CN109678060A - 一种塔机卷扬钢丝绳乱绳智能监控方法及系统 - Google Patents

一种塔机卷扬钢丝绳乱绳智能监控方法及系统 Download PDF

Info

Publication number
CN109678060A
CN109678060A CN201910057178.2A CN201910057178A CN109678060A CN 109678060 A CN109678060 A CN 109678060A CN 201910057178 A CN201910057178 A CN 201910057178A CN 109678060 A CN109678060 A CN 109678060A
Authority
CN
China
Prior art keywords
steel wire
wire rope
winding steel
disorder cable
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910057178.2A
Other languages
English (en)
Inventor
崔景兵
高娇
刘会娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu XCMG Construction Machinery Institute Co Ltd
Original Assignee
Jiangsu XCMG Construction Machinery Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu XCMG Construction Machinery Institute Co Ltd filed Critical Jiangsu XCMG Construction Machinery Institute Co Ltd
Priority to CN201910057178.2A priority Critical patent/CN109678060A/zh
Publication of CN109678060A publication Critical patent/CN109678060A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C15/00—Safety gear
    • B66C15/06—Arrangements or use of warning devices
    • B66C15/065—Arrangements or use of warning devices electrical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/16—Applications of indicating, registering, or weighing devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Control And Safety Of Cranes (AREA)

Abstract

本发明公开了一种塔机卷扬钢丝绳乱绳智能监控方法及系统，方法包括通过摄像头实时采集卷扬钢丝绳状态，并把视频信号发送至主机，通过训练合格的预构建的识别模型进行检测输出乱绳检测结果，当钢丝绳出现乱绳情况时，主机发出报警信号，控制卷扬停机，并发出语音报警提醒操作手注意。这样可以有效地提高工作效率，确保塔机安全。

