CN110736980A - 一种爬架状态信息的监测方法、装置及系统 - Google Patents

一种爬架状态信息的监测方法、装置及系统 Download PDF

Info

Publication number
CN110736980A
CN110736980A CN201911070191.8A CN201911070191A CN110736980A CN 110736980 A CN110736980 A CN 110736980A CN 201911070191 A CN201911070191 A CN 201911070191A CN 110736980 A CN110736980 A CN 110736980A
Authority
CN
China
Prior art keywords
electromagnetic wave
climbing frame
monitoring
climbing
state information
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.)
Granted
Application number
CN201911070191.8A
Other languages
English (en)
Other versions
CN110736980B (zh
Inventor
舒远
叶志伟
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.)
Guangdong Bozhilin Robot Co Ltd
Original Assignee
Guangdong Bozhilin Robot 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 Guangdong Bozhilin Robot Co Ltd filed Critical Guangdong Bozhilin Robot Co Ltd
Priority to CN201911070191.8A priority Critical patent/CN110736980B/zh
Publication of CN110736980A publication Critical patent/CN110736980A/zh
Application granted granted Critical
Publication of CN110736980B publication Critical patent/CN110736980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本申请实施例提供一种爬架状态信息的监测方法、装置及系统，涉及安全技术领域，该方法包括：发射电磁波探测信号；接收与电磁波探测信号对应的电磁波反馈信号；其中，电磁波反馈信号为爬架对电磁波探测信号进行反射得到的；提取电磁波反馈信号包括的电磁波特征参数；根据预设的特征参数识别模型对电磁波特征参数进行识别，得到爬架状态信息。可见，实施这种实施方式，能够避免资源的大量消耗，并实现爬架状态的实时监控，并且还能够避免人工的误判风险，提高监测的稳定性。

