[發明專利]一種爬架組的工作狀態檢測方法

有效

• 申請號: 201510010422.1
• 申請日: 2015-01-09
• 公開（公告）號: CN104598970B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 秦建武;李宏;陳斌;陳東旭;施乾東
• 申請（專利權）人: 寧波大學
• 主分類號: G06N3/02
• 分類號: G06N3/02
• 代理公司: 寧波奧圣專利代理事務所(普通合伙)33226
• 代理人: 方小惠

技術領域

本發明涉及一種爬架組的工作狀態檢測技術，尤其是涉及一種爬架組的工作狀態檢測方法。

背景技術

隨著國民經濟的快速發展，我國建筑業的產業規模不斷擴大，大型高層工程日益增多，推動著建筑腳手架技術的迅速發展。目前，高層建筑施工常用的腳手架有落地式外腳手架、懸挑式腳手架和附著式升降腳手架等。落地式外腳手架因其耗時、耗工和耗材等缺點而逐漸被淘汰；懸挑式腳手架存在反復搭拆的缺點；而附著式升降腳手架，即爬架，在建筑施工中只需要裝拆一次，可隨施工進度多點同時逐層爬升或下降，較好的克服了懸挑式腳手架的缺點，從而節約人力、材料等費用，提高工作效率，在高層建筑施工中具有廣闊的應用前景。

建筑業是一種具有高空作業頻繁、流動性強、危險高和事故多發等特點的行業，被列入我國高危行業。建筑腳手架的安全問題一直是我國建筑施工中的難題，每年都會發生多起腳手架安全事故，故為施工腳手架提供一定的安全保障機制的重要性是顯而易見的。目前，爬架通常是成組使用，每個爬架組包括多個爬架。在爬架安全規范中規定，爬架組中的各個爬架必須具有防傾、防超載和同步升降等安全機制。在爬架組工作過程中，需要實時監測各個爬架的工作狀態，以免發生爬架安全事故。

現有的爬架組的工作狀態檢測方法通常是對爬架組內的各個爬架獨立進行檢測得到檢測數據，然后采用閾值比較方式處理檢測數據得到該爬架的工作狀態是否安全。但是現有的爬架組的工作狀態檢測方法存在以下問題：該方法中各個爬架的數據獨立，互不相關，未考慮爬架組內相鄰爬架的狀態數據的關聯性，沒有考慮外界環境對爬架組內各個爬架的干擾影響，導致對爬架組的工作狀態是否安全的判定結果準確度較低，存在較大的安全隱患。

發明內容

本發明所要解決的技術問題是提供一種爬架組的工作狀態檢測方法，該方法考慮爬架組內各個爬架的狀態數據的關聯性，降低外界環境對各個爬架的干擾影響，判定結果準確度較高。

本發明解決上述技術問題所采用的技術方案為：一種爬架組的工作狀態檢測方法，所述的爬架組包括依次排列的五個爬架，五個爬架依次為1號爬架、2號爬架、3號爬架、4號爬架和5號爬架；包括以下步驟：

①構建兩級神經網絡模型：第一級神經網絡模型包括三個神經網絡模型，分別為高度神經網絡模型、傾角神經網絡模型和載荷神經網絡模型，第二級神經網絡模型包括一個神經網絡模型，每個所述的神經網絡模型包括輸入層、隱藏層和輸出層，每個所述的神經網絡模型的隱藏層和輸出層的激活函數均為tansig函數，所述的tansig函數為：e為自然對數的底數；

所述的高度神經網絡模型的輸入層的神經元節點數為4個，所述的高度神經網絡模型的隱藏層的神經元節點數為9個，所述的高度神經網絡模型的輸出層的神經元節點數為1個；所述的高度神經網絡模型的輸入層的參數為X₁＝[x₁，x₂，x₃，x₄]，隱藏層的輸出函數為y₁＝f₁(iw₁X₁+b₁)，輸出層的輸出函數為y₂＝f₂(lw₂y₁+b₂)＝f₂(lw₂f₁(iw₁X₁+b₁)+b₂)，其中iw₁為輸入層與隱藏層之間的權值矩陣，b₁為輸入層與隱藏層之間的閾值矩陣；lw₂為隱藏層與輸出層之間的權值矩陣，b₂為隱藏層與輸出層之間的閾值矩陣；所述的高度神經網絡模型的輸出Y_h＝y₂；