CN113888703A - 一种基于智能巡场车的飞行区道面数据分析系统 - Google Patents
一种基于智能巡场车的飞行区道面数据分析系统 Download PDFInfo
- Publication number
- CN113888703A CN113888703A CN202111294596.7A CN202111294596A CN113888703A CN 113888703 A CN113888703 A CN 113888703A CN 202111294596 A CN202111294596 A CN 202111294596A CN 113888703 A CN113888703 A CN 113888703A
- Authority
- CN
- China
- Prior art keywords
- road surface
- module
- pavement
- patrol
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于智能巡场车的飞行区道面数据分析系统,中央服务器、建模模块、网格坐标、巡场车辆、雷达扫描模块、密度检测模块、水平检测模块、异常模块、图像扫描模块、无线传输、风化检测模块、脱空检测模块、纹理检测、积水测量模块、冰雪层检测模块、FOD识别、历史记录模块;中央服务器,用于接收、传递、记录、整理道面检测数据。该基于智能巡场车的飞行区道面数据分析系统,通过建立机场道面的3D模型,并将不同的问题和危害程度通过不同的颜色呈现出来,使机场道面的健康状态和变化情况更加直观,方便工作人员或智能系统的监测,可以更加合理地安排、调整飞机的起降和道面维护工作。
Description
技术领域
本发明涉及飞行区道面监测技术领域,具体为一种基于智能巡场车的飞行区道面数据分析系统。
背景技术
随着经济的发展,航空运输在日常生活中发挥着越来越重要的作用,同时随着“民航强国”战略的提出,新增和扩建的机场逐渐增多,机场航班量的增加让各大型繁忙机场的场道工作更加繁重,因此兼顾航班准点率和飞机运行安全尤为重要,为了保障飞机起降的安全性,需不断对机场飞行道面进行探测,排查危险。
由于机场飞行区道面面积非常大,人工巡场容易出现遗漏,同时探测汇总的数据也非常多,人工巡场记录的相关数据存在主观性强、精确度低及巡查范围有限的弊端,不能对数据进行准确、快速的分析,排查病害问题不及时,因此我们提出了一种基于智能巡场车的飞行区道面数据分析系统来解决问题。
发明内容
为了克服上述现有技术的不足,本发明的目的在于提供一种基于智能巡场车的飞行区道面数据分析系统,具有可以直观清晰观察飞行区道面健康情况的作用。
本发明为实现技术目的采用如下技术方案:一种基于智能巡场车的飞行区道面数据分析系统,中央服务器、建模模块、网格坐标、巡场车辆、定位模块、雷达扫描模块、水平检测模块、图像扫描模块、无线传输、脱空检测、纹理检测、积水测量、冰雪层检测、FOD识别、历史记录模块;
中央服务器,用于接收、记录、整理道面检测数据,控制巡场车辆;
建模模块,利用自动建模软件建立机场道面的等比例3D模型,同时根据道面各位置的健康情况,呈现不同的颜色,使道面状态更加直观;
网格坐标,用于将建立好的机场道面等比例模型分成网格区域,并根据道面规划信息将网格区域划分,方便问题点的定位和巡场车辆路线规划;
巡场车辆,用于根据网格坐标规划的巡查路线,自动行驶,检测道面信息,并将信息反馈,完善建立的道面模型;
定位模块,用于对巡场车辆定位,使上传的信息可根据网格坐标找到对应的位置;
雷达扫描模块,用于利用电磁波或激光扫描道面的健康情况,发现问题点并定位;
图像扫描模块,用于对道面情况的拍摄,对刚性道面保障巡查路线上每一块道面板均进行拍照覆盖,对柔性道面保障巡查路线上道面连续拍照覆盖,每张照片覆盖区域充分,保障对巡查区域的道面病害零遗漏;
