本发明公开了一种爬架状态检测方法及装置，通过构建神经网络模型，神经网络模型包括输入层、隐藏层和输出层，在获取爬架的前后倾角、左右倾角、重力和上升速度四个参数，将爬架的前后倾角、左右倾角、重力和上升速度四个参数进行归一化处理后作为神经网络模型的输入数据输入到输入层中，神经网络的输入层、隐藏层和输出层按照设定的传输函数依次对数据进行处理得到神经网络模型的输出，该神经网络模型的输出即为爬架状态对应的指数值，根据爬架状态对应的指数值即可判定爬架的状态；优点是该指数值全面考虑了运行速度异常、载荷超载或失载和爬架倾斜等危险状况，检测精度较高，全面准确把握爬架的状态，保证爬架的安全运作。
1.一种爬架状态检测方法，其特征在于包括以下步骤：
①构建神经网络模型，所述的神经网络模型包括输入层、隐藏层和输出层；
所述的输入层用于输入数据，所述的输入层的输入向量为Xi＝[xi1 xi2 xi3 xi4]，其中，xi1表示爬架的前后倾角检测数据，xi2表示爬架的左右倾角检测数据，xi3表示爬架的重力检测数据，xi4表示爬架的上升速度检测数据；
所述的隐藏层包括十个神经元节点，所述的隐藏层用于接收所述的输入层的输入数据，所述的隐藏层的神经元节点的传输函数为f1(x)，f1(x)为tansig函数， e为自然对数的底数，e＝2.718281828459；所述的隐藏层的输出 W1为隐藏层的权值矩阵，上标T表示矩阵的转置，b1为隐藏层的阈值矩
所述的输出层接收所述的隐藏层输出，所述的输出层包括一个神经元节点，所述的输出层的神经元节点的传输函数为f2(x)，f2(x)为purelin函数，f2(x)＝x；所述的输出层的输出 其中，W2为输出层的权值矩阵，b2为输出层的阈值矩阵，W2和b2分别用矩阵的形式表示为：
W＝[-0.2282 1.1340 -0.6504 -0.1181 -0.0120 0.2103 0.8087 -0.5868 0.0913 -
②实时采集并获取爬架的前后倾角、左右倾角、重力和上升速度四个参数；
③通过转换函数 分别对步骤②获取的爬架的前后倾角、左右倾角、重力
和上升速度四个参数进行归一化处理，分别得到爬架的前后倾角归一化数据、爬架的左右倾角归一化数据、爬架的重力归一化数据和爬架的上升速度归一化数据，其中x*分别对应前后倾角、左右倾角、重力和上升速度四个参数的归一化数据；x分别对应步骤②获取的爬架的前后倾角、左右倾角、重力和上升速度四个参数，max分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最大值，min分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最小值；
④将爬架的前后倾角归一化数据作为爬架的前后倾角检测数据xi1，爬架的左右倾角归一化数据作为爬架的左右倾角检测数据xi2，爬架的重力归一化数据作为爬架的重力检测数据xi3和爬架的上升速度归一化数据作为爬架的上升速度检测数据xi4输入到神经网络模型的输入层中，计算得到神经网络模型的输出y；
如果y的取值小于0.60时，爬架状态为安全；如果y的取值大于等于0.60且小于0.85时，爬架状态为警告；如果y的取值大于等于0.85且小于等于1时，爬架状态为危险。
2.一种爬架状态检测装置，其特征在于包括中央处理器、用于采集爬架前后倾角和左右倾角的第一采集电路，用于采集爬架重力的第二采集电路、用于采集爬架位置的第三采集电路、安全指示灯、继电器和报警器，所述的中央处理器分别与所述的第一采集电路、所述的第二采集电路、所述的第三采集电路、所述的安全指示灯、所述的继电器和所述的报警器连接，所述的中央处理器内设置有神经网络模型，所述的神经网络模型 包括输入层、隐藏层和输出层；
所述的输入层用于输入数据，所述的输入层的输入向量为Xi＝[xi1 xi2 xi3 xi4]，其中，xi1表示爬架的前后倾角检测数据，xi2表示爬架的左右倾角检测数据，xi3表示爬架的重力检测数据，xi4表示爬架的上升速度检测数据；
所述的隐藏层包括十个神经元节点，所述的隐藏层用于接收所述的输入层的输入数据，所述的隐藏层的神经元节点的传输函数为f1(x)，f1(x)为tansig函数， e为自然对数的底数，e＝2.718281828459；所述的隐藏层的输出 其中W1为隐藏层的权值矩阵，上标T表示矩阵的转置，b1为隐藏层的阈值
所述的输出层接收所述的隐藏层输出，所述的输出层包括一个神经元节点，所述的输出层的神经元节点的传输函数为f2(x)，f2(x)为purelin函数，f2(x)＝x；所述的输出层的输出 其中，W2为输出层的权值矩阵，b2为输出层的阈值矩阵，W2和b2分别用矩阵的形式表示为：
W＝[-0.2282 1.1340 -0.6504 -0.1181 -0.0120 0.2103 0.8087 -0.5868 0.0913 -
