[发明专利]一种塔吊吊臂形变检测装置及方法

权利要求书

1.一种塔吊吊臂形变检测装置，其特征在于，所述装置包括：

反射片组，排列安装在吊臂长度方向的检测节点上，用于反射电磁波；

发射器，用于向对应的反射片发射电磁波；

接收器，用于接收对应的反射片反射的电磁波，并记录所述发射器发射电磁波和所述接收器接收电磁波的时间；

分析系统，用于计算发射器发射电磁到对应的接收器接收电磁波的时间数据，并对所述时间数据进行分析，得到吊臂的形变量。

2.根据权利要求1所述的塔吊吊臂形变检测装置，其特征在于，所述装置还包括：

报警装置，用于当所述吊臂的形变量达到预设的弹性范围阈值时，进行报警。

3.根据权利要求1所述的塔吊吊臂形变检测装置，其特征在于：

所述分析系统，用于将发射器发射电磁波和接收器接收所述电磁波的时间数据输入深度学习神经网络模型，以计算得到吊臂的形变量。

4.一种塔吊吊臂形变检测方法，其特征在于，所述方法包括：

接收发射器和接收器反馈的电磁波的发射时间和接收时间；

根据所述发射时间和接收时间获取每个检测点对应的电磁波发射到接收的时间数据；

根据所述时间数据获取吊臂的各个检测节点的形变量。

5.根据权利要求4所述的塔吊吊臂形变检测方法，其特征在于，所述方法还包括：

对各个检测节点的形变量进行拟合，获得沿吊臂长度方向分布的形变曲线；

根据所述形变曲线获取所述吊臂的形变量；

当所述形变量达到预设的弹性范围阈值时，进行报警。

6.根据权利要求4所述的塔吊吊臂形变检测方法，其特征在于，所述根据所述时间数据获取吊臂的各个检测节点的形变量，包括：

利用所述时间数据和预设的深度学习神经网络模型获取塔吊吊臂的各个检测节点的形变量。

7.一种应用于塔吊吊臂形变检测的神经网络模型的训练方法，其特征在于，所述方法包括：

获取检测节点对应的电磁波的往返时间数据及对应的形变量数据；

将所述电磁波的往返时间数据和形变量数据作为训练数据集对预设的深度学习神经网络算法的训练模型进行训练，获取训练结果；

根据所述训练结果，获取所述深度学习神经网络模型。

8.根据权利要求7所述的应用于塔吊吊臂形变检测的经网络模型的训练方法，其特征在于，所述将所述电磁波的往返时间数据和形变量数据作为训练数据集对预设的深度学习神经网络算法的训练模型进行训练，获取训练结果，包括：

将所述电磁波的往返时间数据作为输入层、形变量数据作为输出层，以确定基于深度学习神经网络算法的训练模型；

获取所述训练模型的隐含层及输出层的输出参数以及对应的目标参数；

获取所述隐含层及输出层的输出参数和目标参数的误差；

当所述误差小于预设的阈值时，获取训练结果。

9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求4至6中任一项所述的塔吊吊臂形变检测方法。

10.一种可读存储介质，其特征在于，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求4至6任一项所述的塔吊吊臂形变检测方法。