1.本发明涉及起重机载荷检测技术领域，具体涉及一种起重机实际载荷检测方法及系统。
背景技术：2.起重机是一种对安全性要求极高的特种设备，作业过程中必须保证其实际载荷不大于额定载荷，否则可能造成起重机倾翻、结构件损毁等重大安全事故。
3.起重机额定载荷是不会导致起重机倾翻和起重机结构件损毁的最大极限载荷。在不考虑起重机动载荷、作业环境等情况下，起重机的额定载荷主要受倾翻性能和结构件强度性能的制约。倾翻性能包括正向倾翻性能、反向倾翻性能等，而结构件强度主要包括吊钩强度、钢丝绳强度、伸缩臂强度、变幅油缸强度、转台强度、车架强度及支腿强度等。因而，起重机支腿长度、吊臂长度、作业幅度、回转角度、配重等差异因素会使起重机额定载荷不同。
4.目前，力限器可根据起重机当前工况、吊臂长度、作业幅度等数据实时计算出额定载荷。当起重机运动至或即将运动至额定载荷小于当前实际载荷的运动区间范围时，起重机控制系统需要进行安全报警或安全干预。起重机安全干预手段包括限制起重机运动速度、禁止危险方向动作等，以使起重机额定载荷不小于实际载荷或迅速回归至额定载荷不小于实际载荷的运动区间范围，从而保障起重机的作业安全。
5.为了确保实际载荷和额定载荷的实时、准确对比，实际载荷的准确检测对起重机安全作业具有重要意义。当起重机所检测的实际载荷偏大时，可能会使起重机在实际没有达到额定载荷时被安全干预，从而使用户无法充分利用起重机的吊重性能。当起重机所检测的实际载荷偏小时，可能会使起重机在实际超过额定载荷时仍未被安全干预，从而导致安全事故。因此，实际载荷的准确检测是确保起重机吊装性能和吊装安装的重要前提之一。
6.现有技术的基本原理是采用简化力矩计算模型如图1所示。以起重机吊臂系统为对象，以吊臂后绞点为支点，建立起重机力矩平衡方程。当起重机匀速起升运动或者处于静止状态时，使起重机顺时针和逆时针方向旋转的力矩相等，即：m
f + mr= m
s + m
g ，其中，mf表示变幅油缸推力力矩：m
f = f1(f，l，α)，f为变幅油缸推力，l为吊臂长度，α为吊臂角度；变幅油缸推力 f = f0(p)，其中p为变幅油缸压力。mr表示卷扬钢丝绳拉力力矩：m
r = f2(g , l，α)，其中g为吊重物重量，l为吊臂长度，α为吊臂角度。ms表示吊臂自重力矩：m
s = f3(l , α)，其中l为吊臂长度，α为吊臂角度。mg表示吊重力矩：m
g = f4(g, r)，其中g为吊重物重量，r为作业幅度。作业幅度 r = f5(l , α)，其中l为吊臂长度，α为吊臂角度。结合力矩平衡方程求解上述公式中的各项，求出起重机吊臂系统的近似实际载荷，即：g = f(p, l, α)，算法框图如图2所示。其中，g为实际载荷，p为变幅油缸压力，l为吊臂长度，α为吊臂角度。与该算法相对应的系统实现如图3所示，其中变幅油缸压力检测单元通常由一个或多个压力传感器组成，吊臂长度检测单元通常为长度传感器，吊臂角度检测单元通常为角度传感器，运算单元运行设定算法的逻辑运算层序，可为独立的可编程电子装置，通常称为力限器或力矩限制器，也可集成于车载装置，如显示器或主控制器。
7.现有技术的缺点如下：（1）使用简化物理模型，算法不能覆盖全部相关物理变量，从而不能完整描述起重机的实际负载特性。现有简化力矩计算模型不能完整描述起重机作业过程的真实物理状态，包括但不限于变幅油缸摩擦力、铰点摩擦力、动载荷等影响实际载荷计算准确度的重要因素。此外相关部件制造和装配存在客观差异，且这些因素难以用数学公式进行完整准确的描述，即使设计出可完整且准确描述出上述所有影响因素的实际载荷计算模型，目前行业内起重机的技术状态无法完全覆盖该计算模型所需的全部输入量，需要在现有基础上投入资金、时间和人力以增加所需传感装置，而这会带来不可接受的成本增加。针对这些复杂因素，目前行业内的普遍做法是使用加权系数的方式进行简化处理，这也是平衡当时的技术状态、精度要求和产品成本的产物。每台起重机都需要实际吊重调试进行系数修正，计算实际载荷的准确度很大程度上取决于实际的调试质量。
