WO2013033904A1 - 测量塔式起重机的起重力矩的方法、装置以及监控系统 - Google Patents

测量塔式起重机的起重力矩的方法、装置以及监控系统 Download PDF

Info

Publication number
WO2013033904A1
WO2013033904A1 PCT/CN2011/079477 CN2011079477W WO2013033904A1 WO 2013033904 A1 WO2013033904 A1 WO 2013033904A1 CN 2011079477 W CN2011079477 W CN 2011079477W WO 2013033904 A1 WO2013033904 A1 WO 2013033904A1
Authority
WO
WIPO (PCT)
Prior art keywords
tower crane
neural network
network model
lifting
displacement
Prior art date
Application number
PCT/CN2011/079477
Other languages
English (en)
French (fr)
Inventor
李金平
郑庆华
刘涛
姚立娟
Original Assignee
长沙中联重工科技发展股份有限公司
湖南中联重科专用车有限责任公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 长沙中联重工科技发展股份有限公司, 湖南中联重科专用车有限责任公司 filed Critical 长沙中联重工科技发展股份有限公司
Priority to PCT/CN2011/079477 priority Critical patent/WO2013033904A1/zh
Publication of WO2013033904A1 publication Critical patent/WO2013033904A1/zh

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/88—Safety gear
    • B66C23/90—Devices for indicating or limiting lifting moment
    • B66C23/905—Devices for indicating or limiting lifting moment electrical