红外扫描,用于辅助图像扫描模块对道面FOD进行识别;
无线传输,用于将雷达扫描模块和图像扫描模块探测得到的信息反馈给中央服务器,整理分析后,通过这些数据完善道面模型,将脱空、起伏、纹理、积胶、积水、冰雪、FOD信息在模型上显示出来;
脱空检测,用于检测道面的脱空程度;
水平检测,用于检测道面的平整度;
纹理检测,用于检测道面纹理的宽度、深度、长度、走向;
积胶检测,用于检测道面的积胶情况;
积水测量,用于检测道面的积水深度;
冰雪层检测,用于检测道面的冰雪的厚度和对跑道的遮挡情况;
FOD识别,用于检测道面的FOD及其种类;
历史记录模块,用于记录道面出现过的问题、维修保养情况、清理防护情况。
一种基于智能巡场车的飞行区道面数据分析系统运行方法,步骤包括:
S1、将机场的道面建设信息导入中央服务器,再通过自动建模软件根据这些建设信息建设道面的3D模型;
S2、将建立的道面模型通过网格分区,并根据道面规划对各区域网格进行定义;
S3、巡场车辆根据网格坐标和定位模块进行定位,再根据航班信息和特种车辆运行信息规划巡查路线,并按巡场路线匀速行驶,巡查过程中通过雷达扫描和图像扫描的方式记录道面情况;
S4、巡查过程中通过探地雷达的电磁波探测道面脱空的深度、范围,通过激光雷达探测道面基于水平线的起伏程度、道面纹理的宽度、深度、长度、走向,并通过无线传输设备将数据上传中央服务器;
S5、巡查过程中通过图像扫描和红外射线探测道面的积胶深度,积水深度,冰雪层的厚度和对跑道的遮盖情况,FOD的识别,并通过无线传输设备将数据上传中央服务器;
S6、根据上述模块上传给中央服务器的信息,进行整理,按对应网格坐标位置完善道面模型,并根据数据内容在网格坐标上呈现不同颜色;
S7、根据颜色可直观看到路面的健康情况,在航班规划和检修安排均允许的情况下,尽早进行维护保养、清理防护,并通过历史记录模块记录相关信息;
S8、中央服务器根据历史记录模块记录的信息,通过网格坐标内出现的问题种类和频率做分析,得到出现问题的原因和影响因素,便于后期防护,给出对应病害的发展预测、维修建议;
S9、根据上述病害种类及严重程度,计算PCI、SCI指标,分区域给出具体数值,并依据相关功能衰减规律,给出基于道面表面功能的机场跑道使用寿命;
S10、将每日天气信息与巡道信息进行匹配储存,可对道面系统中的历史数据进行随时调阅,并对历史数据进行趋势性分析、对比性分析、环境影响性分析,分析结果以可视化图表方式给出,便于机场道面管理部门查阅;
S11、依据机场道面的表面功能状态评估与历史数据分析结果对道面近期、中期、远期的维修注意事项进行提醒,对道面目前现状给出整体性维护决策建议;
S12、将S6道面模型中呈现的道面健康程度量化:完全健康路面数值为100,发现健康问题,根据严重程度逐渐降低数值,影响飞机或特种车辆运行后道面数值为60;
S13、对比飞机起飞前后道面健康数值,并将24H内收集的数据建立成折线图表,用于观察不同型号和载重的飞机,对道面的损耗程度;
根据航班信息计算,当道面健康数值无法支持未来48H小时所有运行航班运行损耗后,发出抢修预警。
作为优化,所述S4中将道面采集到的道面纹理深度数据进行处理,对应规范反算为规范给出的指标,评价道面纹理深度,这一反算功能需要研究,在实现对道面纹理深度数值的采集后,需要通过试验研究,确定采集数值与规范方法测定数值的定量定级反算关系,依据该反算关系计算道面纹理深度评估指标,对道面情况作出评价。
作为优化,所述S5中依据积胶区域和积胶深度,总体评价道面积胶状态,给出除胶建议,评价积胶状态时,对积胶区域的图片判定要注意区分除胶前、除胶后,积胶区域的颜色判别,除胶建议包括依据除胶方式的选择,按除胶平均速度,给出除胶时间、计划、预期效果目标等。
作为优化,所述FOD识别连接互联网,通过大数据可以快速准确地识别扫描到的物体。