8.（2）仅针对吊臂系统，未体现上车转台及起重机底盘因结构形变及外力等因素导致的非预期负载，不能真实体现起重机整机的实际载荷。
9.以正向倾翻性能为例，起重机倾翻本质上是起重机整机实际载荷超出了起重机底盘所能承受的倾翻极限载荷导致。现有技术通过上车的变幅油缸压力传感器信号及相关工况数据计算所得到的只是吊臂系统的实际载荷，而并非整机实际载荷，其所应用的力学模型仅针对吊臂系统，而非将起重机作为一个整体进行建模，基础原理的局限性导致其不能完全真实的代表起重机整机的实际负载状态。
10.由于起重机在不同姿态下或实际吊重量不同时，起重机上车及起重机底盘由于受力不同，结构上会出现不同程序的形变（例如：起重机吊重前底盘是水平的，但是当起重机在左侧吊重载时，起重机底盘可能会由于左侧支腿反力大而形变大，导致起重机左侧低右侧高。），现有技术并不能体现起重机底盘的真实受力情况。
技术实现要素：11.本发明的目的在于提供一种起重机实际载荷检测方法及系统，通过起重机底盘支腿反力实现起重机整机实际负载的精确计算，可靠的保障了起重机的安全作业。
12.为达到上述目的，本发明是采用下述技术方案实现的：一种起重机实际载荷检测方法，包括如下：获取支腿反力fr数据；将所述支腿反力fr数据输入至模型中获取输出信息；其中，所述模型通过多组数据样本训练获取，所述数据样本至少包括支腿反力fr数据和用来标识实际载荷g的标识信息；所述输出信息包括实际载荷g。
13.进一步地，所述数据样本还包括支腿长度lr、吊臂长度l、回转角度θ、吊臂角度α、平衡重重量gc、吊钩重量g0和吊索倍率r的至少一项。
14.进一步地，在所述获取输出信息之前还包括：获取支腿长度lr数据、吊臂长度l数据、回转角度θ数据、吊臂角度α数据、平衡重重量gc数据、吊钩重量g0数据和吊索倍率r的至少一项；将支腿长度lr数据、吊臂长度l数据、回转角度θ数据、吊臂角度α数据、平衡重重量gc数据、吊钩重量g0数据和吊索倍率r的任意一项输入至模型中。
15.进一步地，所述支腿长度lr=(l
r1
,l
r2
,l
r3
...l
rn
)，其中，n为起重机底盘的支腿个
数。
16.进一步地，所述支腿反力fr=(f
r1
,f
r2
,f
r3
...f
rn
)，其中，n为起重机底盘的支腿个数。
17.进一步地，所述数据样本通过采集指定型号起重机在不同工况下的作业数据获取得到。
18.本发明还公开了一种起重机实际载荷检测系统，包括：支腿反力检测单元，用于获取支腿反力fr数据；运算单元，用于将所述支腿反力fr数据输入至模型中获取输出信息；其中，所述模型通过多组数据样本训练获取，所述数据样本至少包括支腿反力fr数据和用来标识实际载荷g的标识信息；所述输出信息包括实际载荷g。
19.进一步地，还包括支腿长度检测单元、支腿吊臂长度检测单元、平衡重检测单元、吊钩检测单元、吊索倍率检测单元的至少一项；所述支腿长度检测单元用于获取支腿长度lr；所述支腿吊臂长度检测单元用于获取吊臂长度l；所述平衡重检测单元用于获取平衡重重量gc；所述吊钩检测单元用于获取钩重量g0；所述吊索倍率检测单元用于获取吊索倍率r。
20.进一步地，所述运算单元还用于将支腿长度lr数据、吊臂长度l数据、回转角度θ数据、吊臂角度α数据、平衡重重量gc数据、吊钩重量g0数据和吊索倍率r的任意一项输入至模型中。
21.进一步地，所述支腿为h型支腿、k型支腿或x型支腿。
22.根据上述技术方案，本发明的实施例至少具有以下效果：本发明起重机实际载荷计算方案基于支腿反力，区别于通过变幅油缸压力计算实际载荷的现有技术，从起重机底盘支腿反力的角度出发，面向起重机整机层面，基于实车数据样本的模型，能够完整描述出包含起重机上车及起重机底盘的整机工况、状态数据与起重机实际载荷之间的数学关联性及换算关系，实现起重机整机实际负载的精确计算，从而更可靠的保障起重机的安全作业。