Definitions

  • the present invention relates to the field of construction machinery, and in particular to a method, a device and a lifting torque monitoring system for measuring a lifting torque of a tower crane. Background technique
  • Tower cranes have become the aorta for vertical transportation of high-rise buildings.
  • the tower crane is a kind of running type slewing crane, which has the characteristics of high work center of gravity, large working load, poor stability, frequent shifting of the workplace, etc. It is one of the types of accidents, and the loss caused by the accident is huge. Therefore, in order to ensure the safe and reliable operation of the tower crane, the tower crane is equipped with a lifting torque monitoring system.
  • FIG. 1 Chinese Patent Publication No. CN 2592616Y discloses a tower crane operation monitoring device. As shown in Fig. 1, the device includes a tension sensor 1, a rotary encoder 2, a programmable controller 3, a touch screen 4, and a power failure protection. The controller 6 and the alarm 7.
  • the tension sensor 1 is used for sending the tension signal of the wire rope to the programmable controller 3 when the tower crane lifts the heavy object;
  • the rotary encoder 2 is mounted on the variable amplitude motor shaft for collecting the rotation number signal of the variable amplitude motor And sending the signal to the programmable controller 3;
  • the programmable controller 3 calculates the lifting weight, the amplitude and the lifting torque of the tower crane according to the signals of the tension sensor 1 and the rotary encoder 2, and passes through the touch screen 4
  • the power-off protector 6 and the alarm 7 are controlled by the programmable controller 3. When the lifting torque of the tower crane exceeds the set value, the power-off protector 6 automatically increases the action of increasing the lifting torque direction. Power failure protection, and sound and light alarm.
  • the operation monitoring device can perform alarm and automatic power-off protection according to the running condition of the tower crane, which greatly improves the safety of the tower crane.
  • the above-mentioned tower crane operation monitoring device is bulky, complicated in structure, greatly affected by the environment (climate, vibration, electromagnetic field, etc.), high in cost and maintenance cost, difficult to install and debug, and the sensor is prone to failure. Summary of the invention
  • An object of the present invention is to provide a method, a device and a lifting torque monitoring system for measuring a lifting torque of a tower crane, which has a simple structure and a low failure rate.
  • the present invention provides a method of measuring a lifting torque of a tower crane, the method comprising: detecting a flexural displacement of a bow plate, the bow plate being fixed in a main chord of the tower crane;
  • the established neural network model and the deflection displacement of the arcuate plate calculate the lifting moment corresponding to the deflection displacement.
  • the present invention also provides a device for measuring a lifting torque of a tower crane, the device comprising: a displacement sensor for detecting a flexural displacement of the bow plate, the bow plate being fixed in a main chord of the tower crane; And a device for calculating a lifting torque corresponding to the flexural displacement by using a pre-established neural network model and a deflection displacement of the arcuate plate.
  • the invention also provides a lifting torque monitoring system for a tower crane, the system comprising: the above device for measuring a lifting torque of a tower crane; and a controller connected to the computing device for calculation at the computing device When the lifting torque reaches the first predetermined value, a control signal for stopping the operation of the tower crane is issued. In this way, the purpose of torque limitation can be achieved to avoid a safety accident caused by a large gravity moment.
  • the lifting torque can be measured by using the bow plate and the displacement sensor, and the torque monitoring can be realized thereby, without using a device with high price and complicated installation for measuring gravity and amplitude, the volume is small and the structure is simple. , low cost and maintenance costs, can be widely used in tower cranes of various tonnage.
  • FIG. 1 is a schematic structural view of a conventional tower crane operation monitoring device
  • FIG. 2 is a schematic structural view of a device for measuring a lifting torque of a tower crane according to the present invention
  • FIG. 3 is a schematic view showing a positional relationship after a displacement sensor, a bow plate and a main chord
  • FIG. 4 is a working principle diagram of a neural network model
  • Figure 5 is a schematic structural view of a lifting torque monitoring system of a tower crane provided by the present invention.
  • Figure 6 is a schematic diagram showing the positional relationship of the adjusting screw, limit switch, displacement sensor, bow plate and main chord. Description of the reference numerals
  • the present invention provides a device for measuring a lifting torque of a tower crane, the device comprising: a displacement sensor 30 for detecting a deflection displacement of the bow plate 20, the bow plate being fixed to the tower crane And a computing device for calculating a lifting torque corresponding to the deflection displacement by using a pre-established neural network model and a deflection displacement of the bow plate 20.
  • the bow plate 20 is installed in the main chord 10 of the tower crane.
  • the main chord 10 is longitudinally deformed due to the pressure.
  • the bow plate 20 converts this slight longitudinal deformation into a large deformation in the lateral direction. Since the deformation of the bow 20 conforms to Hooke's law, the deformation formula is derived as:
  • the neural network model is established by: detecting, for each amplitude of the plurality of amplitudes of the boom of the tower crane, the bow plate 20 under various lifting moments Flexural displacement; and using a variety of lifting moments at each amplitude and their corresponding deflections to establish a neural network model.
  • the establishment process of the neural network model is described in detail below. First, sample collection
  • a weight of a known weight is hung on the boom at an initial amplitude, and the deflection displacement of the bow 20 is measured; thereafter, the weight of the weight is increased, and the bow 20 is measured.
