CN113432644A - 一种无人搬运车异常检测系统及检测方法 - Google Patents
一种无人搬运车异常检测系统及检测方法 Download PDFInfo
- Publication number
- CN113432644A CN113432644A CN202110666196.8A CN202110666196A CN113432644A CN 113432644 A CN113432644 A CN 113432644A CN 202110666196 A CN202110666196 A CN 202110666196A CN 113432644 A CN113432644 A CN 113432644A
- Authority
- CN
- China
- Prior art keywords
- single machine
- module
- instruction
- data processing
- control center
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000007405 data analysis Methods 0.000 claims abstract description 49
- 238000004891 communication Methods 0.000 claims description 48
- 230000002159 abnormal effect Effects 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Abstract
本发明公开了一种无人搬运车异常检测系统及检测方法,设置了计时模块、温度数据分析模块、湿度数据分析模块、气压数据分析模块、图像数据分析模块、距离数据分析模块对采集到的无人搬运车相关数据进行分析,解决了现有的无人搬运车的检测系统只能对自身硬件或行驶路径进行检测,在面对环境多变或有外物入侵时不能及时做到异常报警提示,适用范围不够广泛的问题。
Description
技术领域
本发明属于无人搬运车设备技术领域,具体涉及一种无人搬运车异常检测系统及检测方法。
背景技术
无人搬运车(Automated Guided Vehicle,简称AGV),指装备有电磁或光学等自动导引装置,能够沿规定的导引路径行驶,具有安全保护以及各种移载功能的运输车,工业应用中不需驾驶员的搬运车,以可充电之蓄电池为其动力来源。一般可透过电脑来控制其行进路线以及行为,或利用电磁轨道(electromagnetic path-following system)来设立其行进路线,电磁轨道贴在地板上,无人搬运车则依循电磁轨道所带来的指令进行移动与动作;
AGV以轮式移动为特征,较之步行、爬行或其它非轮式的移动机器人具有行动快捷、工作效率高、结构简单、可控性强、安全性好等优势;与物料输送中常用的其他设备相比,AGV的活动区域无需铺设轨道、支座架等固定装置,不受场地、道路和空间的限制;因此,在自动化物流系统中,最能充分地体现其自动性和柔性,实现高效、经济、灵活的无人化生产;
AGV控制系统分为地面(上位)控制系统、车载(单机)控制系统及导航/导引系统,其中,地面控制系统指AGV系统的固定设备,主要负责任务分配,车辆调度,路径(线)管理,交通管理,自动充电等功能;车载控制系统在收到上位系统的指令后,负责AGV的导航计算,导引实现,车辆行走,装卸操作等功能;导航/导引系统为AGV单机提供系统绝对或相对位置及航向;
现有的无人搬运车的检测系统只能对自身硬件或行驶路径进行检测,在面对环境多变或有外物入侵时不能及时做到异常报警提示,适用范围不够广泛,因此,现有技术还有待发展。
发明内容
本发明的目的在于提供一种无人搬运车异常检测系统及检测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种无人搬运车异常检测系统及检测方法,包括单机,还包括与所述单机连接的数据采集模块、通讯模块、云端数据处理中心和控制中心;
所述数据采集模块用于采集无人搬运车周围的温度、湿度、气压、与周围物体间的距离等数据信息;
所述通讯模块提供控制中心、云端数据处理中心与各个无人搬运车单机的通讯功能;
所述云端数据处理中心用于处理数据采集模块采集到的数据并反馈给控制中心;
所述控制中心对多台无人搬运车进行控制,给各个无人搬运车发送各项控制信号指令,对每个单机进行车辆监控、交通管理等;
