[发明专利]一种爬架状态检测方法与装置

权利要求书

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X_i＝[x_i1x_i2x_i3x_i4]，其中，x_i1表示爬架的前后倾角检测数据，x_i2表示爬架的左右倾角检测数据，x_i3表示爬架的重力检测数据，x_i4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o¹＝f¹(W¹X_i+b¹)，W¹为隐藏层的权值矩阵，b¹为隐藏层的阈值矩阵W¹和b¹分别用矩阵的形式表示为：

W1=-0.32901.22181.5006-1.77211.57662.0796-0.33781.2762-1.39632.03771.0553-0.09330.5171-1.1421-2.15310.05160.7115-2.0526-0.71480.8770-1.1318-1.05891.3160-1.54922.29700.61860.20140.27241.87790.77001.12101.18821.4316-0.87761.0559-1.4354-1.1183-1.2453-1.45200.3960b1=2.32121.45001.4612-0.8534-0.2558-0.63290.98951.56541.9879-2.7409;]]>

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o²＝f²(W²o¹+b²)＝f²(W²f¹(W¹X_i+b¹)+b²)，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：

W²＝[-0.22821.1340-0.6504-0.1181-0.01200.21030.8087-0.58680.0913-0.5395]

b²＝[0.6769]；

所述的神经网络模型的输出y＝o²；

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x_i1，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x_i2，爬架的重力归一化数据作为爬架的重力检测数据x_i3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x_i4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；

⑤对神经网络模型的输出y进行判决，判决函数如下：

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。