  • Deflection displacement The above process is cyclically performed so that the lifting moments are 0.1Me, 0.3Me, 0.5Me, 0.7Me, 0.8Me, 0.9Me, l.OMe, and l.lMe (the lifting torque is only exemplary and can be The gravity of the weight is multiplied by a known amplitude, which can be obtained by means of GPS high-precision measurement or manual measurement, thereby ensuring the accuracy of the torque value in the sample, and measuring each of them separately Flexural displacement of the arcuate plate 20 under heavy moments;
  • the lifting moments are 0.1Me, 0.3Me, 0.5Me, 0.7Me, 0.8Me, 0.9Me, respectively.
  • l.OMe and l.lMe the deflection displacement of the arcuate plate 20;
  • step (2) Repeat step (2) above until the amplitude is increased to the maximum amplitude of the boom. In this way, data samples needed to build a neural network model can be acquired. Second, determine the characteristic parameters
  • FIG 3 shows the working principle of the neural network model. As shown in Figure 3, for each deflection displacement in the collected sample, the lifting torque is calculated according to the following formula:
  • M ⁇ is the estimated output of the p-th data sample of the neural network model (ie, lifting torque); the Mth input mode of the p-th data sample for the flexural displacement, deflection
  • the displacement has a total of input modes, which can be taken as power level 1, X, respectively.
  • the established neural network model can then be used to calculate the lifting torque.
  • a deflection displacement can be input in the neural network model, and the neural network model can output an estimated output, which is the lifting torque.
  • the neural network model may be a functional neural network model or a BP neural network model.
  • the deflection displacement X measured by the displacement sensor is defined as the input of the network, and the actual torque value corresponding to the displacement is the expected output of the network.
  • a three-layer network topology with one hidden layer The transfer function of the hidden layer uses the s-type tangent function tansig, the output layer uses the purelin linear function, and the training method uses the Levenberg-Marquardt method (trainlm) based on the numerical optimization theory.
  • the training network (the number of hidden layer nodes, the number of network training, the learning rate, and the target value can be determined according to the sample size and correlation, etc., the values can be set to 30, 1500, 0.02, 0.005 in the present invention, respectively. ), using network training error and verification data error as the basis for discrimination, continuously adjust the weight and threshold of the network until the difference between the network output (network estimated output) and the actual lifting torque (network expected output) meets the requirements.
  • a deflection displacement can be input to the BP neural network model, and then the BP neural network model can output a lifting torque corresponding to the deflection displacement.
  • the specific establishment process and usage of the BP neural network model are well known to those skilled in the art, and will not be described herein.
  • the present invention also provides a method of measuring a lifting torque of a tower crane, the method includes: detecting a deflection displacement of the bow plate 20, the bow plate being fixed in the main chord 10 of the tower crane; and calculating the deflection using a pre-established neural network model and a deflection displacement of the bow plate 20.
  • the lifting torque corresponding to the displacement.
  • the neural network model can be established by: detecting, for each amplitude of the plurality of amplitudes of the boom of the tower crane, a deflection displacement of the bow plate 20 under various weight moments; And using a variety of lifting moments under each amplitude and their corresponding flexural displacements, a neural network model is established.
  • the neural network model may be a functional neural network model or a BP neural network model.
  • FIG. 4 is a schematic structural view of a lifting torque monitoring system of a tower crane provided by the present invention.
  • the present invention further provides a lifting torque monitoring system for a tower crane.
  • the system includes: the above device for measuring a lifting torque of a tower crane; a controller 200, and the computing device 100 Connected for issuing a control signal to stop the operation of the tower crane when the calculated lifting torque of the computing device 100 reaches a first predetermined value (eg, 100% of the rated lifting torque).
  • a first predetermined value eg, 100% of the rated lifting torque
  • the system may further include an alarm device 210, and the controller 200 is connected to the alarm device 210 for when the calculated lifting torque reaches a second predetermined value (for example, 90% of the rated lifting torque)
  • the alarm device 210 is controlled to perform an alarm. In this way, the operator can be alerted to the lifting capacity at this time.
  • the alarm device 210 can be an audible alarm device, an optical alarm device, or a combination of both.
  • the system may further include a display device 220, and the controller 200 is connected to the display device 220 for displaying the calculated lifting torque on the display device 220. Thereby, the operator can be made aware of the current lifting capacity.
  • the display device 220 can also display the arm length of the boom, Important information such as amplitude and magnification for the operator's reference.
  • the system may further include: an adjusting screw 40 fixed to the arcuate plate 20; and a limit switch 50 fixed in the expanding direction of the arcuate plate 20, connected to the controller 200, and in the arcuate shape
  • the adjusting screw 40 touches the contact of the limit switch 50 to send a signal to the controller 200.
  • the controller 200 upon receiving a signal from the limit switch 50, issues a control signal to stop the operation of the tower crane. Thereby, when the weight of the cocoa exceeds the predetermined lifting capacity of the tower crane, the operation of the tower crane is stopped, and the mechanical torque limitation is realized based on the above-described torque limitation, thereby improving the safety of the tower crane.
  • the lifting torque can be measured by using the bow plate and the displacement sensor, and the torque monitoring can be realized thereby, without using a device with high price and complicated installation for measuring gravity and amplitude, the volume is small and the structure is simple. , low cost and maintenance costs, can be widely used in tower cranes of various tonnage.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Jib Cranes (AREA)

