S1:根据造楼机实际工艺流程划分为停工、施工、升降、泵送四种工作状态,分别用S
表示;在造楼机的主水平受力层的中心位置设置一个三轴振动传感器,三轴振动传
S3:在造楼机的四种工作状态下,分别实时读取三轴振动传感器的加速度数据并建立
加速度时程曲线,将加速度时程曲线按照时间段Δt分为n段,使得每一种工作状态下沿X、
Y、Z方向均各自获得n段加速度时程信号,三个方向的加速度时程信号分别为a
S4:对于一种工作状态,在每一时间段Δt内,三轴振动传感器每个方向均有m个读数,
S7:得出三轴振动传感器采集的n段加速度时程信号R的组合特征向量F=﹛F
S9:造楼机进入实时识别阶段,每隔时间段Δt读取一段加速度时程曲线,获得当前实测的加速度时程信号R
类模型进行实时对比,并判断得出造楼机当前的工作状态,分别输出当前实测的加速度时
其中,n为单个三轴振动传感器单方向上测得的加速度时程曲线按照时间段Δt进行分
2.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于,
所述步骤S9之后还包括步骤S10:设置一时间量ΔT,ΔT≥4Δt,每隔时间段Δt获取包括当
前时刻的前一时间段Δt的加速度时程信号的读数,如果时间量ΔT内分别识别出了M
3.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于,
所述步骤S9还包括:设置一时间量ΔT,且ΔT≥(Δt+4s),每隔时间段Δt获取包括当前时
4.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于,
5.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于,
6.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于,
所述步骤S1中,在造楼机不同的主要受力部位设置N个三轴振动传感器,根据所述步骤S3~
7.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于:
8.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于,
S601:将每段加速度时程信号R去均值后的数据进行傅里叶变换(FFT),得到频域数据
9.根据权利要求1所述的面向造楼机的装备工艺流程状态实时识别方法,其特征在于:
能够搭载塔吊、布料机、施工升降机附着装置等其它施工设备,并跟随建筑结构主体的竖向
施工流水节拍协同爬升施工,具有良好的整体建造效率。但多设备一体化的造楼机的结构
与工艺较为复杂,爬升过程中安全风险大,需要采取有效的造楼机安全状态监控措施。
目前,对造楼机的安全状态监测主要集中在结构件的力学状态、环境状态等方面,
而对其工序流程的安全监测较少。混凝土结构主体每施工一层,造楼机均需经过爬升、绑扎
钢筋、开合模、浇筑混凝土等多道工序流程,不同的工序流程中需要监控的部位、部件各有
侧重,依靠传统建模方式和信息模型更新手段,无法有效获知造楼机的实时工作性态,并且
乏,工作状态识别准确度低的问题。本发明的目的是提供一种面向造楼机的装备工艺流程
S1:根据造楼机实际工艺流程划分为停工、施工、升降、泵送四种工作状态,分别用
S3:在造楼机的四种工作状态下,分别实时读取三轴振动传感器的加速度数据并
建立加速度时程曲线,将加速度时程曲线按照时间段Δt分为n段,使得每一种工作状态下
沿X、Y、Z方向均各自获得n段加速度时程信号,三个方向的加速度时程信号分别为a
S4:对于一种工作状态,在每一时间段Δt内,三轴振动传感器每个方向均有m个读
S7:得出三轴振动传感器采集的n段加速度时程信号R的组合特征向量F=﹛F
S9:造楼机进入实时识别阶段,每隔时间段Δt读取一段加速度时程曲线,获得当前实测的加速度时程信号R
的分类模型进行实时对比,并判断得出造楼机当前的工作状态,分别输出当前实测的加速
其中,n为单个三轴振动传感器单方向上测得的加速度时程曲线按照时间段Δt进
程划分为停工、施工、升降、泵送四种工作状态,采用三轴振动传感器实时获取造楼机运行
过程中主受力构件上的加速度时程信号,分析其时域和频域特征,并通过机器学习的方法
