一种基于塔式起重机的不安全作业智能辨识方法及系统技术方案

本发明专利技术公开了一种塔式起重机不安全作业行为智能辨识系统及其工作方法。系统主要由吊装实时响应数据采集模块、吊装不安全行为智能辨识模块以及辨识结果可视化模块组成。所述数据采集模块实现塔式起重机结构体力学响应数据的实时采集。不安全行为辨识模块通过上述采集数据对不安全作业行为进行辨识，其中关键在于不安全作业行为智能辨识模型的构建，通过智能学习算法建立了吊装结构体力学响应数据与不安全作业行为的映射关系。吊装辨识结果可视化模块将最终辨识结果进行可视化显示及预警。本发明专利技术所提出的智能辨识系统与工作方法能够准确地预警塔式起重机的不安全作业行为，在事故发生的根源上进行违规矫正，从而优化塔式起重机现场安全管理过程。

【技术实现步骤摘要】
一种基于塔式起重机的不安全作业智能辨识方法及系统
本专利技术属于吊装作业安全控制领域，更具体地，涉及一种基于塔式起重机的不安全作业智能辨识方法及系统。
技术介绍
塔式起重机是工程建造运输活动的关键装备，同时，随着装配式建筑新工艺的推广，塔机行业的市场规模将持续扩大。然而在工程施工过程中，塔机生产事故始终没有得到有效地控制，成为了困扰国内外建筑业发展的难题。究其原因，人的不安全作业行为是吊装事故的导火索，一旦出现过载、斜吊、大风条件下起吊等违规作业时，极易造成塔机整体失稳安全事故。目前，吊装风险的控制大多数的研究及专利技术集中在盲区、碰撞风险的预警，忽略了人的不安全作业行为导致塔式起重机失稳、倾覆的风险辨识与控制。一方面，传统依靠少量传感器以及采用安全员进行现场安全管理的方法具有较大的误差，不能准确地预警风险。另一方面，现有的风险控制思路主要集中在吊装作业过程中，缺少对于包括起吊在内的全过程不安全作业行为的辨识，这也使得整个预警过程片面化、安全管理不及时，难以起到真正的吊装风险预防和控制效果。因此，亟需一种快速、准确的吊装不安全作本文档来自技高网...

【技术保护点】
1.一种基于塔式起重机的不安全作业智能辨识方法，其特征在于，包括如下离线训练阶段和在线检测阶段，其中：/n离线训练阶段包括：/nS1、构建吊装作业历史响应状态数据库，以采集并记录塔式起重机的吊装行为对应的力学响应数据；建立吊装不安全行为分类库，并将力学响应数据按照安全行为和不安全行为的类别进行标记；/nS2、基于智能学习算法构建吊装不安全作业行为智能辨识训练模型，利用S1中所述的吊装历史响应状态数据库以及不安全行为分类库对所述吊装不安全作业行为智能辨识训练模型进行训练，获得吊装不安全作业智能辨识模型；/n在线检测阶段：/nS3、采集吊装作业结构体的实时力学响应数据并输入至S2所述的吊装不安全作...

【技术特征摘要】
1.一种基于塔式起重机的不安全作业智能辨识方法，其特征在于，包括如下离线训练阶段和在线检测阶段，其中：
离线训练阶段包括：
S1、构建吊装作业历史响应状态数据库，以采集并记录塔式起重机的吊装行为对应的力学响应数据；建立吊装不安全行为分类库，并将力学响应数据按照安全行为和不安全行为的类别进行标记；
S2、基于智能学习算法构建吊装不安全作业行为智能辨识训练模型，利用S1中所述的吊装历史响应状态数据库以及不安全行为分类库对所述吊装不安全作业行为智能辨识训练模型进行训练，获得吊装不安全作业智能辨识模型；
在线检测阶段：
S3、采集吊装作业结构体的实时力学响应数据并输入至S2所述的吊装不安全作业智能辨识模型，获得当下吊装工况下不安全作业的辨识结果。


2.如权利要求1所述的不安全作业智能辨识方法，其特征在于，所述步骤S1包括如下子步骤：
S11、吊装作业历史响应数据库中，正常吊装作业包括起吊、回转、变幅和/或以上吊装行为的复合作业，通过正常吊装实验，获取各种正常吊装行为下的传感器力学响应数据，绘制传感器力学响应数据的波动图，从中提取波动段的数据作为有效的力学响应数据加入塔吊吊装作业力学状态响应数据库中，建立力学响应数据与正常吊装作业行为的对应关系；
S12、吊装作业历史响应数据库及吊装不安全行为分类库中，不安全吊装作业行为包括斜吊、超载起吊、大风环境下吊装作业、吊装急停、急起、和/或接近满载时进行复合吊装行为；进行不安全吊装作业实验，获取各种不安全吊装作业行为下的传感器力学响应数据，绘制传感器力学响应数据的波动图，从中提取波动段的数据作为有效的力学响应数据加入塔吊吊装作业力学状态响应数据库中，建立力学响应数据与各种不安全吊装作业行为一一对应的联系，构建吊装不安全行为分类库。


3.如权利要求1或2所述的不安全作业智能辨识方法，其特征在于，所述步骤S2中，基于智能学习形成的吊装不安全作业行为智能辨识训练模型表示为：
[X]{θd}＝[H]
其中，[X]为某种作业工况下的吊装结构体力学响应数据；[H]为该工况下吊装行为反应矩阵；{θd}为吊装不安全作业行为智能辨识训练模型中待辨识的参数集合；
训练后得到的由数据驱动的吊装不安全作业行为智能辨识模型表示为：
[X]{θh}＝[H]
其中，[X]为实时工况下的吊装结构体力学响应状态；[H]为吊装行为反应矩阵；{θh}为{θd}训练后得到的稳定可靠的参数集合。


4.如权利要求1或2所述的不安全作业智能辨识方法，其特征在于，所述步骤S2包括如下子步骤：
S21，基于BP神经网络建立吊装不安全作业行为智能辨识训练模型；
S22，将力学响应数据及其对应的吊装不安全作业行为类别分别作为输入和输出，采用梯度下降法训练步骤S21的吊装不安全作业行为智能辨识训练模型，得到吊装不安全作业行为智能辨识模型。


5.如权利要求4所述的不安全作业智能辨识方法，其特征在于，所述步骤S22包括如下子步骤：
S221，将力学响应数据划分为不安全吊装作业行为、安全吊装作业行为，并赋予力学响应数据与吊装...

【专利技术属性】
技术研发人员：蒋伟光，丁烈云，骆汉宾，周诚，刘振华，袁硕，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42