CN110992517A - 一种基于机器学习的绝缘臂形变计算的装置及计算方法 - Google Patents
一种基于机器学习的绝缘臂形变计算的装置及计算方法 Download PDFInfo
- Publication number
- CN110992517A CN110992517A CN201911107423.2A CN201911107423A CN110992517A CN 110992517 A CN110992517 A CN 110992517A CN 201911107423 A CN201911107423 A CN 201911107423A CN 110992517 A CN110992517 A CN 110992517A
- Authority
- CN
- China
- Prior art keywords
- insulating arm
- arm
- insulating
- deformation
- angle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010801 machine learning Methods 0.000 title claims abstract description 20
- 238000012706 support-vector machine Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000000725 suspension Substances 0.000 claims abstract description 6
- 238000009413 insulation Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
- G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
- G07C5/0833—Indicating performance data, e.g. occurrence of a malfunction using audio means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/187—Machine fault alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器学习的绝缘臂形变计算的装置,通过角度传感器、激光测距装置、主控器、吊臂拉力计,获得绝缘臂的工作参数,绝缘臂控制器预先构建的支持向量机预测模型输出所述绝缘臂的形变量,当形变量超过报警值,蜂鸣器报警,解决绝缘斗臂车在作业过程中对绝缘臂形变的监测问题,并能够对绝缘臂异常形变进行预测警报,提升绝缘斗臂车作业时的安全性。
Description
技术领域
本申请涉及电力电子技术领域,具体涉及一种基于机器学习的绝缘臂形变计算的装置,同时涉及一种基于机器学习的绝缘臂形变计算方法。
背景技术
绝缘斗臂车作为一种带电作业用特殊高空车其同时具备高空作业和对地绝缘的功能,在长时间的使用后,绝缘臂材料容易出现变形、老化等情况,即使在检测合格的情况下,无法避免在作业过程中出现绝缘臂破裂、断开意外情况。同时,绝缘斗臂车在运送作业人员达到高空作业位置时绝缘臂的变形量一直都是一项很难检测准确的项目,因为在整个作业过程中,绝缘臂会在多个方向发生位移,在检测过程中带来了很大的难度,即使能够顺利的检测出某个方向上的数据,对于绝缘臂变形量的表达也不够充分和准确。
发明内容
本申请提供一种基于机器学习的绝缘臂形变计算的装置,解决绝缘斗臂车在作业过程中对绝缘臂形变的监测问题,并能够对绝缘臂异常形变进行预测警报,提升绝缘斗臂车作业时的安全性。
本申请提供一种基于机器学习的绝缘臂形变计算的装置,包括:参数获取模块、显示屏、控制器,以及蜂鸣器;
参数获取模块,用于获取绝缘臂的工作参数;
显示屏,用于显示绝缘臂形变量和绝缘臂的工作参数,以及显示设置的绝缘臂的形变量的报警值;
控制器,用于根据绝缘臂的工作参数计算所述绝缘臂的形变量;根据绝缘臂的工作参数通过预先构建的支持向量机预测模型输出所述绝缘臂的形变量;将所述绝缘臂的形变量输出至显示屏;