Description

一种爬架状态信息的监测方法、装置及系统
技术领域
本申请涉及安全技术领域，具体而言，涉及一种爬架状态信息的监测方法、装置及系统。
背景技术
随着人们对安全方面的不断重视，爬架的健康状态也越来越被人们所关心。然而，目前的爬架健康状态监测依旧以人工巡检为主，即周期性的依靠人工对爬架的各个关键部位进行排查、监测。可见，在人工对范围较大且工况复杂的建筑工地在进行巡检的过程中，势必会耗费大量的人力资源和物力资源，从而消耗大量资源还无法做到实时监控；同时，目前的爬架健康状态监测方法还存在一些潜在的人工误判风险。
发明内容
本申请实施例的目的在于提供一种爬架状态信息的监测方法、装置及系统，能够避免资源的大量消耗，并实现爬架状态的实时监控，并且还能够避免人工的误判风险，提高监测的稳定性。
本申请实施例第一方面提供了一种爬架状态信息的监测方法，所述方法包括：
发射电磁波探测信号；
接收与所述电磁波探测信号对应的电磁波反馈信号；其中，所述电磁波反馈信号为爬架对所述电磁波探测信号进行反射得到的；
提取所述电磁波反馈信号包括的电磁波特征参数；
根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息。
在上述实现过程中，该方法可以优先发射电磁波探测信号至爬架处，以使爬架附属的电磁波反射阵列对电磁波探测信号进行反射，促使发射电磁波探测信号的监测装置接收爬架反馈的电磁波反馈信号，并进一步的提取电磁波反馈信号中包括的电磁波特征参数，然后根据特征参数识别模型对电磁波特征参数进行识别，得到爬架状态信息的识别结果。可见，实施这种实施方式，能够自发电磁波探测信号并接收电磁波反馈信号，这其中，电磁波反馈信号是爬架附属的电磁波反射阵列反馈的，具体的，该电子波反射阵列是与爬架相契合并可以共同发生变化的，因此，电磁波反馈信号包括了与当前爬架状态对应的电磁波特征参数；这就使得特征参数识别模型可以将该电磁波特征参数识别出来，从而得到爬架状态信息，使得操作人员可以直接得到该结果信息，进而避免了传统方法中资源的大量消耗，并能够实现爬架状态的实时监控，还能够避免人工的误判风险，提高监测的稳定性。
进一步地，所述特征参数识别模型为预设的人工智能模型。
在上述实现过程中，特征参数识别模型可以为人工智能模型，从而能够提高对电磁波特征参数的识别精度，进而提高该方法对爬架状态信息的监测稳定性。
进一步地，所述根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息的步骤包括：
获取所述电磁波特征参数与预设的基频特征参数之间的差异参数；
根据预设的特征参数识别模型对所述差异参数进行识别，得到爬架状态信息。
在上述实现过程中，该方法可以预设有基频特征参数，即该方法可以预设好爬架处于健康状态时的电磁波特征参数，使得在获取到新的电磁波特征参数的时候可以进行两者之间的比较，从而获取两者之间的差异参数，进而使得特征参数识别模型对差异参数进行识别，得到当前的爬架状态信息，具体的，该爬架状态信息为当前爬架与健康爬架之间存在的差异状态信息。可见，实施这种实施方式，该方法可以根据差异参数确定出更加准确的爬架状态信息，同时，还能确定出准确的爬架的实时变化信息，从而能够输出更多的数据，提高爬架的监测精度。
进一步地，所述根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息的步骤之后，所述方法还包括：
根据所述电磁波特征参数和所述爬架状态信息，更新所述特征参数识别模型。
在上述实现过程中，该方法可以自主更新特征参数识别模型，从而使得对特征参数的识别精度与日俱增，进而不断地提高对爬架状态的监测精度，并提高该方法使用的普适性。
本申请实施例第二方面提供了一种爬架状态信息的监测，所述监测装置包括：
发射单元，用于发射电磁波探测信号；
接收单元，用于接收与所述电磁波探测信号对应的电磁波反馈信号；其中，所述电磁波反馈信号为爬架对所述电磁波探测信号进行反射得到的；
提取单元，用于提取所述电磁波反馈信号包括的电磁波特征参数；
识别单元，用于根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息。
在上述实现过程中，该监测装置具有收发电磁波信号的两个单元以及参与电磁波信号处理的两个单元，从而实现功能的准确分工；同时，收发一体化可以降低资源成本，信号的处理分工，更能提高对爬架状态信息的获取精度。可见，实施这种实施方式，该监测装置能够通过四个单元的协同工作完成对爬架状态信息的准确获取，从而避免人工操作和资源浪费。
进一步地，所述特征参数识别模型为预设的人工智能模型。
在上述实现过程中，人工智能模型可以更好的适应于该监测装置，从而使得该监测装置能够获取到更精确的爬架状态信息。
进一步地，所述识别单元包括：