附图说明
23.图1为背景技术中力矩计算模型；图2为背景技术中的算法框图；图3为背景技术中的系统框图；图4为本发明检测方法的框图；图5为本发明的系统框图；图6为本发明的模型生成方法框图；图7为本发明检测方法的整体流程图；图8为本发明中h型支腿的示意图；图9为本发明中k型支腿的示意图；图10为本发明中x型支腿的示意图。
具体实施方式
24.为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合
具体实施方式，进一步阐述本发明。
25.本发明实现了一种基于支腿反力起重机实际载荷的全新技术方案，本质上区别于通过变幅油缸压力计算实际载荷的现有技术。本发明从起重机底盘支腿反力的角度出发，面向起重机整机层面，实现起重机整机实际负载的精确计算，从而更可靠的保障起重机的安全作业。
26.本发明基于大量数据使用机器学习得出支腿反力等数据与起重机整机实际载荷的数学模型（机器学习学得模型），该模型不是物理模型，而是对起重机在不同工况、姿态下的实测数据（支腿反力、支腿长度、吊臂长度等）与起重机整机实际载荷之间的数据关联性的数学描述，该描述能够完整体现出该实测数据的数学规律，而该实测数据可以真实代表起重机的载荷特性，从而绕开现行技术简化物理模型不能完全覆盖全部相关物理因素的缺点，打破物理公式推导方法的局限性，实现更符合起重机实际载荷特性的数学模型及其系统。
27.如图4至7所示，本发明公开了一种起重机实际载荷检测方法，包括如下步骤：获取支腿反力fr数据；将所述支腿反力fr数据输入至模型中获取输出信息；其中，所述模型通过多组数据样本训练获取，所述数据样本至少包括支腿反力fr数据和用来标识实际载荷g的标识信息；所述输出信息包括实际载荷g。
28.本发明起重机实际载荷计算方案基于支腿反力，区别于通过变幅油缸压力计算实际载荷的现有技术，从起重机底盘支腿反力的角度出发，面向起重机整机层面，基于实车数据样本的模型，能够完整描述出包含起重机上车及起重机底盘的整机工况、状态数据与起重机实际载荷之间的数学关联性及换算关系，实现起重机整机实际负载的精确计算，从而更可靠的保障起重机的安全作业。
29.在某个具体的实施例中，起重机实际载荷检测方法包括：步骤100、获取模型输入数据。
30.步骤200、将模型输入数据输入至模型获取输出信息。
31.在步骤100中，输入数据至少包括支腿反力fr数据。在另外一些实施例中，输入数据还包括：支腿长度lr、吊臂长度l、回转角度θ、吊臂角度α、平衡重重量gc、吊钩重量g0和吊索倍率r。
32.在步骤100中，可适当增减除支腿反力外的数据样本。比如去除吊钩重量或吊索倍率等除支腿反力以外的输入信号，虽在部分工况下实际载荷的计算精度或效率有所降低，但是依然能够通过支腿反力计算实际载荷。
33.步骤200中的模型是通过如下方法获取：步骤210、数据采集，采集指定型号起重机在不同工况下的作业数据，获取能满足机器学习需要的足量数据样本集(d1...dm)。
34.数据样本集表示用于生成机器学习学得模型的的m组数据，该数据从实际起重机上采集，其中：di为(gi, f
ri
, l
ri
, li, θi,αi, g
ci
, g
0i
, ri)，表示起重机在支腿反力f
ri
、支腿长度l
ri
、吊臂长度li、回转角度θi、吊臂角度αi、平衡重重量g
ci
、吊钩重量g
0i
、吊索倍率ri状态下的实际载荷是gi，其中f
ri = (f
ri1
, f
ri2
,... f
rin
)，l
r1 = (l
ri1
, l
ri2
,... l
rin
)。
35.同理，dm为（gm, f
rm
, l
rm
, lm, θm, αm, g
cm
, g
0m
, rm），表示起重机在支腿反力f
