CN111674818B - 一种堆垛设备的智能监控方法、装置和存储介质 - Google Patents

Abstract

本发明公开了一种堆垛设备的智能监控方法，包括通过与运行中的堆垛设备内PLC交互实时采集所述堆垛设备输出的运动控制脉冲值；实时提取数据库中所采集到脉冲值数据，按照堆垛设备运动方向分别生成对应的运动方向脉冲曲线图；将生成特定运动方向脉冲曲线图与该运动方向的预设脉冲曲线进行比对，若偏离原预设的脉冲曲线特定阈值则进行报警。可实现同时对大型仓库内的多个堆垛设备进行实时状态监控，并快速准确的发现其中处于非正常工作状态的堆垛设备。

Description

一种堆垛设备的智能监控方法、装置和存储介质

技术领域

本发明涉及智能仓储物流领域，尤其涉及一种堆垛设备的智能监控方法及系统。

背景技术

随着国内经济的发展，特别是物流业的突飞猛进，越来越多的企业正在经历着由传统的平面仓库向立体仓库发展的过程。智能仓储系统由于其具有很高的空间利用率，很强的入出库能力，采用计算机进行控制管理而利于企业实施现代化管理等特点，已成为企业物流和生产管理不可缺少的仓储技术。同时智能仓储在整个物流环节中扮演着重要角色，在供应链体系中，仓储是连接上游制造与下游分销的重要中转环节，是整个体系中不可或缺的一环。在智能仓储管理中，融入了很多先进的理念和技术手段，使其由最初的人工仓储管理，逐步发展为集机械化、自动化、集成化和智能化为一体的现代仓储体系。

随着智能仓储系统自动化程度的提高，其涉及运行设备也越来越多，如何使用，管理好这些设备，是一个不容忽视的问题。目前，国内企业采用的运维保养方式大多以定期巡检为主，设备运维工作对运维人员要求较高，运维人员需要很长的培训周期才可以上岗，加上运维人员流动大，导致运维投入成本较高，运维时间跨度大，人力资源投入过剩，整体运维效率不高等诸多问题。另外，在现有的智能仓储系统中，当设备发生故障时，需要人工逐项监控装置排查，其中一个设备发生故障，需要对每个设备进行逐项排查，故障设备定位效率低，排查时间长，严重影响了智能仓储系统的工作效率。

发明内容

本发明针对现有技术中的不足，提供了一种堆垛设备的智能监控方法，包括：

S1，通过与运行中的堆垛设备内PLC交互实时采集所述堆垛设备输出的运动控制脉冲值；

S2，实时提取数据库中所采集到脉冲值数据，按照堆垛设备运动方向分别生成对应的运动方向脉冲曲线图；

S3，将生成特定运动方向脉冲曲线图与该运动方向的预设脉冲曲线进行比对，若偏离原预设的脉冲曲线特定阈值则进行报警。

优选的，所述步骤S1包括：

S11，根据堆垛设备的机械组成，分别提取出行走机构、货叉机构和/或上提升机构的运动控制脉冲值，所述运动控制脉冲值为通过电机或伺服机构驱动所述堆垛设备沿着特定方向移动过程中所产生值；

S12，将采集到的运动控制脉冲值根据机械组成类别分别存储到数据库中的各运动部件数据组中。

优选的，所述运动控制脉冲值包括在该运动方向的起始位置的脉冲值、和/或起始位置到终止位置之间所有有效货位的脉冲值。

优选的，所述步骤S3包括：将生成的运动方向脉冲曲线与该运动方向的预设脉冲曲线进行比对，根据所述生成的运动方向脉冲曲线与预设脉冲曲线偏差值划分成第一状态和第二状态，当判断为处于第二状态时发出对应通知。

