法的训练模型；

如图10所示，为神经网络训练模型的示意图。最左端为输入层，右端为输出层，下方箭头表示信息正向传播，上方箭头表示误差反向传播；将每个检测节点得到的电磁波的传播时间数据作为输入层，每个检测节点的形变量作为对应的输出层，中间层为隐含层，进行模型的训练。

步骤S602：获取所述训练模型的隐含层及输出层的输出参数以及对应的目标参数；

步骤S603：获取所述隐含层及输出层的输出参数和目标参数的误差；

步骤S604：当所述误差小于预设的阈值时，获取训练结果。

示例的，根据输入层给定的输入向量以及输出层的目标输出求得隐含层及输出层的实际输出；

求得目标输出与实际输出之间的误差；

判断误差是否在容许范围内即误差是否小于预设的阈值；

若是，则训练结束，获取固定权值及阈值，根据固定权值及阈值得到训练的深度学习神经网络模型；

若否，则计算网络层中神经元的误差，求取误差梯度，更新权值及阈值，重复上述训练过程。

通过上述训练方法，得到满足误差范围的深度学习神经网络模型，以便提高对各个检测节点的形变量的计算的准确性。

实施例4

本申请实施例还提供一种电子设备，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行实施例3中任一项所述的塔吊吊臂形变检测方法。

本申请实施例还提供一种可读存储介质，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行实施例3中任一项所述的塔吊吊臂形变检测方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。