起重机稳定性分析方法、起重机防倾覆控制方法及装置与流程

1.本发明涉及工程机械技术领域，尤其涉及一种起重机稳定性分析方法、起重机防倾覆控制方法及装置。


背景技术：

2.起重机由于其起重量大、可带载行走、作业灵活等优点而被广泛用于风电、冶金等领域。由于起重机结构的特殊性以及作业环境的复杂性，作业过程中极易引发倾覆事故。
3.现有起重机倾覆预测方法无法准确预判潜在的倾覆风险，从而无法保证起重机作业过程中的安全性。


技术实现要素：

4.针对现有技术存在的问题，本发明提供一种起重机稳定性分析方法、起重机防倾覆控制方法及装置。
5.本发明提供一种起重机稳定性分析方法，包括：
6.获取风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据；
7.将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
8.根据本发明提供的起重机稳定性分析方法，所述数字孪生模型包括风载荷分析模型和联合分析模型；
9.所述将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果，包括：
10.将所述风力参数实时数据输入至所述风载荷分析模型，得到所述起重机的臂架所受的实时风载荷；
11.将所述实时风载荷、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至所述联合分析模型，得到所述起重机的稳定性分析结果。
12.根据本发明提供的起重机稳定性分析方法，所述风载荷分析模型是基于以下步骤获得的：
13.获取第一输入历史数据集和当前工况下所述起重机的臂架组合三维模型；所述第一输入历史数据集包括风力参数历史数据；
14.基于所述第一输入历史数据集和所述臂架组合三维模型，获取第一输出历史数据集；所述第一输出历史数据集包括所述第一输入历史数据集中各数据对应的风载荷；
15.将所述第一输入历史数据集、所述臂架组合三维模型和所述第一输出历史数据集输入至第一降阶模型，以对所述第一降阶模型进行训练，得到所述风载荷分析模型。
16.根据本发明提供的起重机稳定性分析方法，所述联合分析模型是基于以下步骤获
得的：
17.获取第二输入历史数据集和当前工况下所述起重机的整机三维模型；所述第二输入历史数据集包括地面状态参数历史数据、运动状态参数历史数据以及风载荷历史数据；
18.基于所述第二输入历史数据集和所述整机三维模型，获取第二输出历史数据集；所述第二输出历史数据集包括所述第二输入历史数据集中各数据对应的稳定性分析结果；
19.将所述第二输入历史数据集、所述整机三维模型和所述第二输出历史数据集输入至第二降阶模型，以对所述第二降阶模型进行训练，得到所述联合分析模型。
20.本发明还提供一种起重机防倾覆控制方法，包括：
21.获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一种所述的起重机稳定性分析方法获得的；
22.确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；
23.基于所述安全余量对所述起重机进行防倾覆控制。
24.根据本发明提供的起重机防倾覆控制方法，所述基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量，包括：
25.对所述运动状态参数实时数据进行迭代放大处理，直到放大处理后的所述运动状态参数实时数据对应的稳定性分析结果为倾覆；其中，放大处理后的所述运动状态参数实时数据对应的稳定性分析结果是将放大处理后的所述运动状态参数实时数据输入至所述数字孪生模型得到的；
26.基于放大处理后的所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量。
27.本发明还提供一种起重机稳定性分析装置，包括：
28.第一数据获取模块，用于获取风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据；
29.稳定性分析模块，用于将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
30.本发明还提供一种起重机防倾覆控制装置，包括：
31.第二数据获取模块，用于获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一种所述的起重机稳定性分析方法获得的；
32.计算模块，用于确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；
33.防倾覆控制模块，用于基于所述安全余量对所述起重机进行防倾覆控制。
34.本发明还提供一种起重机防倾覆控制系统，包括：
35.起重机稳定性分析系统，用于获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一种所述的起重机稳定性分析方法获得的；
36.控制单元，用于确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；还用于基于所述安全余量对所述起重机进行防倾覆控制。
37.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任一种所述的起重机稳定性分析方法或起重机防倾覆控制方法。