Description

一种塔机卷扬钢丝绳乱绳智能监控方法及系统
技术领域
本发明检测技术领域，具体涉及一种塔机卷扬钢丝绳乱绳智能监控方法及系统。
背景技术
塔机在工作工程中，卷扬钢丝绳有时会出现乱绳现象，一旦发生乱绳现象，会加速钢丝绳老化，降低系统的安全性和稳定性；处理乱绳现象消耗大量时间，严重影响工期。国内外厂家均不具备乱绳检测报警功能，目前仅靠驾驶员通过观察视频监控反馈的图像来判断是否乱绳，不具备主动检测并报警功能。
现有技术存在以下缺陷： 现有塔机监控系统主要是通过安装在卷扬附近的摄像头对卷扬进行视频监控，靠操作手通过观察视频监控反馈的图像来判断是否乱绳，不具备主动报警、停机功能。
现有塔机监控系统需要塔机操作手靠肉眼关注摄像头反馈的钢丝绳状态，这种方式给驾驶员带来了极大的劳动强度，因为操作手在吊重时不仅需要观察吊钩周边情况，还需关注卷扬钢丝绳图像，容易出现安全事故，大大加强了劳动强度，降低了工作效率。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种塔机卷扬钢丝绳乱绳智能监控方法及系统。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，包括：
获取摄像头采集的卷扬钢丝绳信号数据；
将获取的卷扬钢丝绳信号数据输入训练合格的预构建的识别模型，
输出所述训练合格的预构建的识别模型得到的乱绳检测结果。
进一步的，所述乱绳检测结果包括：是否发生乱绳及乱绳类型。
进一步的，所述的塔机卷扬钢丝绳乱绳智能监控方法，还包括：
当发生乱绳时，则发出指令控制报警模块进行语音报警提醒机手注意。
当一定时间内发生乱绳次数达到设定的阈值，发出指令给控制器控制停止卷扬动作。
还包括：将卷扬钢丝绳信号数据处理成TFRecords的格式；
还包括：显示实时的卷扬钢丝绳视频信号及乱绳检测结果。
作为优选方案，所述预构建的识别模型为卷积神经网络结构，更为优选的，Inception-v4模型。
进一步的，所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，训练合格的预构建的识别模型的构建方法为：
构建卷扬钢丝绳信号数据的样本集，所述卷扬钢丝绳信号数据的样本集包括乱绳样本和正常样本；并将卷扬钢丝绳信号数据的样本集分为训练样本集和测试样本集；
使用训练样本集对预构建的识别模型进行训练，将训练样本集作为Inception-v4模型的输入，不断训练迭代得到训练后的识别模型；
训练完成后，利用测试样本集对训练后的识别模型进行测试，准确率满足要求即得到训练合格的预构建的识别模型。
上述识别模型的构建过程产生的文件中，训练过程中不断生成检查点文件checkpoint，checkpoint文件保存了一个目录下所有的模型文件列表；model.ckpt.meta文件保存了Tensorflow计算图的结构，即为卷积神经网络的网络结构，model.ckpt.meta文件用于被tf.train.imprt_meta_graph加载到当前默认的图来使用；ckpt.data是保存模型中每个变量的取值。
为了方便移植模型，需要将tensorflow的模型导出为单个文件（同时包含模型结构的定义与权重），所以需将CKPT转换成PB，从而固化模型结构。
另一方面，本发明还提供一种塔机卷扬钢丝绳乱绳智能识别系统，包括：
数据获取模块，用于获取摄像头采集卷扬钢丝绳信号数据；
输入模块，用于将获取的卷扬钢丝绳信号数据输入训练合格的预构建的识别模型；
输出模块，用于输出所述训练合格的预构建的识别模型得到的乱绳检测结果；
报警模块，当发生乱绳时，则发出指令控制报警模块进行语音报警提醒机手注意；
控制器，当一定时间内发生乱绳次数达到设定的阈值，发出指令给控制器控制停止卷扬动作。
进一步的，所述的塔机卷扬钢丝绳乱绳智能识别系统，还包括：
数据采集模块，用于通过摄像头采集卷扬钢丝绳信号数据；
显示模块，用于显示实时的卷扬钢丝绳视频信号及乱绳检测结果。
数据处理模块，将卷扬钢丝绳信号数据处理成TFRecords的格式。
进一步的，所述的塔机卷扬钢丝绳乱绳智能识别系统，还包括识别模型构建模块，用于：
构建卷扬钢丝绳信号数据的样本集，所述卷扬钢丝绳信号数据的样本集包括乱绳样本和正常样本；并将卷扬钢丝绳信号数据的样本集分为训练样本集和测试样本集；
使用训练样本集对预构建的识别模型进行训练，将训练样本集作为Inception-v4模型的输入，不断训练迭代得到训练后的识别模型；
训练完成后，利用测试样本集对训练后的识别模型进行测试，准确率满足要求即得到训练合格的预构建的识别模型。
有益效果：本发明提供的塔机卷扬钢丝绳乱绳智能监控方法及系统，通过摄像头实时采集卷扬钢丝绳状态，并把视频信号发送至主机，当钢丝绳出现乱绳情况时，主机发出报警信号，控制卷扬停机，并发出语音报警提醒操作手注意。这样可以有效地提高工作效率，确保塔机安全。采用本方法和系统可以大大降低劳动强度，提高工作效率，有效的保护塔机系统，确保塔机工作安全。
附图说明