优选的，所述堆垛设备的智能监控方法还包括：

S4，当堆垛设备的一运动方向的脉冲值数据处于第二状态时，获取该堆垛设备的所在工作区域的视频图像序列；

S5，从所述视频序列中提取码垛设备的步态特征，所述步态为码垛设备运行时的姿态和/或行为特征；

S6，根据所述码垛设备的持续步态特征变化生成第一特征状态参数集，根据对所述第一特征状态参数集与预设状态参数集进行对比分析来判定码垛设备的运行状态。

优选的，所述步骤S5包括：识别视频图像序列中码垛设备的各机械部件组成，计算各机械部件的姿态和/或行为特征。

优选的，所述步骤S5，具体包括：

S51，识别视频图像序列中的码垛设备身份信息；

S52，根据所述码垛设备身份信息在数据库中获取其对应的机械部件组成，以及各机械部件的识别特征和检测参数；

S53，根据所述识别特征获取视频图像序列中对应的机械部件，并对其检测参数进行测量获取。

本发明还公开了一种堆垛设备的智能监控装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述任一所述方法的步骤。

本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前述任一所述方法的步骤。

本发明公开的堆垛设备智能监控方法通过实时采集各堆垛机在运行过程中PLC所输出的脉冲值，按照堆垛设备运动方向分别生成对应的运动方向脉冲曲线图，将生成特定运动方向脉冲曲线图与该运动方向的预设脉冲曲线进行比对，若偏离原预设的脉冲曲线特定阈值则进行报警。该方法根据曲线图轨迹变化达到即时监控维护保养情况，可实现同时对大型仓库内的多个堆垛设备进行的实时监控，并快速准确的发现其中处于非正常工作状态的堆垛设备，然后指导运维人员及时对码垛设备进行维修保养，便于运维人员对码垛设备进行远程监控，降低了运维人员日常运维的工作量，提高了整体运维的效率。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为一实施例公开的堆垛设备的智能监控方法的流程示意图。

图2为一实施例公开的步骤S1的具体流程示意图。

图3为另一实施例公开的堆垛设备的智能监控方法的流程示意图。

图4为一实施例公开的步骤S5的具体流程示意图。

图5为一实施例公开的堆垛设备的智能监控装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接 ；可以是机械连接，也可以是电连接 ；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。

目前，针对仓库内各类的自动化码垛设备的保养，多是以定期巡检为主，该类方式会导致运维投入成本较高，运维时间跨度大，整体运维效率不高。为了更加有效的管理自动化立体仓库，提高整体运维效率，降低运维人员在运维过程中消耗的时间和空间成本。需要一种能实时监测设备运行状态，提供有效数据实现精准运维的方式，本发明实施例提供了一种能合理利用仓库的有限资源，实时监测各类堆垛设备的运行状态的堆垛设备智能监控方法，该堆垛设备智能监控方法可用于各类智能仓储码垛设备上，尤其是各类堆垛机和叉车上，可广泛应用于智能制造、工厂数字化转型和工业4.0领域。如附图1所示，该堆垛设备的智能监控方法，可具体包括：

步骤S1，通过与运行中的堆垛设备内PLC交互实时采集所述堆垛设备输出的运动控制脉冲值。在该堆垛设备的智能监控方法中，监控服务器或其它上位机通过无线网络等工业网络与各堆垛设备中的控制器进行连接。其中这些堆垛设备的控制器都可采用PLC，各堆垛设备的PLC与上位计算机以及其他智能设备之间通过工业网络交换信息，形成统一的整体，实现分散集中控制。在实施该堆垛设备的智能监控方法时，通过监控服务器或其它上位机与运行中的各堆垛设备内PLC交互，实时采集各堆垛设备的PLC上输出的运动控制脉冲值。该步骤S1具体包括：

步骤S11，根据堆垛设备的机械组成，分别提取出用于进行前后方向移动的行走机构、用于进行左右方向移动的货叉机构和/或用于进行上下方向移动的上提升机构的运动控制脉冲值，所述运动控制脉冲值为通过电机或伺服机构驱动所述堆垛设备沿着特定方向移动过程中所产生值。

步骤S12，将采集到的运动控制脉冲值根据机械组成类别分别存储到数据库中的各运动部件数据组中。

步骤S2，实时提取数据库中所采集到脉冲值数据，按照堆垛设备运动方向分别生成对应的运动方向脉冲曲线图。其中运动控制脉冲值可以包括在该运动方向的起始位置的脉冲值、和/或起始位置到终止位置之间所有有效货位的脉冲值。或者运动控制脉冲值还可包括沿着该运动方向所产生的加速度、和/或该运动方向该次运行总时间。