38.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上任一种所述的起重机稳定性分析方法或起重机防倾覆控制方法。
39.本发明提供的起重机稳定性分析方法、起重机防倾覆控制方法及装置，通过将风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据输入至预先训练好的数字孪生模型，得到起重机的稳定性分析结果，根据稳定性分析结果能够实时准确地对起重机进行倾覆风险预判；在稳定性分析结果为安全时，基于运动状态参数实时数据确定起重机的运动状态的安全余量，并根据安全余量对起重机进行防倾覆控制，能够有效避免起重机发生倾覆，提高了作业过程中人员和起重机的安全性。
附图说明
40.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1是本发明提供的起重机稳定性分析方法的流程示意图；
42.图2是本发明提供的起重机防倾覆控制方法的流程示意图；
43.图3是本发明提供的安全余量确定方法的流程示意图；
44.图4是本发明提供的起重机稳定性分析装置的结构示意图；
45.图5是本发明提供的起重机防倾覆控制装置的结构示意图；
46.图6是本发明提供的起重机稳定性分析系统的结构示意图；
47.图7是本发明提供的起重机防倾覆控制系统的结构示意图之一；
48.图8是本发明提供的起重机防倾覆控制系统的结构示意图之二；
49.图9是本发明提供的电子设备的结构示意图。
具体实施方式
50.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.下面结合图1描述本发明的起重机稳定性分析方法。本发明起重机稳定性分析方法由计算机等电子设备或其中的硬件和/或软件执行。如图1所示，本发明起重机稳定性分析方法包括：
52.s110、获取风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据。
53.具体地，本发明起重机稳定性分析方法应用于起重机作业过程中的倾覆风险预
判，起重机诸如履带式起重机、轮胎起重机等。风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据分别为根据风力参数、地面状态参数以及起重机的运动状态参数实时采集的数据。风力参数、地面状态参数以及起重机的运动状态参数的具体类别可以根据实际需求进行设定，例如，风力参数可以包括风力和风向，地面状态参数可以包括地面的坡度和刚度，起重机的运动状态参数可以包括位移量、速度和加速度。风力参数实时数据可以包括臂头以及主机处的风力和风向，通过设置在臂头位置与驾驶室顶部的风力传感器实时采集。地面状态参数实时数据可以通过电子坡度检测装置和地面刚度检测装置实时采集。起重机的运动状态参数实时数据可以通过加速度传感器、位移传感器和姿态传感器进行实时采集，其中，加速度传感器设置在吊钩处，用于监测吊钩运行过程中重物产生的惯性力；位移传感器设置在起重机各部件的重心附近，用于监测各部件的重心位置变化；姿态传感器设置在转台臂头位置，用于实时监测整机工作姿态。
54.该步骤中，还可以获取起重机的结构状态参数实时数据；结构状态参数实时数据可以包括：臂架的长度、臂架与地面的夹角、起重机配重以及起重机总重。起重机的不同工况下具有不同的结构状态参数数据，可以根据起重机的结构状态参数实时数据获取起重机的当前工况。
55.s120、将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
56.具体地，数字孪生模型可以是根据起重机的三维模型，在仿真软件中搭建得到的。起重机的不同工况可以对应不同的数字孪生模型，即，数字孪生模型与起重机的工况一一对应。可以根据起重机的结构状态参数实时数据确定起重机的当前工况，并根据起重机的当前工况，从预先训练好的多个数字孪生模型中确定与起重机的当前工况相对应的数字孪生模型，以获取起重机的稳定性分析结果。
57.传统倾覆预测方法通常根据倾覆相关的影响因素的实测值与临界值的相似度进行倾覆风险预判，无法实时反馈各影响因素对起重机作业过程中的稳定性影响，进而无法对潜在的倾覆风险进行预判，即，传统倾覆预测方法无法保证倾覆风险预判结果的实时性和准确性。
58.本发明实施例数字孪生模型能够根据输入的风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据，以起重机各部件的实际空间参数和空间拓扑关系为基础，对起重机进行稳定性分析，充分考虑了环境因素以及起重机的运动状态对整机稳定性的影响，能够实时准确地得到起重机的稳定性分析结果。
59.其中，稳定性分析结果可以根据实际需求进行设定，例如，可以包括安全和倾覆。
60.由此可见，本发明实施例通过将风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据输入至预先训练好的数字孪生模型，得到起重机的稳定性分析结果，根据稳定性分析结果能够实时准确地对起重机进行倾覆风险预判，从而能够有效保证起重机作业过程中的安全性。
61.基于上述实施例，所述数字孪生模型包括风载荷分析模型和联合分析模型；
