塔式起重機起重臂損傷診斷方法

汪玉玲，牛向輝

（甘肅建投裝備制造有限公司，甘肅蘭州 730050）

0 引言

隨著現代建筑業的迅速發展，塔式起重機行業快速擴張[1]，但同時塔式起重機也屬于事故多發的特種設備（圖1）。塔機事故給人民群眾的生命財產安全帶來極大的威脅，為了提高塔機的安全性，減少事故的發生，各級政府不僅出臺了各項塔機生產和使用標準，還組織成立了各種安全監管部門。雖然相關管理規定對塔機的生產使用做出了嚴格的要求，但是由于塔機的生產廠家良莠不齊，操作員安全意識不高，以及塔機自身復雜的結構和使用環境等原因，塔機的安全事故仍然無法完全杜絕[2]。

圖1 塔式起重機

損傷檢測最早出現于1960 年，隨著社會的進步與發展，現已較為成熟[3]。國內外對損傷診斷的研究都有重大進展，但是隨著各工程機械向全能化、復雜化、大型化和智能化的方向發展，損傷診斷也變得越來越復雜?，F在的損傷診斷不只是對檢測數據的簡單比較，而是對數據進行復雜的分析處理，得到更便于對比分析的特征信息。

起重臂損傷識別包括5 個階段[4]：①起重臂損傷的識別；②起重臂損傷位置的識別；③損傷類型的識別；④起重臂損傷嚴重性的識別；⑤起重臂剩余使用壽命及是否需要維修的判別。其中，識別起重臂是否出現未知損傷是這5 個階段中最基本的層次。

引起塔式起重機發生安全事故的原因有很多種，發生事故的根源就是塔機結構出現損傷，損傷的不斷積累最終導致整個結構的破壞，造成塔機事故[5]。如果能及時發現塔機結構出現的損傷，及時對結構損傷進行修復，將會避免大量的塔機事故[6]。本文基于國內外研究現狀，分析介紹塔式起重機起重臂損傷的診斷方法和應用場合及其特點，可為工程技術人員在施工現場對塔式起重機起重臂損傷的診斷提供理論依據。

1 塔式起重機起重臂損傷診斷的定義

起重臂損傷指其剛度下降、柔度上升，在模態條件下出現固有頻率下降，即起重臂固有形態遭到損壞。在起重臂損傷的現場診斷中，需明確判斷出起重臂損傷的位置和相關物理參數的改變。因為起重臂損傷是與正常起重臂作對比而言的，所以對起重臂損傷需要進行兩次或多次不同時刻的測試與診斷，對測試結果進行對比，以此判別起重臂不同時刻的相關物理參數，從而對起重臂具體損傷部位及損傷程度作出判斷。

2 起重臂損傷診斷的基本思路

塔式起重機起重臂的功能為承受豎向作用和水平作用，但其水平作用的影響更大，因此對起重臂的損傷診斷常常是對起重臂抵抗或經受水平作用的測試與診斷。

起重臂損傷診斷的關鍵是如何測試和判斷起重臂的實際狀況。首先要依據實際起重臂外形結構，正確選用起重臂力學模型，將起重臂形態的損傷診斷問題轉變成可借助數學模型處理的問題，基本思路如下：

（1）以環境干擾為輸入源，量測起重臂的脈動反應。

（2）依據起重臂的模態脈動響應，選用動力模態模型進行分析，判斷識別起重臂相關振動性能參數。

（3）依據步驟2 的起重臂實時動力模態，解出起重臂動力特征值的反向問題，以此來判斷識別起重臂的相關物理性能參數。

（4）依據起重臂剛度和柔度等相關物理性能參數的變化，判斷識別起重臂損傷的部位和損傷程度的高低。

（5）選擇實測的起重臂相關性能參數并對其進行可靠性評價，以此評價起重臂的實際可靠性等級。

3 塔式起重機起重臂損傷的診斷方法

起重臂損傷診斷的方法主要有以下4 種：①基于動力學特性的模態參數起重臂損傷診斷；②基于人工智能的起重臂損傷診斷；③基于模型修正的起重臂損傷診斷；④基于信號處理的起重臂損傷診斷。

3.1 基于動力學特性的模態參數起重臂損傷診斷

通過在起重臂的不同部位處安裝動力響應傳感器，對起重臂動力響應相關參數進行測量，建立起重臂物理、模態二者參數相對應關系，組成與之相應的起重臂損傷判斷識別目標，可以以此對起重臂損傷進行判斷識別[7]。

對起重臂損傷而引起的頻率變化進行相關研究，使用理論頻率和起重臂自振頻率對比，判別起重臂損傷部位及其損傷的程度。但該方法受一定條件約束，原因是起重臂自振頻率為全局變量，當起重臂出現不同程度的損傷時極有可能會造成起重臂自振頻率呈現一樣的變化，因此此種測量方法只能明確損傷程度，但難以準確給出具體位置，且此重臂損傷對其自振頻率變化造成的影響并不明顯，故在對起重臂微小損傷進行判別時較為困難[8]。在Stubbs 方法的基礎上進行改進，但在識別重度損傷時效果不好。

