技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种泵车支架的载荷识别方法及系统与流程  >  正文

一种泵车支架的载荷识别方法及系统与流程

  • 国知局
  • 2024-09-05 15:01:53

本发明属于载荷识别领域,具体涉及泵车支架的载荷识别方法及系统。

背景技术:

1、混凝土泵车是一种通过输送管利用压力将混凝土输送到指定位置进行浇筑的工程车辆。泵车臂架会带着输送管摆动到较高或者较远的位置,从而实现混凝土的精准定位输送。泵车支架是泵车臂架连接、固定输送管的主要结构。

2、泵车支架受力形式近似于悬臂梁结构,与臂体焊接处为固定端,与输送管连接处为加载端。随着泵送作业高度和泵送量的提升,泵送产生的冲击载荷相应增加,支架受外载影响剧烈,且该载荷较为复杂,无法通过仪器设备准确测量载荷。

3、在进行长期作业时,臂体与支架管焊接部位容易出现开裂现象。现有技术方案用依靠建立动力学方程求解的方法进行载荷识别,然而方程复杂,适用性差,精度难以保障,从而无法准确评估泵车支架受到的真实载荷,更无法评估支架管的疲劳寿命。

技术实现思路

1、本发明提供了一种泵车支架的载荷识别方法及系统,准确评估泵车支架受到的真实载荷,以辅助评估支架管的疲劳寿命。

2、为达到上述目的,本发明所采用的技术方案是:

3、本发明第一方面提供了一种泵车支架的载荷识别方法,包括:

4、通过泵车支架上应变贴片获得监测应变值,根据预设的载荷和应变值映射关系由监测应变值映射获得泵车支架的监测载荷;

5、构建泵车支架的载荷和应变值映射关系的过程为:

6、获取泵车支架的载荷实验数据库;所述载荷实验数据库包括测试载荷和测试应变值;

7、由拉丁超立方抽样算法由载荷实验数据库提取训练样本,通过训练样本对预设的神经卷积网络模型进行训练获得训练结果,根据训练结果和泵车支架的测试载荷计算训练损失值,基于训练损失值对神经卷积网络模型进行参数调整,重复迭代神经卷积网络模型的训练过程直至训练损失值收敛,训练后的神经卷积网络模型设定为泵车支架载荷识别模型;通过神经卷积网络模型拟合得到载荷和应变值之间的映射关系。

8、进一步的,获取载荷实验数据库的过程包括:

9、通过在泵车支架设定的监测区域上添加应变贴片,沿多种方向对泵车支架施加测试载荷获得监测区域的测试应变值;由测试载荷和测试应变值构建载荷实验数据库。

10、进一步的,在泵车支架设定的监测区域的过程包括:

11、构建泵车支架有限元模型,在泵车支架有限元模型上设定应变贴片的可行区域;沿x轴、y轴和z轴对泵车支架有限元模型施加多种模拟载荷力获得可行区域的模拟应变值,根据模拟应变值计算获得模拟敏感值;基于敏感值由所述可行区域中筛选出监测区域。

12、进一步的,所述泵车支架有限元模型上的可行区域呈3×3矩阵分布。

13、进一步的,根据模拟应变值计算获得模拟敏感值,包括:

14、;

15、公式中,表示为在第j种模拟载荷下第i个可行区域的模拟应变值;表示为在第j-1种模拟载荷下第i个可行区域的模拟应变值;表示为绝对值函数;表示为模拟敏感值。

16、进一步的,根据训练结果和泵车支架的测试载荷计算训练损失值,包括:

17、;

18、公式中,表示为训练样本数量;表示为第j个测试载荷;表示为第j个训练结果。

19、本发明第二方面提供了一种泵车支架的载荷识别系统,包括:

20、检测模块,用于通过泵车支架上应变贴片获得监测应变值,根据预设的载荷和应变值映射关系由监测应变值映射获得泵车支架的监测载荷;

21、获取模块,用于获取泵车支架的载荷实验数据库;所述载荷实验数据库包括测试载荷和测试应变值;

22、训练模块,用于由拉丁超立方抽样算法由载荷实验数据库提取训练样本,通过训练样本对预设的神经卷积网络模型进行训练获得训练结果,根据训练结果和泵车支架的测试载荷计算训练损失值,基于训练损失值对神经卷积网络模型进行参数调整,重复迭代神经卷积网络模型的训练过程直至训练损失值收敛,训练后的神经卷积网络模型设定为泵车支架载荷识别模型;

23、映射模块,用于通过神经卷积网络模型拟合得到载荷和应变值之间的映射关系。

24、进一步的,所述获取模块获取载荷实验数据库的过程包括:

25、通过在泵车支架设定的监测区域上添加应变贴片,沿多种方向对泵车支架施加测试载荷获得监测区域的测试应变值;由测试载荷和测试应变值构建载荷实验数据库。

26、进一步的,所述获取模块在泵车支架设定的监测区域的过程包括:

27、构建泵车支架有限元模型,在泵车支架有限元模型上设定应变贴片的可行区域;沿x轴、y轴和z轴对泵车支架有限元模型施加多种模拟载荷力获得可行区域的模拟应变值,根据模拟应变值计算获得模拟敏感值;基于敏感值由所述可行区域中筛选出监测区域。

28、进一步的,泵车支架包括安装架和连接管;所述安装架通过法兰盘设置于泵车的臂体上,所述连接管一端连接于所述安装架中部,所述连接管另一端连接泵车的输送管。

29、进一步的,所述获取模块根据模拟应变值计算获得模拟敏感值,包括:

30、;

31、公式中,表示为在第j种模拟载荷下第i个可行区域的模拟应变值;表示为在第j-1种模拟载荷下第i个可行区域的模拟应变值;表示为绝对值函数;表示为模拟敏感值。

32、第三方面本发明提供了电子设备,包括存储介质和处理器;所述存储介质用于存储指令;所述处理器用于根据所述指令进行操作以执行第一方面所述的泵车支架的载荷识别方法。

33、与现有技术相比,本发明的有益效果:

34、本发明由拉丁超立方抽样算法由载荷实验数据库提取训练样本,通过训练样本对预设的神经卷积网络模型进行训练获得训练结果,训练后的神经卷积网络模型设定为泵车支架载荷识别模型;通过神经卷积网络模型拟合得到载荷和应变值之间的映射关系;通过泵车支架上应变贴片获得监测应变值,根据预设的载荷和应变值映射关系由监测应变值映射获得泵车支架的监测载荷;准确评估泵车支架受到的真实载荷,以辅助评估支架管的疲劳寿命。

技术特征:

1.一种泵车支架的载荷识别方法,其特征在于,包括:

2.根据权利要求1所述的泵车支架的载荷识别方法,其特征在于,获取载荷实验数据库的过程包括:

3.根据权利要求2所述的泵车支架的载荷识别方法,其特征在于,在泵车支架设定的监测区域的过程包括:

4.根据权利要求3所述的泵车支架的载荷识别方法,其特征在于,所述泵车支架有限元模型上的可行区域呈3×3矩阵分布。

5.根据权利要求3所述的泵车支架的载荷识别方法,其特征在于,根据模拟应变值计算获得模拟敏感值,包括:

6.根据权利要求1所述的泵车支架的载荷识别方法,其特征在于,根据训练结果和泵车支架的测试载荷计算训练损失值,包括:

7.一种泵车支架的载荷识别系统,其特征在于,包括:

8.根据权利要求7所述的泵车支架的载荷识别系统,其特征在于,所述获取模块获取载荷实验数据库的过程包括:

9.根据权利要求8所述的泵车支架的载荷识别系统,其特征在于,所述获取模块在泵车支架设定的监测区域的过程包括:

10.根据权利要求7所述的泵车支架的载荷识别系统,其特征在于,泵车支架包括安装架和连接管;所述安装架通过法兰盘设置于泵车的臂体上,所述连接管一端连接于所述安装架中部,所述连接管另一端连接泵车的输送管。

11.根据权利要求9所述的泵车支架的载荷识别系统,其特征在于,所述获取模块根据模拟应变值计算获得模拟敏感值,包括:

12.电子设备,包括存储介质和处理器;所述存储介质用于存储指令;其特征在于,所述处理器用于根据所述指令进行操作以执行权利要求1至6所述的泵车支架的载荷识别方法。

技术总结本发明公开了一种泵车支架的载荷识别方法及系统,方法包括:获取泵车支架的载荷实验数据库;所述载荷实验数据库包括测试载荷和测试应变值;由拉丁超立方抽样算法由载荷实验数据库提取训练样本,通过训练样本对预设的神经卷积网络模型进行训练,训练后的神经卷积网络模型设定为泵车支架载荷识别模型;通过神经卷积网络模型拟合得到载荷和应变值之间的映射关系;通过泵车支架上应变贴片获得监测应变值,根据预设的载荷和应变值映射关系由监测应变值映射获得泵车支架的监测载荷;准确评估泵车支架受到的真实载荷,以辅助评估支架管的疲劳寿命。技术研发人员:赵健,侯鹏龙,马洪锋,亢晨钢受保护的技术使用者:江苏徐工国重实验室科技有限公司技术研发日:技术公布日:2024/9/2

本文地址:https://www.jishuxx.com/zhuanli/20240905/289092.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。