蜂鸣器,当绝缘臂的形变量超过报警值,则蜂鸣器报警。
优选的,所述参数获取模块,包括:
角度传感器,用于测量绝缘臂上下端相对水平面的角度;
激光测距装置,用于测量绝缘臂的长度;
吊臂拉力计,用于测量绝缘臂吊装标准重物时的拉力。
优选的,所述根据绝缘臂的工作参数计算所述绝缘臂的形变量,包括:
a、b两点为绝缘臂上下端顶点;A、B分别为过a、b点作切线;C为过b点平行于线A的直线;C与B夹角为α;L为绝缘臂长度;D、E为过a、b两点垂直于切线作的两条直线,交点c为以L作为圆弧的圆的圆心;β为D、E两线夹角;连接a、b两点,过圆心c作连线的垂线,垂线的实线部分S为绝缘臂的形变量;
A、B为相对水平面的角度,两者的差值为α的值,由圆弧性质可得α的角度等于β角度,弧长为绝缘臂长度L,得出圆的半径D,半径已知,圆弧对应角度已知,算出形变量S=180L*cos(β/2)/(β*π),π为圆周率。
优选的,还包括:
模型构建模块,用于将绝缘臂的工作参数与计算获得的所述绝缘臂的形变量作为支持向量机预测模型的训练和测试数据,对所述支持向量机预测模型进行训练和测试。
本申请同时提供一种基于机器学习的绝缘臂形变计算方法,包括:
获取绝缘臂的工作参数;
根据所述工作参数计算所述绝缘臂的形变量;
根据所述工作参数通过预先构建的支持向量机预测模型输出所述绝缘臂的形变量。
优选的,所述获取绝缘臂的工作参数,包括:
通过角度传感器,测量绝缘臂上下端相对水平面的角度;
通过激光测距装置,测量绝缘臂的长度;
通过吊臂拉力计,测量绝缘臂吊装标准重物时的拉力。
优选的,根据所述工作参数计算所述绝缘臂的形变量,包括:
a、b两点为绝缘臂上下端顶点;A、B分别为过a、b点作切线;C为过b点平行于线A的直线;C与B夹角为α;L为绝缘臂长度;D、E为过a、b两点垂直于切线作的两条直线,交点c为以L作为圆弧的圆的圆心;β为D、E两线夹角;连接a、b两点,过圆心c作连线的垂线,垂线的实线部分S为绝缘臂的形变量;
A、B为相对水平面的角度,两者的差值为α的值,由圆弧性质可得α的角度等于β角度,弧长为绝缘臂长度L,得出圆的半径D,半径已知,圆弧对应角度已知,算出形变量S=180L*cos(β/2)/(β*π),π为圆周率。
优选的,还包括:
将绝缘臂的工作参数与计算获得的所述绝缘臂的形变量作为支持向量机预测模型的训练和测试数据,对所述预测模型进行训练和测试。
优选的,还包括:
将所述绝缘臂的形变量和工作参数输出至显示屏。
优选的,还包括:
当绝缘臂的形变量超过报警值,则蜂鸣器报警。
本申请提供一种基于机器学习的绝缘臂形变计算的装置,通过参数获取模块,获得绝缘臂的工作参数,绝缘臂控制器预先构建的支持向量机预测模型输出所述绝缘臂的形变量,当形变量超过报警值,蜂鸣器报警,解决绝缘斗臂车在作业过程中对绝缘臂形变的监测问题,并能够对绝缘臂异常形变进行预测警报,提升绝缘斗臂车作业时的安全性。
附图说明
图1是本申请实施例提供的一种基于机器学习的绝缘臂形变计算的装置的结构示意图;
图2是本申请实施例涉及的一种基于机器学习的绝缘臂形变计算方法的流程示意图;
图3是本申请实施例涉及的绝缘臂的形变量的计算方法示意图;
图4是本申请实施例涉及的基于支持向量机的机器学习模型的构建示意图;
图5是本申请实施例涉及的基于支持向量机的机器学习模型对形变量的预测过程示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
实施例1
附图1为本申请实施例提供的一种基于机器学习的绝缘臂形变计算的装置的结构示意图,如图中所示,所述装置包括:角度传感器、激光测距装置、主控器、吊臂拉力计、显示屏、控制器,以及蜂鸣器;角度传感器为两个,用于分别测量绝缘臂的两个臂长与水平面的角度,激光测距离装置,用于测量绝缘臂的臂长;吊臂拉力计用于测量绝缘臂吊装标准重物时的拉力;显示屏,用于显示绝缘臂形变量和绝缘臂的工作参数,以及显示设置的绝缘臂的形变量的报警值;控制器,用于根据绝缘臂的工作参数计算所述绝缘臂的形变量,根据绝缘臂的工作参数通过预先构建的支持向量机预测模型输出所述绝缘臂的形变量;将所述绝缘臂的形变量输出至显示屏;;蜂鸣器,当绝缘臂的形变量超过报警值,则蜂鸣器报警。