rm
、支腿长度l
rm
、吊臂长度lm、回转角度θm、吊臂角度αm、平衡重重量g
cm
、吊钩重量g
0m
、吊索倍率rm
状态下的实际载荷是gm，其中f
rm = (f
r1m
, f
r2m
, f
r3m
... f
rnm
)，l
r1 = (l
r1m
, l
r2m
, l
r3m
... l
rnm
)。
36.物理模型为g = f
p
(fr, lr, l, θ, α, gc, g0, r)，f
p
为由输入参数fr、lr、l、θ、α、gc、 g0、r换算为实际载荷g的物理推导公式，该公式通常基于结构力矩和应力的简化起重机物理模型，一般不包含起重机动载荷、结构间摩擦及结构形变等复杂因素，该物理模型可为机器学习的偏差分析和单调性校验提供一定程度的参考，可提升机器学习效率。
37.其中，支腿反力 f
r = (f
r1
, f
r2
, f
r3
... f
rn
)，其中，n为起重机底盘的支腿个数，当起重机底盘的支腿个数为4时，f
r = (f
r1
, f
r2
, f
r3
, f
r4
)。
38.其中，支腿长度 l
r = (l
r1
, l
r2
, l
r3
... l
rn
)，其中，n为起重机底盘的支腿个数，当起重机底盘的支腿个数为4时，l
r = (l
r1
, l
r2
, l
r3
, l
r4
)。
39.步骤220、机器学习将从实车采集的m组数据样本采用机器学习算法进行自动分析、拟合，生成机器学习学得模型，所生成的该模型能描述出起重机实际载荷与起重机支腿反力fr、支腿长度lr、吊臂长度l、回转角度θ、吊臂角度α、平衡重重量gc、吊钩重量g0、吊索倍率r之间的数学关联性，该关联性不是基于物理定律推演出的物理公式，而是一种数据规律和关联性的数学描述。即g = f(fr, lr, l, θ, α, gc, g0, r)，其中f为机器学习学得模型，可以理解为以起重机支腿反力fr、支腿长度lr、吊臂长度l、回转角度θ、吊臂角度α、平衡重重量gc、吊钩重量g0、吊索倍率r为输入参数，以实际载荷g为输出的数学算法。该数学算法可以不断的使用大量的实测数据进行持续训练、优化和升级，机器学习的数据量越大，所生成的机器学习学得模型越精确、可靠。
40.该机器学习学得模型虽然未特地针对起重机动载荷、结构间摩擦或结构形变等复杂因素进行物理建模和公式推导，但该机器学习学得模型基于足量的实测数据样本，能够完整的描述出该实测数据的数学规律和关联性，而该实测数据是在起重机不同工况受动载荷、摩擦或形变等复杂因素的影响下采集的，能够更真实的代表起重机的载荷特性，从而绕开不能完全覆盖相关物理因素的简化物理模型，打破物理公式推导方法的局限性。
41.步骤200中的模型（机器学习学得模型）可存储于车载运算单元，将系统所需输入信号(fr, lr, l, θ, α, gc, g0, r)接入到车载运算单元，使得车载运算单元可以根据输入信号计算出起重机实际载荷。
42.在某些实施例中还包括：步骤300、将计算出的起重机实际载荷进行显示，并根据起重机实际载荷进行报警设定或起重机安全保护功能的设定。
43.本技术的模型为机器学习学得模型，或使用物理模型和机器学习学得模型组合的方式，虽然在精度等性能上与单独使用机器学习学得模型有差异，但本质上仍然是使用通过支腿反力计算实际载荷的技术路线，该主体路线本质上仍与本发明一致。
44.基于数据样本进行机器学习从而生成机器学习学得模型的过程通常在非车载运算设备上进行，如pc机，也可由满足性能要求的车载运算单元完成，如车载显示器、控制器、力限器等，即：本发明未限定能够完成机器学习生成机器学习学得模型全过程的载体和执行设备。
45.本发明基于数据样本通过机器学习生成机器学习学得模型的过程，去除物理模型的干预会降低机器学习的效率，但本质上并没有脱离基于数据规律和数据关联性生成机器学习学得模型的实质。物理模型未干预的前提下，单独对实测数据进行机器学习所生成的