步骤S3，将生成特定运动方向脉冲曲线图与该运动方向的预设脉冲曲线进行比对，若偏离原预设的脉冲曲线特定阈值则进行报警。

该步骤S3具体可包括：将生成的运动方向脉冲曲线与该运动方向的预设脉冲曲线进行比对，根据所述生成的运动方向脉冲曲线与预设脉冲曲线偏差值划分成第一状态和第二状态，当判断为处于第二状态时发出对应通知。其中可根据两曲线偏移程度划分为三个等级，例如正常状态、预警状态和需维护状态，具体可设定第一特定阈值和第二特定阈值，当偏差值小于第一特定阈值时判断该堆垛设备处于正常状态，当偏差值大于第一特定阈值而小于第二特定阈值时则判断该堆垛设备处于预警状态，当偏差值大于第二特定阈值时则判断该堆垛设备处于需维护状态。其中第一特定阈值可以为该堆垛设备在良好工作状态且无需维护状态下沿各运动方向进行运行时所允许的偏离正常脉冲值的最大偏差值，该最大偏差值可以根据各设备日常维护经验人为确定。其中第二特定阈值可以为该堆垛设备在正常工作状态下沿各运动方向进行运行时所允许的偏离正常脉冲值的最大偏差值，超过该偏差值即表明该堆叠设备已经处于存在设备故障需马上进行维护的情形，该最大偏差值可以根据各设备日常维护经验人为确定。其中第一状态为正常状态，第二状态可以为预警状态和需维护状态。或者也可将第一状态设置为正常状态和预警状态，第二状态为需维护状态，只对堆垛设备进入需维护状态时发出报警信号。

本实施例公开的堆垛设备的智能监控方法通过实时采集各堆垛机在运行过程中PLC所输出的脉冲值，按照堆垛设备运动方向分别生成对应的运动方向脉冲曲线图，将生成特定运动方向脉冲曲线图与该运动方向的预设脉冲曲线进行比对，若偏离原预设的脉冲曲线特定阈值则进行报警。该方法根据曲线图轨迹变化达到即时监控维护保养情况，可实现同时对大型仓库内的多个堆垛设备进行同时的实时监控，并快速准确的发现其中处于非正常工作状态的堆垛设备，然后指导运维人员及时对码垛设备进行维修保养，便于运维人员对码垛设备进行远程监控，降低了运维人员日常运维的工作量，提高了整体运维的效率。

如附图3所示，在另一具体实施例中，该堆垛设备的智能监控方法，还可具体包括：

步骤S4，当堆垛设备的一运动方向的脉冲值数据处于第二状态时，获取该堆垛设备的所在工作区域的视频图像序列。其中第二状态为堆垛设备的至少一个运动方向脉冲曲线与预设曲线的偏移程度达到预警状态或需维护状态。

具体的，通过远程控制仓库内安装的监控摄像设备跟踪拍摄仓库内运行中的码垛设备。其中各监控摄像设备也可对进入本监控区域内的需监测的码垛设备进行跟踪拍摄，在一些实施例中在该步骤中，也可根据监控图形中的码垛设备外观或识别标识进行识别和分析，判断该码垛设备的身份信息。

步骤S5，从所述视频序列中提取码垛设备的步态特征，所述步态为码垛设备运行时的姿态和/或行为特征。

在本实施例中，该步态可以具体包括码垛设备运行时的姿态特征和行为特征。具体的，码垛设备通过电机或伺服机构来驱动码垛设备使其运动的一系列连续活动，使码垛设备沿着一定方向移动的过程中，该码垛设备所呈现出来的姿态特征和行为特征。

在具体应用中，仓储运维管理系统可调用监控摄像设备跟踪拍摄仓库内运行中的各码垛设备的视频图像序列，通过图像算法对调用的码垛设备视频图像进行预处理，从所述视频序列中提取码垛设备的步态特征。具体的，可通过识别视频图像序列中码垛设备的各机械部件组成，计算各机械部件的姿态和/或行为特征。如附图4所示，该步骤S5具体可包括：

