一种液压爬模-砼布料机协同爬升装置的制作方法
本发明涉及建筑结构施工,尤其涉及一种液压爬模-砼布料机协同爬升装置。
背景技术:
1、在超高层建筑的核心筒结构施工中,液压爬模体系因其自动化程度高、安全可靠、施工速度快等优点,已得到广泛应用。然而,在实际工程中,混凝土浇筑作业所必需的砼布料机与液压爬模的协同配合长期存在以下技术难题:
2、首先,传统施工工艺中,砼布料机通常独立于爬模体系之外。每次浇筑作业前,均需依赖塔吊等垂直运输设备将布料机从地面吊运至作业平台并进行安装,此过程频繁占用塔吊资源,严重影响施工连续性,导致有效施工时间被大量占用,降低了整体施工效率。其次,超高层核心筒通常具有平面面积较小的结构特点,且液压爬模的上平台往往比核心筒水平楼板作业面高出至少一层楼的高度。这一空间错位导致砼布料机在平台上的活动范围极为受限,难以找到稳定、安全的落脚点,增加了设备布置的难度和操作风险。再者,为解决落脚点问题,现有技术中常将砼布料机直接安放于已绑扎的钢筋骨架或模板上。然而,布料机在作业及回转过程中产生的动荷载及冲击作用,极易导致钢筋发生塑性变形、位置偏移,或导致模板体系承受超限荷载,不仅影响结构成型质量,还可能引发模板支撑体系失稳等安全隐患。
3、针对上述问题,现有改进方案尝试在布料机下方设置独立钢平台,并将其与爬模系统进行连接。例如申请号cn202011435772.x的《一种液压爬模与布料机一体化装置及施工方法》,采用工字钢等常规型材搭建平台,节点多用螺栓连接以减少现场焊接量,从而实现快速安装。然而,这种静态连接方式未能解决布料机与爬模同步爬升的核心矛盾。若要实现二者协同爬升,必须采用一种可释放或可调节的连接方式,将布料机“挂”于爬模体系之上,使其能够随爬模一同顶升。
4、但实践中发现,液压爬模本身的多点同步爬升控制即为工程难题。由于液压系统及机械结构的固有特性,多榀爬模的顶升油缸不可避免地存在微量不同步现象,其累积误差可能转化为结构的扭曲变形、相邻榀架间的斜拉荷载、螺栓连接处的局部滑移,甚至导致预埋件周边混凝土出现微裂缝。当通过前述连接方式将砼布料机作为偏置动荷载附加于爬模体系后,问题进一步复杂化:布料机在爬升过程中自身的旋转、臂架姿态变化、受风荷载作用等均会产生动态、偏心的活荷载,与爬模固有的微小不同步运动相互耦合、叠加,极易诱发非线性的力学响应,严重威胁爬升过程的安全性与稳定性。
5、因此,如何在允许连接节点存在有限位移和转角的前提下,科学评估并有效控制偏移动荷载对爬模多点同步爬升系统的干扰,成为亟待解决的关键技术问题。现有技术中尚缺乏一套能够针对该特定工况,在爬升作业前及爬升过程中对安全裕度进行量化评估,并根据评估结果输出分级决策或预处理指令的智能化协同爬升控制方案。
技术实现思路
1、为实现上述目的,本发明提供一种液压爬模-砼布料机协同爬升装置,旨在解决超高层核心筒施工中,布料机拆装繁琐、无作业面、损伤钢筋模板以及协同爬升同步性控制难的技术难题。
2、一种液压爬模-砼布料机协同爬升装置,包括液压爬模平台、砼布料机、连接机构、传感监测模块和智能预警决策模块;
3、所述液压爬模平台,由多榀液压爬模单元构成,每榀液压爬模单元包括附墙支座、液压油缸、上承台及主横梁;在位于预设砼布料机站位区域的至少两榀相邻液压爬模单元的上承台下方,增设局部加强桁架;
4、所述砼布料机,包括底部基座、回转支承、臂架系统及配重,用于执行混凝土浇筑作业;
5、所述连接机构,用于将砼布料机的集中荷载传递至液压爬模平台,并允许在爬升过程中发生有限的相对位移和转角;所述连接机构包括上连接板、下连接板和至少三组竖向连杆组件;所述上连接板通过高强螺栓刚性固定于所述砼布料机的底部基座法兰盘;所述下连接板通过高强螺栓固定于液压爬模平台上的预留承重节点;
6、所述传感监测模块,包括连杆轴力单元、位移同步单元、姿态荷载单元和环境传感单元;所述连杆轴力单元由集成于安装于所述连接机构各竖向连杆组件上的拉压力传感器构成,用于实时输出各连杆的轴力值
f
1至
f
n,其中
n为连杆组件的数量;所述位移同步单元由布设于各榀爬模架体导轨与墙体之间的位移传感器构成,用于实时输出各爬升点的竖向位移偏差
d
i,并计算最大相对高差
h
max,即所有爬升点中最大竖向位移与最小竖向位移之差的绝对值;所述姿态荷载单元由安装于所述砼布料机回转支座的倾角传感器及回转编码器构成,用于实时输出臂架倾角
a
1和回转角度
a
2;所述环境传感单元,用于采集施工现场的风速
a
3及风向
a
4数据;最终形成当前时刻
t的实时特征向量
i(
t)=(
f
1,
