CN109117576A - 一种确定岸桥结构载荷及实时应力场的方法 - Google Patents

Abstract

本发明提供一种确定岸桥结构载荷及实时应力场的方法，该方法利用反演的思路，由BP神经网络作为基本算法模型以确定实时应力场。其中反演思路是将状态监测测点实测数据作为BP神经网络学习、测试样本，实现岸桥结构载荷的反演。本发明不仅能实现岸桥结构载荷的反演，还能实现岸桥结构应力反演，反演结果可以用于结构疲劳损伤实时监控等领域。

Description

一种确定岸桥结构载荷及实时应力场的方法

技术领域

本发明专利属于港口机械设备工程技术领域，特别是涉及岸桥状态监控及确定实时应力场及结构实时疲劳损伤的方法。

背景技术

在港口机械设备设计中，产品设计预期与实际制造应用有一定差距，导致岸桥在实际工程应用时会产生一些问题。岸桥实时监测系统可采集工程实际应用设备上的实时信息对岸桥进行安全状态评估。实时监控中由于载荷传感器可靠性不高，1-2月就会出故障，状态监测系统通常不会直接使用载荷传感器，载荷信息可以通过反演手段获得。

但是目前，岸边集装箱起重机即岸桥载荷的获取方式在工作环境下可靠性较低，并且岸桥状态监测系统中还没有相应的反馈模块。

在状态监测系统中，需要对岸桥上布置传感器以获得其实时受力，但在工程实际中无法对岸桥全部位置布置传感器，尤其应重点关注的岸桥发生疲劳破坏或失效的地方多在焊接处等无法安装测点的地方，实时监控系统也无法获得该处受力。

在状态监测系统中，载荷信息的反馈还没有完善，对于监测到的各项传感器数据，并不知道其对应的载荷情况。

本发明提供一种确定岸桥结构载荷信息的方法。该方法可以确定目前实时监控系统中无法精准确定的实时载荷信息，还可以通过载荷信息获得实时应力场。并且该方法还可以推广到其它港口机械设备载荷信息的获取。

发明内容

本发明的目的在于克服现有知识的缺陷，提供一种确定岸桥结构载荷信息及实时应力场信息的方法。该方法不仅能求解获得岸桥结构的载荷信息即工况信息，还可通过反演出的载荷边界条件计算得到岸桥结构应力场。并且该方法还可以拓展到其他港口机械设备，为港口机械设备提供准确的载荷信息及应力场信息。通过应力场信息可以对港口机械设备进行结构损伤点预测、安全状态评估等。

本发明采用的技术方案是：针对岸桥结构载荷信息，采用反演的思路，利用BP神经网络算法，反演出岸桥结构的载荷信息，由载荷边界条件计算得到岸桥结构应力场。载荷反演技术的核心是反演，本发明反演方法的核心是由BP神经网络算法构成，利用状态监测系统数据训练BP神经网络，根据训练好的BP神经网络预测出载荷信息，并根据载荷信息求得应力场信息。

其中利用实时监测数据作为BP神经网络的学习样本和测试样本，可以反演出结构的载荷信息即载荷大小和载荷位置。将应力信息作为BP神经网络学习样本的输入，将载荷信息作为BP神经网络学习样本的输出。实测试验中，应力传感器的应力数据作为测试样本中的输入，试验载荷信息作为测试样本中的输出。

在状态监测系统中，脱离岸桥结构有限元模型本身，通过对应力传感器数据的反演，可以判断出结构应力状态。

本发明的具体技术方案如下：

一种确定岸桥结构载荷及应力场的方法，利用载荷反演获得岸桥结构的载荷信息即载荷大小和载荷位置,利用状态监测的数据训练BP神经网络，从BP神经网络中反演出载荷信息，利用反演出的载荷信息在有限元模型中作为边界条件以确定岸桥结构的应力场。

假设应力场为向量P，工况信息为向量Y，传感器信息为X，可知

Y＝R(X)

其中，R()为反演映射。当反演出工况信息Y之后，可知

P＝F(Y)

其中，F()为正演映射；

R及F均与具体结构形式有关。

具体包括包括以下步骤：

步骤一：利用BP神经网络反演获得载荷信息：

(一)从现有的岸桥状态监测系统中选取6-10个测点应变片数据，取有效测点测点信息的70％作为BP神经网络学习样本，30％作为神经网络测试样本；

(二)建立BP神经网络算法模型：

选用传递函数为S型函数：

误差函数为：

式中E_p为第p个样本误差，t_pi，o_pi分别为期望输出和网络的计算输出，收敛准则为：

式中n为样本点的个数，为任意正的小数。

据此建立3层的BP网络模型；其中输入层的节点数与传感器测点数量相等，输出层节点数与结构上的工况信息相同；按照步骤反演后BP神经的输出样本即包括所需要全时段的载荷信息，即载荷大小和载荷方向。

步骤二：反演实时应力场

在有限元软件中建立岸桥有限元模型，将BP神经网络反演出的载荷信息作为边界条件，利用有限元方法在软件中编程计算以确定岸桥实时应力场。

有益效果

本发明的有益效果是通过岸桥结构载荷反演，可获得岸桥结构载荷信息即载荷大小和载荷位置，还可以通过确定后的载荷边界条件计算得到岸桥结构应力场信息，该应力场信息可以用于计算结构实时疲劳损伤，提高结构使用安全性。