图1为实施例系统示意图。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
实施例1
一种塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，包括：
获取摄像头采集的卷扬钢丝绳信号数据；
将获取的卷扬钢丝绳信号数据输入训练合格的预构建的识别模型，
输出所述训练合格的预构建的识别模型得到的乱绳检测结果。
进一步的，所述乱绳检测结果包括：是否发生乱绳及乱绳类型。
进一步的，所述的塔机卷扬钢丝绳乱绳智能监控方法，还包括：
当发生乱绳时，则发出指令控制报警模块进行语音报警提醒机手注意。
当一定时间内发生乱绳次数达到设定的阈值，发出指令给控制器控制停止卷扬动作。
还包括：将卷扬钢丝绳信号数据处理成TFRecords的格式；
还包括：显示实时的卷扬钢丝绳视频信号及乱绳检测结果。
作为优选方案，所述预构建的识别模型为卷积神经网络结构，更为优选的，Inception-v4模型。
进一步的，所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，训练合格的预构建的识别模型的构建方法为：
构建卷扬钢丝绳信号数据的样本集，所述卷扬钢丝绳信号数据的样本集包括乱绳样本和正常样本；并将卷扬钢丝绳信号数据的样本集分为训练样本集和测试样本集；
使用训练样本集对预构建的识别模型进行训练，将训练样本集作为Inception-v4模型的输入，不断训练迭代得到训练后的识别模型；
训练完成后，利用测试样本集对训练后的识别模型进行测试，准确率满足要求即得到训练合格的预构建的识别模型。
上述识别模型的构建过程产生的文件中，训练过程中不断生成检查点文件checkpoint，checkpoint文件保存了一个目录下所有的模型文件列表；model.ckpt.meta文件保存了Tensorflow计算图的结构，即为卷积神经网络的网络结构，model.ckpt.meta文件用于被tf.train.imprt_meta_graph加载到当前默认的图来使用；ckpt.data是保存模型中每个变量的取值。
为了方便移植模型，需要将tensorflow的模型导出为单个文件（同时包含模型结构的定义与权重），所以需将CKPT转换成PB，从而固化模型结构。
实施例2
一种塔机卷扬钢丝绳乱绳智能识别系统，包括：
数据获取模块，用于获取摄像头采集卷扬钢丝绳信号数据；
输入模块，用于将获取的卷扬钢丝绳信号数据输入训练合格的预构建的识别模型；
输出模块，用于输出所述训练合格的预构建的识别模型得到的乱绳检测结果；
报警模块，当发生乱绳时，则发出指令控制报警模块进行语音报警提醒机手注意；
控制器，当一定时间内发生乱绳次数达到设定的阈值，发出指令给控制器控制停止卷扬动作。
进一步的，所述的塔机卷扬钢丝绳乱绳智能识别系统，还包括：
数据采集模块，用于通过摄像头采集卷扬钢丝绳信号数据；
显示模块，用于显示实时的卷扬钢丝绳视频信号及乱绳检测结果。
数据处理模块，将卷扬钢丝绳信号数据处理成TFRecords的格式。
进一步的，所述的塔机卷扬钢丝绳乱绳智能识别系统，还包括识别模型构建模块，用于：
构建卷扬钢丝绳信号数据的样本集，所述卷扬钢丝绳信号数据的样本集包括乱绳样本和正常样本；并将卷扬钢丝绳信号数据的样本集分为训练样本集和测试样本集；
使用训练样本集对预构建的识别模型进行训练，将训练样本集作为Inception-v4模型的输入，不断训练迭代得到训练后的识别模型；
训练完成后，利用测试样本集对训练后的识别模型进行测试，准确率满足要求即得到训练合格的预构建的识别模型。
具体实施例方式如下：如图1所示，本系统包括车用工业平板电脑、摄像头、扬声器、控制器；所述工业平板电脑与摄像头、扬声器、控制器信号连接，工业平板电脑配置有显示模块和主机；摄像头采集卷扬钢丝绳信号，工业平板电脑用于接收摄像头信号，通过平板电脑内部编写的监控程序可以进行卷扬钢丝绳图像显示、乱绳识别判断，当卷扬出现乱绳时，平板电脑程序检测到乱绳视频信号，发出语音报警，通过扬声器通知机手，并且将乱绳信号传递给控制器，控制器停止卷扬动作，防止进一步乱绳。
（1）乱绳模型的建立：首先，工业平板电脑采集卷扬钢丝绳视频，该视频包括正常视频、乱绳视频，然后通过相关程序把视频转换成对应图片，分别放于两个文件夹中，通过机器学习进行模型训练、模型验证，最终得到一个符合要求的模型固化至平板电脑内；（2）监控界面：监控界面包括打开关闭相机按钮、退出按键、故障代码显示以及钢丝绳视频显示区域，摄像头采集卷扬钢丝绳视频信号实时显示在视频显示区域内。（3）平板电脑同塔机控制器通过CAN总线进行通信，并且把控制器发出的电气系统中的故障代码以及乱绳故障代码显示在界面内，各故障代码经过解析，通过扬声器进行语音报警，提醒机手注意，更加直观，一旦检测到乱绳现象，把信号发送给控制器，控制卷扬停机，起到保护作用。