作为优化,所述S8中的区域颜色划分为:健康区域灰白色,脱空区域根据大小从灰黑到黑分6个色段,道面下沉区域根据落差从淡青到绿分6个色段,纹理检测根据大小从浅棕到深棕分6个色段,积水区域根据不同深度从浅蓝到胜蓝分6个色段,冰雪区域根据不同深度从透明到白色分6个色段,而6个色段的前三段为安全线,后三段为危险线。
作为优化,所述S2中的网格分区方法为,先根据道面大小划分10m×10m的大方格,再在每个大方格内划分1m×1m的小方格,再在每个小方格内划分1dm×1dm的细格。
作为优化,所述S3中的巡航路线会根据航班和特种车辆的实际运行临时调整或紧急避让。
作为优化,所述S12量化后的数值存入系统后台,无需在模型上显示。
本发明具备以下有益效果:
1、该基于智能巡场车的飞行区道面数据分析系统,通过建立机场道面的3D模型,并将不同的问题和危害程度通过不同的颜色呈现出来,使机场道面的健康状态和变化情况更加直观,方便工作人员或智能系统的监测,可以更加合理地安排、调整飞机的起降和道面维护工作。
2、该基于智能巡场车的飞行区道面数据分析系统,通过网格划分区域,可以更精准的定位问题点,为后期的问题排查检修提供了方便,使上传的信息再网格坐标中找到对应位置,通过模型的准确性,同时网格分区也给巡场车辆提供了路线引导,对问题多发点进行重点检测,也可以根据航班或道面的实时信息,精准调整路线。
3、该基于智能巡场车的飞行区道面数据分析系统,通过对历史记录模块记录信息的分析,根据单个网格区域内出现问题种类和频率判断,出现问题的原因和影响因素,可以根据所得结果进行针对性防护和维修建议,通过大数据分析可对病害进行发展预测,减少了后期维护成本,提高了道面安全性,更有利道面的规范化管理。
4、该基于智能巡场车的飞行区道面数据分析系统,通过将S6道面模型中呈现的道面健康程度量化,并对比飞机起飞前后道面健康数值,并将24H内收集的数据建立成折线图表,再根据航班信息计算,当道面健康数值无法支持未来48H小时所有运行航班运行损耗后,发出抢修预警,如此对道面健康情况进行的预估,通过了安全性。
附图说明
图1为本发明流程模块图。
图2为本发明检测模块图。
图3为本发明建模模拟示意图。
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
实施例1
请参阅图1-2,一种基于智能巡场车的飞行区道面数据分析系统,中央服务器、建模模块、网格坐标、巡场车辆、定位模块、雷达扫描模块、水平检测模块、图像扫描模块、无线传输、脱空检测、纹理检测、积水测量、冰雪层检测、FOD识别、历史记录模块;
中央服务器,用于接收、记录、整理道面检测数据,控制巡场车辆;
建模模块,利用自动建模软件建立机场道面的等比例3D模型,同时根据道面各位置的健康情况,呈现不同的颜色,使道面状态更加直观;
网格坐标,用于将建立好的机场道面等比例模型分成网格区域,并根据道面规划信息将网格区域划分,方便问题点的定位和巡场车辆路线规划;
巡场车辆,用于根据网格坐标规划的巡查路线,自动行驶,检测道面信息,并将信息反馈,完善建立的道面模型;
定位模块,用于对巡场车辆定位,使上传的信息可根据网格坐标找到对应的位置;
雷达扫描模块,用于利用电磁波或激光扫描道面的健康情况,发现问题点并定位;
图像扫描模块,用于对道面情况的拍摄,对刚性道面保障巡查路线上每一块道面板均进行拍照覆盖,对柔性道面保障巡查路线上道面连续拍照覆盖,每张照片覆盖区域充分,保障对巡查区域的道面病害零遗漏;
红外扫描,用于辅助图像扫描模块对道面FOD进行识别;
无线传输,用于将雷达扫描模块和图像扫描模块探测得到的信息反馈给中央服务器,整理分析后,通过这些数据完善道面模型,将脱空、起伏、纹理、积胶、积水、冰雪、FOD信息在模型上显示出来;
脱空检测,用于检测道面的脱空程度;
水平检测,用于检测道面的平整度;
纹理检测,用于检测道面纹理的宽度、深度、长度、走向;
积胶检测,用于检测道面的积胶情况;
积水测量,用于检测道面的积水深度;