具体实施方式

本发明的具体技术方案如下：

一种确定岸桥结构载荷及应力场的方法，利用载荷反演获得岸桥结构的载荷信息即载荷大小和载荷位置,利用状态监测的数据训练BP神经网络，从BP神经网络中反演出载荷信息，利用反演出的载荷信息在有限元模型中作为边界条件以确定岸桥结构的应力场。

假设应力场为向量P，工况信息为向量Y，传感器信息为X，可知

Y＝R(X)

其中，R()为反演映射。当反演出工况信息Y之后，可知

P＝F(Y)

其中，F()为正演映射；

R及F均与具体结构形式有关。

具体包括包括以下步骤：

步骤一：利用BP神经网络反演获得载荷信息：

(一)从现有的岸桥状态监测系统中选取6-10个测点应变片数据，取有效测点测点信息的70％作为BP神经网络学习样本，30％作为神经网络测试样本。

(二)建立BP神经网络算法模型：

选用传递函数为S型函数：

误差函数为：

式中E_p为第p个样本误差，t_pi，o_pi分别为期望输出和网络的计算输出，收敛准则为：

式中n为样本点的个数，为任意正的小数。

据此建立3层的BP网络模型；其中输入层的节点数与传感器测点数量相等，输出层节点数与结构上的工况信息相同；按照步骤反演后BP神经的输出样本即包括所需要全时段的载荷信息，即载荷大小和载荷方向。

步骤二：反演实时应力场

在有限元软件中建立岸桥有限元模型，将BP神经网络反演出的载荷信息作为边界条件，利用有限元方法在软件中编程计算以确定岸桥实时应力场。

具体实施例说明。

实施例一：由于实时监控中载荷传感器可靠性不高，1-2月就会出故障，状态监测系统通常不会直接使用载荷传感器，载荷信息可以通过反演手段获得。即利用状态监测系统数据和反演模型，将需要确定或验证的载荷传感器数据作为BP神经网络的输出，剩余传感器数据作为BP神经网络输入。

对具体功能用法进行说明。

用法一：岸桥结构载荷的反演与预测疲劳损伤

1)岸桥结构载荷的反演

现场测试7组(7个位置/组)实验数据作为测试样本。静载

强度测试的试验载荷为588.98kN。

测试工况安排如下：(晴，6.7m/s，西北风，8.7℃)

位置1：小车(带试验载荷)位于前大梁外极限端梁处。

位置2：小车(带试验载荷)位于前拉杆铰点位置。

位置3：小车(带试验载荷)位于前拉杆与前中拉杆跨中位置。

位置4：小车(带试验载荷)位于前中拉杆铰点位置。

位置5：小车(带试验载荷)位于前中拉杆与大梁铰点跨中位置。

位置6：小车(带试验载荷)位于后大梁门框跨中位置。

位置7：小车(带试验载荷)位于后大梁外极限端梁处。

根据反演结果统计，反演载荷位置误差百分比为1.3％，反演载荷大小误差百分比为1.2％。

利用有限元理论在软件中进行编程计算，用本文方法反演出的实时载荷信息作为边界条件，即可确定整个岸桥结构的实时应力场信息。

2)预测疲劳损伤

(1)根据实时监控中不同时间有限的测点位置进行反演即可确定出载荷信息，进而确定岸桥的实时应力场最终确定其载荷谱。

(2)对岸桥载荷谱用雨流计数法得到循环个数。

(3)利用Miner疲劳累积损伤理论，变幅载荷下，n个循环造成的损伤：

计算实时损伤。

用法二：岸桥结构应力的反演

利用监测数据中4个应力传感器数据作为输入，1个应力传感器数据作为输出。通过应力点的反演，可以据此判断应力传感器运行状态以及测点的应力情况。依据监测系统的采样频率处理之后，获取状态监测数据5万组左右，5个应力传感器。根据反演结果，选取其中应力值较大部分(大于10MPa和小于-10MPa)进行百分比统计，平均误差百分比为1.26％，其中最大误差值为2.76Mpa。

Claims (1)

1.一种确定岸桥结构载荷及应力场的方法，利用载荷反演获得岸桥结构的载荷信息即载荷大小和载荷位置,利用状态监测的数据训练BP神经网络，从BP神经网络中反演出载荷信息，利用反演出的载荷信息在有限元模型中作为边界条件以确定岸桥结构的应力场；

假设应力场为向量P，工况信息为向量Y，传感器信息为X，可知：

Y＝R(X)

其中，R()为反演映射。当反演出工况信息Y之后，可知：

P＝F(Y)

其中，F()为正演映射；

R及F均与具体结构形式有关；

其特征在于包括以下步骤：

步骤一：利用BP神经网络反演获得载荷信息：

(一)从现有的岸桥状态监测系统中选取6-10个测点应变片数据，取有效测点测点信息的70％作为BP神经网络学习样本，30％作为神经网络测试样本；

(二)建立BP神经网络算法模型：

选用传递函数为S型函数：

误差函数为：

式中E_p为第p个样本误差，t_pi，o_pi分别为期望输出和网络的计算输出，收敛准则为：

式中n为样本点的个数，为任意正的小数；

据此建立3层的BP网络模型；其中输入层的节点数与传感器测点数量相等，输出层节点数与结构上的工况信息相同；按照步骤反演后BP神经的输出样本即包括所需要全时段的载荷信息，即载荷大小和载荷方向；

步骤二：反演实时应力场

在有限元软件中建立岸桥有限元模型，将BP神经网络反演出的载荷信息作为边界条件，利用有限元方法在软件中编程计算以确定岸桥实时应力场。