所述数据采集模块包括温度传感器、湿度传感器、气压传感器、图像采集器,所述温度传感器、湿度传感器、气压传感器、图像采集器分别与所述无人搬运车单机固定连接;
所述温度传感器用于检测周围环境温度;
所述湿度传感器用于检测周围环境湿度;
所述气压传感器用于检测周围环境大气压强;
所述图像采集器用于采集周围环境各个物品的图像元素并提取相关特征数据;
所述数据采集模块还包括测距模块;
所述测距模块用于监测无人搬运车与周围环境中的其他物体的距离数据;
所述云端数据处理中心包括计时模块、温度数据分析模块、湿度数据分析模块、气压数据分析模块、图像数据分析模块、距离数据分析模块;
所述控制中心包括显示模块、通讯检测模块、图像异常报警模块;
所述通讯检测模块进行通讯状态检测包括以下步骤:
A1、所述单机通过所述通讯模块定期向所述云端数据处理中心汇报心跳工作状态;
A2、所述云端数据处理中心向所述控制中心汇报下属所述单机的工作ID及工作状态;
A3、所述控制中心向所述云端数据处理中心发送指令内容和校验码,所述云端数据处理中心收到指令后,反馈给所述控制中心接收到的校验码,确认一级指令内容已经传达完毕;
A4、所述云端数据处理中心接收所述控制中心的指令并向所述单机转发,所述单机接收到指令后,反馈已接收状态给所述云端数据处理中心,所述云端数据处理中心转发此状态给所述控制中心,二级指令传达完毕;
A5、所述单机执行指令后,传达已执行指令给所述云端数据处理中心,所述云端数据处理中心同时转发给所述控制中心,确认三级指令传达完毕;
A6、在所述控制中心和所述云端数据处理中心、所述单机相互发送指令的过程中,若发送方在发送指令后未收到接收方的反馈,则判定通讯异常,在限定时间内重新发送,若在规定时间内一直未收到反馈,则判定接收对象工作状态异常,所述控制中心的所述通讯检测模块报警提示。
进一步的,所述图像数据分析模块基于卷积神经网络算法分析所述图像采集器采集到的图像元素数据,包括以下步骤:
S1、利用无人搬运车所处环境中的多种常见物品的多种类型的图像数据通过卷积神经网络进行训练,得到训练模型;
S2、将所述图像采集器采集到的图像元素相关特征数据在所述训练模型中回测,检测特征数据与训练模型的相似度;
S3、当相似度低于预设的阈值时,则判定周围环境中有异常物体出现,发送警示信号给所述图像异常报警模块,所述图像异常报警模块进行报警提示;
S4、所述图像数据分析模块将获取到并判定为异常图像数据的图像数据传输给所述显示模块,所述显示模块显示异常图像;
对图像数据进行异常分析主要是为了避免外来物入侵影响无人搬运车的工作甚至对产品等造成损坏,此处外来物主要是指动物、其他可移动物体等等。
进一步的,所述卷积神经网络包括特征提取及分类识别;
所述特征提取包括卷积层、激活函数层及池化层,所述分类识别包括全连接层;
通过所述卷积层提取所述图像采集器采集到的图像的特征图,将特征图经过激活函数层进行非线性化处理,再通过池化层将图像缩小,减少像素信息。
进一步的,包括不止一个单机,每个所述单机设定不同工作ID。
进一步的,所述通讯检测模块进行通讯状态检测包括以下步骤:
A1、每个所述单机通过各自的所述通讯模块定期向所述云端数据处理中心汇报心跳工作状态;
A2、所述云端数据处理中心向所述控制中心汇报下属所述单机的工作ID清单;
A3、所述控制中心根据所述单机工作ID,向所述云端数据处理中心发送指令内容、ID和校验码,所述云端数据处理中心收到指令后,反馈给所述控制中心接收到的ID和校验码,确认一级指令内容已经传达完毕;
A4、所述云端数据处理中心接收所述控制中心的指令及指令并根据所述单机工作ID向对应所述单机转发,所述单机接收到指令后,反馈指令和已接收状态给所述云端数据处理中心,所述云端数据处理中心转发此状态给所述控制中心,二级指令传达完毕;
A5、所述单机执行指令后,传达已执行指令给所述云端数据处理中心,所述云端数据处理中心同时转发给所述控制中心,确认三级指令传达完毕;
A6、在所述控制中心和所述云端数据处理中心、所述单机传输指令的过程中,若发送方在发送指令后未收到接收方的反馈,则判定通讯异常,在限定时间内重新发送,若在规定时间内一直未收到反馈,则判定接收对象工作状态异常,所述控制中心的所述通讯检测模块报警提示,所述显示模块显示被判定为工作状态异常的所述单机工作ID。
进一步的,所述通讯模块使用TCP/IP通讯。
进一步的,设定一个温度区间,所述单机在此温度区间内可正常工作;
所述温度数据分析模块将所述温度传感器检测到的温度数据与所述温度区间进行比较;