所述的第一采集电路实时采集爬架的前后倾角和左右倾角并传送给所述的中央处理器，所述的第二采集电路实时采集爬架的重力并传送给所述的中央处理器，所述的第三采集电路实时采集爬架的位置并传送给所述的中央处理器，所述的中央处理器将所述的爬架的位置变化转换为爬架的上升速度，所述的中央处理器分别将爬架的前后倾角、左右倾角、重力和上升速度四个参数采用转换函数 进行归一化处理，分别得到爬架的前后倾角归一化数据、爬架的左右倾角归一化数据、爬架的重力归一化数据和爬架的上升速度归一化数据，其中x*分别对应前后倾角、左右倾角、重力和上升速度四个参数的归一化数据；x分别对应爬架的前后倾角、左右倾角、重力和上升速度四个参数，max分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最大值，min分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最小值；将爬架的前后倾角归一化数据作为爬架的前后倾角检测数据xi1，爬架的左右倾角归一化数据作为爬架的左右倾角检测数据xi2，爬架的重力归一化数据作为爬架的重力检测数据xi3和爬架的上升速度归一化数据作为爬架的上升速度检测数据xi4输入到神经网络模型的输入层中，计算得到神经网络模型的输出y，如果y的取值小于0.60时，爬架状态为安全，所述的中央处理器驱动所述的安全指示灯发光；如果y的取值大于等于0.60且小于
0.85时，爬架状态为警告，所述的中央处理器驱动所述的报警器发出警报；如果y的取值大于等于0.85且小于等于1时，爬架状态为危险，所述的中央处理器驱动所述的报警器发出警报的同时驱动所述的继电器断开使爬架停止运动。
3.根据权利要求2所述的一种爬架状态检测装置，其特征在于所述的中央处理器包括型号为STM32F103RBT6的第一芯片、型号为ULN2003的第二芯片、串口连接器、第一电阻、第二电阻、第三电阻、第四电阻、第一电容、第二电容、第三电容、晶振和开关，所述的第一芯片的PC1脚与所述的第三采集电路的输出端连接，所述的第一芯片的PC2脚和所述的第二采集电路的输出端连接，所述的第一芯片的PA9脚和PA10脚通过串口连接器与所述的第一采集电路连接，所述的第一芯片的PA3脚和所述的第二芯片的IN1脚通过所述的第一电阻连接，所述的第一芯片的PA2脚和所述的第二芯片的IN3脚通过所述的第二电阻连接，所述的第一芯片的PA1脚和所述的第二芯片的IN5脚通过所述的第三电阻连接，所述的第一芯片的VDD脚、VDDA脚和所述的第四电阻的一端连接且接入3.3V电压，所述的第四电阻的另一端、所述的第一芯片的NRST脚、所述的第一电容的一端和所述的开关的一端连接，所述的开关的另一端、所述的第一电容的另一端、所述 的第一芯片的B00T0脚、BOOT1脚、VSS脚和VSSA脚均接地，所述的第一芯片的OSCIN脚、所述的第二电容的一端和所述的晶振的一端连接，所述的第一芯片的OSCOUT脚、所述的第三电容的一端和所述的晶振的另一端连接，所述的第二电容的另一端和所述的第三电容的另一端均接地，所述的第二芯片的COM脚接入24V电压。
4.根据权利要求3所述的一种爬架状态检测装置，其特征在于所述的第一采集电路包括倾角传感器，所述的倾角传感器安装在爬架上。
5.根据权利要求3所述的一种爬架状态检测装置，其特征在于所述的第二采集电路包括安装在爬架上的重力传感器和第一信号调理电路，所述的第一信号调理电路包括第五电阻、第六电阻、第四电容、第一二极管和第二二极管，所述的重力传感器、所述的第五电阻的一端和所述的第六电阻的一端连接，所述的第五电阻的另一端、所述的第四电容的一端、所述的第一二极管的阴极和所述的第二二极管的阳极连接且其连接端为所述的第二采集电路的输出端，所述的第六电阻的另一端、所述的第四电容的另一端和所述的第一二极管的阳极均接地，所述的第二二极管的阴极接入3.3V电压。
6.根据权利要求3所述的一种爬架状态检测装置，其特征在于所述的第三采集电路包括安装在爬架上的位置传感器和第二信号调理电路，所述的第二信号调理电路包括第七电阻、第八电阻、第五电容、第三二极管和第四二极管，所述的位置传感器、所述的第七电阻的一端和所述的第八电阻的一端连接，所述的第七电阻的另一端、所述的第五电容的一端、所述的第三二极管的阴极和所述的第四二极管的阳极连接且其连接端为所述的第三采集电路的输出端，所述的第八电阻的另一端、所述的第五电容的另一端和所述的第三二极管的阳极均接地，所述的第四二极管的阴极接入3.3V电压。
7.根据权利要求3所述的一种爬架状态检测装置，其特征在于所述的中央处理器还连接有存储电路，所述的存储电路包括型号为AT24C64的第三芯片、第九电阻和第十电阻,所述的第三芯片的A0脚、A1脚、A2脚、GND脚和WP脚均接地，所述的第三芯片的VCC脚、所述的第九电阻的一端和所述的第十电阻的一端连接且接入3.3V电压，所述的第九电阻的另一端、所述的第三芯片的SCL脚和所述的第一芯片的PB6脚连接，所述的第十电阻的另一端、所述的第三芯片的SDA脚和所述的第一芯片的PB7脚连接。