绝缘臂的工作参数为通过角度传感器、激光测距装置、主控器、吊臂拉力计获得的绝缘臂上下端相对水平面的角度、绝缘臂的长度、绝缘臂吊装标准重物时的拉力。
使用CAN总线,用于角度传感器传递角度值至控制器,已经显示屏与控制器的通讯;用RS232采集激光测距装置的返回值;
支持向量机预测模型的建立通过最大化分类间隔控制学习机器的VC维,在线性可分情况下,构造最优超平面。在线性不可分情况下,利用核函数将样本映射到高维特征空间,并在高维特征空间中构造最优超平面。主要包括:①定义最优超平面,②支持向量机。③支持向量机回归,支持向量机回归(SVR)是分类问题的结果在回归情况下的推广,引入ε不敏感损失函数。④引入核函数,当遇到线性不可分问题时,选择适当的核函数,通过该函数对支持向量机模型,把高维特征空间的点积运算转化为低维空间的核函数运算。通过以上四步求解的支持向量机模型,从而预测绝缘臂形变量。
实施例2
下面为一种基于机器学习的绝缘臂形变计算的装置的具体应用实施例。
绝缘斗内装备一个控制器,控制器通过CAN总线接收绝缘臂上下端角度传感器数据,通过RS232接收当前激光测距仪测得的绝缘臂伸长距离,得到角度数据及距离数据后进行解算,得到最终的绝缘臂形变值。控制器通过CAN总线向显示屏发送需要显示的绝缘臂形变值数据,并通过CAN总线接收显示屏记录下的操作人员设置的参数,控制器计算出绝缘臂形变值后,根据预设值通过开关量端口驱动蜂鸣器进行相应的提示或报警。
在绝缘臂上下端布置角度传感器,检测绝缘臂的上下端分别相对于水平面的相对角度。角度传感器数据通过CAN总线发出,由于绝缘臂上下端需要保证绝对的绝缘,故在绝缘臂上下端增加CAN转光纤模块,将电信号转换成光信号,通过光纤传输至绝缘臂上端的CAN转光纤模块中,再将光信号转换成电信号,以CAN总线的形式将数据传输给控制器进行解算。
由于目前大部分绝缘斗臂车的绝缘臂为伸缩式,故需要通过激光测距装置来检测绝缘臂伸缩长度,结合角度数据来解算绝缘臂形变量。将激光测距仪布置于绝缘臂固定部分离伸缩臂最近的地方,在伸缩臂最靠近绝缘斗端安装激光反射装置,激光测距仪发出光线之后,激光反射装置将光线反射,激光测距仪接收反射的光线,记录发射与接收的时间差后,经过计算得出当前激光测距仪与反射装置的距离,通过测量得出激光测距仪与绝缘臂最底端距离,两者相加得出绝缘臂当前长度。得到这三个参数后,即可通过这三个参数计算出形变量计算方法。
以相同的方法多次测量在已知参数角度,臂长,拉力下的对应的绝缘臂型变量,然后可采用快速有效的通用支持向量机软件包LIBSVM进行结算。通过大量数据实现对模型的训练,从而对之后的数据集合进行预测。
在绝缘斗端装备一个显示屏,通过显示屏实现人机交互功能。显示屏可以设置两级参数,分为预警形变值和危险形变值。设置完成之后,显示屏将相应参数传输至控制器进行存储、控制。当预测形变值达到预警形变值时,控制器驱动蜂鸣器急促的警告声进行提醒,直至形变值恢复至正常状态,当达到危险形变值后,控制器驱动蜂鸣器长响进行危险提示。显示屏上设置取消提醒功能,避免有可能出现的测试情形,取消提醒需要经过密码验证来避免误操作。
实施例3
基于同一发明构思,本申请同时提供一种基于机器学习的绝缘臂形变计算方法,如附图2所示,包括:
步骤S201,获取绝缘臂的工作参数。
绝缘臂的工作参数包括:绝缘臂上下端相对水平面的角度、绝缘臂的长度、绝缘臂吊装标准重物时的拉力。
步骤S202,根据所述工作参数计算所述绝缘臂的形变量。
根据所述工作参数计算所述绝缘臂的形变量,具体方法,如附图3所示包括:
a、b两点为绝缘臂上下端顶点;A、B分别为过a、b点作切线;C为过b点平行于线A的直线;C与B夹角为α;L为绝缘臂长度;D、E为过a、b两点垂直于切线作的两条直线,交点c为以L作为圆弧的圆的圆心;β为D、E两线夹角;连接a、b两点,过圆心c作连线的垂线,垂线的实线部分S为绝缘臂的形变量;
A、B为相对水平面的角度,两者的差值为α的值,由圆弧性质可得α的角度等于β角度,弧长为绝缘臂长度L,得出圆的半径D,半径已知,圆弧对应角度已知,算出形变量S=180L*cos(β/2)/(β*π),π为圆周率。
步骤S203,根据所述工作参数通过预先构建的支持向量机预测模型输出所述绝缘臂的形变量。