冰雪层检测,用于检测道面的冰雪的厚度和对跑道的遮挡情况;
FOD识别,用于检测道面的FOD及其种类;
历史记录模块,用于记录道面出现过的问题、维修保养情况、清理防护情况。
一种基于智能巡场车的飞行区道面数据分析系统运行方法,步骤包括:
S1、将机场的道面建设信息导入中央服务器,再通过自动建模软件根据这些建设信息建设道面的3D模型;
S2、将建立的道面模型通过网格分区,并根据道面规划对各区域网格进行定义;
S3、巡场车辆根据网格坐标和定位模块进行定位,再根据航班信息和特种车辆运行信息规划巡查路线,并按巡场路线匀速行驶,巡查过程中通过雷达扫描和图像扫描的方式记录道面情况;
S4、巡查过程中通过电磁波探测道面脱空的深度、范围,通过激光探测道面基于水平线的起伏程度、道面纹理的宽度、深度、长度、走向,并通过无线传输设备将数据上传中央服务器;
S5、巡查过程中通过图像扫描和红外射线探测道面的积胶深度,积水深度,冰雪层的厚度和对跑道的遮盖情况,FOD的识别,并通过无线传输设备将数据上传中央服务器;
S6、根据上述模块上传给中央服务器的信息,进行整理,按对应网格坐标位置完善道面模型,并根据数据内容在网格坐标上呈现不同颜色;
S7、根据颜色可直观看到路面的健康情况,在航班规划和检修安排均允许的情况下,尽早进行维护保养、清理防护,并通过历史记录模块记录相关
信息;
FOD识别连接互联网,通过大数据可以快速准确地识别扫描到的物体。
S8中的区域颜色划分为:健康区域灰白色,脱空区域根据大小从灰黑到黑分6个色段,道面下沉区域根据落差从淡青到绿分6个色段,纹理检测根据大小从浅棕到深棕分6个色段,积水区域根据不同深度从浅蓝到胜蓝分6个色段,冰雪区域根据不同深度从透明到白色分6个色段,而6个色段的前三段为安全线,后三段为危险线。
S2中的网格分区方法为,先根据道面大小划分10m×10m的大方格,再在每个大方格内划分1m×1m的小方格,再在每个小方格内划分1dm×1dm的细格。
S3中的巡航路线会根据航班和特种车辆的实际运行临时调整或紧急避让。
通过建立机场道面的3D模型,并将不同的问题和危害程度通过不同的颜色呈现出来,使机场道面的健康状态和变化情况更加直观,方便工作人员或智能系统的监测,可以更加合理地安排、调整飞机的起降和道面维护工作。
通过网格划分区域,可以更精准的定位问题点,为后期的问题排查检修提供了方便,同时网格分区也给巡场车辆提供了路线引导,对问题多发点进行重点检测,也可以根据航班或道面的实时信息,精准调整路线。
实施例2
请参阅图1-2,一种基于智能巡场车的飞行区道面数据分析系统,中央服务器、建模模块、网格坐标、巡场车辆、定位模块、雷达扫描模块、水平检测模块、图像扫描模块、无线传输、脱空检测、纹理检测、积水测量、冰雪层检测、FOD识别、历史记录模块;
中央服务器,用于接收、记录、整理道面检测数据,控制巡场车辆;
建模模块,利用自动建模软件建立机场道面的等比例3D模型,同时根据道面各位置的健康情况,呈现不同的颜色,使道面状态更加直观;
网格坐标,用于将建立好的机场道面等比例模型分成网格区域,并根据道面规划信息将网格区域划分,方便问题点的定位和巡场车辆路线规划;
巡场车辆,用于根据网格坐标规划的巡查路线,自动行驶,检测道面信息,并将信息反馈,完善建立的道面模型;
定位模块,用于对巡场车辆定位,使上传的信息可根据网格坐标找到对应的位置;
雷达扫描模块,用于利用电磁波或激光扫描道面的健康情况,发现问题点并定位;
图像扫描模块,用于对道面情况的拍摄,对刚性道面保障巡查路线上每一块道面板均进行拍照覆盖,对柔性道面保障巡查路线上道面连续拍照覆盖,每张照片覆盖区域充分,保障对巡查区域的道面病害零遗漏;
红外扫描,用于辅助图像扫描模块对道面FOD进行识别;
无线传输,用于将雷达扫描模块和图像扫描模块探测得到的信息反馈给中央服务器,整理分析后,通过这些数据完善道面模型,将脱空、起伏、纹理、积胶、积水、冰雪、FOD信息在模型上显示出来;