获取子单元，用于获取所述电磁波特征参数与预设的基频特征参数之间的差异参数；
识别子单元，用于根据预设的特征参数识别模型对所述差异参数进行识别，得到爬架状态信息。
在上述实现过程中，两个子单元可以将识别操作分解成两个子操作，并能够对电磁波特征参数进行进一步的处理再进行识别，从而使得对电磁波特征参数的识别再提高一个精度，进而，提高了爬架状态信息的获取精度。
进一步地，所述监测装置还包括：
更新单元，用于根据所述电磁波特征参数和所述爬架状态信息，更新所述特征参数识别模型。
在上述实现过程中，该监测装置还可以根据电磁波特征参数对特征参数识别模型进行更新，从而使得该监测装置可以具有更高的识别准确性和使用普适性。
本申请实施例第三方面提供了一种爬架状态信息的监测系统，所述监测系统包括位于爬架上的电磁波反射阵列和本申请实施例第二方面中任一项所述的监测装置；其中，所述电磁波反射阵列用于反射所述监测装置发送的电磁波探测信号。
在上述实现过程中，该爬架状态监测系统中包括位于爬架上的电磁波反射阵列，其中，该电磁波反射阵列随着爬架的形变而发生相应形变，促使监测装置可以通过对该电磁波反射阵列进行电磁波检测来确定电磁波反射阵列的变化，进而通过电磁波反射阵列的变化确定出爬架的变化，以使爬架状态能够准确得到，并不会受到过多的外界因素干扰，从而提高爬架状态的监测精度，并提高爬架状态的监测普适性。
本申请实施例第四方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的爬架状态信息的监测方法。
本申请实施例第五方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的爬架状态信息的监测方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种爬架状态信息的监测方法的流程示意图；
图2为本申请实施例提供的另一种爬架状态信息的监测方法的流程示意图；
图3为本申请实施例提供的一种爬架状态信息的监测装置的结构示意图；
图4为本申请实施例提供的另一种爬架状态信息的监测装置的结构示意图；
图5为本申请实施例提供的一种爬架状态信息的监测系统的系统结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
请参看图1，图1为本申请实施例提供了一种爬架状态信息的监测方法的流程示意图。该爬架状态信息的监测方法应用于具有爬架的任何场景当中，具体的该爬架状态信息的监测方法应用于对爬架进行安全监测的场景当中，并在爬架出现形变、位移之类的变动时即可生效。其中，该爬架状态信息的监测方法包括：
S101、发射电磁波探测信号。
本实施例中，电磁波探测信号为监测装置发送的预设初始信息，对此本实施例中不再多加赘述。
S102、接收与电磁波探测信号对应的电磁波反馈信号；其中，电磁波反馈信号为爬架对电磁波探测信号进行反射得到的。
本实施例中，电磁波反馈信号是爬架对电磁波探测信号进行反射得到的。
在本实施例中，电磁波探测信号不直接对爬架进行辐射监测，而是使用附着于爬架的电磁波反射阵列来对电磁波探测信号进行反射，得到电磁波反馈信号。其中，电磁波反射阵列与爬架完全契合，并在爬架发生形变、位移等变化时随之变化；同时，电磁波反射阵列会随着其自身的变化改变自身的反射能力，这就使得电磁波探测信号被反射时得到的电磁波反馈信号是与电磁波反射阵列相匹配的，因此，电磁波反馈信号是具有爬架特征的信号。
在本实施例中，该方法的执行主体具有电磁波收发功能，对此本实施例中不作任何限定。
S103、提取电磁波反馈信号包括的电磁波特征参数。
本实施例中，该步骤主要在对于电磁波反馈信号进行载波信号与特征信号的分解。其得到的结果便是电磁波特征参数。
本实施例中，电磁波特征参数能够表示爬架的状态信息。
S104、根据预设的特征参数识别模型对电磁波特征参数进行识别，得到爬架状态信息。
本实施例中，特征参数识别模型可以为预设的人工智能模型。
在本实施例中，采用基于多层神经网络的深度学习算法的人工智能模型能够适应爬架本体复杂多样且快速变化的工况，从而能够准确捕捉到反映安全风险的爬架状态信息。
本实施例中，爬架状态信息可以包括爬架的当前状态信息和爬架的当前风险信息，对与爬架状态信息包括的内容本实施例中不作任何限定，只要是与爬架状态相关的信息皆可以为爬架状态信息。
本实施例中，该方法的执行主体为爬架状态信息的监测装置，具体的该监测装置可以为具有电磁波收发功能的电子设备或信息处理设备，对此本实施例中不作任何限定。