62.所述将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果，包括：
63.将所述风力参数实时数据输入至所述风载荷分析模型，得到所述起重机的臂架所受的实时风载荷；
64.将所述实时风载荷、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至所述联合分析模型，得到所述起重机的稳定性分析结果。
65.具体地，风载荷分析模型用于根据风力参数实时数据获取起重机的臂架所受的实时风载荷；联合分析模型用于根据实时风载荷、地面状态参数实时数据以及运动状态参数实时数据，获取起重机的稳定性分析结果。
66.其中，风载荷分析模型可以是根据起重机的臂架的三维模型，在仿真软件中搭建得到的；联合分析模型可以是根据起重机的整机的三维模型，在仿真软件中搭建得到的。
67.本发明实施例通过将风力参数实时数据输入至风载荷分析模型得到起重机臂架所受的实时风载荷，并将实时风载荷、地面状态参数实时数据以及运动状态参数实时数据输入至联合分析模型，能够有效提高稳定性分析结果的可靠性。
68.基于上述任一实施例，所述风载荷分析模型是基于以下步骤获得的：
69.获取第一输入历史数据集和当前工况下所述起重机的臂架组合三维模型；所述第一输入历史数据集包括风力参数历史数据；
70.基于所述第一输入历史数据集和所述臂架组合三维模型，获取第一输出历史数据集；所述第一输出历史数据集包括所述第一输入历史数据集中各数据对应的风载荷；
71.将所述第一输入历史数据集、所述臂架组合三维模型和所述第一输出历史数据集输入至第一降阶模型，以对所述第一降阶模型进行训练，得到所述风载荷分析模型。
72.具体地，风力参数历史数据为风力参数对应的历史时刻的数据。臂架组合三维模型可以包括臂节的型号、臂节的排列方式等，不同的工况臂架组合三维模型也不相同，可以根据起重机的不同工况，分别搭建相应的数字孪生模型，在进行稳定性预测的过程中，根据当前的工况来选择相应的数字孪生模型进行稳定性分析。
73.其中，风载荷分析模型的搭建和训练过程可以在分析软件中进行，分析软件的具体类型该处不做具体限定，可以实现风载荷的求解即可，例如，可以为ansys平台的fluent软件。风载荷分析模型的训练过程中，可以将臂架组合三维模型输入至分析软件，以作为臂架流场分析模型，将风速和风向等风力参数历史数据作为边界条件，即可调用相应的求解器求解得到各风力参数历史数据对应的风载荷，从而得到第一输出历史数据集。
74.在得到第一输出历史数据集后，进一步将第一输入历史数据集、臂架组合三维模型和第一输出历史数据集输入至第一降阶模型，自动进行机器学习，以对第一降阶模型进行训练，训练好的第一降阶模型即实现了三维模型的降阶处理。通过降阶处理，能够有效提高风载荷的计算效率，且降低了风载荷分析模型的存储空间。
75.其中，第一降阶模型可以采用ansys平台中twinbuilder模块的 rom(reduced order modeling，降阶模型)，twinbuilder模块支持三种主要的rom，线性rom、非线性静态rom和非线性动态rom，本发明实施例中可以采用非线性动态rom，从而得到一个动态的降阶模型，将第一输入历史数据集、臂架组合三维模型和第一输出历史数据集输入至非线性动态rom，即可自动进行机器学习，以得到训练好的风载荷分析模型。
76.基于上述任一实施例，所述联合分析模型是基于以下步骤获得的：
77.获取第二输入历史数据集和当前工况下所述起重机的整机三维模型；所述第二输
入历史数据集包括地面状态参数历史数据、运动状态参数历史数据以及风载荷历史数据；
78.基于所述第二输入历史数据集和所述整机三维模型，获取第二输出历史数据集；所述第二输出历史数据集包括所述第二输入历史数据集中各数据对应的稳定性分析结果；
79.将所述第二输入历史数据集、所述整机三维模型和所述第二输出历史数据集输入至第二降阶模型，以对所述第二降阶模型进行训练，得到所述联合分析模型。
80.具体地，地面状态参数历史数据为地面状态参数对应的历史时刻的数据；运动状态参数历史数据为运动状态参数对应的历史时刻的数据；风载荷历史数据为根据风力参数历史数据所确定的风载荷，可以将风力参数历史数据输入至训练好的风载荷分析模型，以得到风载荷历史数据。起重机的整机三维模型是由起重机的各组成部件构成的三维模型，不同的工况下整机三维模型也不相同，可以根据不同的工况，分别搭建相应的整机三维模型。
81.其中，联合分析模型的搭建和训练过程可以在分析软件中进行，分析软件的具体类型该处不做具体限定，任何可以进行运动学或动力学分析的软件均适用。在联合分析模型的训练过程中，可以将整机三维模型导入到分析软件中，将地面状态参数历史数据、运动状态参数历史数据以及风载荷历史数据作为边界条件，调用相应的求解器求解起重机与地面的接触力，从而能够根据接触力的大小确定起重机的稳定性。
82.基于求解得到的起重机与地面的接触力构建第二输出历史数据集，并将第二输入历史数据集、整机三维模型和第二输出历史数据集输入至第二降阶模型，自动进行机器学习，以对第二降阶模型进行训练，训练好的第二降阶模型即实现了三维模型的降阶处理，通过降阶处理，能够有效提高接触力的计算效率，且降低了联合分析模型的存储空间。
83.其中，第二降阶模型可以采用ansys平台中twinbuilder模块的 rom，rom可以为非线性动态rom，从而得到一个动态的降阶模型，将第二输入历史数据集、整机三维模型和第二输出历史数据集输入至非线性动态rom，即可自动进行机器学习，以得到训练好的联合分析模型。