机器学习学得模型本质上仍与本发明一致。
46.本发明的载荷检测方法还具有如下优点：本发明基于大量数据使用机器学习算法得出起重机整机实际载荷计算的数学模型（机器学习学得模型），该模型不是物理模型，而是对起重机在不同工况、姿态下支腿反力等相关变量与起重机整机实际载荷之间关联性的数学描述。本发明机器学习学得模型虽然未特地针对起重机动载荷、结构间摩擦或结构形变等复杂因素进行物理建模和公式推导，但该机器学习学得模型基于足量的实测数据样本，能够完整描述出该实测数据的数学规律和关联性，而该实测数据是在起重机不同工况受动载荷、摩擦或形变等复杂因素的影响下采集的，能够更真实的代表起重机的载荷特性，从而绕开现行技术简化物理模型不能完全覆盖全部相关物理因素的缺点，打破物理公式推导方法的局限性，实现更符合起重机实际载荷特性的数学模型及其系统。
47.本发明还公开了一种起重机起重机实际载荷检测系统，该系统可实现本技术上述实施例中描述的载荷检测方法。具体包括支腿反力检测单元和运算单元，支腿反力检测单元用于获取支腿反力fr数据；运算单元用于将所述支腿反力fr数据输入至模型中获取输出信息；其中，所述模型通过多组数据样本训练获取，所述数据样本至少包括支腿反力fr数据和用来标识实际载荷g的标识信息；所述输出信息包括实际载荷g。
48.在一些进一步地实施例中，系统包括支腿反力检测单元、支腿长度检测单元、支腿吊臂长度检测单元、平衡重检测单元、吊钩检测单元、吊索倍率检测单元。
49.支腿反力检测单元用于检测支腿反力，包含多个传感装置，所需传感装置的具体数量取决于支腿数量，通常一个支腿至少需要一个该传感装置，该传感装置通常为支腿油缸压力传感器，也可以是直接式的力传感器。
50.进一步地，起重机支腿可以是四个，也可以是五个，甚至以后随着技术革新，出现更多支腿的起重机，本发明并非仅适用于四个支腿的起重机，更多支腿的起重机也适用本发明，只需增加支腿反力和长度检测即可。
51.本发明适用于所有支腿形式，包括但不限于h型、k型、x型支腿，俯视图分别如下：图8、图9及图10。
52.支腿长度检测单元用于检测支腿长度，包含多个长度传感器，所需传感器的具体数量取决于支腿数量，通常一个支腿至少需要一个该传感器。
53.吊臂长度检测单元用于检测吊臂长度，通常为长度传感器，回转角度检测单元通常是角度传感器，吊臂角度检测单元通常为角度传感器。
54.平衡重检测单元用于检测平衡重重量，通常为可操作的显示装置，用户可通过该装置输入平衡重重量数据，该装置将平衡重重量数据发送给运算单元，也可以是基于图像处理或射频信号等其他技术的平衡重识别装置。
55.吊钩检测单元用于检测吊钩重量，通常为可操作的显示装置，用户可通过该装置输入吊钩重量数据，该装置将吊钩重量数据发送给运算单元，也可以是基于图像处理或射频信号等其他技术的吊钩识别装置。
56.吊索倍率检测单元用于检测吊索倍率，通常为可操作的显示装置，用户可通过该装置输入倍率数据，该装置将倍率数据发送给运算单元，也可以是基于图像处理等其他技术的倍率识别装置；运算单元用于运行机器学习学得模型程序，可为独立的可编程电子装置，通常称
为力限器或力矩限制器，也可将其集成于车载装置，如显示器或主控制器图4所示的支腿反力、支腿长度、吊臂长度、回转角度等检测单元将相关数据输入到运算单元后，运算单元将所输入数据代入到机器学习学得模型计算并输出实际载荷，起重机控制系统可将该实际载荷g用于显示、报警、动作限制等起重机安全保护功能。
57.在本技术中，支腿反力检测装置可以通过支腿油缸压力传感器信号间接换算实现，也可以是直接式的力传感器，该装置的输出可以是电压、电流模拟量，也可以是can报文、以太网报文等形式，总之，该支腿反力检测装置不限于物理量单位、描述方式、检测方式、信号形式、安装方式、电路原理。