可见，实施图1所描述的爬架状态信息的监测方法，能够优先发射电磁波探测信号至爬架处，以使爬架附属的电磁波反射阵列对电磁波探测信号进行反射，促使发射电磁波探测信号的监测装置接收爬架反馈的电磁波反馈信号，并进一步的提取电磁波反馈信号中包括的电磁波特征参数，然后根据特征参数识别模型对电磁波特征参数进行识别，得到爬架状态信息的识别结果。可见，实施这种实施方式，能够自发电磁波探测信号并接收电磁波反馈信号，这其中，电磁波反馈信号是爬架附属的电磁波反射阵列反馈的，具体的，该电子波反射阵列是与爬架相契合并可以共同发生变化的，因此，电磁波反馈信号包括了与当前爬架状态对应的电磁波特征参数；这就使得特征参数识别模型可以将该电磁波特征参数识别出来，从而得到爬架状态信息，使得操作人员可以直接得到该结果信息，进而避免了传统方法中资源的大量消耗，并能够实现爬架状态的实时监控，还能够避免人工的误判风险，提高监测的稳定性。
实施例2
请参看图2，图2为本申请实施例提供的另一种爬架状态信息的监测方法的流程示意图。图2所描述的爬架状态信息的监测方法的流程示意图是根据图1所描述的爬架状态信息的监测方法的流程示意图进行改进得到的。其中，该爬架状态信息的监测方法包括：
S201、发射电磁波探测信号。
本实施例中，电磁波探测信号为监测装置发送的预设初始信息，对此本实施例中不再多加赘述。
S202、接收与电磁波探测信号对应的电磁波反馈信号；其中，电磁波反馈信号为爬架对电磁波探测信号进行反射得到的。
本实施例中，电磁波反馈信号是爬架对电磁波探测信号进行反射得到的。
在本实施例中，电磁波可以不受环境的大量干扰，从而提高电磁波的传输效率与质量。
S203、提取电磁波反馈信号包括的电磁波特征参数。
本实施例中，该步骤主要在对于电磁波反馈信号进行载波信号与特征信号的分解。其得到的结果便是电磁波特征参数。
本实施例中，电磁波特征参数能够表示爬架的状态信息。
本实施例中，电磁波特征参数可以包括幅值、频值等特征值，该特征值可以经过多层神经网络后得到与爬架安全风险的类型生成相应的映射关系。
S204、获取电磁波特征参数与预设的基频特征参数之间的差异参数。
本实施例中，基频特征参数为预设的电磁波反馈信号所携带的特征参数，具体的，该基频特征参数可以是爬架健康时的特征参数；另外，该基频特征参数还可以为上一时刻监测得到的特征参数，对此本实施例中不作任何限定。
在本实施例中，差异参数为爬架发生变化时产生的变化情况对应的参数信息，举例来说，当爬架发生移位的时候，电磁波反射阵列也会发生相应一维的变化，从而使得电磁波反馈信号产生差异；这就使得在特征提取之后，差异特征能够显示出电磁波反射阵列的变化，进而显示出爬架的变化，从而使得对应的安全风险可以被识别出来。
在本实施例中，差异参数能够显示出实时地爬架状态变化，从而能够提高对爬架的安全监测。
S205、根据预设的特征参数识别模型对差异参数进行识别，得到爬架状态信息。
本实施例中，特征参数识别模型可以为预设的人工智能模型。
在本实施例中，采用基于多层神经网络的深度学习算法的人工智能模型能够适应爬架本体复杂多样且快速变化的工况，从而能够准确捕捉到反映安全风险的爬架状态信息。
本实施例中，人工智能模型可以是一种以电磁波波峰作为输入，以爬架状态信息为输出的模型。
在本实施例中，该人工智能模型可以以电磁波波峰作为深度学习神经网络的输入特征向量(Xi1，Xi2，Xi3……)，组成输入阵列X[m]；以爬架本体安全风险类型作为算法输出层特征向量(Yo1，Yo2，Yo3……),组成输出阵列y[m]。其中，隐藏层为基于深度学习多层神经网络的算法，每一层的中间参数可组成过渡阵列a1 [m]，a2 [m]……an [m]。
由此，可得输出层、隐藏层层、输出层的计算函数为：
y[m]＝f(x[m]·a1 [m]·a2 [m]·…·an [m])。
在本实施例中，该人工智能模型可以是具有多层神经网络且可通过深度学习不断优化隐藏层参数的模型。
S206、根据电磁波特征参数和爬架状态信息，更新特征参数识别模型。
本实施例中，该方法可以电磁波特征参数和爬架状态信息来进行深度学习可以不断迭代更新隐藏层的参数，优化人工智能模型包括的算法函数。
实施步骤S201～S206描述的方法，可以有效解决爬架健康状态监测的鲁棒性问题；并可以在现场复杂、恶劣的工况下完成爬架健康状态监测，实现了爬架健康状态早期预警的问题；另外，基于电磁波监测信号的分析处理，该方法还具有自我学习优化的能力。
可见，实施图2所描述的爬架状态信息的监测方法，能够自发电磁波探测信号并接收电磁波反馈信号，这其中，电磁波反馈信号是爬架附属的电磁波反射阵列反馈的，具体的，该电子波反射阵列是与爬架相契合并可以共同发生变化的，因此，电磁波反馈信号包括了与当前爬架状态对应的电磁波特征参数；这就使得特征参数识别模型可以将该电磁波特征参数识别出来，从而得到爬架状态信息，使得操作人员可以直接得到该结果信息，进而避免了传统方法中资源的大量消耗，并能够实现爬架状态的实时监控，还能够避免人工的误判风险，提高监测的稳定性。
实施例3
请参看图3，图3为本申请实施例提供的一种爬架状态信息的监测装置的结构示意图。其中，该爬架状态信息的监测装置300包括：
发射单元310，用于发射电磁波探测信号；
