桥式起重机当量载荷谱获取及疲劳剩余寿命估算方法

摘要

本发明公开了一种桥式起重机当量载荷谱的获取方法，包括下列步骤：1）建立支持向量机网络模型；2）获取学样本；3）训练支持向量机网络；4）起重机当量载荷谱的获取。通过获得的当量载荷谱来估算桥式起重机主梁的疲劳剩余寿命。本发明不必寻求建立额定起升载荷和起升载荷与对应工作循环次数间的复杂难为的解析关系式，具有实现简单、有效快捷的特点，能够大大节省起重机现场实测的烦琐过程和大量投入。

主权项

1.一种桥式起重机当量载荷谱的获取方法，其特征在于包括下列步骤： 1）建立支持向量机网络模型建立输入样本由额定起升载荷和起升载荷构成的两维向量、输出样本为工作循环次数、核函数为高斯径向基核函数的支持向量机网络模型，其中所述高斯径向基核函数为： （1）式中， —输入向量，，—输入向量，，—核函数宽度系数，—表示向量的模；2）获取学习样本以桥式起重机的额定起升载荷和起升载荷作为学习样本的输入，对应该起重机一额定起升载荷的不同起升载荷在一个工作时段内的工作循环次数作为学习样本的希望输出，获取学习样本，并将额定起升载荷值至少均分成份对学习样本进行分级；3）训练支持向量机网络把步骤2）得到的学习样本归一化，并随机分为训练样本和测试样本，按下面的过程训练由步骤1）确定的支持向量机网络模型： 3.1) 通过一个非线性映射，按照式（2）的超平面函数，将数据样本集的输入空间映射到高维特征空间，其中为输入变量的值，为相应的输出变量值，为实数域，为维数，，.为样本个数，（2）式中，—与具有相同维数的要预测的输入向量，—与具有相同维数的要预测的输出向量，-—为高维特征空间的权向量，—输入空间到高维特征空间的非线性映射，—为阈值，表示内积；3.2）应用SMO算法求解式（5），解出（5）式中:,—拉格朗日乘子，—敏感系数，—惩罚因子；3.3) 按式（3）的约束条件按等号求出:（3）式中： —正数松弛变量；3.4) 建立当前参数组合，，及当前数据样本下的输入样本与输出样本的非线性映射，即支持向量机网络模型式（6）:（6）；3.5）按下列步骤用网格法确定支持向量机网络模型的敏感系数ε、惩罚因子C以及核函数宽度系数σ的最佳参数组合： （ⅰ）随机取出某一额定起升载荷的数据样本作为测试样本，其余样本作为训练样本；（ⅱ）在训练样本下，代入一组参数，，,用SMO算法求解式（5），解出，按式（3）的约束条件按等号求出，建立当前参数，，下的映射模型式（6）；（ⅲ）用训练样本和测试样本对模型式（6）进行拟合和测试，评价模型的拟合误差和测试误差；(ⅳ)记录误差最小的参数组合，判断所有参数组合是否测试结束，是，结束测试；否则，转步骤（ⅰ）；3.6）获得最佳参数组合下的支持向量机网络模型式（6），就是训练好的支持向量机网络模型；4）起重机当量载荷谱的获取将需要估算疲劳剩余寿命的通用桥式起重机的额定起升载荷和至少级不同起升载荷输入到步骤3）训练好的支持向量机网络，即可获取该起重机的当量载荷谱。