(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110540269.9 (22)申请日 2021.05.18 (65)同一申请的已公布的文献号 申请公布号 CN 113239492 A (43)申请公布日 2021.08.10 (66)本国优先权数据 202110382516.7 2021.04.09 CN (73)专利权人 山东建筑大学 地址 250100 山东省济南市历城区临港开 发区凤鸣路 (72)发明人 王胜春　安宏　李文豪　 (74)专利代理 机构 济南竹森知识产权代理事务 所(普通合伙) 37270 专利代理师 孙宪维(51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 111/06(2020.01) G06F 119/04(2020.01) (56)对比文件 CN 111238427 A,2020.0 6.05 WO 202021843 3 A1,2020.10.2 9 CN 103274319 A,2013.09.04 CN 111639450 A,2020.09.08 王胜春， 安宏， 董明晓， 宋世军.基 于密度聚 类的故障诊断方法研究. 《矿山机 械》 .2019, 王胜春， 李文豪， 杨峻涵， 王忠雷， 董明晓.塔 式起重机标准节斜腹杆布置形式对 整机性能的 影响分析. 《起重运输 机械》 .2020, 审查员 李梦迪 (54)发明名称 一种塔吊塔身钢结构损伤定位 监测方法 (57)摘要 本发明涉及大型塔机钢结构安全监测技术 领域， 具体为一种塔吊塔身钢结构损伤定位监测 方法， 该方法包括： 采集记录各标准节位移偏移 量； 把各标准节位移偏移量根据实际情况均分成 n段； 根据完好塔机数据构建检测模型； 根据检测 模型计算特征值； 计算完好塔机大量工况， 构成 数据库； 计算待检测工况的特征值； 用完好塔机 的特征值和待判定塔机的特征值进行对比， 判定 待判定塔机是否损伤， 本发明通过监测塔机的位 移变化， 建立两种塔机位移变化数学模型， 通过 大量数据建立数据库， 可以提供多种工况对比分 类， 无需对塔机停机， 可 以实现塔机在吊重工作 中对其塔身钢结构状态进行损伤定位， 可以对微 小损伤进行损伤位置准确定位。 权利要求书4页 说明书12页 附图2页 CN 113239492 B 2022.08.05 CN 113239492 B 1.一种塔吊塔身钢结构损伤定位 监测方法， 其特 征在于： 该 方法包括： 步骤1： 将位移传感器安装在每一节标准节的主肢上， 共12节标准节， 分别为第一标准 节、 第二标准节 ……第十二标准节； 步骤2： 位移传感器分别采集和记录各自位置t时间内位移传感器监测到的位移偏移 量， 时间间隔为0.1秒,任一标准节的位移偏移量 为Y1、 Y2、 Y3……YJ,J＝1600； 步骤3： 把记录t时间内的每节标准节的位移偏移量都均分成n段时间序列数据 段， 每段 时间序列数据的代号分别为n1、 n2、 n3…nn， 任一标准节的时间序列数据段的数据分为n1＝ [Y1、 Y2、 Y3……Y100]、 n2＝[Y101、 Y102、 Y103……Y200]……n16＝[Y1501、 Y1502、 Y1503……Y1600]； 步骤4： 用均分成n段的时间序列数据建立数学模型提取损伤因子， 所述数学模型包括 基于数据均值的数学模型和基于数据的数学模型， 所述基于数据均值的数学模型提取损伤 因子的步骤为： 步骤a1： 获取完好状态和检测状态塔机a、 b和c三节点的动态位移数据{Ya1,Ya2,…, Yan}、 {Yb1,Yb2,…,Ybn}和{Yc1,Yc2,…,Ycn}， 节点a和b 之间的距离和节点b和c之间的距离相 等， 节点a处于节 点b的下方， 节 点b处于节 点c的下方， 起始状态 为节点a为第一标准节， 节 点 b为第二标准节， 节 点c为第三标准节， 则变化节点a后的第二状态 