基于動力學特性的起重臂損傷診斷主要為借助起重臂的動力響應對起重臂運行狀況進行判斷識別，這種起重臂損傷診斷所受約束條件較少，只有極少數情況下受到一定約束，該測量方法簡單、便捷、經濟，工程上應用較為廣泛[9]。

3.2 基于人工智能的起重臂損傷診斷

人工智能對起重臂的損傷診斷方法較多，主要有人工免疫算法、支持向量機、遺傳算法和神經網絡法等。借助模態應變能改變和應變能耗散之間的聯系對桁架結構進行定位判別，并根據人工免疫算法對待診結構損傷位置進行深入的定位和定量分析與驗證，從而證實了人工免疫算法的可行性。支持向量機是一種新型學習機器，是一種新興的機器學習技術，在機器設備損傷診斷判別方面效果較為理想[10]。

對起重臂損傷診斷的理論是將小波包進行分解從而構造出的能量變化率作為起重臂損傷診斷測量的特征向量，然后對小波包的理論實施步驟進行了闡述，最后采用aiNet 免疫網絡算法對起重臂損傷的具體位置和損傷程度進行了判別。由此可看出基于人工智能的方法對起重臂具體位置和損傷程度診斷較為精確，但同時也有一定缺陷，比如運用神經網絡法對起重臂損傷的識別受制于較多外界因素，相關參數的確定、損傷診斷用判別指針的構造等均會對起重臂損傷判別的結果造成不可忽略的影響。而且該方法專業性強、測量費用昂貴、測量通用性差，所以只有在特殊情況下才會選用[11]。

3.3 基于模型修正的起重臂損傷診斷

模型修正主要指借助有限元工具對起重臂損傷進行分析判別時，需要對一些待診主體（如起重臂的邊界條件和材料特性等）進行一定的假設、簡化，這就不可避免地使所選模型與起重臂實際情況之間產生一定的偏差[12]。所以一般在所選模型建立后，會將實測結果與所選模型做對比和驗證，并對所選模型與起重臂實測值之間存在的偏差原因及偏差產生的位置進行判別分析，進而對所選模型進行修正。

借助特征值矩陣將殘余力方程同最小秩修正法聯系在一起，能夠較為理想地處理所選用的模態個數須等于剛度攝動矩陣的秩這一難題，最后通過最小秩修正法以求得空間桁架結構的損傷部位及損傷狀況，并對其損傷原因進行判別。用空間桁架結構體系對所選的最小秩修正法進行核驗，證實所選最小秩修正法是能夠精確診斷桁架結構損傷，結果可靠[13]。

也有學者提出了混合識別方法，對起重臂的質量和剛性矩陣進行調整來對起重臂損傷進行診斷判別[14-15]。目前雖然通過模型修正方法對起重臂損傷進行判別已取得一些成效，但仍存在一些問題。采用最優矩陣修正判別損傷時難以準確識別單元結構參數，且該方法理論性較強，需要培訓專業的技術人員，成本較高，在工程中采用較少。

3.4 基于信號處理的起重臂結構損傷診斷

信號處理是對模擬信號和實際進行處理的統稱，主要由信號放大、去噪、濾波和線性變換等組成?；跀祿姆椒ㄊ菍ζ鹬乇鄣恼駝禹憫M行比較，或通過損傷敏感參數對起重臂損傷進行診斷判別。通過將待診結構損傷檢測標準模型和自回歸滑動平均模型相結合，解出所建模型前三階系數的代數組合作為待診結構損傷的敏感因子，并對該模型損傷辨識進行試驗驗證，結果表明該方法在識別結構損傷時是有效和可行的[16]。通過時間序列模型對結構損傷特征參數的求解，提出結構損傷預警方法[17]。以待測結構未損傷時的原始數據為基礎建立ARMA 模型，采用原始未損傷狀態和待診工況的殘差之比作為損傷診斷的指標，有效地實現了結構損傷預警[18]。

借助信號處理的結構損傷識別中的時間序列分析方法在起重臂損傷診斷檢測中同樣適用，且無需通過大量的數據集對模型進行驗證，該方法測量結果精確，且簡單、方便，工程實際中也常常采用。

4 結束語

目前，建筑施工行業的安全形勢依然不容樂觀，起塔式起重機起重臂結構損傷引起的安全事故會造成重大人員傷亡和經濟損失。本文總結梳理了塔式起重機起重臂結構損傷的診斷方法，并對損傷診斷方法的特點進行比較，指出其適用場合，對推動塔式起重機起重臂準確診斷，確保安全施工起到積極作用，為工程技術人員提供理論參考。