脱空检测,用于检测道面的脱空程度;
水平检测,用于检测道面的平整度;
纹理检测,用于检测道面纹理的宽度、深度、长度、走向;
积胶检测,用于检测道面的积胶情况;
积水测量,用于检测道面的积水深度;
冰雪层检测,用于检测道面的冰雪的厚度和对跑道的遮挡情况;
FOD识别,用于检测道面的FOD种类;
历史记录模块,用于记录道面出现过的问题、维修保养情况、清理防护情况。
一种基于智能巡场车的飞行区道面数据分析系统运行方法,步骤包括:
S1、将机场的道面建设信息导入中央服务器,再通过自动建模软件根据这些建设信息建设道面的3D模型;
S2、将建立的道面模型通过网格分区,并根据道面规划对各区域网格进行定义;
S3、巡场车辆根据网格坐标和定位模块进行定位,再根据航班信息和特种车辆运行信息规划巡查路线,并按巡场路线匀速行驶,巡查过程中通过雷达扫描和图像扫描的方式记录道面情况;
S4、巡查过程中通过电磁波探测道面脱空的深度、范围,通过激光探测道面基于水平线的起伏程度、道面纹理的宽度、深度、长度、走向,并通过无线传输设备将数据上传中央服务器;
S5、巡查过程中通过图像扫描和红外射线探测道面的积胶深度,积水深度,冰雪层的厚度和对跑道的遮掩情况,FOD的识别,并通过无线传输设备将数据上传中央服务器;
S6、根据上述模块上传给中央服务器的信息,进行整理,按对应网格坐标位置完善道面模型,并根据数据内容在网格坐标上呈现不同颜色;
S7、根据颜色可直观看到路面的健康情况,在航班规划和检修安排均允许的情况下,尽早进行维护保养、清理防护,并通过历史记录模块记录相关信息;
S8、中央服务器根据历史记录模块记录的信息,通过网格坐标内出现的问题种类和频率做分析,得到出现问题的原因和影响因素,便于后期防护,给出对应病害的发展预测、维修建议;
S9、根据上述病害种类及严重程度,计算PCI、SCI指标,分区域给出具体数值,并依据相关功能衰减规律,给出基于道面表面功能的机场跑道使用寿命;
S10、将每日天气信息与巡道信息进行匹配储存,可对道面系统中的历史数据进行随时调阅,并对历史数据进行趋势性分析、对比性分析、环境影响性分析,分析结果以可视化图表方式给出,便于机场道面管理部门查阅;
S11、依据机场道面的表面功能状态评估与历史数据分析结果对道面近期、中期、远期的维修注意事项进行提醒,对道面目前现状给出整体性维护决策建议;
S12、将S6道面模型中呈现的道面健康程度量化:完全健康路面数值为100,发现健康问题,根据严重程度逐渐降低数值,影响飞机或特种车辆运行后道面数值为60;
S13、对比飞机起飞前后道面健康数值,并将24H内收集的数据建立成折线图表,用于观察不同型号和载重的飞机,对道面的损耗程度;
根据航班信息计算,当道面健康数值无法支持未来48H小时所有运行航班运行损耗后,发出抢修预警。
FOD识别连接互联网,通过大数据可以快速准确地识别扫描到的物体。
通过对历史记录模块记录信息的分析,根据单个网格区域内出现问题种类和频率判断,出现问题的原因和影响因素,可以根据所得结果进行针对性防护,减少了后期维护成本,提高了道面安全性,更有利道面的规范化管理。
实施例3
请参阅图1-3,一种基于智能巡场车的飞行区道面数据分析系统,中央服务器、建模模块、网格坐标、巡场车辆、定位模块、雷达扫描模块、水平检测模块、图像扫描模块、无线传输、脱空检测、纹理检测、积水测量、冰雪层检测、FOD识别、历史记录模块;
中央服务器,用于接收、记录、整理道面检测数据,控制巡场车辆;
建模模块,利用自动建模软件建立机场道面的等比例3D模型,同时根据道面各位置的健康情况,呈现不同的颜色,使道面状态更加直观;
网格坐标,用于将建立好的机场道面等比例模型分成网格区域,并根据道面规划信息将网格区域划分,方便问题点的定位和巡场车辆路线规划;
巡场车辆,用于根据网格坐标规划的巡查路线,自动行驶,检测道面信息,并将信息反馈,完善建立的道面模型;