本发明提供的塔机卷扬钢丝绳乱绳智能监控方法及系统，通过摄像头实时采集卷扬钢丝绳状态，并把视频信号发送至主机，当钢丝绳出现乱绳情况时，主机发出报警信号，控制卷扬停机，并发出语音报警提醒操作手注意。这样可以有效地提高工作效率，确保塔机安全。采用本方法和系统可以大大降低劳动强度，提高工作效率，有效的保护塔机系统，确保塔机工作安全。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，包括：
获取摄像头采集的卷扬钢丝绳信号数据；
将获取的卷扬钢丝绳信号数据输入训练合格的预构建的识别模型，
输出所述训练合格的预构建的识别模型得到的乱绳检测结果。
2.根据权利要求1所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，还包括：当发生乱绳时，则发出指令控制报警模块进行语音报警提醒机手注意。
3.根据权利要求1所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，还包括：当一定时间内发生乱绳次数达到设定的阈值，发出指令给控制器控制停止卷扬动作。
4.根据权利要求1所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，还包括：将卷扬钢丝绳信号数据处理成TFRecords的格式；
和/或，还包括：显示实时的卷扬钢丝绳视频信号及乱绳检测结果。
5.根据权利要求1所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，所述预构建的识别模型为卷积神经网络结构，更具体的为Inception-v4模型。
6.根据权利要求5所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于，训练合格的预构建的识别模型的构建方法为：
构建卷扬钢丝绳信号数据的样本集，所述卷扬钢丝绳信号数据的样本集包括乱绳样本和正常样本；并将卷扬钢丝绳信号数据的样本集分为训练样本集和测试样本集；
使用训练样本集对预构建的识别模型进行训练，将训练样本集作为Inception-v4模型的输入，不断训练迭代得到训练后的识别模型；
训练完成后，利用测试样本集对训练后的识别模型进行测试，准确率满足要求即得到训练合格的预构建的识别模型。
7.根据权利要求6所述的塔机卷扬钢丝绳乱绳智能监控方法，其特征在于， 识别模型的构建过程产生的文件中，训练过程中不断生成检查点文件checkpoint，checkpoint文件保存了一个目录下所有的模型文件列表；model.ckpt.meta文件保存了Tensorflow计算图的结构，即为卷积神经网络的网络结构，model.ckpt.meta文件用于被tf.train.imprt_meta_graph加载到当前默认的图来使用；ckpt.data是保存模型中每个变量的取值； 将tensorflow的模型导出为单个文件，将CKPT转换成PB，从而固化模型结构。
8.一种塔机卷扬钢丝绳乱绳智能识别系统，其特征在于，包括：
数据获取模块，用于获取摄像头采集卷扬钢丝绳信号数据；
输入模块，用于将获取的卷扬钢丝绳信号数据输入训练合格的预构建的识别模型；
输出模块，用于输出所述训练合格的预构建的识别模型得到的乱绳检测结果；
报警模块，当发生乱绳时，则发出指令控制报警模块进行语音报警提醒机手注意；
控制器，当一定时间内发生乱绳次数达到设定的阈值，发出指令给控制器控制停止卷扬动作。
9.根据权利要求8所述的塔机卷扬钢丝绳乱绳智能识别系统，其特征在于，还包括：
数据采集模块，用于通过摄像头采集卷扬钢丝绳信号数据；
显示模块，用于显示实时的卷扬钢丝绳视频信号及乱绳检测结果；
数据处理模块，将卷扬钢丝绳信号数据处理成TFRecords的格式。
10.根据权利要求8所述的塔机卷扬钢丝绳乱绳智能识别系统，其特征在于，还包括识别模型构建模块，用于：
构建卷扬钢丝绳信号数据的样本集，所述卷扬钢丝绳信号数据的样本集包括乱绳样本和正常样本；并将卷扬钢丝绳信号数据的样本集分为训练样本集和测试样本集；
使用训练样本集对预构建的识别模型进行训练，将训练样本集作为预构建的识别模型的输入，不断训练迭代得到训练后的识别模型；
训练完成后，利用测试样本集对训练后的识别模型进行测试，准确率满足要求即得到训练合格的预构建的识别模型。
CN201910057178.2A 2019-01-22 2019-01-22 一种塔机卷扬钢丝绳乱绳智能监控方法及系统 Pending CN109678060A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910057178.2A CN109678060A (zh) 2019-01-22 2019-01-22 一种塔机卷扬钢丝绳乱绳智能监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910057178.2A CN109678060A (zh) 2019-01-22 2019-01-22 一种塔机卷扬钢丝绳乱绳智能监控方法及系统