8.根据权利要求3所述的一种爬架状态检测装置，其特征在于所述的中央处理器还连接有用于和外部数据接收器进行通信的数据传输电路，所述的数据传输电路包括型号为SN65HVD230的CAN收发器、第十一电阻和第十二电阻，所述的CAN收发器的D脚 和所述的第一芯片的PA12脚连接，所述的CAN收发器的R脚和所述的第一芯片的PA11脚连接，所述的CAN收发器的VCC脚接入3.3V电压,所述的CAN收发器的GND脚和RS脚均接地，所述的CAN收发器的CANH脚和所述的第十一电阻的一端连接，所述的CAN收发器的CANL脚和所述的第十二电阻的一端连接，所述的第十一电阻的另一端和所述的第十二电阻的另一端为所述的CAN收发器的输出端。
9.根据权利要求3所述的一种爬架状态检测装置，其特征在于所述的中央处理器还连接有显示屏，所述的显示屏用于显示所述的中央处理器内的数据，所述的显示屏为点阵式的LCD显示屏，所述的第一芯片的PB8脚、PB9脚、PB10脚、PB11脚、PB12脚、PB13脚、PB14脚、PB15脚、PC0脚、PC3脚、PC4脚、PC5脚、PC6脚、PC7脚和PC8脚与所述的显示屏连接。
一种爬架状态检测方法与装置
技术领域
[0001] 本发明涉及一种爬架状态检测技术，尤其是涉及一种爬架状态检测方法与装置。
背景技术
[0002] 随着我国经济的快速发展，高层建筑越来越多。在高层建筑施工过程中，爬架起着越来越重要的作用。爬架在运行过程中，可能会出现运行速度异常、载荷超载或失载和爬架倾斜等危险状况。当这些危险状况出现时，如果不加以报警就可能会出现险情，轻则造成财产损失，重则危及人的生命安全。因此，如何有效的对爬架状态进行检测与评估对安全生产具有重大意义。
[0003] 现有的爬架状态检测方法主要包括以下步骤：在控制器中设定爬架的标准载荷范围，然后检测并获取爬架的当前载荷，将当前载荷与标准载荷范围进行对比，如果当前载荷未落入标准载荷范围内，则表明爬架超载或失载。现有的爬架状态检测方法仅能检测爬架超载或失载状态，但是爬架运行时，实际情况十分复杂，爬架主体的倾斜或者爬升速度异常都可能出现险情，现有的爬架状态检测方法无法检测获取爬架运行速度异常状态和倾斜危险状态，无法全面准确把握爬架的状态。
发明内容
[0004] 本发明所要解决的技术问题之一是提供一种爬架状态检测方法，该爬架状态检测方法通过构建神经网络模型，并获取爬架的前后倾角、左右倾角、重力和上升速度四个参数，将爬架的前后倾角、左右倾角、重力和上升速度四个参数进行归一化处理后作为神经网络模型的输入数据，由此通过神经网络模型计算得到爬架状态对应的指数值，根据该指数值判定爬架的状态，该指数值全面考虑了运行速度异常、载荷超载或失载和爬架倾斜等危险状况，检测精度较高，全面准确把握爬架的状态，保证爬架的安全运作。
[0005] 本发明解决上述技术问题之一所采用的技术方案为：一种爬架状态检测方法，包括以下步骤：
[0006] ①构建神经网络模型，所述的神经网络模型包括输入层、隐藏层和输出层；
[0007] 所述的输入层用于输入数据，所述的输入层的输入向量为Xi＝[xi1 xi2 xi3 xi4]，其中，xi1表示爬架的前后倾角检测数据，xi2表示爬架的左右倾角检测数据，xi3表示爬架的重力检测数据，xi4表示爬架的上升速度检测数据；
[0008] 所述的隐藏层包括十个神经元节点，所述的隐藏层用于接收所述的输入层的输入1 1
数据，所述的隐藏层的神经元节点的传输函数为f (x)，f (x)为tansig函数，
e为自然对数的底数，e＝2.718281828459；
[0009] 所述的隐藏层的输出 W1为隐藏层的权值矩阵，上标T表示矩阵的转置，b1为隐藏层的阈值矩阵，W1和b1分别用矩阵的形式表示为：
[0010]
[0011] 所述的输出层接收所述的隐藏层输出，所述的输出层包括一个神经元节点，所述的输出层的神经元节点的传输函数为f2(x)，f2(x)为purelin函数，f2(x)＝x；所述的输出层2 2 2 1 2 2 2 1 1 T 1 2 2 2
的输出o＝f (Wo+b)＝f (Wf(WXi+b)+b)，其中W为输出层的权值矩阵，b为输出层的阈值矩阵，W2和b2分别用矩阵的形式表示为：
[0012] W2＝[-0.2282 1.1340 -0.6504 -0.1181 -0.0120 0.2103 0.8087 -0.5868 0.0913 -0.5395]
[0013] b2＝[0.6769]；
[0014] 所述的神经网络模型的输出y＝o2；
[0015] ②实时采集并获取爬架的前后倾角、左右倾角、重力和上升速度四个参数；