设定一个时间长度,当所述温度传感器检测到的温度数据落在所述温度区间外的时间超过所述时间长度,则所述温度数据分析模块判定所述单机所处环境温度异常并进行报警提示,同时将判定为异常的温度数据信息发送给所述控制中心;
所述显示模块显示相关数据。
进一步的,设定一个湿度区间,所述单机在此湿度区间内可正常工作;
所述湿度数据分析模块将所述湿度传感器检测到的湿度数据与所述湿度区间进行比较;
设定一个时间长度,当所述湿度传感器检测到的湿度数据落在所述湿度区间外的时间超过所述时间长度,则所述湿度数据分析模块判定所述单机所处环境湿度异常并进行报警提示,同时将判定为异常的湿度数据信息发送给所述控制中心;
所述显示模块显示相关数据。
进一步的,设定一个气压区间,所述单机在此气压区间内可正常工作;
所述气压数据分析模块将所述气压传感器检测到的气压数据与所述气压区间进行比较;
设定一个时间长度,当所述气压传感器检测到的气压数据落在所述气压区间外的时间超过所述时间长度,则所述气压数据分析模块判定所述单机所处环境气压异常并进行报警提示,同时将判定为异常的气压数据信息发送给所述控制中心;
所述显示模块显示相关数据。
与现有技术相比,本发明提供了一种无人搬运车异常检测系统及检测方法,具备以下有益效果:设置了计时模块、温度数据分析模块、湿度数据分析模块、气压数据分析模块、图像数据分析模块、距离数据分析模块对采集到的无人搬运车相关数据进行分析,解决了现有的无人搬运车的检测系统只能对自身硬件或行驶路径进行检测,在面对环境多变或有外物入侵时不能及时做到异常报警提示,适用范围不够广泛的问题。
附图说明
图1为本发明实施例提供的无人搬运车异常检测系统的模块结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
实施例:如图1所示,本发明提供了一种无人搬运车异常检测系统及检测方法,包括单机,还包括与所述单机连接的数据采集模块、通讯模块、云端数据处理中心和控制中心;
所述数据采集模块用于采集无人搬运车周围的温度、湿度、气压、与周围物体间的距离等数据信息;
所述通讯模块提供控制中心、云端数据处理中心与各个无人搬运车单机的通讯功能;
所述云端数据处理中心用于处理数据采集模块采集到的数据并反馈给控制中心;
所述控制中心对多台无人搬运车进行控制,给各个无人搬运车发送各项控制信号指令,对每个单机进行车辆监控、交通管理等;
所述数据采集模块包括温度传感器、湿度传感器、气压传感器、图像采集器,所述温度传感器、湿度传感器、气压传感器、图像采集器分别与所述无人搬运车单机固定连接;
所述温度传感器用于检测周围环境温度;
所述湿度传感器用于检测周围环境湿度;
所述气压传感器用于检测周围环境大气压强;
所述图像采集器用于采集周围环境各个物品的图像元素并提取相关特征数据;
所述数据采集模块还包括测距模块;
所述测距模块用于监测无人搬运车与周围环境中的其他物体的距离数据;
所述云端数据处理中心包括计时模块、温度数据分析模块、湿度数据分析模块、气压数据分析模块、图像数据分析模块、距离数据分析模块;
所述控制中心包括显示模块、通讯检测模块、图像异常报警模块;
所述图像数据分析模块基于卷积神经网络算法分析所述图像采集器采集到的图像元素数据,包括以下步骤:
S1、利用无人搬运车所处环境中的多种常见物品的多种类型的图像数据通过卷积神经网络进行训练,得到训练模型;
S2、将所述图像采集器采集到的图像元素相关特征数据在所述训练模型中回测,检测特征数据与训练模型的相似度;
S3、当相似度低于预设的阈值时,则判定周围环境中有异常物体出现,发送警示信号给所述图像异常报警模块,所述图像异常报警模块进行报警提示;
S4、所述图像数据分析模块将获取到并判定为异常图像数据的图像数据传输给所述显示模块,所述显示模块显示异常图像;
对图像数据进行异常分析主要是为了避免外来物入侵影响无人搬运车的工作甚至对产品等造成损坏,此处外来物主要是指动物、其他可移动物体等等;
所述卷积神经网络包括特征提取及分类识别;
所述特征提取包括卷积层、激活函数层及池化层,所述分类识别包括全连接层;
通过所述卷积层提取所述图像采集器采集到的图像的特征图,将特征图经过激活函数层进行非线性化处理,再通过池化层将图像缩小,减少像素信息;
包括不止一个单机,每个所述单机设定不同工作ID;
所述通讯检测模块进行通讯状态检测包括以下步骤:
A1、每个所述单机通过各自的所述通讯模块定期向所述云端数据处理中心汇报心跳工作状态;