Publications (1)

Publication Number Publication Date
CN109678060A true CN109678060A (zh) 2019-04-26

Family

ID=66193699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910057178.2A Pending CN109678060A (zh) 2019-01-22 2019-01-22 一种塔机卷扬钢丝绳乱绳智能监控方法及系统

Country Status (1)

Country Link
CN (1) CN109678060A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634592A (zh) * 2020-12-18 2021-04-09 杭州鸿泉物联网技术股份有限公司 结合摄像头的识别卷扬乱绳的方法及装置
CN113011524A (zh) * 2021-04-15 2021-06-22 浙江三一装备有限公司 一种卷扬钢丝绳状态识别方法、装置、作业机械及电子设备
CN114476959A (zh) * 2022-04-07 2022-05-13 杭州杰牌传动科技有限公司 一种塔式起重机变幅机构预警系统
CN115028095A (zh) * 2022-08-11 2022-09-09 杭州未名信科科技有限公司 一种用于塔吊维护保养的智能机器人及智能塔吊

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0256397A (ja) * 1988-08-22 1990-02-26 Toshiba Corp クレーンのワイヤロープ点検装置
CN103466490A (zh) * 2012-09-27 2013-12-25 中联重科股份有限公司 基于图像处理的起重机控制方法、系统以及起重机
CN104512809A (zh) * 2013-09-30 2015-04-15 上海共久电气有限公司 一种关于起重机升降机构制动故障的监测方法
CN105438983A (zh) * 2014-07-28 2016-03-30 徐州重型机械有限公司 一种工程机械及其卷扬乱绳监测装置和方法
CN107341508A (zh) * 2017-06-22 2017-11-10 北京飞搜科技有限公司 一种快速美食图片识别方法及系统
CN108596882A (zh) * 2018-04-10 2018-09-28 中山大学肿瘤防治中心 病理图片的识别方法及装置
CN109095376A (zh) * 2018-09-13 2018-12-28 徐州建机工程机械有限公司 一种塔机安全监控系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0256397A (ja) * 1988-08-22 1990-02-26 Toshiba Corp クレーンのワイヤロープ点検装置
CN103466490A (zh) * 2012-09-27 2013-12-25 中联重科股份有限公司 基于图像处理的起重机控制方法、系统以及起重机
CN104512809A (zh) * 2013-09-30 2015-04-15 上海共久电气有限公司 一种关于起重机升降机构制动故障的监测方法
CN105438983A (zh) * 2014-07-28 2016-03-30 徐州重型机械有限公司 一种工程机械及其卷扬乱绳监测装置和方法
CN107341508A (zh) * 2017-06-22 2017-11-10 北京飞搜科技有限公司 一种快速美食图片识别方法及系统
CN108596882A (zh) * 2018-04-10 2018-09-28 中山大学肿瘤防治中心 病理图片的识别方法及装置
CN109095376A (zh) * 2018-09-13 2018-12-28 徐州建机工程机械有限公司 一种塔机安全监控系统及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634592A (zh) * 2020-12-18 2021-04-09 杭州鸿泉物联网技术股份有限公司 结合摄像头的识别卷扬乱绳的方法及装置
CN112634592B (zh) * 2020-12-18 2022-03-04 杭州鸿泉物联网技术股份有限公司 结合摄像头的识别卷扬乱绳的方法及装置
CN113011524A (zh) * 2021-04-15 2021-06-22 浙江三一装备有限公司 一种卷扬钢丝绳状态识别方法、装置、作业机械及电子设备
CN114476959A (zh) * 2022-04-07 2022-05-13 杭州杰牌传动科技有限公司 一种塔式起重机变幅机构预警系统
CN114476959B (zh) * 2022-04-07 2022-08-05 杭州杰牌传动科技有限公司 一种塔式起重机变幅机构预警系统
CN115028095A (zh) * 2022-08-11 2022-09-09 杭州未名信科科技有限公司 一种用于塔吊维护保养的智能机器人及智能塔吊

Similar Documents

Publication Publication Date Title
CN109678060A (zh) 一种塔机卷扬钢丝绳乱绳智能监控方法及系统
CN202625540U (zh) 电梯安全回路检测系统
CN113542690B (zh) 一种建筑施工安全监控系统及方法
CN203086064U (zh) 重型电缆敷设牵引力监控系统
CN208126181U (zh) 电缆敷设智能控制系统
CN107181319A (zh) 一种变电站硬压板状态智能巡检方法
CN108388198A (zh) 电缆敷设智能控制系统
CN112584094A (zh) 基于智能感知的变电站安全监管系统
CN111080878A (zh) 一种基于人工智能的施工现场安全监控方法及其装置
CN106597963A (zh) 电力报警控制系统
CN204807982U (zh) 一种基于云计算的分布式环境监测与保护系统
CN203982181U (zh) 变电站无人值守综合监控系统
CN106602707A (zh) 远程电力监控系统
CN105206129B (zh) 核燃料操作培训的故障模拟系统及其方法
CN207968545U (zh) 智能交通网关以及智能交通监控系统
CN106314449A (zh) 索道运行状态实时检测装置及检测方法
CN103324181B (zh) 屏柜柜门监控预警系统
CN106571684A (zh) 分布式电力控制系统
CN207030668U (zh) 一种物联网电梯安全监测报警系统
CN203299637U (zh) 屏柜柜门监控预警系统
CN207216812U (zh) 一种电梯消防信号监测装置
CN106571682A (zh) 电力控制方法
CN205419478U (zh) 监控系统
CN202143082U (zh) 信息运维综合监管系统自动告警装置
CN106602717A (zh) 远程电力控制装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190426

RJ01 Rejection of invention patent application after publication