58.在本技术中起重机整机实际载荷可以是质量单位，也可以是重量单位，还可以是力矩单位，不限于物理量描述形式及单位。
59.本发明所述起重机整机实际载荷可以换算为起重机上车吊臂系统的实际吊重量，即：通过起重机支腿反力计算起重机上车吊臂系统的实际吊重量，则本质上使用了本发明，只是将本发明成果应用在了可以被本发明包含的较小子集上，即吊臂实际吊重量是起重机整机实际载荷的子集。
60.本技术公开的检测方法或检测系统可单独使用，也可以与其他技术组合使用，例如，结合现有基于变幅油缸压力的吊臂系统实际载荷计算技术实现其他应用场景的技术方案。
61.本发明的运算单元可以是独立的电子硬件装置，例如力矩限制器，也可以集成到其他装置，例如集成到显示器或主控制器。
62.由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
技术特征：1.一种起重机实际载荷检测方法，其特征在于，包括如下：获取支腿反力f
r
数据；将所述支腿反力f
r
数据输入至模型中获取输出信息；其中，所述模型通过多组数据样本训练获取，所述数据样本至少包括支腿反力f
r
数据和用来标识实际载荷g的标识信息；所述输出信息包括实际载荷g。2.根据权利要求1所述的实际载荷检测方法，其特征在于，所述数据样本还包括支腿长度l
r
、吊臂长度l、回转角度θ、吊臂角度α、平衡重重量g
c
、吊钩重量g0和吊索倍率r的至少一项。3.根据权利要求2所述的实际载荷检测方法，其特征在于，在所述获取输出信息之前还包括：获取支腿长度l
r
数据、吊臂长度l数据、回转角度θ数据、吊臂角度α数据、平衡重重量g
c
数据、吊钩重量g0数据和吊索倍率r的至少一项；将支腿长度l
r
数据、吊臂长度l数据、回转角度θ数据、吊臂角度α数据、平衡重重量g
c
数据、吊钩重量g0数据和吊索倍率r的任意一项输入至模型中。4.根据权利要求2所述的实际载荷检测方法，其特征在于，所述支腿长度l
r
=(l
r1
,l
r2
,l
r3
...l
rn
)，其中，n为起重机底盘的支腿个数。5.根据权利要求1所述的实际载荷检测方法，其特征在于，所述支腿反力f
r
=(f
r1
,f
r2
,f
r3
...f
rn
)，其中，n为起重机底盘的支腿个数。6.根据权利要求1所述的实际载荷检测方法，其特征在于，所述数据样本通过采集指定型号起重机在不同工况下的作业数据获取得到。7.一种起重机实际载荷检测系统，其特征在于，包括：支腿反力检测单元，用于获取支腿反力f
r
数据；运算单元，用于将所述支腿反力f
r
数据输入至模型中获取输出信息；其中，所述模型通过多组数据样本训练获取，所述数据样本至少包括支腿反力f
r
数据和用来标识实际载荷g的标识信息；所述输出信息包括实际载荷g。8.根据权利要求7所述的一种起重机实际载荷检测系统，其特征在于，还包括支腿长度检测单元、支腿吊臂长度检测单元、平衡重检测单元、吊钩检测单元、吊索倍率检测单元的至少一项；所述支腿长度检测单元用于获取支腿长度l
r
；所述支腿吊臂长度检测单元用于获取吊臂长度l；所述平衡重检测单元用于获取平衡重重量g
c
；所述吊钩检测单元用于获取钩重量g0；所述吊索倍率检测单元用于获取吊索倍率r。9.根据权利要求7所述的一种起重机实际载荷检测系统，其特征在于，所述运算单元还用于将支腿长度l
r
数据、吊臂长度l数据、回转角度θ数据、吊臂角度α数据、平衡重重量g
c
数据、吊钩重量g0数据和吊索倍率r的任意一项输入至模型中。10.根据权利要求7所述的一种起重机实际载荷检测系统，其特征在于，所述支腿为h型支腿、k型支腿或x型支腿。
技术总结本发明公开了一种起重机实际载荷检测方法及系统，该方法包括：步骤1、获取支腿反力F
技术研发人员：唐正伟 齐行程 刘允昊 李立晶 宋文生
受保护的技术使用者：徐州重型机械有限公司
技术研发日：2022.07.11
技术公布日：2022/11/1