[0016] ③通过转换函数 分别对步骤②获取的爬架的前后倾角、左右倾角、重力和上升速度四个参数进行归一化处理，分别得到爬架的前后倾角归一化数据、爬架的左右倾角归一化数据、爬架的重力归一化数据和爬架的上升速度归一化数据，其中x*分别对应前后倾角、左右倾角、重力和上升速度四个参数的归一化数据；x分别对应步骤②获取的爬架的前后倾角、左右倾角、重力和上升速度四个参数，max分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最大值，min分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最小值；
[0017] ④将爬架的前后倾角归一化数据作为爬架的前后倾角检测数据xi1，爬架的左右倾角归一化数据作为爬架的左右倾角检测数据xi2，爬架的重力归一化数据作为爬架的重力检测数据xi3和爬架的上升速度归一化数据作为爬架的上升速度检测数据xi4输入到神经网络模型的输入层中，计算得到神经网络模型的输出y；
[0018] ⑤对神经网络模型的输出y进行判决，判决函数如下：
[0019]
[0020] 如果y的取值小于0.60时，爬架状态为安全；如果y的取值大于等于0.60且小于0.85时，爬架状态为警告；如果y的取值大于等于0.85且小于等于1时，爬架状态为危险。
[0021] 与现有技术相比，本发明的方法的优点在于通过构建神经网络模型，神经网络模型包括输入层、隐藏层和输出层，获取爬架的前后倾角、左右倾角、重力和上升速度四个参数，将爬架的前后倾角、左右倾角、重力和上升速度四个参数进行归一化处理后作为神经网络模型的输入数据输入到输入层中，神经网络的输入层、隐藏层和输出层按照设定的传输函数依次对数据进行处理得到神经网络模型的输出，该神经网络模型的输出即为爬架状态对应的指数值，根据爬架状态对应的指数值即可判定爬架的状态，该指数值全面考虑了运行速度异常、载荷超载或失载和爬架倾斜等危险状况，检测精度较高，全面准确把握爬架的状态，保证爬架的安全运作。
[0022] 本发明所要解决的技术问题之二是提供一种爬架状态检测装置，该爬架状态检测装置的中央处理器中设置有神经网络模型，第一采集电路实时采集爬架的前后倾角和左右倾角并传送给中央处理器，第二采集电路实时采集爬架的重力并传送给中央处理器，第三采集电路实时采集爬架的位置并传送给中央处理器，中央处理器将爬架的前后倾角、左右倾角、重力和上升速度四个参数进行归一化处理后作为神经网络模型的输入数据，神经网络模型计算得到爬架状态对应的指数值，中央处理器根据该指数值判定爬架的状态，该指数值全面考虑了运行速度异常、载荷超载或失载、电机故障和爬架倾斜等危险状况，检测精度较高，全面准确把握爬架的状态，保证爬架的安全运作。
[0023] 本发明解决上述技术问题之二所采用的技术方案为：一种爬架状态检测装置，包括中央处理器、用于采集爬架前后倾角和左右倾角的第一采集电路，用于采集爬架重力的第二采集电路、用于采集爬架位置的第三采集电路、安全指示灯、继电器和报警器，所述的中央处理器分别与所述的第一采集电路、所述的第二采集电路、所述的第三采集电路、所述的安全指示灯、所述的继电器和所述的报警器连接，所述的中央处理器内设置有神经网络模型，所述的神经网络模型包括输入层、隐藏层和输出层；
[0024] 所述的输入层用于输入数据，所述的输入层的输入向量为Xi＝[xi1 xi2 xi3 xi4]，其中，xi1表示爬架的前后倾角检测数据，xi2表示爬架的左右倾角检测数据，xi3表示爬架的重力检测数据，xi4表示爬架的上升速度检测数据；
[0025] 所述的隐藏层包括十个神经元节点，所述的隐藏层用于接收所述的输入层的输入数据，所述的隐藏层的神经元节点的传输函数为f1(x)，f1(x)为tansig函数，e为自然对数的底数，e＝2.718281828459；
[0026] 所述的隐藏层的输出 W1为隐藏层的权值矩阵，上标T表示矩阵1 1 1
的转置，b为隐藏层的阈值矩阵，W和b分别用矩阵的形式表示为：
[0027]
[0028] 所述的输出层接收所述的隐藏层输出，所述的输出层包括一个神经元节点，所述的输出层的神经元节点的传输函数为f2(x)，f2(x)为purelin函数，f2(x)＝x；所述的输出层的输出 W2为输出层的权值矩阵，b2为输出层的阈值矩阵，W2和b2分别用矩阵的形式表示为：
[0029] W2＝[-0.2282 1.1340 -0.6504 -0.1181 -0.0120 0.2103 0.8087 -0.5868 0.0913 -0.5395]
[0030] b2＝[0.6769]；
[0031] 所述的神经网络模型的输出y＝o2；