Abstract

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。通过上述技术方案，可通过采用弓形板（20）及位移传感器（30）实现起重力矩的测量，并籍此实现力矩监控，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。

Description

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
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
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。
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 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
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。
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。
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。
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。
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。
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
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：
图 1为现有的塔式起重机运行监控装置的结构示意图；
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; 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； 图 4为神经网络模型的工作原理图；
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
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。 附图标记说明
1 拉力传感器 2 回转编码器
3 可编程控制器 4 触摸屏
6 断电保护器 7 报警器
10 主弦杆 20 弓形板
30 位移传感器 40 调节螺丝
50 限位开关 100 计算设备
200 控制器 210 报警装置
220 显示装置 具体实施方式
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。
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。
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：
Figure imgf000006_0001
其中， "为弓形板 20的变形量； 为弓形板 20经预弯曲后的初始变形 量； ^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； 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"来反映施加至主弦杆 10的外力 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。
所述弓形板 20的形变量 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《，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。
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 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。 一、 样本采集
(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、 l.OMe以及 l.lMe (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；
(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、 l.OMe 以及 l.lMe时， 所述弓形板 20的挠曲位移； 以及
(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。 藉此， 可采集建立神经网络模型所需的数据样本。 二、 确定特性参数
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 ， 根据以下公式计算起重力矩：
out i—1
M (k) = ∑ xn nw (k)
P n=0 P n 其中， M ^ )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 的第 p个数据样本的第 M个输入模式， 挠曲位移 共具 有 种输入模式， 可分别取幂级数 1、 X ,
Figure imgf000007_0001
, 亦可取三角函数 c、 sin^ , cos^ , sin2^..., 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； 表示该神经网络模型的训练次数； ^为第 p个数据样 本的第《种输入模式的权值， 该权值由数据样本训练得到， ^ „为第 p个数 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 （ ( ) )。
将所述网络训练输出的起重力矩 与实际起重力矩（目标值^ ） 进行比较， 将该两者之间的差值反馈给上述网络进行各权值修正， 直至该 差值符合设定要求， 至此该网络输出的起重力矩将符合误差要求。
之后， 可利用所建立的神经网络模型来计算起重力矩。 可于该神经网 络模型中输入挠曲位移， 该神经网络模型可输出估计输出， 该估计输出即 为起重力矩。
其中， 所述神经网络模型可为函数型神经网络模型或 BP 神经网络模 型。对于 BP神经网络模型而言， 将上述方法采集的样本数据进行标准化处 理后， 定义位移传感器测得的挠曲位移 X为网络的输入， 该位移对应的实 际力矩值为网络的期望输出， 选择有 1 个隐含层的三层网络拓扑结构。 其 隐含层的传递函数采用 s型正切函数 tansig, 输出层采用 purelin线性函数， 训练方法采用基于数值最优化理论的 Levenberg-Marquardt方法 （trainlm)。 通过训练网络 （隐含层节点数、 网络训练次数、 学习速率及目标值的设定 可根据样本大小及相关度等确定不同的值， 本发明中可分别设定为 30、 1500、 0.02、 0.005 )， 利用网络训练误差及验证数据误差作为判别依据， 不 断调整网络的权值和阀值， 直至网络输出 （网络估计输出） 与实际起重力 矩 （网络期望输出） 的差符合要求为止。 在训练好 BP神经网络模型之后， 可输入一挠曲位移至该 BP神经网络模型， 之后， 该 BP神经网络模型可输 出一与该挠曲位移相对应的起重力矩。该 BP神经网络模型的具体建立过程 及用法为本领域技术人员所公知， 于此不再赘述。
相应地， 本发明还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 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。
其中， 所述神经网络模型可通过以下步骤建立： 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。
其中， 所述神经网络模型可为函数型神经网络模型或 BP 神经网络模 型。
有关该测量塔式起重机的起重力矩的方法的具体细节可参见之前针对 测量塔式起重机的起重力矩的装置的描述， 于此不再赘述。
图 4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。 如图 4所示， 相应地， 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 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（例如， 额定起重力矩的 100% ) 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。
其中， 该系统还可包括报警装置 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（例如， 额定起重力矩 的 90% ) 时， 控制该报警装置 210进行报警。 藉此， 可提醒操作人员注意 此时的起重量。 该报警装置 210可为声音报警装置、 光报警装置或两者结 合。 其中， 该系统还可包括显示装置 220， 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 220上。藉此， 可使 操作人员知晓当前起重量。 所述显示装置 220上还可显示起重臂的臂长、 幅度、 倍率等重要信息， 以供操作人员参考。
其中， 该系统还可包括： 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。 藉此， 可可 起重量超出塔式起重机的预定起重量时， 停止该塔式起重机的动作， 在进 行上述力矩限制的基础上， 实现机械式力矩限制， 提高塔式起重机的安全 性。
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。
以上结合附图详细描述了本发明的优选实施方式， 但是， 本发明并不 限于上述实施方式中的具体细节， 在本发明的技术构思范围内， 可以对本 发明的技术方案进行多种简单变型， 这些简单变型均属于本发明的保护范 围。
另外需要说明的是， 在上述具体实施方式中所描述的各个具体技术特 征， 在不矛盾的情况下， 可以通过任何合适的方式进行组合。 为了避免不 必要的重复， 本发明对各种可能的组合方式不再另行说明。
此外， 本发明的各种不同的实施方式之间也可以进行任意组合， 只要 其不违背本发明的思想， 其同样应当视为本发明所公开的内容。

Claims

权利要求
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。
PCT/CN2011/079477 2011-09-08 2011-09-08 测量塔式起重机的起重力矩的方法、装置以及监控系统 WO2013033904A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2011/079477 WO2013033904A1 (zh) 2011-09-08 2011-09-08 测量塔式起重机的起重力矩的方法、装置以及监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2011/079477 WO2013033904A1 (zh) 2011-09-08 2011-09-08 测量塔式起重机的起重力矩的方法、装置以及监控系统

Publications (1)

Publication Number Publication Date
WO2013033904A1 true WO2013033904A1 (zh) 2013-03-14