如附图4所示,积累大量形变量数据,接着使用部分形变量数据对基于支持向量机的机器学习模型进行训练,然后再使用剩余的形变量数据对模型进行测试,当模型的准确率达到使用的标准时,完成对模型的训练和测试,模型可以投入使用。
模型对形变量的预测过程如附图5所示,使用者直接输入控制器四个测量参数,模型对形变量做出预测,输出绝缘臂的形变量。
本申请提供一种基于机器学习的绝缘臂形变计算的装置,通过角度传感器、激光测距装置、主控器、吊臂拉力计,获得绝缘臂的工作参数,绝缘臂控制器预先构建的支持向量机预测模型输出所述绝缘臂的形变量,当形变量超过报警值,蜂鸣器报警,解决绝缘斗臂车在作业过程中对绝缘臂形变的监测问题,并能够对绝缘臂异常形变进行预测警报,提升绝缘斗臂车作业时的安全性。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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。
最后应该说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于机器学习的绝缘臂形变计算的装置,其特征在于,包括:参数获取模块、显示屏、控制器,以及蜂鸣器;
参数获取模块,用于获取绝缘臂的工作参数;
显示屏,用于显示绝缘臂形变量和绝缘臂的工作参数,以及显示设置的绝缘臂的形变量的报警值;
控制器,用于根据绝缘臂的工作参数计算所述绝缘臂的形变量;根据绝缘臂的工作参数通过预先构建的支持向量机预测模型输出所述绝缘臂的形变量;将所述绝缘臂的形变量输出至显示屏;
蜂鸣器,当绝缘臂的形变量超过报警值,则蜂鸣器报警。
2.根据权利要求1所述的装置,其特征在于,所述参数获取模块,包括:
角度传感器,用于测量绝缘臂上下端相对水平面的角度;
激光测距装置,用于测量绝缘臂的长度;
吊臂拉力计,用于测量绝缘臂吊装标准重物时的拉力。
3.根据权利要求1所述的装置,其特征在于,所述根据绝缘臂的工作参数计算所述绝缘臂的形变量,包括:
a、b两点为绝缘臂上下端顶点;A、B分别为过a、b点作切线;C为过b点平行于线A的直线;C与B夹角为α;L为绝缘臂长度;D、E为过a、b两点垂直于切线作的两条直线,交点c为以L作为圆弧的圆的圆心;β为D、E两线夹角;连接a、b两点,过圆心c作连线的垂线,垂线的实线部分S为绝缘臂的形变量;
A、B为相对水平面的角度,两者的差值为α的值,由圆弧性质可得α的角度等于β角度,弧长为绝缘臂长度L,得出圆的半径D,半径已知,圆弧对应角度已知,算出形变量S=180L*cos(β/2)/(β*π),π为圆周率。
4.根据权利要求1所述的装置,其特征在于,还包括:
模型构建模块,用于将绝缘臂的工作参数与计算获得的所述绝缘臂的形变量作为支持向量机预测模型的训练和测试数据,对所述支持向量机预测模型进行训练和测试。
5.一种基于机器学习的绝缘臂形变计算方法,其特征在于,包括:
获取绝缘臂的工作参数;
根据所述工作参数计算所述绝缘臂的形变量;
根据所述工作参数通过预先构建的支持向量机预测模型输出所述绝缘臂的形变量。
6.根据权利要求5所述的方法,其特征在于,所述获取绝缘臂的工作参数,包括:
通过角度传感器,测量绝缘臂上下端相对水平面的角度;
通过激光测距装置,测量绝缘臂的长度;
通过吊臂拉力计,测量绝缘臂吊装标准重物时的拉力。
7.根据权利要求5所述的方法,其特征在于,根据所述工作参数计算所述绝缘臂的形变量,包括:
a、b两点为绝缘臂上下端顶点;A、B分别为过a、b点作切线;C为过b点平行于线A的直线;C与B夹角为α;L为绝缘臂长度;D、E为过a、b两点垂直于切线作的两条直线,交点c为以L作为圆弧的圆的圆心;β为D、E两线夹角;连接a、b两点,过圆心c作连线的垂线,垂线的实线部分S为绝缘臂的形变量;
A、B为相对水平面的角度,两者的差值为α的值,由圆弧性质可得α的角度等于β角度,弧长为绝缘臂长度L,得出圆的半径D,半径已知,圆弧对应角度已知,算出形变量S=180L*cos(β/2)/(β*π),π为圆周率。
8.根据权利要求5所述的方法,其特征在于,还包括:
将绝缘臂的工作参数与计算获得的所述绝缘臂的形变量作为支持向量机预测模型的训练和测试数据,对所述预测模型进行训练和测试。
