[发明专利]一种基于滑轮轴的缆索拉力监测系统

权利要求书

1.一种基于滑轮轴的缆索拉力监测系统，其特征在于，包括滑轮轴组件和应力传感器，所述滑轮轴组件包括滑轮轴和安装在所述滑轮轴上的滑轮，缆索缠绕在所述滑轮上，所述滑轮轴上开设有通孔；

建立所述滑轮轴组件的三维等效模型并进行有限元分析，确定所述通孔的内表面上的各个有限元网格节点处的应力数据集，每个有限元网格节点处的应力数据集包括所述有限元网格节点在N个不同的加载力下的应力值，根据各个有限元网格节点处的应力数据集及任意两个有限元网格节点处的应力数据集之间的Pearson相关系数从所有有限元网格节点中筛选出监测测量点，在每个所述监测测量点处布置一个所述应力传感器；

在缆索上施加n个在预定载荷范围内的不同大小的加载力，在每个加载力下分别采集各个应力传感器的应力测量值得到样本集，利用向量化处理后的所述样本集对神经网络模型进行训练得到模型参数，并构建得到拉力监测模型；

在所述滑轮轴组件的工作过程中，采集各个应力传感器的应力测量值得到实测数据集，将向量化处理后的实测数据集输入所述拉力监测模型得到对应的缆索拉力。

2.根据权利要求1所述的系统，其特征在于，所述根据各个有限元网格节点处的应力数据集及任意两个有限元网格节点处的应力数据集之间的Pearson相关系数从所有有限元网格节点中筛选出监测测量点，包括：

确定初始的选取数据集包括所有有限元网格节点处的应力数据集；

从所述选取数据集中选取最大的应力数据集对应的有限元网格节点作为监测测量点；

将所述选取数据集中与最大的应力数据集之间的Pearson相关系数达到预定相关系数的应力数据集对应的有限元网格节点删除，得到更新后的选取数据集；

针对所述选取数据集再次执行所述从所述选取数据集中选取对应的应力数据集最大的有限元网格节点作为监测测量点的步骤，直至所述选取数据集为空。

3.根据权利要求1所述的系统，其特征在于，任意两个有限元网格节点处的应力数据集之间的Pearson相关系数的计算公式为：

r为任意两个有限元网格节点处的应力数据集X和Y之间的Pearson相关系数，j为参数，X_j表示应力数据集X中在第j个加载力下的应力值，Y_j表示应力数据集Y中在第j个加载力下的应力值，表示应力数据集X中所有应力值的平均值，表示应力数据集Y中所有应力值的平均值。

4.根据权利要求1所述的系统，其特征在于，所述利用向量化处理后的所述样本集对神经网络模型进行训练得到模型参数，包括：

将向量化处理后的所述样本集作为模型输入值输入神经网络模型得到对应的模型输出值；

根据所述模型输入值和模型输出值计算得到对应的损失函数；

根据所述损失函数和所述神经网络模型中第i层网络的网络参数计算得到第i层网络的误差值，利用第i层网络的误差值对所述第i层网络的网络参数进行更新，i为参数；

对每一层网络的网络参数更新后得到迭代更新后的神经网络模型，并对迭代更新后的神经网络模型执行所述将向量化处理后的所述样本集作为输入值输入神经网络模型得到对应的输出值的步骤，直至达到迭代终止条件。

5.根据权利要求4所述的系统，其特征在于，所述根据所述损失函数和所述神经网络模型中第i层网络的网络参数计算得到第i层网络的误差值，利用第i层网络的误差值对所述第i层网络的网络参数进行更新，包括：

通过链式求导法计算所述损失函数J和第i层网络的网络参数H^[i]之间的偏导数作为第i层网络的误差值；

按照公式对第i层网络的网络参数进行更新。