步骤S51，识别视频图像序列中的码垛设备身份信息。

可通过前述步骤S4中获取的码垛设备图像信息来对图像中的码垛设备外观进行识别和分析，提取码垛设备机体上的特定标识信息，根据该标识信息来检索码垛设备数据库获取对应的码垛设备身份信息。也可从监控图像中识别获该码垛设备外形特征。具体的该码垛设备外形特征可以是特定外观特征，该特定外观特征为与其周边其它设备区域的亮度对比度超过特定阈值的区域，或者凸出与设备主要区域部分。其中，也可通过识别例如机体轮廓或特定部位例如底部行走机构或顶部机构等部分显著外观特征，作为码垛设备外形特征，根据该外形特征在码垛设备数据库中比对筛选以获取对应的该码垛设备身份信息。另外也可在各码垛设备不同经过路径上布置各监控摄像设备，使得不同摄像设备分别针对不同码垛设备，以便根据码垛设备被拍摄捕获的特定区域摄像设备信息来判断确定该码垛设备身份信息，通过用特定摄像设备来捕捉其特定的码垛设备，可将摄像设备所跟踪拍摄的视频图像序列直接与码垛设备对应，可减少或无需再对视频图像中的码垛设备进行前期的身份识别和身份信息获取，降低了图像处理工作量，也避免了外形类似的码垛设备间出现的身份信息识别错误的问题，从而导致后续步态特征识别出错。

在另一些实施例中，也可通过图像算法识别视频图像中所述码垛设备的某些显著的机械部件特征，该码垛设备的机械部件包括但不限于货架、货叉、提升载货台或行走装置，其中行走装置可以为天轨或地轨。通过从监控图像中识别提取的特定机械部件信息，来判断其所属的码垛设备的身份信息。其中码垛设备的身份信息包括码垛设备名称、设备型号等信息。

步骤S52，根据所述码垛设备身份信息在数据库中获取其对应的机械部件组成，以及各机械部件的识别特征和检测参数。

具体的，在仓库运维管理系统中建立有码垛设备数据库，数据库中包含所有需监控的仓储码垛设备信息。在该数据库中，存储有各仓储码垛设备各类参数标签，其中参数标签可包括产品型号、机械组成部件、单个机械部件的识别特征和相对位置、机械构成部件检测参数。根据前面步骤中识别获取的码垛设备身份信息，从所述数据库中调用其对应的机械部件组成、机械部件的识别特征、以及各识别特征对应的检测参数。其中各码垛设备的机械部件可以包括但不限于货架、货叉、提升载货台或行走装置。而其中的行走装置也可以是天轨或地轨。

在一些具体实施例中，各机械部件的检测参数可以为该机械部件相对于垂直方向的摆动角度，例如货架、货叉或提升载货台等机械部件相对于垂直方向的摆动角度或偏移角度。另外，一些仓储码垛设备的行走装置包括天轨或地轨，其对应的检测参数也可包括但不限于货架与天轨的相对位置、货架与地轨的相对位置、或货架倾斜角度中的一个或多个。

步骤S53，根据所述识别特征筛选视频图像序列中对应的机械部件，并对其检测参数进行测量获取。

所述检测参数包括但不限于货架与天轨的相对位置、货架与地轨的相对位置、或货架倾斜角度。具体的，可根据码垛设备的机械组成，提取出货架、货叉、提升载货台或行走装置等设备各部分组成的位置。计算各个位置的运动学特征，例如相对于垂直方向的摆动角度，从而进行步态的分类识别，包括对天轨的变化，有货和/或无货不同状态下的货架的倾斜角度变化，地轨的水平变化等检测参数进行比较分析。其中在本实施例中，还可具体包括：筛选视频图像序列中对应的载货平台，其中载货平台为货架、货叉或提升载货台，判断载货平台上方是否存在货物；分别获取有货和无货状态下的载货平台相对于垂直方向的摆动角度。

在一些具体实施例中，可根据所述数据库中获得的该码垛设备所需检测的机械部件的识别特征和相应检测参数，通过图像识别算法筛选出该视频图像序列中对应的机械部件区域，然后根据对应的检测参数从该视频图像序列中测量并获取该检测参数的具体数值。在本实施例中，检测参数为机械部件相对于垂直方向的摆动角度。在另一些具体实施例中，也可控制摄像设备进行多角度拍摄，以选取合适的视角图片，根据图像处理算法可以获得更准确的机械部件所需检测参数的具体数值。

