当前，智能大型起重机已成为无人化港口的标配，如何实时监测港口重器的健康评估一直是国内外这一研究领域的热点问题。近日，扬州大学机械工程学院教师朱林牵头的科研团队，成功将具有独立自主知识产权的大型起重机健康监测方法运用于无人化港口的运行安保现场。

“截止至目前，全国近三年内发生特种设备安全事故近千起，经济损失高达几十亿元，其中起重机事故占总数量的近17.7%。”该研究团队成员王鹏介绍，目前国内港口起重机的安全监管水平亟待提高，而对港口重器进行智能实时“听诊”正是突破制约无人化港口健康发展的瓶颈、加快产业更新升级所必须要掌握的核心技术。

据了解，团队提出了一种基于多通道信号复用的结构健康评估与寿命预测方法，进而精准识别损伤特征，实现起重机结构健康状态的准确评估与剩余寿命的精确预测，有效提高了其安全监管水平，突破无人化港口发展中面临的“卡脖子”现象。

此外，大数据、物联网、云计算等技术发展为事故的预测预防提供了新思路，通过大数据能获取复杂条件下的潜在故障信息，实现事故科学预测预防。然而，大数据技术在大型特种设备事故预测预防中的应用，国内外均处于起步阶段，从事此方向研究的机构总数不超过10家。鉴于此，团队利用大数据技术，逐步由原来的单一判断走向基于大数据的综合智能评价。

团队成员邱建春介绍：“我们团队致力于对港口起重机的安全运行进行实时监测。硬件部分主要是通过状态参数监测系统的研制来实时监测参数，软件部分我们提出了一种新型算法来对特征进行提取，同时结合提取的特征和机理模型来实时评估大型无人化港口中起重机的运行安全问题。”

目前，该智能系统已经在南京特检院的帮助下广泛应用于南京港、南通港等港机作业现场。朱林表示：“我们团队后续将进一步在基于数模联动的起重机健康评估方法上进行深入研究，从而提高其预测评估精度。并进一步在此基础上推广运用于中国各大港口，让港口重器“问诊”难题得到一键式解决。”