84.下面结合图2至图3描述本发明的起重机防倾覆控制方法。本发明起重机防倾覆控制方法由计算机等电子设备或其中的硬件和/或软件执行。如图2所示，本发明起重机防倾覆控制方法包括：
85.s210、获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一实施例所述的起重机稳定性分析方法获得的；
86.s220、确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；
87.s230、基于所述安全余量对所述起重机进行防倾覆控制。
88.具体地，将风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据输入至数字孪生模型，得到的稳定性分析结果为倾覆时，可以发出预警，并生成控制指令，以控制起重机暂停作业，在稳定性分析结果为安全时，可以进一步确定起重机的运动状态的安全余量。起重机的运动状态的安全余量，即在起重机当前运动状态的基础上，还可以增加的量。基于运动状态参数实时数据确定安全余量的方法可以根据实际需求进行设定，例如，可以获取当前环境状态下运动状态参数的临界值，根据运动状态参数的临界值与运动状态参数实时数据的差值，确定起重机的运动状态的安全余量。临界值的获取方法
可以根据实际需求进行设定，可以是预先设定好的，也可以是根据风力参数实时数据、地面状态参数实时数据，通过数字孪生模型模拟得到的。
89.根据安全余量对起重机进行防倾覆控制的具体方式可以根据实际需求进行设定，例如，根据操作人员的操作指令，起重机的运动状态超出安全余量时，可以发出预警，并生成控制指令，以根据安全余量对起重机的动作进行限制，以使得起重机的运动状态小于或等于相应的临界值。
90.本发明实施例在稳定性分析结果为安全时，基于运动状态参数实时数据确定起重机的运动状态的安全余量，并根据安全余量对起重机进行防倾覆控制，能够有效避免起重机发生倾覆，提高了作业过程中人员和起重机的安全性。
91.基于上述任一实施例，所述基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量，包括：
92.对所述运动状态参数实时数据进行迭代放大处理，直到放大处理后的所述运动状态参数实时数据对应的稳定性分析结果为倾覆；其中，放大处理后的所述运动状态参数实时数据对应的稳定性分析结果是将放大处理后的所述运动状态参数实时数据输入至所述数字孪生模型得到的；
93.基于放大处理后的所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量。
94.具体地，对运动状态参数实时数据进行迭代放大处理的具体方式可以根据实际需求进行设定，例如，可以按照预设步长对运动状态参数实时数据进行迭代放大处理，预设步长可以根据实际需求进行设定。
95.基于放大处理后的运动状态参数数据确定起重机的运动状态的安全余量的具体方式可以根据实际需求进行设定，例如，稳定性分析结果为倾覆时，将前一轮迭代中运动状态参数实时数据的放大结果作为运动状态参数的临界值，并将临界值与运动状态参数实时数据的初始值的差值作为安全余量。
96.传统的起重机防倾覆控制方法通常通过传感器实时测量起重机运动状态参数数据，并根据预先设置的倾覆边界值来确定安全余量，或确定由不同的操作和/或影响变量的可能变化导致的整体重心的可能偏移量，根据整体重心的可能偏移量来确定整体重心位置的临界值，并基于该临界值对起重机进行防倾覆控制。由于倾覆边界值或整体重心的偏移量并非来自物理实体的实际测量，而是由有经验的操作人员根据经验获得并输入至控制器的，存在较大的误差和不确定性，且无法保证输入至控制器的边界值与起重机当前的作业环境相匹配，从而在根据输入的临界值对起重机进行防倾覆控制的过程中，无法有效避免起重机发生倾覆，具有较大的安全隐患。
97.本发明实施例基于放大处理后的运动状态参数实时数据对应的稳定性分析结果确定起重机运动状态参数的临界值，且所得到的临界值是在当前的环境状态下通过数字孪生模型模拟得到的，保证了临界值的实时性和准确性，且得到的临界值能够与起重机当前的作业环境相匹配，在得到临界值后，根据临界值确定起重机的运动状态的安全余量，进一步保证了安全余量的计算结果的可靠性，从而根据安全余量对起重机进行防倾覆控制的过程中，能够有效避免起重机发生倾覆，提高了起重机作业的安全性。
98.作为一种可选的实施方式，基于运动状态参数实时数据确定起重机的运动状态的
安全余量的方法如图3所示，包括：
99.s310、对运动状态参数的当前值进行放大处理，并将运动状态参数的当前值的放大结果、实时风载荷以及地面状态参数实时数据输入至联合分析模型，得到起重机的稳定性分析结果；
100.s320、判断起重机的稳定性分析结果是否为倾覆；是，则执行步骤s340，否，则执行步骤s330；
101.s330、将运动状态参数的当前值的放大结果作为运动状态参数的当前值，并执行步骤s310；
102.s340、基于运动状态参数的当前值与运动状态参数实时数据的初始值的差值，确定起重机的运动状态的安全余量；例如，可以直接将差值作为安全余量，也可以对差值进行修正后作为安全余量。