[0032] 所述的第一采集电路实时采集爬架的前后倾角和左右倾角并传送给所述的中央处理器，所述的第二采集电路实时采集爬架的重力并传送给所述的中央处理器，所述的第三采集电路实时采集爬架的位置并传送给所述的中央处理器，所述的中央处理器将所述的爬架的位置变化转换为爬架的上升速度，所述的中央处理器分别将爬架的前后倾角、左右倾角、重力和上升速度四个参数采用转换函数 进行归一化处理，分别得到爬架的前后倾角归一化数据、爬架的左右倾角归一化数据、爬架的重力归一化数据和爬架的上升速度归一化数据，其中x*分别对应前后倾角、左右倾角、重力和上升速度四个参数的归一化数据；x分别对应爬架的前后倾角、左右倾角、重力和上升速度四个参数，max分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最大值，min分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最小值；将爬架的前后倾角归一化数据作为爬架的前后倾角检测数据xi1，爬架的左右倾角归一化数据作为爬架的左右倾角检测数据xi2，爬架的重力归一化数据作为爬架的重力检测数据xi3和爬架的上升速度归一化数据作为爬架的上升速度检测数据xi4输入到神经网络模型的输入层中，计算得到神经网络模型的输出y，如果y的取值小于0.60时，爬架状态为安全，所述的中央处理器驱动所述的安全指示灯发光；如果y的取值大于等于0.60且小于0.85时，爬架状态为警告，所述的中央处理器驱动所述的报警器发出警报；如果y的取值大于等于0.85且小于等于1时，爬架状态为危险，所述的中央处理器驱动所述的报警器发出警报的同时驱动所述的继电器断开使爬架停止运动。
[0033] 所述的中央处理器包括型号为STM32F103RBT6的第一芯片、型号为ULN2003的第二芯片、串口连接器、第一电阻、第二电阻、第三电阻、第四电阻、第一电容、第二电容、第三电容、晶振和开关，所述的第一芯片的PC1脚与所述的第三采集电路的输出端连接，所述的第一芯片的PC2脚和所述的第二采集电路的输出端连接，所述的第一芯片的PA9脚和PA10脚通过串口连接器与所述的第一采集电路连接，所述的第一芯片的PA3脚和所述的第二芯片的IN1脚通过所述的第一电阻连接，所述的第一芯片的PA2脚和所述的第二芯片的IN3脚通过所述的第二电阻连接，所述的第一芯片的PA1脚和所述的第二芯片的IN5脚通过所述的第三电阻连接，所述的第一芯片的VDD脚、VDDA脚和所述的第四电阻的一端连接且接入3.3V电压，所述的第四电阻的另一端、所述的第一芯片的NRST脚、所述的第一电容的一端和所述的开关的一端连接，所述的开关的另一端、所述的第一电容的另一端、所述的第一芯片的B00T0脚、BOOT1脚、VSS脚和VSSA脚均接地，所述的第一芯片的OSCIN脚、所述的第二电容的一端和所述的晶振的一端连接，所述的第一芯片的OSCOUT脚、所述的第三电容的一端和所述的晶振的另一端连接，所述的第二电容的另一端和所述的第三电容的另一端均接地，所述的第二芯片的COM脚接入24V电压。该结构具启动稳定，手动复位以及驱动能力强等优点。
[0034] 所述的第一采集电路包括倾角传感器，所述的倾角传感器安装在爬架上。
[0035] 所述的第二采集电路包括安装在爬架上的重力传感器和第一信号调理电路，所述的第一信号调理电路包括第五电阻、第六电阻、第四电容、第一二极管和第二二极管，所述的重力传感器、所述的第五电阻的一端和所述的第六电阻的一端连接，所述的第五电阻的另一端、所述的第四电容的一端、所述的第一二极管的阴极和所述的第二二极管的阳极连接且其连接端为所述的第二采集电路的输出端，所述的第六电阻的另一端、所述的第四电容的另一端和所述的第一二极管的阳极均接地，所述的第二二极管的阴极接入3.3V电压。该结构具有结构简单、稳定可靠、数据处理精度高等优点。
[0036] 所述的第三采集电路包括安装在爬架上的位置传感器和第二信号调理电路，所述的第二信号调理电路包括第七电阻、第八电阻、第五电容、第三二极管和第四二极管，所述的位置传感器、所述的第七电阻的一端和所述的第八电阻的一端连接，所述的第七电阻的另一端、所述的第五电容的一端、所述的第三二极管的阴极和所述的第四二极管的阳极连接且其连接端为所述的第三采集电路的输出端，所述的第八电阻的另一端、所述的第五电容的另一端和所述的第三二极管的阳极均接地，所述的第四二极管的阴极接入3.3V电压。该结构具有结构简单、稳定可靠、数据处理精度高等优点。
[0037] 所述的中央处理器还连接有存储电路，所述的存储电路包括型号为AT24C64的第三芯片、第九电阻和第十电阻,所述的第三芯片的A0脚、A1脚、A2脚、GND脚和WP脚均接地，所述的第三芯片的VCC脚、所述的第九电阻的一端和所述的第十电阻的一端连接且接入3.3V电压，所述的第九电阻的另一端、所述的第三芯片的SCL脚和所述的第一芯片的PB6脚连接，所述的第十电阻的另一端、所述的第三芯片的SDA脚和所述的第一芯片的PB7脚连接。
