摘要：伸缩臂式起重机是一种广泛应用于国民经济建设各个领域的移动式起重机,而力矩限制器则是起重机安全监控系统的核心部分,直接影响着起重机的作业安全,随着伸缩臂式起重机的作业安全性及可靠性要求越来越高,力矩限制器的精度要求也越来越高。本文针对伸缩臂式起重机力矩限制器算法及实现进行相关研究。综述了目前国内外伸缩臂式起重机力矩限制器的发展及研究现状,在分析伸缩臂式起重机力矩限制器工作原理的基础上,完成了起重机额定起重性能表回归模型的建立,并对力矩限制器器的核心力矩算法进行了深入分析。结合伸缩臂式起重机臂架的受力分析,建立了基于变幅缸压力的起重机力矩计算模型,提出了一种新的主臂自重标定算法,重点研究了伸缩臂的变形补偿算法,并运用matlab对算法进行了仿真研究,验证了算法的可行性。针对神经网络应用于伸缩臂式起重机力矩计算进行了相关研究,比较了采用单纯BP神经网络、遗传算法和粒子群优化的BP神经网络的训练效率和预测误差。结果表明采用粒子群算法优化的BP神经网络对力矩限制器的算法模型具有很好的拟合能力,经过训练后的神经网络的预测误差控制在3%以内。搭建了基于DSP的力矩限制器硬件平台,以CodeWarrior集成开发环境为软件平台,开发了主机控制器相应的DSP程序,并完成了力矩限制器显示器人机界面的开发。基于labviEW开发了数据采集系统,以SWTC50伸缩臂式起重机为实验平台进行了实验研究,结果表明本文建立的基于变幅缸压力的检测算法精度满足国标GB12602-2009起重机械超载保护装置中规定要求,为下一步的工程应用打下了基础。