103.下面对本发明提供的起重机稳定性分析装置进行描述，下文描述的起重机稳定性分析装置与上文描述的起重机稳定性分析方法可相互对应参照。如图4所示，本发明起重机稳定性分析装置包括：
104.第一数据获取模块410，用于获取风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据；
105.稳定性分析模块420，用于将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
106.基于上述实施例，所述数字孪生模型包括风载荷分析模型和联合分析模型；
107.所述稳定性分析模块420具体用于：
108.将所述风力参数实时数据输入至所述风载荷分析模型，得到所述起重机的臂架所受的实时风载荷；
109.将所述实时风载荷、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至所述联合分析模型，得到所述起重机的稳定性分析结果。
110.基于上述任一实施例，还包括第一模型搭建模块，所述第一模型搭建模块具体用于：
111.获取第一输入历史数据集和当前工况下所述起重机的臂架组合三维模型；所述第一输入历史数据集包括风力参数历史数据；
112.基于所述第一输入历史数据集和所述臂架组合三维模型，获取第一输出历史数据集；所述第一输出历史数据集包括所述第一输入历史数据集中各数据对应的风载荷；
113.将所述第一输入历史数据集、所述臂架组合三维模型和所述第一输出历史数据集输入至第一降阶模型，以对所述第一降阶模型进行训练，得到所述风载荷分析模型。
114.基于上述任一实施例，还包括第二模型搭建模块，所述第二模型搭建模块具体用于：
115.获取第二输入历史数据集和当前工况下所述起重机的整机三维模型；所述第二输入历史数据集包括地面状态参数历史数据、运动状态参数历史数据以及风载荷历史数据；
116.基于所述第二输入历史数据集和所述整机三维模型，获取第二输出历史数据集；所述第二输出历史数据集包括所述第二输入历史数据集中各数据对应的稳定性分析结果；
117.将所述第二输入历史数据集、所述整机三维模型和所述第二输出历史数据集输入至第二降阶模型，以对所述第二降阶模型进行训练，得到所述联合分析模型。
118.下面对本发明提供的起重机防倾覆控制装置进行描述，下文描述的起重机防倾覆控制装置与上文描述的起重机防倾覆控制方法可相互对应参照。如图5所示，本发明起重机防倾覆控制装置包括：
119.第二数据获取模块510，用于获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一实施例所述的起重机稳定性分析方法获得的；
120.计算模块520，用于确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；
121.防倾覆控制模块530，用于基于所述安全余量对所述起重机进行防倾覆控制。
122.基于上述任一实施例，所述计算模块520具体用于：
123.对所述运动状态参数实时数据进行迭代放大处理，直到放大处理后的所述运动状态参数实时数据对应的稳定性分析结果为倾覆；其中，放大处理后的所述运动状态参数实时数据对应的稳定性分析结果是将放大处理后的所述运动状态参数实时数据输入至所述数字孪生模型得到的；
124.基于放大处理后的所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量。
125.基于上述任一实施例，本发明还提供一种起重机稳定性分析系统，如图6所示，包括：
126.物理数据采集单元610，用于采集风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据；
127.云计算服务器620，用于将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
128.基于上述任一实施例，本发明还提供一种起重机防倾覆控制系统，如图7所示，包括：
129.起重机稳定性分析系统710，用于获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一实施例所述的起重机稳定性分析方法获得的；
130.控制单元720，用于确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；还用于基于所述安全余量对所述起重机进行防倾覆控制。
131.作为一种可选的实施方式，起重机防倾覆控制系统的结构如图8 所示，起重机稳定性分析系统710包括物理数据采集单元610和云计算服务器620；
132.物理数据采集单元610包括风速风向监测模块810、地面坡度监测模块820、地基刚度监测模块830以及状态监测与控制模块840；云计算服务器620包括风载荷分析模型850和联合分析模型860；控制单元720包括人机交互模块880、处理模块870以及状态监测与控制模块840；
133.其中，风速风向监测模块810用于采集风力参数实时数据；风速风向监测模块810包括风力传感器，可以在臂头位置与驾驶室顶部均设置一个风力传感器，用于实时监测臂
头与主机处实时的风速和风向。
134.地面坡度监测模块820和地基刚度监测模块830用于采集地面状态参数实时数据，地面坡度监测模块820可以采用电子坡度检测装置，用于采集地面坡度，地基刚度监测模块830可以采用地面刚度检测装置，用于采集地面刚度。