[0038] 所述的中央处理器还连接有用于和外部数据接收器进行通信的数据传输电路，所述的数据传输电路包括型号为SN65HVD230的CAN收发器、第十一电阻和第十二电阻，所述的CAN收发器的D脚和所述的第一芯片的PA12脚连接，所述的CAN收发器的R脚和所述的第一芯片的PA11脚连接，所述的CAN收发器的VCC脚接入3.3V电压,所述的CAN收发器的GND脚和RS脚均接地，所述的CAN收发器的CANH脚和所述的第十一电阻的一端连接，所述的CAN收发器的CANL脚和所述的第十二电阻的一端连接，所述的第十一电阻的另一端和所述的第十二电阻的另一端为所述的CAN收发器的输出端。该结构具有抗干扰能力强、传输距离远等优点。
[0039] 所述的中央处理器还连接有显示屏，所述的显示屏用于显示所述的中央处理器内的数据，所述的显示屏为点阵式的LCD显示屏，所述的第一芯片的PB8脚、PB9脚、PB10脚、PB11脚、PB12脚、PB13脚、PB14脚、PB15脚、PC0脚、PC3脚、PC4脚、PC5脚、PC6脚、PC7脚和PC8脚与所述的显示屏连接。该结构具有对比度可调，显示内容清晰等优点。
[0040] 与现有技术相比，本发明的装置的优点在于通过在中央处理器中设置神经网络模型，神经网络模型包括输入层、隐藏层和输出层，第一采集电路实时采集爬架的前后倾角和左右倾角并传送给中央处理器，第二采集电路实时采集爬架的重力并传送给中央处理器，第三采集电路实时采集爬架的位置并传送给中央处理器，中央处理器将爬架的前后倾角、左右倾角、重力和上升速度四个参数进行归一化处理后作为神经网络模型的输入数据输入到输入层中，神经网络的输入层、隐藏层和输出层按照设定的传输函数依次对数据进行处理得到神经网络模型的输出，该神经网络模型的输出即为爬架状态对应的指数值，根据爬架状态对应的指数值即可判定爬架的状态，该指数值全面考虑了运行速度异常、载荷超载或失载和爬架倾斜等危险状况，检测精度较高，全面准确把握爬架的状态，保证爬架的安全运作。
附图说明
[0041] 图1为本发明的神经网络模型的结构图；
[0042] 图2为本发明的爬架状态检测装置的原理框图；
[0043] 图3为本发明的爬架状态检测装置的电路；
[0044] 图4为本发明的爬架状态检测装置的工作流程图。
具体实施方式
[0045] 以下结合附图实施例对本发明的爬架状态检测方法作进一步详细描述。
[0046] 实施例一：如图1所示，一种爬架状态检测方法，包括以下步骤：
[0047] ①构建神经网络模型，神经网络模型包括输入层、隐藏层和输出层；
[0048] 输入层用于输入数据，输入层的输入向量为Xi＝[xi1 xi2 xi3 xi4]，其中，xi1表示爬架的前后倾角检测数据，xi2表示爬架的左右倾角检测数据，xi3表示爬架的重力检测数据，xi4表示爬架的上升速度检测数据；
[0049] 隐藏层包括十个神经元节点，隐藏层用于接收输入层的输入数据，隐藏层的神经元节点的传输函数为f1(x)，f1(x)为tansig函数， e为自然对数的底数，e＝1
2.718281828459；隐藏层的输出 其中W为隐藏层的权值矩阵，上标T表示
矩阵的转置，b1为隐藏层的阈值矩阵，W1和b1分别用矩阵的形式表示为：
[0050]
[0051] 输出层接收隐藏层输出，输出层包括一个神经元节点，输出层的神经元节点的传输函数为f2(x)，f2(x)为purelin函数，f2(x)＝x；输出层的输出o2＝f2(W2o1+b2)＝f2(W2f11 T 1 2 2 2 2
(WXi+b)+b)，W为输出层的权值矩阵，上标T表示矩阵的转置，b为输出层的阈值矩阵，W和b2分别用矩阵的形式表示为：
[0052] W2＝[-0.2282 1.1340 -0.6504 -0.1181 -0.0120 0.2103 0.8087 -0.5868 0.0913 -0.5395]
[0053] b2＝[0.6769]；
[0054] 神经网络模型的输出y＝o2；
[0055] ②实时采集并获取爬架的前后倾角、左右倾角、重力和上升速度四个参数；
[0056] ③通过转换函数 分别对步骤②获取的爬架的前后倾角、左右倾角、重力和上升速度四个参数进行归一化处理，分别得到爬架的前后倾角归一化数据、爬架的左右倾角归一化数据、爬架的重力归一化数据和爬架的上升速度归一化数据，其中x*分别对应前后倾角、左右倾角、重力和上升速度四个参数的归一化数据；x分别对应步骤②获取的爬架的前后倾角、左右倾角、重力和上升速度四个参数，max分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最大值，min分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最小值；
max和min由爬架的规格型号确定；每种规格型号的爬架都明确规定了爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度对应的max和min；
[0057] ④将爬架的前后倾角归一化数据作为爬架的前后倾角检测数据xi1，爬架的左右倾角归一化数据作为爬架的左右倾角检测数据xi2，爬架的重力归一化数据作为爬架的重力检测数据xi3和爬架的上升速度归一化数据作为爬架的上升速度检测数据xi4输入到神经网络模型的输入层中，计算得到神经网络模型的输出y；
