CN104787678A - 一种检测塔机结构损伤的方法 - Google Patents

Abstract

本发明涉及一种检测塔式起重机的结构损伤方法，提出一种新的ARX模型判断塔机结构状态的方法。具体是用完好状态的数据建立ARX模型，确定模型的特征参数，以未知状态下塔机下面标准节节点的位移作ARX模型的输入，对应的上面标准节节点的位移作ARX模型输出，对比未知状态的特征参数与正常结构的差别，用统计分析法判断塔机结构的状态。本发明提供的应用在塔式起重机领域的结构损伤检测方法，利用信息采集、数据处理等技术，能够准确的检测出塔机的结构损伤状态，降低因塔身钢结构损伤导致的事故发生率。

Description

一种检测塔机结构损伤的方法

技术领域

本发明涉及一种检测塔式起重机的结构损伤方法，具体是应用时间序列分析法来判断塔机结构状态的方法。

背景技术

塔式起重机由于其起升高度高、起升重量大、工作幅度大等特点成为了建筑施工中使用的主要起重运输机械。但是，由于其结构较庞大，工作负荷量大，加之工作环境恶劣，极易出现高强度螺栓松动，焊缝结构被削弱，主肢开裂、锈蚀等结构安全隐患。为了保证钢结构的使用安全，在塔机使用过程中对其结构状态实时检测是十分必要的。

实际使用过程中定期对塔机进行安全检查需要大量的人力物力，费用很高，而一般的人员也不具备塔机安全检查的相关技术知识，这就给塔机安检带来了不便。研究者们试图以固有频率、变形、应力等特征研究塔机钢结构的损伤诊断，但其研究成果仍鲜有报道。

发明内容

基于现有技术的不足和实际需要，本发明提供了一种检测塔机结构损伤的方法。

它的方法包括以下步骤：首先将完好状态和损伤状态的位移数据进行标准化处理。然后利用处理后的位移数据建立ARX模型，模型的输入和输出数据分别采用下面标准节节点的位移和对应的上面标准节的节点的位移信号。定义损伤特征参数，由完好状态的动态响应形成状态判断的参考，分析未知状态的响应信号与完好状态的差别，最后通过统计分析的结果诊断塔机结构的状态。

本文根据塔机的振动特征选取塔身底端的第一个标准节的节点信息作为输入、与之对应的上一个标准节的节点信息作为输出，建立一个单输入单输出的ARX模型，如式1所示。

A(q^-1)y(k)＝B(q^-1)u(k)+e(k)      (1)

式中：和是系统的输入输出量，为模型误差。q^-1为后移算子，

$A\left(q^{-1}\right)=I+\underset{i=1}{\overset{n_a}{\mathrm{\Σ}}}{A}_i{z}^{-i};B\left(q^{-1}\right)=\underset{i=1}{\overset{n_b}{\mathrm{\Σ}}}{B}_i{z}^{-i}---\left(2\right)$

其中I为n_y*n_y的单位矩阵，A_i为n_y*n_y维矩阵，B_i为n_y*n_u维矩阵，n_u，n_y是系统输入输出的维数，n_a，n_b为模型的阶数。系统的阶数n_a和输入的阶数n_b通过系统辨识确定。

ARX模型常用的辨识方法为最小二乘法和辅助变量法。利用AIC准则，通过寻找一个具有较小AIC值的估计模型来决定模型的阶次。AIC值由公式3定义：

AIC＝log(V)+2d/N      (3)

式中，V为损失函数，d为估计参数的个数，N为估计数据的个数。

根据系统的物理性质和先验知识给出模型阶次n_a和n_b的一个上限，然后用最小二乘参数估计法从低阶到高阶逐个计算AIC的值，再结合定阶准则确定模型阶次。

把获得的结构响应信号分成若干个样本，利用完好状态的数据建立ARX模型，然后对各样本进行ARX损伤特征提取，得到损伤特征参数序列{D_F}，通过对该序列进行如下的统计分析，从而判断结构是否发生损伤以及损伤的程度。如果待测状态的输入输出与完好状态的输入输出来自相同的系统，则用完好状态建立的ARX模型表示待测状态的输入输出时应产生较小的残差；反之，如果它们来自不同的系统，将产生较大的残差。用σ(e_u)和σ(e_d)表示残差e_u(k)和e_d(k)的标准差，则可定义损伤特征参数，如公式4所示：

$D_F=\frac{\mathrm{\σ}\left(e_d\right)-\mathrm{\σ}\left(e_u\right)}{\mathrm{\σ}\left(e_u\right)}---\left(4\right)$

一般情况下，D_i≥0.理想情况下，如果u_u(k)-y_u(k)和u_d(k)-y_d(k)来自于相同的结构状态，则D_F≈0；否则，D_F＞0。即结构为完好状态时，D_F≈0；结构损伤时，D_F＞0。

本发明所述检测塔机损伤状态的方法方便易行，大大缩减了目前对塔机全面检修的程序，提高效率，实现实时检测的功能。

附图说明

附图1：特征参数在完好与损伤状态对比示例图

其中，*代表塔机完好状态时的特征参数，+代表塔机一主肢高强度螺栓松动50％时的特征参数。

具体实施方式

在模型分析中用单元的损伤代替螺栓的松动状态，可认为结构损伤只引起损伤单元刚度的下降，用弹性模量E的降低来模拟单元损伤。即损伤单元的弹性模量降低50％。

提取完好状态数据建立参考模型，损伤状态作为待测状态。建立的ARX模型以塔机第一标准节顶端的节点18的位移数据作为输入，第二标准节顶端的节点50的位移数据作为输出，将完好状态的数据分为两部分，前半部分建立参考模型，后半部分用作模型辨识，损伤状态的响应也取后半部分数据作为待测状态信号集，建立16个样本，对各点数样本分别计算对应于各种结构状况的损伤特征参数。对于损伤特征参数的分布，统计假设检验表明各测点数据对应于各种结构状况的损伤特征参数基本上均服从正态分布。如图1所示，损伤状态与完好状态下的特征参数清晰可分，即可以准确判断结构损伤。

Claims (4)

1.本发明涉及一种检测塔式起重机的结构损伤方法，其特征在于：建立ARX模型，模型的输入和输出数据分别采用下面标准节节点的位移和上面标准节的节点的位移信号，定义损伤特征参数，由完好状态的动态响应形成状态判断的参考，分析未知状态的响应信号与正常结构的差别，最后通过统计分析的结果诊断塔机结构的状态。 

2.根据权利1要求所述，ARX模型，模型的输入和输出数据分别采用下面标准节节点的位移和上面标准节的节点的位移信号。 

3.根据权利1要求所述，定义损伤特征参数，由完好状态的动态响应形成状态判断的参考，分析未知状态的响应信号与正常结构的差别。 

4.根据权利3要求所述，损伤特征参数的分布为：完好状态时分布在零附近，损伤状态时远大于零。