接收单元320，用于接收与电磁波探测信号对应的电磁波反馈信号；其中，电磁波反馈信号为爬架对电磁波探测信号进行反射得到的；
提取单元330，用于提取电磁波反馈信号包括的电磁波特征参数；
识别单元340，用于根据预设的特征参数识别模型对电磁波特征参数进行识别，得到爬架状态信息。
作为一种可选的实施方式，特征参数识别模型为预设的人工智能模型。
实施这种实施方式，人工智能模型可以更好的适应于监测装置300，从而使得监测装置300能够获取到更精确的爬架状态信息。
本实施例中，该监测装置300可以引用实施例1或实施例2中任一解释或说明，对此本实施例中不作任何限定。
可见，实施图3所描述的爬架状态信息的监测装置，能够通过四个单元的协同工作完成对爬架状态信息的准确获取，从而避免人工操作和资源浪费。
实施例4
请参看图4，图4为本申请实施例提供的另一种爬架状态信息的监测装置的结构示意图。图4所描述的爬架状态信息的监测装置的结构示意图是根据图3所描述的爬架状态信息的监测装置的结构示意图进行改进得到的。其中，上述识别单元340包括：
获取子单元341，用于获取电磁波特征参数与预设的基频特征参数之间的差异参数；
识别子单元342，用于根据预设的特征参数识别模型对差异参数进行识别，得到爬架状态信息。
实施这种实施方式，识别单元340包括的两个子单元可以将识别操作分解成两个子操作，并能够对电磁波特征参数进行进一步的处理再进行识别，从而使得对电磁波特征参数的识别再提高一个精度，进而，提高了爬架状态信息的获取精度。
作为一种可选的实施方式，监测装置300还包括：
更新单元350，用于根据电磁波特征参数和爬架状态信息，更新特征参数识别模型。
实施这种实施方式，更新单元350还可以根据电磁波特征参数对特征参数识别模型进行更新，从而使得该监测装置300可以具有更高的识别准确性和使用普适性。
本实施例中，该监测装置300可以引用实施例1或实施例2中任一解释或说明，对此本实施例中不作任何限定。
可见，实施图4所描述的爬架状态信息的监测装置300，能够通过多个单元的协同工作共同完成对爬架状态信息的准确获取，从而避免人工操作和资源浪费，进而提高对爬架状态的获取精度。
实施例5
请参看图5，图5为本申请实施例提供的一种爬架状态信息的监测系统的系统结构示意图。其中，该爬架状态信息的监测系统包括位于爬架上的电磁波反射阵列400和上述实施例描述的监测装置300；其中，电磁波反射阵列400用于反射监测装置发送的电磁波探测信号。
本实施例中，电磁波反射阵列400是一种无源异形电磁波反射片装置，其中，该电磁波反射阵列400粘附与爬架500之上。具体的，当该电磁波反射阵列400粘附的爬架500发生变形或位置变动时，电磁波反射阵列400也随之产生相应的形变与位置变化，从而使的监测装置300能够接收到的电磁波信号呈现不同的具有各向异性的特征信息。
在本实施例中，上述电磁波反射阵列400部署在爬架500本体关键结构节点进行长期的动态监控，并进行实时地安全风险类型识别。同时，在建筑环境复杂多变、工况恶劣的情况下，监测装置可以利用电磁波传感器阵列以及相配套的识别分类算法来实现可靠的爬架风险监控。
在本实施例中，由电磁波反射阵列400与监测装置300组成的爬架状态信息监测系统的优势在于组网灵活，可以根据爬架500本体的实际监控需要进行自由排布。同时，电磁波反射阵列400无需电源线与数据传输线，部署简单方便。另外，电磁波反射阵列400所反射的电磁波信号特征与反射阵列的安装位置具有一一对应的关系，反射阵列在形状上具有各向异性，因此不同类型的形变发生时，发射的电磁波具有独特的信号特征，可以识别出不同的风险类型。
在本实施例中，电磁波反射阵列400部署在爬架500关键结构节点，包括但不限于架体、网片、爬架扶梯、防坠吊杆等爬架健康状态重点监控部位。此类部位对于保障爬架安全可靠运行具有决定性作用，即要在这些敏感部位判断爬架是否存在变形、下坠、脱落等风险。
在本实施例中，电磁波反射阵列400部署在爬架500的架体、网片、爬架扶梯、防坠吊杆等需要重点监控的部位，每面墙体都可以配备一个监测装置300，然后利用其本身在建筑工地现场的高度优势进行电磁波信号的发射与接收，可快速将电磁波覆盖到整个爬架500的关键敏感区域，并进行风险特征的识别与分类，从而实现对爬架500本体安全敏感部位持续监测。
本实施例中，还可以设置有可在云端进行分布式运算的实时监控平台，该实时监控平台接入大量上述监测装置300，用于实现对多种安全风险类别的识别；同时，该瓶盖还可以通过接收大量样本来对人工智能模型进行训练与再训练，从而使得该系统可以自适应各种不同工况，提高对爬架500的健康状态监控的鲁棒性。
本实施例中，该爬架状态信息的监测系统可以引用实施例1、实施例2、实施例3或实施例4中的任一解释或说明，对此本实施例中不作任何限定。