f
2,
…,
f
n,
h
max,
a
1,
a
2,
a
3,
a
4);
7、所述智能预警决策模块与所述传感监测模块通过无线信号连接,用于输出协同爬升控制指令;所述智能预警决策模块内置有协同爬升安全裕度神经网络模型;模型输入层接收当前时刻
t的实时特征向量
i(
t)=(
f
1,
f
2,
…,
f
n,
h
max,
a
1,
a
2,
a
3,
a
4);模型的输出为综合安全裕度指标
k,无量纲,取值范围[0,1],
k值越大表示当前状态下协同爬升的安全性越高;
8、优选地,协同爬升安全裕度神经网络模型采用多层感知机架构,包括输入层、第一隐含层、第二隐含层及输出层;
9、输入层的节点数等于实时特征向量
i(
t)的维数;第一隐含层具有16个节点,激活函数为relu;第二隐含层具有8个节点,激活函数为relu;输出层为1个节点,激活函数为sigmoid,输出值即为
k;
10、优选地,协同爬升安全裕度神经网络模型的训练数据集通过仿真数据构建,利用有限元软件建立包含液压爬模平台、砼布料机、连接机构的参数化有限元模型;其中,液压爬模平台采用梁单元,连接机构中的弹性铰接头采用可释放自由度的连接单元,砼布料机自重及臂架荷载按集中力和力矩施加;材料本构为线弹性,风荷载为作用于迎风面的均布压力;针对多种爬模不同步状态、布料机姿态、风荷载条件的参数组合工况,形成不少于1000个工况,对每个工况进行有限元求解,提取以下三个指标:液压爬模平台最大应力与钢材屈服强度的比值
r
s、连接机构各连杆的最大轴力与其稳定许用轴力的比值
r
p、液压爬模平台的倾覆力矩与抗倾覆力矩的比值
r
t;定义结构稳定系数
r=1-max(
r
s,
r
p,
r
t),当
r<0时,表明已进入不安全状态;将
r映射至[0, 1]区间,得到有监督学习的真实标签
k
ture=clamp(
r, 0, 1),其中
k
ture越接近1,表示安全裕度越高;
11、随机将80%工况数据作为训练集,10%作为验证集,10%作为测试集;损失函数采用均方误差,优化器选用adam,初始学习率0.001,批量大小64,训练轮次200轮;训练过程中每5轮在验证集上计算损失,取验证损失最小的模型参数作为最终模型;训练好的模型固化到智能预警决策模块中。
12、优选地,在协同爬升作业过程中,传感监测模块持续采集实时特征向量
i(
t),输入协同爬升安全裕度神经网络模型,输出当前的综合安全裕度指标
k,根据
k值进行分级决策输出;
13、当
k≥
k
1时,判定为安全状态,允许爬升作业正常进行;
14、当
k
2≤
k<
k
1时,判定为预警状态,所述智能预警决策模块自动输出纠偏指令至液压控制系统,调整各油缸进油量以校正同步误差,同时限制所述砼布料机的回转速度及臂架幅度;
15、当
k<
k
2时,判定为危险状态,所述智能预警决策模块立即输出急停指令,切断爬升动力源,并锁定所述砼布料机的臂架姿态,禁止任何动作直至人工复位;
16、其中,
k
1、
k
2分别为第一阈值和第二阈值,根据规范要求确定。
17、综上所述,相较于现有技术,本发明具有以下有益效果:
18、1)实现了布料机与爬模的一体化协同爬升,大幅提升施工工效:通过设置在爬模平台上方的专用连接机构,彻底改变了传统布料机需反复拆卸、吊装、安装的作业模式;布料机可随液压爬模同步顶升,无需占用稀缺的塔吊资源进行单独吊运,显著缩短了施工间歇时间,保障了超高层建筑施工的连续性与快节奏,有效提升了核心筒的施工速度;
19、2)容差连接机构,自适应化解爬升不同步应力:所述连接机构具备物理容差能力,允许爬模各榀架体在存在微小不同步时,通过连接节点的柔性自适应调节释放内应力,避免了刚性连接导致的结构扭曲、节点滑移或预埋件处混凝土开裂,极大增强了体系的鲁棒性;
20、3)构建了基于神经网络的智能安全评估体系,实现风险前置管控:区别于传统的单一阈值报警,本发明引入了协同爬升安全裕度神经网络模型,该模型基于有限元仿真与实测数据训练,能够融合连杆轴力、爬升高差、臂架姿态及风荷载等多维参数,输出量化的综合安全裕度指标;这种数据驱动的方法能够精准捕捉爬升过程中的非线性力学响应,比传统的物理传感器报警更具前瞻性与准确性;
21、4)分级决策控制机制,平衡施工安全与进度基于实时输出的安全裕度,系统可执行三级分级决策;这种智能化的柔性控制策略,既守住了安全底线,又避免了因误报导致的频繁停工,优化了施工管理。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com