基于数字孪生的吊机监测方法、计算机设备及存储介质技术

本发明专利技术公开了一种基于数字孪生的吊机监测方法、计算机设备及存储介质，涉及吊机技术领域，方法包括：构建吊机机臂网格模型；将实时动态数据输入预先训练好的RBF代理模型，以输出粗网格节点的实时粗网格变形数据及实时粗网格应力数据；根据实时粗网格变形数据或实时粗网格应力数据对吊机机臂网格模型进行上色处理，以生成含有云图效果的吊机机臂模型；根据实时部件关系对预先构建好的吊机机臂等比例三维模型进行处理，以生成不含云图效果的样机模型；根据吊机机臂模型及样机模型，构建吊机机臂的应力

【技术实现步骤摘要】
基于数字孪生的吊机监测方法、计算机设备及存储介质


[0001]本专利技术涉及吊机
，尤其涉及基于数字孪生的吊机监测方法、计算机设备及存储介质。

技术介绍

[0002]吊机广泛应用于工厂、建筑工地、港口、深海作业等领域，在不同工况下进行吊装作业时会受到不同因素的影响，其受力状态会呈现时变动态效应，所发生的吊机臂架结构损坏可能会造成严重的后果，因此，吊机臂架结构的安全监测应得到高度重视。
[0003]但是，在现有的起吊系统中，还没有基于数字孪生的吊机监测系统平台设计，操作人员无法实时了解吊机在运作过程中几何形态和应力
‑
应变状态，在保障吊机安全运行方面存在欠缺。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种基于数字孪生的吊机监测方法、计算机设备及存储介质，可准确了解吊机在运作过程中几何形态和应力
‑
应变状态变化，降低施工过程中的安全隐患。
[0005]为了解决上述技术问题，本专利技术提供了一种基于数字孪生的吊机监测方法，包括：根据预设粗网格节点的粗网格节点位置数据构建目标吊机的吊机机臂网格模型；获取物理空间中目标吊机的实时动态数据，并将所述实时动态数据输入预先训练好的RBF代理模型，以输出所述粗网格节点的实时粗网格变形数据及实时粗网格应力数据；根据所述实时粗网格变形数据或实时粗网格应力数据对所述吊机机臂网格模型进行上色处理，以生成含有云图效果的吊机机臂模型；获取目标吊机的实时部件关系，并根据所述实时部件关系对预先构建好的吊机机臂等比例三维模型进行处理，以生成不含云图效果的样机模型；根据所述吊机机臂模型及样机模型，构建吊机机臂的应力
‑
应变数字孪生模型。
[0006]作为上述方案的改进，所述RBF代理模型的训练步骤包括：对所述吊机机臂等比例三维模型进行细网格划分及有限元计算，生成基于细网格的细网格节点位置数据、细网格变形数据及细网格应力数据；对所述吊机机臂等比例三维模型进行粗网格划分，生成基于粗网格的粗网格节点位置数据；根据所述细网格节点位置数据、细网格变形数据、细网格应力数据及粗网格节点位置数据进行插值运算，生成粗网格变形数据及粗网格应力数据；获取物理空间中目标吊机不同工况下的历史动态数据；构建RBF神经网络，并将所述历史动态数据作为所述RBF神经网络的输入，将所述粗网格变形数据及粗网格应力数据作为所述RBF神经网络的输出，以生成不同粗网格节点的RBF代理模型；对所述RBF代理模型进行封装处理。
[0007]作为上述方案的改进，根据目标吊机的受力特点对所述吊机机臂等比例三维模型进行细网格划分或粗网格划分，其中，在受力密集度大于或等于预设密集度的位置进行细网格划分，在受力密集度小于所述预设密集度的位置进行粗网格划分。
[0008]作为上述方案的改进，所述对所述吊机机臂等比例三维模型进行细网格划分时，对划分的网格进行无关化检测，其中，当网格数量的增加对所述有限元计算的结果影响大于或等于预设阈值时，继续细化已划分的网格，当网格数量的增加对所述有限元计算的结果影响小于所述预设阈值时，不再细化已划分的网格。
[0009]作为上述方案的改进，所述根据所述细网格节点位置数据、细网格变形数据、细网格应力数据及粗网格节点位置数据进行插值运算时，采用形函数进行插值运算。
[0010]作为上述方案的改进，所述根据所述实时粗网格变形数据或实时粗网格应力数据对所述吊机机臂网格模型进行上色处理的步骤包括：根据所述实时粗网格变形数据调整所述粗网格节点的颜色，其中，当实时粗网格变形数据大于或等于材料的许用变形值时，将所述粗网格节点设置为第一预设颜色,当实时粗网格变形数据为0时，将所述粗网格设置节点设置为第二预设颜色,当实时粗网格变形数据在0与材料的许用变形值之间时，根据公式H＝2([ε]‑
ε1)/3[ε]计算HSV颜色模型的色调值以调整所述粗网格节点的颜色，其中，H为HSV颜色模型的色调值，[ε]为材料的许用变形值，ε1为实时粗网格变形数据；或者
[0011]根据所述实时粗网格应力数据调整所述粗网格节点的颜色，其中，当实时粗网格应力数据大于或等于材料的许用应力时，将所述粗网格节点设置为第一预设颜色,当实时粗网格应力数据为0时，将所述粗网格设置节点设置为第二预设颜色,当实时粗网格应力数据在0与材料的许用应力之间时，根据公式H＝2([σ]‑