可见，实施图5所描述的爬架状态信息的监测装置，该爬架状态监测系统中包括位于爬架上的电磁波反射阵列，其中，该电磁波反射阵列随着爬架的形变而发生相应形变，促使监测装置可以通过对该电磁波反射阵列进行电磁波检测来确定电磁波反射阵列的变化，进而通过电磁波反射阵列的变化确定出爬架的变化，以使爬架状态能够准确得到，并不会受到过多的外界因素干扰，从而提高爬架状态的监测精度，并提高爬架状态的监测普适性。
本申请实施例提供了一种电子设备，包括存储器以及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行本申请实施例1或实施例2中任一项爬架状态信息的监测方法。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中任一项爬架状态信息的监测方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本申请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)执行本申请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-Only Memory)、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。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种爬架状态信息的监测方法，其特征在于，所述方法包括：
发射电磁波探测信号；
接收与所述电磁波探测信号对应的电磁波反馈信号；其中，所述电磁波反馈信号为爬架对所述电磁波探测信号进行反射得到的；
提取所述电磁波反馈信号包括的电磁波特征参数；
根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息。
2.根据权利要求1所述的爬架状态信息的监测方法，其特征在于，所述特征参数识别模型为预设的人工智能模型。
3.根据权利要求1所述的爬架状态信息的监测方法，其特征在于，所述根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息的步骤包括：
获取所述电磁波特征参数与预设的基频特征参数之间的差异参数；
根据预设的特征参数识别模型对所述差异参数进行识别，得到爬架状态信息。
4.根据权利要求1所述的爬架状态信息的监测方法，其特征在于，所述根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息的步骤之后，所述方法还包括：
根据所述电磁波特征参数和所述爬架状态信息，更新所述特征参数识别模型。
5.一种爬架状态信息的监测装置，其特征在于，所述监测装置包括：
发射单元，用于发射电磁波探测信号；
接收单元，用于接收与所述电磁波探测信号对应的电磁波反馈信号；其中，所述电磁波反馈信号为爬架对所述电磁波探测信号进行反射得到的；
提取单元，用于提取所述电磁波反馈信号包括的电磁波特征参数；
识别单元，用于根据预设的特征参数识别模型对所述电磁波特征参数进行识别，得到爬架状态信息。
6.根据权利要求5所述的爬架状态信息的监测装置，其特征在于，所述特征参数识别模型为预设的人工智能模型。
7.根据权利要求5所述的爬架状态信息的监测装置，其特征在于，所述监测装置还包括：
更新单元，用于根据所述电磁波特征参数和所述爬架状态信息，更新所述特征参数识别模型。
8.一种爬架状态信息的监测系统，其特征在于，所述监测系统包括位于爬架上的电磁波反射阵列和权利要求5至7中任一项所述的监测装置；其中，所述电磁波反射阵列用于反射所述监测装置发送的电磁波探测信号。
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至4中任一项所述的爬架状态信息的监测方法。
10.一种可读存储介质，其特征在于，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至4任一项所述的爬架状态信息的监测方法。
CN201911070191.8A 2019-11-04 2019-11-04 一种爬架状态信息的监测方法、装置及系统 Active CN110736980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911070191.8A CN110736980B (zh) 2019-11-04 2019-11-04 一种爬架状态信息的监测方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911070191.8A CN110736980B (zh) 2019-11-04 2019-11-04 一种爬架状态信息的监测方法、装置及系统