为节点a为第二标准节， 节 点b为第三标准节， 节点c为第四标准节， 直至变化节点a后的最后状态为第十一标准节； 步骤b1： 把每段动态位移数据取均值， 得到[yam1,yam2,…,yamn]、 [ybm1,ybm2,…,ybmn]和 [ycm1,ycm2,…,ycmn]， ya1＝n1＝[Y1、 Y2、 Y3......Y100]， yam1为ya1中数据的均值， {Ya1,Ya2,…, Yan}表示变化节点a后所有数据的集即动态位移数据； 步骤c1： 以[yam1,yam2,…,yamn]和[ycm1,ycm2,…,ycmn]为输入， [ybm1,ybm2,…,ybmn]为输出， 建立基于数据均 值的模型， 求出[αam1, αam2,…, αamn]和[αcm1, αcm2,…, αcmn]， 对其取均值得到 αma和 αmc， 所述的模型处 理公式： 2ybm＝αamyam+αcmycm  (1) ybm＝αamyam ybm＝αcmycm 步骤d1： 利用 αma和 αmc建立检测基于数据均值的模型； 处 理公式为： 2ybm＝αmayam+αmcycm+ εam 步骤e1： 把检测数据根据步骤 a1‑b1处理后， 代入步骤d1模型求得残差εam， 对残差εam处 理后， 对其平方 得到均值残差的方差 步骤f1： 变更节点a的位置， 重复步骤a1 ‑e1， 求出不同标准节的均值残差的方差 所述基于数据的数 学模型提取损伤因子的步骤为： 步骤a2： 所述基于数据的数学模型提取损伤 因子所用的动态位移数据的处理方式与所 述基于数据均值的数学模 型的步骤a1相同， 对 所述基于数据均值的数学模型所述的步骤a1 中的完好状态和检测状态塔机a、 b和c三节点的动态位移数据{Ya1,Ya2,…,Yan}、 {Yb1, Yb2,…,Ybn}和{Yc1,Yc2,…,Ycn}进行标准化处理； 步骤b2： 以{Yza1,Yza2,…,Yzan}和{Yzc1,Yzc2,…,Yzcn}为输入， {Yzb1,Yzb2,…,Yzbn}为输出， 建立基于数据的数学模型， 求出系数a1、 a2、…ap+1， b1、 b2、…bp， c1、 c2、…cp+1， 所述基于数据 的数学模型的处 理公式为：权　利　要　求　书 1/4 页 2 CN 113239492 B 2式中： b1、 b2、…bp为输出函数的系数， a1、 a2、…ap+1和c1、 c2、…cp+1为输入函数的系数， p为 阶次， em为基于数据的数学模型残差， ya(m)为{Yza1,Yza2,…,Yzan}中某个数据段中第m个数据 点， yb(m)为{Yzb1,Yzb2,…,Yzbn}中某个数据段中第m个数据点， yc(m)为{Yzc1,Yzc2,…,Yzcn}中某 个数据段中第m个数据点； 系数计算公式为： Yn＝[yb(m) yb(m+1)…yb(N)]T  (5) 式中： N为数据长度； p为阶次； 为模型系数； M＝ N‑p‑1； 步骤c2： 利用粒子群优化算法对模型系数a1、 a2、…ap+1、 b1、 b2、…bp、 c1、 c2、…cp+1进行无 约束优化处 理； 系数优化的目标函数为： 式中： N为数据长度； p为阶次； 为模型系数； 假设优化问题是d维优化， 在d维空间中， M个粒子组成一个种群， 其中第i个粒子表示 为： 第i个粒子的飞行速度为： vi＝(vi1 vi2…vid)Ti＝1,2，…， M  (9) 每个粒子的飞行速度影响该 粒子下一 步的飞行 方向和位置， 其基本算法如下： 式中： pi为对应个体极值； 为对应个体极值到t时刻为止求得的历史最优解； 为对 应系数到t时刻为止求得的历史最优解； 是所有粒子到t时刻为止求得的历 史最优解； 为第i个粒子到t时刻为止的最优飞行速度； w为惯性权重因子； c1和c2为加速因 子， 在0～2间取值； r1和r2为两个[0～1]之间变 化的相对 独立的随机均匀数； 把优化后m组系权　利　要　求　书 2/4 页 3 CN 113239492 B 3