步骤S6，根据所述码垛设备的持续步态特征变化生成第一特征状态参数集，根据对所述第一特征状态参数集与预设状态参数集进行对比分析来判定码垛设备的运行状态。

该步骤可具体包括：根据视频图像序列上获取在各采集时间的货架与天轨相对位置、货架与地轨相对位置、或者货架倾斜角度，生成多个第一特征状态参数集，其中第一特征状态参数集包括货架与天轨相对位置变化曲线、货架与地轨相对位置变化曲线或货架倾斜角度变化曲线。

例如，当姿态特征为货架偏移量时，可从视频图像上获取货架相对于垂直方向的摆动角度。在持续的采集的视频序列中，通过上述相同办法，获得所述货架等机械部件相对于垂直方向的摆动角度在时间维度上的连续数值，并将这些数值生成角度变化的曲线图。具体的，通过检测与跟踪获得步态的视频序列，经过预处理分析提取该码垛设备的步态特征形成曲线图。即对图像序列中的步态运动进行运动检测、运维分割，特征提取等步态识别前期的关键处理。通过步态识别算法得出步态特征。例如，基于运动和动力学的方法旨在构建一个码垛设备的2D或3D的运动结构模型，通过提取图像特征把它们映射到模型结构成分上来表征码垛设备的步态模式。如从其倾斜角度信号的频率分量中获取步态特征。根据运动学的参数，检测码垛设备的一些基本变化，形成曲线图。包括时间参数，距离参数，时间-空间参数。

另外在具体实施例中，步骤中的根据对所述第一特征状态参数集与预设状态参数集进行对比分析来判定码垛设备的运行状态。其中第一特征状态参数集具有新采集的步态特征，预设状态参数集中具有步态数据库中保存的该码垛设备正常工作状态的步态特征。将新采集的步态特征与步态数据库的步态特征进行比对识别，并将两个步态曲线图显示在一起，无匹配的即进行预/报警。有匹配的，监控摄像设备则继续进行步态采集。在一些具体实施例中，可根据相关曲线拟合函数，对所述第一特征状态参数集中的某个参数曲线与预设状态参数集中对应的参数曲线进行拟合分析，输出拟合结果。拟合结果为0，表示所述码垛设备正常运行状态，近期无需进行维修保养。拟合结果为1，表示所述码垛设备不是正常运行状态，需要对其进行维修保养。在另一些实施例中，对所述第一特征状态参数集中的某个参数曲线与预设状态参数集中对应的参数曲线进行拟合分析，输出拟合结果。所述拟合结果可以是其他形式。根据所述拟合结果对应所述码垛设备的多个状态。所述的多个状态包括完全正常运行、基本正常运行、近期需要维修保养、立即停止使用等。

其中该步骤S6还可包括：根据对第二特征状态参数集与预设状态参数集进行对比分析来判定码垛设备的运行状态，所述第二特征状态参数集包括所述码垛设备各采集时间的运行速度。其中预设状态参数集中包括码垛设备正常工作状态下的相应运行速度范围。当码垛设备各在采集时间的运行速度超出预设状态参数集中的运行速度范围时，进行预警或报警操作。

本实施例中新增通过使用图像监控设备跟踪监控仓库内运行中的码垛设备，来获取码垛设备步态的视频图像序列，然后从所述视频序列中提取码垛设备的步态特征，并根据码垛设备的持续步态特征变化生成第一特征状态参数集；将第一特征状态参数集与预设状态参数集进行对比分析来判定码垛设备的运行状态，获知相关码垛设备的运行是否存在故障或不按预定状态进行运作的情况。指导运维人员及时对码垛设备进行维修保养，便于运维人员对码垛设备进行远程监控，降低了运维人员日常运维的工作量，提高了整体运维的效率，另一方面通过机器识别排除了人员识别的差异，降低了对日常管理人员的专业知识要求，运维人员无需进行长时间的培训才可以上岗，从而降低了立体仓库运维管理的成本。解决了目前企业采用的运维保养方式大多以定期巡检为主，设备运维工作对运维人员要求较高，运维投入成本较高、运维时间跨度大、人力资源投入过剩和整体运维效率不高等诸多问题。同时也克服了现有的智能仓储系统中在设备发生故障时需要人工逐项监控装置排查，一个设备发生故障便需要对每个设备进行逐项排查，故障设备定位效率低和排查时间长的问题。尤其涉及传统堆垛机的运维保养管理，通过摄像机对堆垛机进行跟踪，再从跟踪结果中获取堆垛机运行时的角度变化轨迹作为动态特征用于运维保养管理的关键指标。从而达到即时对堆垛机进行维护保养的效果。