[0058] ⑤对神经网络模型的输出y进行判决，判决函数如下：
[0059]
[0060] 如果y的取值小于0.60时，爬架状态为安全；如果y的取值大于等于0.60且小于0.85时，爬架状态为警告；如果y的取值大于等于0.85且小于等于1时，爬架状态为危险。
[0061] 本发明还提供了一种爬架状态检测装置，以下结合附图实施例对本发明的爬架状态检测方法作进一步详细描述。
[0062] 实施例一：如图1和图2所示，一种爬架状态检测装置，包括中央处理器、用于采集爬架前后倾角和左右倾角的第一采集电路，用于采集爬架重力的第二采集电路、用于采集爬架位置的第三采集电路、安全指示灯、继电器和报警器，中央处理器分别与第一采集电路、第二采集电路、第三采集电路、安全指示灯、继电器和报警器连接，中央处理器内设置有神经网络模型，神经网络模型包括输入层、隐藏层和输出层；
[0063] 输入层用于输入数据，输入层的输入向量为Xi＝[xi1 xi2 xi3 xi4]，其中，xi1表示爬架的前后倾角检测数据，xi2表示爬架的左右倾角检测数据，xi3表示爬架的重力检测数据，xi4表示爬架的上升速度检测数据；
[0064] 隐藏层包括十个神经元节点，隐藏层用于接收输入层的输入数据，隐藏层的神经元节点的传输函数为f1(x)，f1(x)为tansig函数， e为自然对数的底数，e＝2.718281828459；隐藏层的输出 W1为隐藏层的权值矩阵，上标T表示矩阵
的转置，b1为隐藏层的阈值矩阵，W1和b1分别用矩阵的形式表示为：
[0065]
[0066] 输出层接收隐藏层输出，输出层包括一个神经元节点，输出层的神经元节点的传输函数为f2(x)，f2(x)为purelin函数，f2(x)＝x；输出层的输出o2＝f2(W2o1+b2)＝f2(W2f1(W1XiT+b1)+b2)，W2为输出层的权值矩阵，b2为输出层的阈值矩阵，W2和b2分别用矩阵的形式表示为：
[0067] W2＝[-0.2282 1.1340 -0.6504 -0.1181 -0.0120 0.2103 0.8087 -0.5868 0.0913 -0.5395]
[0068] b2＝[0.6769]；
[0069] 神经网络模型的输出y＝o2；
[0070] 第一采集电路实时采集爬架的前后倾角和左右倾角并传送给中央处理器，第二采集电路实时采集爬架的重力并传送给中央处理器，第三采集电路实时采集爬架的位置并传送给中央处理器，中央处理器将爬架的位置变化转换为爬架的上升速度，中央处理器分别将爬架的前后倾角、左右倾角、重力和上升速度四个参数采用转换函数 进行归一化处理，分别得到爬架的前后倾角归一化数据、爬架的左右倾角归一化数据、爬架的重力归一化数据和爬架的上升速度归一化数据，其中x*分别对应前后倾角、左右倾角、重力和上升速度四个参数的归一化数据；x分别对应爬架的前后倾角、左右倾角、重力和上升速度四个参数，max分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最大值，min分别对应爬架的前后倾角、爬架的左右倾角、爬架的重力和爬架的上升速度四个参数能达到的最小值；将爬架的前后倾角归一化数据作为爬架的前后倾角检测数据xi1，爬架的左右倾角归一化数据作为爬架的左右倾角检测数据xi2，爬架的重力归一化数据作为爬架的重力检测数据xi3和爬架的上升速度归一化数据作为爬架的上升速度检测数据xi4输入到神经网络模型的输入层中，计算得到神经网络模型的输出y，如果y的取值小于0.60时，爬架状态为安全，中央处理器驱动安全指示灯发光；如果y的取值大于等于0.60且小于0.85时，爬架状态为警告，中央处理器驱动报警器发出警报；如果y的取值大于等于0.85且小于等于1时，爬架状态为危险，中央处理器驱动报警器发出警报的同时驱动继电器断开使爬架停止运动。
[0071] 本实施例中，如图3所示，中央处理器包括型号为STM32F103RBT6的第一芯片U1、型号为ULN2003的第二芯片U2、串口连接器P1、第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第一电容C1、第二电容C2、第三电容C3、晶振J1和开关S1，第一芯片U1的PC1脚与第三采集电路的输出端连接，第一芯片U1的PC2脚和第二采集电路的输出端连接，第一芯片U1的PA9脚和PA10脚通过串口连接器P1与第一采集电路连接，第一芯片U1的PA3脚和第二芯片U2的IN1脚通过第一电阻R1连接，第一芯片U1的PA2脚和第二芯片U2的IN3脚通过第二电阻R2连接，第一芯片U1的PA1脚和第二芯片U2的IN5脚通过第三电阻R3连接，第一芯片U1的VDD脚、VDDA脚和第四电阻R4的一端连接且接入3.3V电压，第四电阻R4的另一端、第一芯片U1的NRST脚、第一电容C1的一端和开关S1的一端连接，开关S1的另一端、第一电容C1的另一端、第一芯片U1的B00T0脚、BOOT1脚、VSS脚和VSSA脚均接地，第一芯片U1的OSCIN脚、第二电容C2的一端和晶振J1的一端连接，第一芯片U1的OSCOUT脚、第三电容C3的一端和晶振J1的另一端连接，第二电容C2的另一端和第三电容C3的另一端均接地，第二芯片U2的COM脚接入24V电压。