A2、所述云端数据处理中心向所述控制中心汇报下属所述单机的工作ID清单;
A3、所述控制中心根据所述单机工作ID,向所述云端数据处理中心发送指令内容、ID和校验码,所述云端数据处理中心收到指令后,反馈给所述控制中心接收到的ID和校验码,确认一级指令内容已经传达完毕;
A4、所述云端数据处理中心接收所述控制中心的指令及指令并根据所述单机工作ID向对应所述单机转发,所述单机接收到指令后,反馈指令和已接收状态给所述云端数据处理中心,所述云端数据处理中心转发此状态给所述控制中心,二级指令传达完毕;
A5、所述单机执行指令后,传达已执行指令给所述云端数据处理中心,所述云端数据处理中心同时转发给所述控制中心,确认三级指令传达完毕;
A6、在所述控制中心和所述云端数据处理中心、所述单机传输指令的过程中,若发送方在发送指令后未收到接收方的反馈,则判定通讯异常,在限定时间内重新发送,若在规定时间内一直未收到反馈,则判定接收对象工作状态异常,所述控制中心的所述通讯检测模块报警提示,所述显示模块显示被判定为工作状态异常的所述单机工作ID;
所述通讯模块使用TCP/IP通讯;
设定一个温度区间,所述单机在此温度区间内可正常工作;
所述温度数据分析模块将所述温度传感器检测到的温度数据与所述温度区间进行比较;
设定一个时间长度,当所述温度传感器检测到的温度数据落在所述温度区间外的时间超过所述时间长度,则所述温度数据分析模块判定所述单机所处环境温度异常并进行报警提示,同时将判定为异常的温度数据信息发送给所述控制中心,所述显示模块显示相关数据;
设定一个湿度区间,所述单机在此湿度区间内可正常工作;
所述湿度数据分析模块将所述湿度传感器检测到的湿度数据与所述湿度区间进行比较;
设定一个时间长度,当所述湿度传感器检测到的湿度数据落在所述湿度区间外的时间超过所述时间长度,则所述湿度数据分析模块判定所述单机所处环境湿度异常并进行报警提示,同时将判定为异常的湿度数据信息发送给所述控制中心,所述显示模块显示相关数据。
设定一个气压区间,所述单机在此气压区间内可正常工作;
所述气压数据分析模块将所述气压传感器检测到的气压数据与所述气压区间进行比较;
设定一个时间长度,当所述气压传感器检测到的气压数据落在所述气压区间外的时间超过所述时间长度,则所述气压数据分析模块判定所述单机所处环境气压异常并进行报警提示,同时将判定为异常的气压数据信息发送给所述控制中心,所述显示模块显示相关数据。
在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”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,可以是直接连接,也可以通过中间媒介间接连接,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,可以视具体情况理解上述术语在本发明中的具体含义。
以上所述仅为本发明的较佳实施例,并不用于限制本发明,凡在本发明的设计构思之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种无人搬运车异常检测系统及检测方法,其特征在于:包括单机,还包括与所述单机连接的数据采集模块、通讯模块、云端数据处理中心和控制中心;
所述数据采集模块用于采集无人搬运车周围的温度、湿度、气压、与周围物体间的距离等数据信息;
所述通讯模块提供控制中心、云端数据处理中心与各个无人搬运车单机的通讯功能;
所述云端数据处理中心用于处理数据采集模块采集到的数据并反馈给控制中心;
所述控制中心对多台无人搬运车进行控制,给各个无人搬运车发送各项控制信号指令,对每个单机进行车辆监控、交通管理等;
所述数据采集模块包括温度传感器、湿度传感器、气压传感器、图像采集器,所述温度传感器、湿度传感器、气压传感器、图像采集器分别与所述无人搬运车单机固定连接;
所述温度传感器用于检测周围环境温度;
所述湿度传感器用于检测周围环境湿度;
所述气压传感器用于检测周围环境大气压强;
所述图像采集器用于采集周围环境各个物品的图像元素并提取相关特征数据;
所述数据采集模块还包括测距模块;
所述测距模块用于监测无人搬运车与周围环境中的其他物体的距离数据;
所述云端数据处理中心包括计时模块、温度数据分析模块、湿度数据分析模块、气压数据分析模块、图像数据分析模块、距离数据分析模块;
所述控制中心包括显示模块、通讯检测模块、图像异常报警模块;
所述通讯检测模块进行通讯状态检测包括以下步骤:
A1、所述单机通过所述通讯模块定期向所述云端数据处理中心汇报心跳工作状态;
A2、所述云端数据处理中心向所述控制中心汇报下属所述单机的工作ID及工作状态;
A3、所述控制中心向所述云端数据处理中心发送指令内容和校验码,所述云端数据处理中心收到指令后,反馈给所述控制中心接收到的校验码,确认一级指令内容已经传达完毕;
A4、所述云端数据处理中心接收所述控制中心的指令并向所述单机转发,所述单机接收到指令后,反馈已接收状态给所述云端数据处理中心,所述云端数据处理中心转发此状态给所述控制中心,二级指令传达完毕;
A5、所述单机执行指令后,传达已执行指令给所述云端数据处理中心,所述云端数据处理中心同时转发给所述控制中心,确认三级指令传达完毕;
A6、在所述控制中心和所述云端数据处理中心、所述单机相互发送指令的过程中,若发送方在发送指令后未收到接收方的反馈,则判定通讯异常,在限定时间内重新发送,若在规定时间内一直未收到反馈,则判定接收对象工作状态异常,所述控制中心的所述通讯检测模块报警提示。
2.根据权利要求1所述的一种无人搬运车异常检测系统及检测方法,其特征在于:所述图像数据分析模块基于卷积神经网络算法分析所述图像采集器采集到的图像元素数据,包括以下步骤:
S1、利用无人搬运车所处环境中的多种常见物品的多种类型的图像数据通过卷积神经网络进行训练,得到训练模型;
S2、将所述图像采集器采集到的图像元素相关特征数据在所述训练模型中回测,检测特征数据与训练模型的相似度;
S3、当相似度低于预设的阈值时,则判定周围环境中有异常物体出现,发送警示信号给所述图像异常报警模块,所述图像异常报警模块进行报警提示;
S4、所述图像数据分析模块将获取到并判定为异常图像数据的图像数据传输给所述显示模块,所述显示模块显示异常图像。
3.根据权利要求2所述的一种无人搬运车异常检测系统及检测方法,其特征在于:所述卷积神经网络包括特征提取及分类识别;
所述特征提取包括卷积层、激活函数层及池化层,所述分类识别包括全连接层;
通过所述卷积层提取所述图像采集器采集到的图像的特征图,将特征图经过激活函数层进行非线性化处理,再通过池化层将图像缩小,减少像素信息。
4.根据权利要求1所述的一种无人搬运车异常检测系统及检测方法,其特征在于:包括不止一个单机,每个所述单机设定不同工作ID。
5.根据权利要求4所述的一种无人搬运车异常检测系统及检测方法,其特征在于:所述通讯检测模块进行通讯状态检测包括以下步骤:
A1、每个所述单机通过各自的所述通讯模块定期向所述云端数据处理中心汇报心跳工作状态;
A2、所述云端数据处理中心向所述控制中心汇报下属所述单机的工作ID清单;
A3、所述控制中心根据所述单机工作ID,向所述云端数据处理中心发送指令内容、ID和校验码,所述云端数据处理中心收到指令后,反馈给所述控制中心接收到的ID和校验码,确认一级指令内容已经传达完毕;
A4、所述云端数据处理中心接收所述控制中心的指令及指令并根据所述单机工作ID向对应所述单机转发,所述单机接收到指令后,反馈指令和已接收状态给所述云端数据处理中心,所述云端数据处理中心转发此状态给所述控制中心,二级指令传达完毕;
A5、所述单机执行指令后,传达已执行指令给所述云端数据处理中心,所述云端数据处理中心同时转发给所述控制中心,确认三级指令传达完毕;
A6、在所述控制中心和所述云端数据处理中心、所述单机传输指令的过程中,若发送方在发送指令后未收到接收方的反馈,则判定通讯异常,在限定时间内重新发送,若在规定时间内一直未收到反馈,则判定接收对象工作状态异常,所述控制中心的所述通讯检测模块报警提示,所述显示模块显示被判定为工作状态异常的所述单机工作ID。
6.根据权利要求1所述的一种无人搬运车异常检测系统及检测方法,其特征在于:所述通讯模块使用TCP/IP通讯。
7.根据权利要求1所述的一种无人搬运车异常检测系统及检测方法,其特征在于:设定一个温度区间,所述单机在此温度区间内可正常工作;
所述温度数据分析模块将所述温度传感器检测到的温度数据与所述温度区间进行比较;
设定一个时间长度,当所述温度传感器检测到的温度数据落在所述温度区间外的时间超过所述时间长度,则所述温度数据分析模块判定所述单机所处环境温度异常并进行报警提示,同时将判定为异常的温度数据信息发送给所述控制中心;
所述显示模块显示相关数据。
8.根据权利要求1所述的一种无人搬运车异常检测系统及检测方法,其特征在于:设定一个湿度区间,所述单机在此湿度区间内可正常工作;
所述湿度数据分析模块将所述湿度传感器检测到的湿度数据与所述湿度区间进行比较;