σ1)/3[σ]计算HSV颜色模型的色调值以调整所述粗网格节点的颜色，其中，H为HSV颜色模型的色调值，[σ]为材料的许用应力，σ1为实时粗网格应力数据。
[0012]作为上述方案的改进，所述吊机机臂等比例三维模型的构建步骤包括：获取物理空间中目标吊机的基准数据；根据所述基准数据构建所述吊机机臂等比例三维模型。
[0013]作为上述方案的改进，所述的基于数字孪生的吊机监测方法还包括：在所述物理空间中通过六自由度平台的运动来模拟目标吊机的不同工况；在目标吊机中设置传感器，并通过所述传感器采集目标吊机的实时动态数据，所述动态数据包括吊机姿态数据、钢丝绳拉力数据、吊物数据及距离数据。
[0014]相应地，本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现上述基于数字孪生的吊机监测方法的步骤。
[0015]相应地，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述基于数字孪生的吊机监测方法的步骤。
[0016]实施本专利技术，具有如下有益效果：
[0017]本专利技术的物理空间中传感器的动态数据能够实时传输至控制器，使得应力
‑
应变数字孪生模型能够实时更新，其结构性能展示能够实时逼近工况；同时，本专利技术只对吊机关键受力部件(吊机机臂)建立应力
‑
应变数字孪生模型，可节约计算成本，加快计算速度；因此，操作人员可通过应力
‑
应变数字孪生模型，实时、准确了解吊机在运作过程中几何形态和应力
‑
应变状态变化，保障吊机安全运行，降低施工过程中的安全隐患。
[0018]进一步，本专利技术可通过六自由度平台，模拟吊机在不同工况下的作业模式，使得吊机受力的时变动态效应更加真实；同时，本专利技术还根据细网格节点的空间位置完成粗网格节点的应力、变形插值，插值后的粗网格节点应力、变形数据用于RBF神经网络的训练，可大
大提升模型的准确性；另外，本专利技术对粗网格的每个节点都建立一个RBF代理模型，并对RBF代理模型进行封装，便于管理。
附图说明
[0019]图1是本专利技术中插值运算的示意图；
[0020]图2是本专利技术中RBF神经网络的示意图；
[0021]图3是本专利技术基于数字孪生的吊机监测方法的实施例流程图。
具体实施方式
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述。
[0023]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的吊机监测方法，其特征在于，包括：根据预设粗网格节点的粗网格节点位置数据构建目标吊机的吊机机臂网格模型；获取物理空间中目标吊机的实时动态数据，并将所述实时动态数据输入预先训练好的RBF代理模型，以输出所述粗网格节点的实时粗网格变形数据及实时粗网格应力数据；根据所述实时粗网格变形数据或实时粗网格应力数据对所述吊机机臂网格模型进行上色处理，以生成含有云图效果的吊机机臂模型；获取目标吊机的实时部件关系，并根据所述实时部件关系对预先构建好的吊机机臂等比例三维模型进行处理，以生成不含云图效果的样机模型；根据所述吊机机臂模型及样机模型，构建吊机机臂的应力
‑
应变数字孪生模型。2.如权利要求1所述的基于数字孪生的吊机监测方法，其特征在于，所述RBF代理模型的训练步骤包括：对所述吊机机臂等比例三维模型进行细网格划分及有限元计算，生成基于细网格的细网格节点位置数据、细网格变形数据及细网格应力数据；对所述吊机机臂等比例三维模型进行粗网格划分，生成基于粗网格的粗网格节点位置数据；根据所述细网格节点位置数据、细网格变形数据、细网格应力数据及粗网格节点位置数据进行插值运算，生成粗网格变形数据及粗网格应力数据；获取物理空间中目标吊机不同工况下的历史动态数据；构建RBF神经网络，并将所述历史动态数据作为所述RBF神经网络的输入，将所述粗网格变形数据及粗网格应力数据作为所述RBF神经网络的输出，以生成不同粗网格节点的RBF代理模型；对所述RBF代理模型进行封装处理。3.如权利要求2所述的基于数字孪生的吊机监测方法，其特征在于，根据目标吊机的受力特点对所述吊机机臂等比例三维模型进行细网格划分或粗网格划分，其中，在受力密集度大于或等于预设密集度的位置进行细网格划分，在受力密集度小于所述预设密集度的位置进行粗网格划分。4.如权利要求2所述的基于数字孪生的吊机监测方法，其特征在于，所述对所述吊机机臂等比例三维模型进行细网格划分时，对划分的网格进行无关化检测，其中，当网格数量的增加对所述有限元计算的结果影响大于或等于预设阈值时，继续细化已划分的网格，当网格数量的增加对所述有限元计算的结果影响小于所述预设阈值时，不再细化已划分的网格。5.如权利要求2所述的基于数字孪生的吊机监测方法，其特征在于，所述根据所述细网格节点位置数据...

【专利技术属性】
技术研发人员：谢鹏，廖佳华，陈昇琳，易明月，尹家栋，
申请(专利权)人：中山大学，
类型：发明
国别省市：