Publications (2)

Publication Number Publication Date
CN110736980A true CN110736980A (zh) 2020-01-31
CN110736980B CN110736980B (zh) 2021-09-21

Family

ID=69272238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911070191.8A Active CN110736980B (zh) 2019-11-04 2019-11-04 一种爬架状态信息的监测方法、装置及系统

Country Status (1)

Country Link
CN (1) CN110736980B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114370153A (zh) * 2022-01-19 2022-04-19 余绍珍 一种爬架智能控制系统及方法
CN116149225A (zh) * 2023-02-07 2023-05-23 蚌埠高灵传感系统工程有限公司 基于LoRA分布式传感器的爬架提升控制系统

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4723356A (en) * 1985-09-24 1988-02-09 Mazda Motor Corporation Weighty object mounting systems
EP0834166A1 (en) * 1995-06-22 1998-04-08 David John Dando Intrusion sensing systems
US6675934B1 (en) * 2002-09-30 2004-01-13 Mccormick Paul L. Suspended scaffold surveillance system
CN1614948A (zh) * 2004-11-11 2005-05-11 南京航空航天大学 基于多主体协作的分布式结构健康监测系统
CN103048656A (zh) * 2012-12-25 2013-04-17 河南东陆高科实业有限公司 基于连续波雷达的隧道围岩形变量测预警系统及方法
CN202995038U (zh) * 2012-12-25 2013-06-12 河南东陆高科实业有限公司 基于连续波雷达的隧道围岩形变量测预警系统
CN203583853U (zh) * 2013-04-12 2014-05-07 浙江九恒建筑安全技术股份有限公司 一种红外传感倾斜检测的脚手架
CN103983220A (zh) * 2014-04-24 2014-08-13 东南大学 一种地基雷达连续监测桥梁变形系统及方法
CN104598970A (zh) * 2015-01-09 2015-05-06 宁波大学 一种爬架组的工作状态检测方法
CN105243253A (zh) * 2014-12-05 2016-01-13 宁波大学 一种爬架状态检测方法与装置
CN106600911A (zh) * 2016-11-17 2017-04-26 华能营口仙人岛热电有限责任公司 脚手架安全监视预警系统
CN106679600A (zh) * 2017-03-16 2017-05-17 南京信息职业技术学院 一种脚手架安全监测系统和方法
CN107563411A (zh) * 2017-08-07 2018-01-09 西安电子科技大学 基于深度学习的在线sar目标检测方法
CN108387892A (zh) * 2018-01-16 2018-08-10 上海交通大学 基于fmcw雷达的结构健康监测系统与方法
CN108983178A (zh) * 2018-06-28 2018-12-11 浙江大学 一种敏捷自适应的智能雷达海上目标检测系统
CN109141709A (zh) * 2018-07-03 2019-01-04 合肥工业大学 一种分布式脚手架受力状态监测系统
CN109188430A (zh) * 2018-07-31 2019-01-11 安徽四创电子股份有限公司 一种基于地面监视雷达系统的目标提取方法
CN109765539A (zh) * 2019-01-28 2019-05-17 珠海格力电器股份有限公司 室内用户行为监测方法和装置、电器设备和家居监控系统
CN109826411A (zh) * 2019-02-02 2019-05-31 广东博智林机器人有限公司 一种建筑用的爬架及其运行方法
CN109823969A (zh) * 2019-02-02 2019-05-31 广东博智林机器人有限公司 一种爬吊装置
CN109959930A (zh) * 2017-12-22 2019-07-02 英飞凌科技股份有限公司 使用毫米波雷达传感器监测结构对象的系统和方法
CN110031839A (zh) * 2019-05-20 2019-07-19 天津工业大学 一种基于雷达测距技术的农用温室大棚破损检测装置
CN110082429A (zh) * 2019-04-19 2019-08-02 四川升拓检测技术股份有限公司 一种结合机器学习的隧道衬砌无损检测的辅助判定方法
CN110135390A (zh) * 2019-05-24 2019-08-16 哈尔滨工业大学 基于主信号抑制的辐射源个体识别方法
DE102018106332A1 (de) * 2018-03-19 2019-09-19 VERO Bulgaria EOOD Baugerüsteinrichtung