设定一个时间长度,当所述湿度传感器检测到的湿度数据落在所述湿度区间外的时间超过所述时间长度,则所述湿度数据分析模块判定所述单机所处环境湿度异常并进行报警提示,同时将判定为异常的湿度数据信息发送给所述控制中心;
所述显示模块显示相关数据。
9.根据权利要求1所述的一种无人搬运车异常检测系统及检测方法,其特征在于:设定一个气压区间,所述单机在此气压区间内可正常工作;
所述气压数据分析模块将所述气压传感器检测到的气压数据与所述气压区间进行比较;
设定一个时间长度,当所述气压传感器检测到的气压数据落在所述气压区间外的时间超过所述时间长度,则所述气压数据分析模块判定所述单机所处环境气压异常并进行报警提示,同时将判定为异常的气压数据信息发送给所述控制中心;
所述显示模块显示相关数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110666196.8A CN113432644A (zh) | 2021-06-16 | 2021-06-16 | 一种无人搬运车异常检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110666196.8A CN113432644A (zh) | 2021-06-16 | 2021-06-16 | 一种无人搬运车异常检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113432644A true CN113432644A (zh) | 2021-09-24 |
Family
ID=77756082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110666196.8A Pending CN113432644A (zh) | 2021-06-16 | 2021-06-16 | 一种无人搬运车异常检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113432644A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113867177A (zh) * | 2021-10-15 | 2021-12-31 | 江苏汇博机器人技术股份有限公司 | 一种可调节机器人搬运仿真系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719216A (zh) * | 2009-12-21 | 2010-06-02 | 西安电子科技大学 | 基于模板匹配的运动人体异常行为识别方法 |
CN103353996A (zh) * | 2013-07-17 | 2013-10-16 | 南京物联传感技术有限公司 | 车辆无线控制系统及基于该系统的状态信息反馈方法 |
CN103935365A (zh) * | 2014-05-14 | 2014-07-23 | 袁培江 | 一种新型物料搬运自动引导车智能防撞系统 |
CN207424677U (zh) * | 2017-11-07 | 2018-05-29 | 东莞理工学院 | 全方位避障和障碍物识别装置 |
CN108241366A (zh) * | 2016-12-27 | 2018-07-03 | 中国移动通信有限公司研究院 | 一种移动巡检机器人和移动巡检系统 |
CN108918532A (zh) * | 2018-06-15 | 2018-11-30 | 长安大学 | 一种快速道路交通标志破损检测系统及其检测方法 |
CN109543513A (zh) * | 2018-10-11 | 2019-03-29 | 平安科技(深圳)有限公司 | 智能监控实时处理的方法、装置、设备及存储介质 |
CN109623843A (zh) * | 2019-01-22 | 2019-04-16 | 重庆众兄共创科技有限公司 | 基于云计算智能决策算法的家庭智能服务机器人 |
CN109656252A (zh) * | 2018-12-29 | 2019-04-19 | 广州市申迪计算机系统有限公司 | 一种基于agv的中控调度系统和定位导航方法 |
CN109886298A (zh) * | 2019-01-16 | 2019-06-14 | 江苏大学 | 一种基于卷积神经网络的焊缝质量检测方法 |