训练造楼机四种工作状态下的组合特征向量,获得当前实测的加速度时程信号和相应的特
征向量,将其与训练完成的分类模型进行实时对比,进而迅速、准确地识别当前造楼机的停
工、施工、升降、泵送四种关键工作状态,准确反映了现场造楼机的工序状态动态变化,增强
了造楼机工作性态的自主判别能力,提升了造楼机的智能化程度,保障了装备运行的安全
性,有效解决了传统模架装备施工过程中的工作状态实时监控手段缺乏以及识别准确率低
的问题,经实践表明,该方法利用有限的三轴振动传感器所采集的加速度时域和频域特征
数据,能够较好地识别造楼机关键的工作状态,并且能够避免周边人工活动产生的噪声的
进一步的,所述步骤S9之后还包括步骤S10:设置一时间量ΔT,ΔT≥4Δt,每隔时
间段Δt获取包括当前时刻的前一时间段Δt的加速度时程信号的读数,如果时间量ΔT内
进一步的,所述步骤S9还包括:设置一时间量ΔT,且ΔT≥(Δt+4s),每隔时间段
进一步的,所述步骤S1中,在造楼机不同的主要受力部位设置N个三轴振动传感
器,根据所述步骤S3~S7,判断得出每个三轴振动传感器相应的工作状态,输出状态如下:
[0057] 进一步的,所述步骤S5中,每段加速度时程信号R的均方根值R
S601:将每段加速度时程信号R去均值后的数据进行傅里叶变换(FFT),得到频域
进一步的,所述步骤S8中的分类器可以选择KNN,SVM机器学习算法进行分类。
用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的
结合图1至图9说明本发明的面向造楼机的装备工艺流程状态实时识别方法,具体
S1:根据造楼机2实际工艺流程划分为停工、施工、升降、泵送四种工作状态,分别
指部署在造楼机上的混凝土布料机通过泵送设备向楼层中输送混凝土的作业状态;在
造楼机2的主水平受力层的中心位置设置一个三轴振动传感器3,三轴振动传感器3紧贴固
定在造楼机2的主受力构件上,三轴振动传感器3的采样频率f不低于100Hz,每个三轴振动
传感器实时测量自身所在点位X、Y、Z三个方向的加速度数据,并通过采集仪将数据发送至
轴振动传感器3的加速度数据并建立加速度时程曲线,将加速度时程曲线按照时间段Δt分
为n段,使得每一种工作状态下沿X、Y、Z方向均各自获得n段加速度时程信号,三个方向的加
S4:对于一种工作状态,在每一时间段Δt内,三轴振动传感器3每个方向均有m个
S6:将每段加速度时程信号R去均值后的数据进行傅里叶变换(FFT)得到频域数据
S7:得出三轴振动传感器3采集的n段加速度时程信号R的组合特征向量F=﹛F
S9:造楼机进入实时识别阶段,每隔时间段Δt读取一段加速度时程曲线,获得当前实测的加速度时程信号R
的分类模型进行实时对比,并判断得出造楼机2当前的工作状态,分别输出当前实测的加速
其中,n为单个三轴振动传感器3单方向上测得的加速度时程曲线按照时间段Δt
Δt为三轴振动传感器3设定的采样间隔时间段,为一常数,如10s、20s、30s等;
本发明的面向造楼机的装备工艺流程状态实时识别方法,首先,将造楼机2工艺流
程划分为停工、施工、升降、泵送四种工作状态,采用三轴振动传感器3实时获取造楼机2运
行过程中主受力构件上的加速度时程信号,分析其时域和频域特征,并通过机器学习的方
法训练造楼机2四种工作状态下的组合特征向量,获得当前实测的加速度时程信号和相应
的特征向量,将其与训练完成的分类模型进行实时对比,进而迅速、准确地识别当前造楼机
2的停工、施工、升降、泵送四种关键工作状态,准确反映了现场造楼机2的工序状态动态变
化,增强了造楼机2工作性态的自主判别能力,提升了造楼机2的智能化程度,保障了装备运
行的安全性,有效解决了传统模架装备施工过程中的工作状态实时监控手段缺乏以及识别
准确率低的问题,经实践表明,该方法利用有限的三轴振动传感器3所采集的加速度时域和
频域特征数据,能够较好地识别造楼机2关键的工作状态,并且能够避免周边人工活动产生
为了提高造楼机工作状态识别的可靠性,上述步骤S9之后还包括步骤S10,具体内
S10:设置一时间量ΔT,且ΔT≥4Δt,若Δt=10秒,则ΔT至少包含40秒,时间量
ΔT的加速度时程曲线按照时间段Δt分为至少4段,每隔10秒获取包括当前时刻的前10秒
的加速度时程信号的读数,且每个时间段Δt的读数均不重叠;如果时间量ΔT内分别识别