[0072] 本实施例中，如图3所示，第一采集电路包括倾角传感器，倾角传感器安装在爬架上。
[0073] 本实施例中，如图3所示，第二采集电路包括安装在爬架上的重力传感器和第一信号调理电路，第一信号调理电路包括第五电阻R5、第六电阻R6、第四电容C4、第一二极管和第二二极管，重力传感器、第五电阻R5的一端和第六电阻R6的一端连接，第五电阻R5的另一端、第四电容C4的一端、第一二极管的阴极和第二二极管的阳极连接且其连接端为第二采集电路的输出端，第六电阻R6的另一端、第四电容C4的另一端和第一二极管的阳极均接地，第二二极管的阴极接入3.3V电压。
[0074] 本实施例中，如图3所示，第三采集电路包括安装在爬架上的位置传感器和第二信号调理电路，第二信号调理电路包括第七电阻R7、第八电阻R8、第五电容C5、第三二极管和第四二极管，位置传感器、第七电阻R7的一端和第八电阻R8的一端连接，第七电阻R7的另一端、第五电容C5的一端、第三二极管的阴极和第四二极管的阳极连接且其连接端为第三采集电路的输出端，第八电阻R8的另一端、第五电容C5的另一端和第三二极管的阳极均接地，第四二极管的阴极接入3.3V电压。
[0075] 本实施例中，如图3所示，中央处理器还连接有存储电路，存储电路包括型号为AT24C64的第三芯片U3、第九电阻R9和第十电阻R10,第三芯片U3的A0脚、A1脚、A2脚、GND脚和WP脚均接地，第三芯片U3的VCC脚、第九电阻R9的一端和第十电阻R10的一端连接且接入3.3V电压，第九电阻R9的另一端、第三芯片U3的SCL脚和第一芯片U1的PB6脚连接，第十电阻R10的另一端、第三芯片U3的SDA脚和第一芯片U1的PB7脚连接。
[0076] 本实施例中，如图3所示，中央处理器还连接有用于和外部数据接收器进行通信的数据传输电路，数据传输电路包括型号为SN65HVD230的CAN收发器U4、第十一电阻R11和第十二电阻R12，CAN收发器U4的D脚和第一芯片U1的PA12脚连接，CAN收发器U4的R脚和第一芯片U1的PA11脚连接，CAN收发器U4的VCC脚接入3.3V电压,CAN收发器U4的GND脚和RS脚均接地，CAN收发器U4的CANH脚和第十一电阻R11的一端连接，CAN收发器U4的CANL脚和第十二电阻R12的一端连接，第十一电阻R11的另一端和第十二电阻R12的另一端为CAN收发器U4的输出端。
[0077] 本实施例中，如图3所示，中央处理器还连接有显示屏L1，显示屏L1用于显示中央处理器内的数据，显示屏L1为点阵式的LCD显示屏，第一芯片U1的PB8脚、PB9脚、PB10脚、PB11脚、PB12脚、PB13脚、PB14脚、PB15脚、PC0脚、PC3脚、PC4脚、PC5脚、PC6脚、PC7脚和PC8脚与显示屏L1连接。
[0078] 本实施例的一种爬架状态检测装置的工作过程为：倾角传感器获取爬架的前后倾角信号和左右倾角信号，前后倾角信号和左右倾角信号均是数字信号，通过串口连接器直接输到中央处理器中；重力传感器检测并获取爬架的重力信号，位置传感器检测并获取爬架的高度信号，重力信号和高度信号都是4‐20mA的电流信号，重力信号通过第一信号调理电路进行处理，第一信号调理电路将电流信号形式的重力信号转换成电压信号给中央处理器，高度信号通过第二信号调理电路进行处理，第二信号调理电路将电流信号形式的高力信号转换成电压信号给中央处理器，中央处理器计算高度的变化率，高度的变化率即为爬架的上升速度。中央处理器将爬架的前后倾角、左右倾角、重力和上升速度进行归一化处理，得到爬架的前后倾角归一化数据、爬架的左右倾角归一化数据、爬架的重力归一化数据和爬架的上升速度归一化数据。将爬架的前后倾角归一化数据作为爬架的前后倾角检测数据xi1，爬架的左右倾角归一化数据作为爬架的左右倾角检测数据xi2，爬架的重力归一化数据作为爬架的重力检测数据xi3和爬架的上升速度归一化数据作为爬架的上升速度检测数据xi4输入到神经网络模型的输入层中，神经网络模型的的隐藏层和输出层依次按照其传输函数进行计算，得到神经网络模型的输出y，最后根据y值的大小判定爬架状态，如果y的取值小于0.60时，爬架状态为安全，中央处理器驱动安全指示灯发光；如果y的取值大于等于0.60且小于0.85时，爬架状态为警告，中央处理器驱动报警器发出警报；如果y的取值大于等于0.85且小于等于1时，爬架状态为危险，中央处理器驱动报警器发出警报的同时驱动继电器断开使爬架停止运动。本实施例的爬架状态检测装置的具体工作过程如图4所示。