CN109902575A (zh) * | 2019-01-24 | 2019-06-18 | 平安科技(深圳)有限公司 | 基于无人驾驶车辆的防拐卖方法、装置及相关设备 |
CN110032917A (zh) * | 2018-01-12 | 2019-07-19 | 杭州海康威视数字技术股份有限公司 | 一种异常事件检测方法、装置及电子设备 |
CN110765922A (zh) * | 2019-10-18 | 2020-02-07 | 华南理工大学 | 一种agv用双目视觉物体检测障碍物系统 |
CN111428572A (zh) * | 2020-02-28 | 2020-07-17 | 中国工商银行股份有限公司 | 信息处理方法、装置、电子设备和介质 |
CN211855436U (zh) * | 2020-05-15 | 2020-11-03 | 路邦柏悦有限公司 | 一种环境监察智能终端 |
CN112124455A (zh) * | 2020-09-28 | 2020-12-25 | 劢微机器人科技(深圳)有限公司 | 无人搬运车仿真监控方法、装置、设备及存储介质 |
CN112162557A (zh) * | 2020-09-27 | 2021-01-01 | 劢微机器人科技(深圳)有限公司 | 无人搬运车的远程控制系统及方法 |
CN112835333A (zh) * | 2020-12-31 | 2021-05-25 | 北京工商大学 | 一种基于深度强化学习多agv避障与路径规划方法及系统 |
CN112833808A (zh) * | 2021-01-05 | 2021-05-25 | 厦门银江智慧城市技术股份有限公司 | 基于卷积神经网络算法的设备形变检测方法和装置 |
-
2021
- 2021-06-16 CN CN202110666196.8A patent/CN113432644A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719216A (zh) * | 2009-12-21 | 2010-06-02 | 西安电子科技大学 | 基于模板匹配的运动人体异常行为识别方法 |
CN103353996A (zh) * | 2013-07-17 | 2013-10-16 | 南京物联传感技术有限公司 | 车辆无线控制系统及基于该系统的状态信息反馈方法 |
CN103935365A (zh) * | 2014-05-14 | 2014-07-23 | 袁培江 | 一种新型物料搬运自动引导车智能防撞系统 |
CN108241366A (zh) * | 2016-12-27 | 2018-07-03 | 中国移动通信有限公司研究院 | 一种移动巡检机器人和移动巡检系统 |
CN207424677U (zh) * | 2017-11-07 | 2018-05-29 | 东莞理工学院 | 全方位避障和障碍物识别装置 |
CN110032917A (zh) * | 2018-01-12 | 2019-07-19 | 杭州海康威视数字技术股份有限公司 | 一种异常事件检测方法、装置及电子设备 |
CN108918532A (zh) * | 2018-06-15 | 2018-11-30 | 长安大学 | 一种快速道路交通标志破损检测系统及其检测方法 |
CN109543513A (zh) * | 2018-10-11 | 2019-03-29 | 平安科技(深圳)有限公司 | 智能监控实时处理的方法、装置、设备及存储介质 |
CN109656252A (zh) * | 2018-12-29 | 2019-04-19 | 广州市申迪计算机系统有限公司 | 一种基于agv的中控调度系统和定位导航方法 |
CN109886298A (zh) * | 2019-01-16 | 2019-06-14 | 江苏大学 | 一种基于卷积神经网络的焊缝质量检测方法 |
CN109623843A (zh) * | 2019-01-22 | 2019-04-16 | 重庆众兄共创科技有限公司 | 基于云计算智能决策算法的家庭智能服务机器人 |
CN109902575A (zh) * | 2019-01-24 | 2019-06-18 | 平安科技(深圳)有限公司 | 基于无人驾驶车辆的防拐卖方法、装置及相关设备 |
CN110765922A (zh) * | 2019-10-18 | 2020-02-07 | 华南理工大学 | 一种agv用双目视觉物体检测障碍物系统 |