9.根据权利要求5所述的方法,其特征在于,还包括:
将所述绝缘臂的形变量和工作参数输出至显示屏。
10.根据权利要求5所述的方法,其特征在于,还包括:
当绝缘臂的形变量超过报警值,则蜂鸣器报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911107423.2A CN110992517A (zh) | 2019-11-13 | 2019-11-13 | 一种基于机器学习的绝缘臂形变计算的装置及计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911107423.2A CN110992517A (zh) | 2019-11-13 | 2019-11-13 | 一种基于机器学习的绝缘臂形变计算的装置及计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110992517A true CN110992517A (zh) | 2020-04-10 |
Family
ID=70084010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911107423.2A Pending CN110992517A (zh) | 2019-11-13 | 2019-11-13 | 一种基于机器学习的绝缘臂形变计算的装置及计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992517A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050049990A1 (en) * | 2003-08-29 | 2005-03-03 | Milenova Boriana L. | Support vector machines processing system |
RU2396201C1 (ru) * | 2009-03-20 | 2010-08-10 | Общество с ограниченной ответственностью "Научно-производственное предприятие "Резонанс" | Способ повышения безопасности (варианты) и система безопасности стрелового грузоподъемного крана (варианты) |
CN202346663U (zh) * | 2011-11-01 | 2012-07-25 | 大连科信起重电器有限公司 | 一种动臂塔式起重机防倾翻监控装置 |
CN103523670A (zh) * | 2013-10-23 | 2014-01-22 | 中联重科股份有限公司 | 吊臂幅度检测装置及方法、起重机 |
CN106829754A (zh) * | 2017-03-24 | 2017-06-13 | 徐州海伦哲专用车辆股份有限公司 | 一种绝缘高空作业车及其绝缘工作平台自动限幅方法 |
CN110255379A (zh) * | 2019-05-30 | 2019-09-20 | 中联重科股份有限公司 | 吊臂的旁弯检测方法、系统和旁弯监控系统 |
-
2019
- 2019-11-13 CN CN201911107423.2A patent/CN110992517A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050049990A1 (en) * | 2003-08-29 | 2005-03-03 | Milenova Boriana L. | Support vector machines processing system |
RU2396201C1 (ru) * | 2009-03-20 | 2010-08-10 | Общество с ограниченной ответственностью "Научно-производственное предприятие "Резонанс" | Способ повышения безопасности (варианты) и система безопасности стрелового грузоподъемного крана (варианты) |