Family

ID=47831448

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/079477 WO2013033904A1 (zh) 2011-09-08 2011-09-08 测量塔式起重机的起重力矩的方法、装置以及监控系统

Country Status (1)

Country Link
WO (1) WO2013033904A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110817694A (zh) * 2019-10-25 2020-02-21 湖南中联重科智能技术有限公司 载荷吊重的计算方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2097200U (zh) * 1991-08-16 1992-02-26 上海市第六住宅建筑工程公司 弓形应变式力矩限制器
CN2450199Y (zh) * 2000-08-31 2001-09-26 张家港市江南电子厂 水平臂塔式起重机力矩限制器
CN2592616Y (zh) * 2002-12-31 2003-12-17 三一重工股份有限公司 塔式起重机运行监控装置
CN200999182Y (zh) * 2007-01-11 2008-01-02 山东省建筑科学研究院 塔式起重机在线监控及寿命统计系统
CN201071273Y (zh) * 2007-06-27 2008-06-11 西安建筑科技大学 调谐式塔机力矩监示装置
CN101428735A (zh) * 2007-11-08 2009-05-13 北京普瑞塞特控制系统科技有限公司 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2097200U (zh) * 1991-08-16 1992-02-26 上海市第六住宅建筑工程公司 弓形应变式力矩限制器
CN2450199Y (zh) * 2000-08-31 2001-09-26 张家港市江南电子厂 水平臂塔式起重机力矩限制器
CN2592616Y (zh) * 2002-12-31 2003-12-17 三一重工股份有限公司 塔式起重机运行监控装置
CN200999182Y (zh) * 2007-01-11 2008-01-02 山东省建筑科学研究院 塔式起重机在线监控及寿命统计系统
CN201071273Y (zh) * 2007-06-27 2008-06-11 西安建筑科技大学 调谐式塔机力矩监示装置
CN101428735A (zh) * 2007-11-08 2009-05-13 北京普瑞塞特控制系统科技有限公司 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GUO QUANMIN ET AL.: "Load moment onitor system of tower crane based on neural network", INSTRUMENT TECHNIQUE AND SENSOR, October 2007 (2007-10-01) *
JIA YONGFENG ET AL.: "A measurement of tower crane based on functional neural network", CONSTRUCTION MACHINERY, May 2005 (2005-05-01) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110817694A (zh) * 2019-10-25 2020-02-21 湖南中联重科智能技术有限公司 载荷吊重的计算方法、装置及存储介质
CN110817694B (zh) * 2019-10-25 2020-08-28 湖南中联重科智能技术有限公司 载荷吊重的计算方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN201686411U (zh) 起重机抬吊监控系统
RU2709322C2 (ru) Кран, а также способ контроля устройства предохранения от перегрузок указанного крана
WO2009011307A1 (ja) 試料の表面形状の測定方法及び装置
CN101774508B (zh) 履带起重机整机稳定性的闭环式检测系统及其控制方法
CN107922173B (zh) 旋转式起重机及其定向方法
CN101774509A (zh) 自动控制物体与地面距离的系统及其控制方法
CN103604408B (zh) 臂架工作状态参数检测方法、设备、系统及工程机械
CN104495622A (zh) 一种风载控制系统、方法、装置及起重设备
CN103569871B (zh) 进行起重设备力矩限制的方法、装置和起重设备
CN209246957U (zh) 一种模板变形监测装置
CN103940403A (zh) 臂架俯仰角度测量方法、装置、系统及动臂塔机
CN102288149B (zh) 制动盘外倾角检测装置和制动盘生产线装置
CN203938406U (zh) 一种塔机顶升配平监控系统和监测仪
CN102367159B (zh) 一种判断塔机偏拉的方法
WO2013033904A1 (zh) 测量塔式起重机的起重力矩的方法、装置以及监控系统
CN205898200U (zh) 基于Zigbee模块的桥梁综合监测系统
CN203529822U (zh) 一种起重机动臂监控装置
CN201971576U (zh) 力矩限位装置及具有其的塔式起重机
CN207727629U (zh) 一种地下连续墙的实时监测控制系统
CN110467117A (zh) 一种带监控系统的塔机
CN206469831U (zh) 一种脚手架变形预警装置
CN205222234U (zh) 一种腐蚀箔张力在线控制装置
CN104045010A (zh) 一种塔机顶升配平监控系统、监测方法和监测仪
CN205262718U (zh) 一种便携式电梯轿厢制停距离检测仪
CN203949623U (zh) 一种岩石顶板离层形变监测用传感装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11871851

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11871851

Country of ref document: EP

Kind code of ref document: A1