Patent Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4723356A (en) * 1985-09-24 1988-02-09 Mazda Motor Corporation Weighty object mounting systems
EP0834166A1 (en) * 1995-06-22 1998-04-08 David John Dando Intrusion sensing systems
US6675934B1 (en) * 2002-09-30 2004-01-13 Mccormick Paul L. Suspended scaffold surveillance system
CN1614948A (zh) * 2004-11-11 2005-05-11 南京航空航天大学 基于多主体协作的分布式结构健康监测系统
CN103048656A (zh) * 2012-12-25 2013-04-17 河南东陆高科实业有限公司 基于连续波雷达的隧道围岩形变量测预警系统及方法
CN202995038U (zh) * 2012-12-25 2013-06-12 河南东陆高科实业有限公司 基于连续波雷达的隧道围岩形变量测预警系统
CN203583853U (zh) * 2013-04-12 2014-05-07 浙江九恒建筑安全技术股份有限公司 一种红外传感倾斜检测的脚手架
CN103983220A (zh) * 2014-04-24 2014-08-13 东南大学 一种地基雷达连续监测桥梁变形系统及方法
CN105243253A (zh) * 2014-12-05 2016-01-13 宁波大学 一种爬架状态检测方法与装置
CN104598970A (zh) * 2015-01-09 2015-05-06 宁波大学 一种爬架组的工作状态检测方法
CN106600911A (zh) * 2016-11-17 2017-04-26 华能营口仙人岛热电有限责任公司 脚手架安全监视预警系统
CN106679600A (zh) * 2017-03-16 2017-05-17 南京信息职业技术学院 一种脚手架安全监测系统和方法
CN107563411A (zh) * 2017-08-07 2018-01-09 西安电子科技大学 基于深度学习的在线sar目标检测方法
CN109959930A (zh) * 2017-12-22 2019-07-02 英飞凌科技股份有限公司 使用毫米波雷达传感器监测结构对象的系统和方法
CN108387892A (zh) * 2018-01-16 2018-08-10 上海交通大学 基于fmcw雷达的结构健康监测系统与方法
DE102018106332A1 (de) * 2018-03-19 2019-09-19 VERO Bulgaria EOOD Baugerüsteinrichtung
CN108983178A (zh) * 2018-06-28 2018-12-11 浙江大学 一种敏捷自适应的智能雷达海上目标检测系统
CN109141709A (zh) * 2018-07-03 2019-01-04 合肥工业大学 一种分布式脚手架受力状态监测系统
CN109188430A (zh) * 2018-07-31 2019-01-11 安徽四创电子股份有限公司 一种基于地面监视雷达系统的目标提取方法
CN109765539A (zh) * 2019-01-28 2019-05-17 珠海格力电器股份有限公司 室内用户行为监测方法和装置、电器设备和家居监控系统
CN109826411A (zh) * 2019-02-02 2019-05-31 广东博智林机器人有限公司 一种建筑用的爬架及其运行方法
CN109823969A (zh) * 2019-02-02 2019-05-31 广东博智林机器人有限公司 一种爬吊装置
CN110082429A (zh) * 2019-04-19 2019-08-02 四川升拓检测技术股份有限公司 一种结合机器学习的隧道衬砌无损检测的辅助判定方法
CN110031839A (zh) * 2019-05-20 2019-07-19 天津工业大学 一种基于雷达测距技术的农用温室大棚破损检测装置
CN110135390A (zh) * 2019-05-24 2019-08-16 哈尔滨工业大学 基于主信号抑制的辐射源个体识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
秦建武; 赵春宇; 李宏: "BP神经网络在爬架组安全监测系统中的应用", 《无线通信技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114370153A (zh) * 2022-01-19 2022-04-19 余绍珍 一种爬架智能控制系统及方法
CN116149225A (zh) * 2023-02-07 2023-05-23 蚌埠高灵传感系统工程有限公司 基于LoRA分布式传感器的爬架提升控制系统
CN116149225B (zh) * 2023-02-07 2024-03-19 蚌埠高灵传感系统工程有限公司 基于LoRA分布式传感器的爬架提升控制系统

Also Published As

Publication number Publication date
CN110736980B (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN102799903B (zh) 一种基于空间与光谱信息的高光谱自动云检测方法
CN111679166A (zh) 基于无线传输技术的开关柜局部放电故障多源信息融合检测预警系统及方法
CN110736980A (zh) 一种爬架状态信息的监测方法、装置及系统
CN102928435A (zh) 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置
KR20170012204A (ko) 광섬유 센서 시스템
US10490039B2 (en) Sensors for detecting and monitoring user interaction with a device or product and systems for analyzing sensor data
CN113023293A (zh) 一种皮带机的巡检方法、装置、设备及系统
CN110119734A (zh) 刀具检测方法及装置
CN110717496A (zh) 基于神经网络的复杂场景树木检测方法
KR102170597B1 (ko) 해안 해수면 관측 시스템
CN112013285B (zh) 管道泄漏点的检测方法及装置、存储介质、终端
CN116577788B (zh) 输电线路异物侵限监测方法、装置和计算机设备
CN115600513B (zh) 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统
CN112560981A (zh) 生成对抗模型的训练方法、装置、设备、程序和存储介质
Clements Earthquake detection with tinyml
CN115949891B (zh) 一种lng加气站智能控制系统及其控制方法
Rincon-Yanez et al. Towards a semantic model for IoT-based seismic event detection and classification
Zhang et al. Detection and classification of anomalous events in water quality datasets within a smart city-smart bay project
CN111460909A (zh) 基于视觉的货位管理方法和装置
CN114049684A (zh) 一种人体坐姿识别方法、装置、电子设备和存储介质
CN117079416B (zh) 基于人工智能算法的多人5d雷达跌倒检测方法及系统
CN115620496B (zh) 应用于输电线路的故障报警方法、装置、设备和介质
CN114779002B (zh) 一种输电线路故障点定位方法、装置、设备及存储介质
CN108957520A (zh) 监测环境数据的方法及装置、存储介质和处理器
KR102262085B1 (ko) 기기의 운전상태 분석 시스템

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
GR01 Patent grant
GR01 Patent grant