在另一些实施例中，如附图5所示，本发明实施例还公开了一种堆垛设备的智能监控装置1，包括存储器11、处理器12以及存储在所述存储器11中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述各实施例中描述的堆垛设备的智能监控方法的各个步骤。

所述仓储码垛设备运维管理装置可包括但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是仓储码垛设备运维管理装置的示例，并不构成对仓储码垛设备运维管理装置设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述仓储码垛设备运维管理装置设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述仓储码垛设备运维管理装置设备的控制中心，利用各种接口和线路连接整个仓储码垛设备运维管理装置设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述仓储码垛设备运维管理装置设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（FlashCard）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述仓储码垛设备运维管理装置数据管理方法如果以软件功能单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个堆垛设备的智能监控方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。

Claims (8)

1.一种堆垛设备的智能监控方法，其特征在于，包括：

步骤S1，通过与运行中的堆垛设备内PLC交互实时采集所述堆垛设备输出的运动控制脉冲值；

步骤S2，实时提取数据库中所采集到脉冲值数据，按照堆垛设备运动方向分别生成对应的运动方向脉冲曲线图；

步骤S3，将生成特定运动方向脉冲曲线图与该运动方向的预设脉冲曲线进行比对，若偏离原预设的脉冲曲线特定阈值则进行报警，将生成的运动方向脉冲曲线与该运动方向的预设脉冲曲线进行比对，根据所述生成的运动方向脉冲曲线与预设脉冲曲线偏差值划分成为正常状态、预警状态和需维护状态，当偏差值小于第一特定阈值时判断该堆垛设备处于正常状态，当偏差值大于第一特定阈值而小于第二特定阈值时则判断该堆垛设备处于预警状态，当偏差值大于第二特定阈值时则判断该堆垛设备处于需维护状态，当判断为处于预警状态和需维护状态时发出对应通知。

2.根据权利要求1所述堆垛设备的智能监控方法，其特征在于，所述步骤S1包括：

步骤S11，根据堆垛设备的机械组成，分别提取出行走机构、货叉机构和/或上提升机构的运动控制脉冲值，所述运动控制脉冲值为通过电机或伺服机构驱动所述堆垛设备沿着特定方向移动过程中所产生值；

步骤S12，将采集到的运动控制脉冲值根据机械组成类别分别存储到数据库中的各运动部件数据组中。

3.根据权利要求2所述堆垛设备的智能监控方法，其特征在于：所述运动控制脉冲值包括在该运动方向的起始位置的脉冲值、和/或起始位置到终止位置之间所有有效货位的脉冲值。

4.根据权利要求3所述堆垛设备的智能监控方法，其特征在于，还包括：

步骤S4，当堆垛设备的一运动方向的脉冲值数据处于预警状态和需维护状态时，获取该堆垛设备的所在工作区域的视频图像序列；

步骤S5，从所述视频序列中提取码垛设备的步态特征，所述步态为码垛设备运行时的姿态和/或行为特征；

步骤S6，根据所述码垛设备的持续步态特征变化生成第一特征状态参数集，根据对所述第一特征状态参数集与预设状态参数集进行对比分析来判定码垛设备的运行状态。

5.根据权利要求4所述的堆垛设备的智能监控方法，其特征在于，所述步骤S5包括：识别视频图像序列中码垛设备的各机械部件组成，计算各机械部件的姿态和/或行为特征。

6.根据权利要求5所述堆垛设备的智能监控方法，其特征在于，所述步骤S5，具体包括：

步骤S51，识别视频图像序列中的码垛设备身份信息；

步骤S52，根据所述码垛设备身份信息在数据库中获取其对应的机械部件组成，以及各机械部件的识别特征和检测参数；

步骤S53，根据所述识别特征获取视频图像序列中对应的机械部件，并对其检测参数进行测量获取。

7.一种堆垛设备的智能监控装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6任一所述方法的步骤。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-6任一所述方法的步骤。

Images