135.状态监测与控制模块840用于采集起重机的运动状态参数实时数据；状态监测与控制模块840包括加速度传感器、位移传感器、姿态传感器；其中，加速度传感器布置于吊钩处，用于监测运行过程中重物产生的惯性力；位移传感器布置于起重机各部件重心附近，用于监测各部件重心位置变化；姿态传感器布置于转台臂头位置，用于实时监测整机工作姿态。
136.风载荷分析模型850与风速风向监测模块810连接，用于根据风力参数实时数据获取起重机的臂架所受的实时风载荷。
137.联合分析模型860与风载荷分析模型850、地面坡度监测模块820、地基刚度监测模块830以及状态监测与控制模块840连接，用于根据实时风载荷、地面状态参数实时数据以及运动状态参数实时数据，获取起重机的稳定性分析结果。
138.处理模块870与联合分析模型860连接，用于接收联合分析模型860输出的稳定性分析结果，并确定起重机的运动状态的安全余量；
139.人机交互模块880与处理器连接，用于显示起重机的运动状态的安全余量，还用于接收操作人员的操作指令；
140.状态监测与控制模块840还包括控制器，控制器与处理模块870以及人机交互模块880连接，用于在根据操作指令判断操作人员的操作超出安全余量时发出预警，并根据安全余量对起重机的动作进行限制。
141.本发明实施例中，状态监测与控制模块840同时处于物理数据采集单元610和控制单元720中，通过状态监测与控制模块840能够实现运动状态参数实时数据的采集，同时还可以实现对运动状态的控制，将整个起重机防倾覆控制系统构成闭环系统，进一步提升了作业过程中人员与起重机的安全性。
142.图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)910、通信接口(communicationsinterface)920、存储器(memory)930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行上述各方法所提供的起重机稳定性分析方法或起重机防倾覆控制方法；起重机稳定性分析方法包括：获取风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据；
143.将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
144.起重机防倾覆控制方法包括：获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一实施例所述的起重机稳定性分析方法获得的；
145.确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；
146.基于所述安全余量对所述起重机进行防倾覆控制。
147.此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为
独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
148.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的起重机稳定性分析方法或起重机防倾覆控制方法；起重机稳定性分析方法包括：获取风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据；
149.将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
150.起重机防倾覆控制方法包括：获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一实施例所述的起重机稳定性分析方法获得的；
151.确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；
152.基于所述安全余量对所述起重机进行防倾覆控制。
153.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的起重机稳定性分析方法或起重机防倾覆控制方法；起重机稳定性分析方法包括：获取风力参数实时数据、地面状态参数实时数据以及起重机的运动状态参数实时数据；
154.将所述风力参数实时数据、所述地面状态参数实时数据以及所述运动状态参数实时数据输入至预先训练好的数字孪生模型，以得到所述起重机的稳定性分析结果。
155.起重机防倾覆控制方法包括：获取起重机的稳定性分析结果；其中，所述稳定性分析结果是通过如上任一实施例所述的起重机稳定性分析方法获得的；
156.确定所述稳定性分析结果为安全时，基于所述运动状态参数实时数据，确定所述起重机的运动状态的安全余量；
157.基于所述安全余量对所述起重机进行防倾覆控制。
158.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
159.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指
令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
160.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。