CN111428572A (zh) * | 2020-02-28 | 2020-07-17 | 中国工商银行股份有限公司 | 信息处理方法、装置、电子设备和介质 |
CN211855436U (zh) * | 2020-05-15 | 2020-11-03 | 路邦柏悦有限公司 | 一种环境监察智能终端 |
CN112162557A (zh) * | 2020-09-27 | 2021-01-01 | 劢微机器人科技(深圳)有限公司 | 无人搬运车的远程控制系统及方法 |
CN112124455A (zh) * | 2020-09-28 | 2020-12-25 | 劢微机器人科技(深圳)有限公司 | 无人搬运车仿真监控方法、装置、设备及存储介质 |
CN112835333A (zh) * | 2020-12-31 | 2021-05-25 | 北京工商大学 | 一种基于深度强化学习多agv避障与路径规划方法及系统 |
CN112833808A (zh) * | 2021-01-05 | 2021-05-25 | 厦门银江智慧城市技术股份有限公司 | 基于卷积神经网络算法的设备形变检测方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113867177A (zh) * | 2021-10-15 | 2021-12-31 | 江苏汇博机器人技术股份有限公司 | 一种可调节机器人搬运仿真系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9383752B2 (en) | Railway maintenance device | |
US7683760B2 (en) | Mobile portal for RFID applications | |
CN104284151B (zh) | 一种变电站地面巡检方法及巡检系统 | |
CN102235906B (zh) | 一种车辆行进中自动称重方法 | |
CN106020210A (zh) | 一种基于无线终端的自动导引小车控制方法及系统 | |
CN107098294B (zh) | 用于物料搬运车辆网络的系统和方法 | |
CN102692899A (zh) | 自动工业车辆与资产管理系统的集成 | |
AU2006218710A1 (en) | Mobile portal for RFID applications | |
KR101805423B1 (ko) | 스마트 팩토리에 적용되는 ict 기반의 무인반송시스템 | |
CN114153215B (zh) | 煤矿瓦斯巡检机器人方法及系统 | |
CN113432644A (zh) | 一种无人搬运车异常检测系统及检测方法 | |
CN109739195A (zh) | 一种智能轨道转运系统 | |
CN102910041A (zh) | 危化车胎压监控方法与系统 | |
KR20180087510A (ko) | 무인운송장치, 이를 이용한 재배시설 모니터링 시스템 및 방법 | |
CN203759749U (zh) | 包裹实时追踪系统 | |
CN106292661A (zh) | 一种基于无线终端的自动导引控制系统及控制方法 | |
CN111882862A (zh) | 一种路侧状态监控系统 | |
CN111105455A (zh) | 仓储系统与相关方法 | |
CN219987624U (zh) | 一种巡检机器人及运输机巡检系统 | |
US11440734B2 (en) | Article transport system | |
CN111292066B (zh) | 一种智能巡检一体化管控平台 | |
CN113741475A (zh) | 移动机器人充电桩防移动系统和方法 | |
CN219685591U (zh) | 一种浮选机工况巡检机器人 | |
CN104992427A (zh) | 一种基于机器学习的运煤火车错钩检测系统及方法 | |
CN104503344A (zh) | 基于gps信号采集定位的物流车辆监控系统 |
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: 20210924 |
|
RJ01 | Rejection of invention patent application after publication |