CN202346663U (zh) * | 2011-11-01 | 2012-07-25 | 大连科信起重电器有限公司 | 一种动臂塔式起重机防倾翻监控装置 |
CN103523670A (zh) * | 2013-10-23 | 2014-01-22 | 中联重科股份有限公司 | 吊臂幅度检测装置及方法、起重机 |
CN106829754A (zh) * | 2017-03-24 | 2017-06-13 | 徐州海伦哲专用车辆股份有限公司 | 一种绝缘高空作业车及其绝缘工作平台自动限幅方法 |
CN110255379A (zh) * | 2019-05-30 | 2019-09-20 | 中联重科股份有限公司 | 吊臂的旁弯检测方法、系统和旁弯监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN204666090U (zh) | 一种适用于悬挑脚手架的综合应变监测系统 | |
CN101934990B (zh) | 一种基于力矩限制器的履带起重机防倾翻装置和方法 | |
CN102249152B (zh) | 起重机活动配重的检测装置及方法 | |
US20220032943A1 (en) | Road monitoring system, road monitoring device, road monitoring method, and non-transitory computer-readable medium | |
CN102901560A (zh) | 一种海洋导管架平台结构安全综合监测系统 | |
CN103274303B (zh) | 起重机械安全监控管理系统的控制方法 | |
CN105347192A (zh) | 一种门式起重机主梁挠度在线监测系统及方法 | |
CN104591050A (zh) | 高空作业车防倾翻控制方法 | |
CN101935737B (zh) | 氧枪高度及氧枪钢丝绳松紧一体化检测装置 | |
CN104326379A (zh) | 一种安全监控塔吊 | |
CN108821117B (zh) | 一种智慧型桥面吊机 | |
CN202252811U (zh) | 橡胶膜煤气柜活塞调平装置检测机构 | |
CN101650174A (zh) | 用于测量吊车吊钩垂直度偏差的动态测量装置及方法 | |
CN109580067A (zh) | 一种基于精确定位的高压输电线路施工紧线预警方法 | |
CN110992517A (zh) | 一种基于机器学习的绝缘臂形变计算的装置及计算方法 | |
CN112033476A (zh) | 一种风力助推转子的监测系统及监测方法 | |
CN116495624A (zh) | 群塔安全作业自动监控装置及其控制方法 | |
CN109798940A (zh) | 钢丝绳卷扬式垂直升船机实时在线安全检测系统及方法 | |
CN112575783B (zh) | 液压打桩锤锤体倾斜测量及显示装置 | |
CN115258951A (zh) | 一种起重机实际载荷检测方法及系统 | |
CN208544974U (zh) | 一种电梯位置监控系统 | |
KR20130084089A (ko) | 크레인 거더 변형 측정장치 | |
CN110759239A (zh) | 防碰架空导线装置、吊车系统及吊车防碰架空导线方法 | |
CN203486775U (zh) | 一种岸边集装箱起重机挠度在线监测装置 | |
CN113247802A (zh) | 一种大型吊装作业设备作业智能监控方法 |
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: 20200410 |
|
RJ01 | Rejection of invention patent application after publication |