定位模块,用于对巡场车辆定位,使上传的信息可根据网格坐标找到对应的位置;
雷达扫描模块,用于利用电磁波或激光扫描道面的健康情况,发现问题点并定位;
图像扫描模块,用于对道面情况的拍摄,对刚性道面保障巡查路线上每一块道面板均进行拍照覆盖,对柔性道面保障巡查路线上道面连续拍照覆盖,每张照片覆盖区域充分,保障对巡查区域的道面病害零遗漏;
红外扫描,用于辅助图像扫描模块对道面FOD进行识别;
无线传输,用于将雷达扫描模块和图像扫描模块探测得到的信息反馈给中央服务器,整理分析后,通过这些数据完善道面模型,将脱空、起伏、纹理、积胶、积水、冰雪、FOD信息在模型上显示出来;
脱空检测,用于检测道面的脱空程度;
水平检测,用于检测道面的平整度;
纹理检测,用于检测道面纹理的宽度、深度、长度、走向;
积胶检测,用于检测道面的积胶情况;
积水测量,用于检测道面的积水深度;
冰雪层检测,用于检测道面的冰雪的厚度和对跑道的遮挡情况;
FOD识别,用于检测道面的FOD及其种类;
历史记录模块,用于记录道面出现过的问题、维修保养情况、清理防护情况。
一种基于智能巡场车的飞行区道面数据分析系统运行方法,步骤包括:
S1、将机场的道面建设信息导入中央服务器,再通过自动建模软件根据这些建设信息建设道面的3D模型;
S2、将建立的道面模型通过网格分区,并根据道面规划对各区域网格进行定义;
S3、巡场车辆根据网格坐标和定位模块进行定位,再根据航班信息和特种车辆运行信息规划巡查路线,并按巡场路线匀速行驶,巡查过程中通过雷达扫描和图像扫描的方式记录道面情况;
S4、巡查过程中通过电磁波探测道面脱空的深度、范围,通过激光探测道面基于水平线的起伏程度、道面纹理的宽度、深度、长度、走向,并通过无线传输设备将数据上传中央服务器;
S5、巡查过程中通过图像扫描和红外射线探测道面的积胶深度,积水深度,冰雪层的厚度和对跑道的遮掩情况,FOD的识别,并通过无线传输设备将数据上传中央服务器;
S6、根据上述模块上传给中央服务器的信息,进行整理,按对应网格坐标位置完善道面模型,并根据数据内容在网格坐标上呈现不同颜色;
S7、根据颜色可直观看到路面的健康情况,在航班规划和检修安排均允许的情况下,尽早进行维护保养、清理防护,并通过历史记录模块记录相关信息;
S8、中央服务器根据历史记录模块记录的信息,通过网格坐标内出现的问题种类和频率做分析,得到出现问题的原因和影响因素,便于后期防护,给出对应病害的发展预测、维修建议;
S9、根据上述病害种类及严重程度,计算PCI、SCI指标,分区域给出具体数值,并依据相关功能衰减规律,给出基于道面表面功能的机场跑道使用寿命;
S10、将每日天气信息与巡道信息进行匹配储存,可对道面系统中的历史数据进行随时调阅,并对历史数据进行趋势性分析、对比性分析、环境影响性分析,分析结果以可视化图表方式给出,便于机场道面管理部门查阅;
S11、依据机场道面的表面功能状态评估与历史数据分析结果对道面近期、中期、远期的维修注意事项进行提醒,对道面目前现状给出整体性维护决策建议;
S12、将S6道面模型中呈现的道面健康程度量化:完全健康路面数值为100,发现健康问题,根据严重程度逐渐降低数值,影响飞机或特种车辆运行后道面数值为60;
S13、对比飞机起飞前后道面健康数值,并将24H内收集的数据建立成折线图表,用于观察不同型号和载重的飞机,对道面的损耗程度;
根据航班信息计算,当道面健康数值无法支持未来48H小时所有运行航班运行损耗后,发出抢修预警。
作为优化,所述S4中将道面采集到的道面纹理深度数据进行处理,对应规范反算为规范给出的指标,评价道面纹理深度,这一反算功能需要研究,在实现对道面纹理深度数值的采集后,需要通过试验研究,确定采集数值与规范方法测定数值的定量定级反算关系,依据该反算关系计算道面纹理深度评估指标,对道面情况作出评价。
作为优化,所述S5中依据积胶区域和积胶深度,总体评价道面积胶状态,给出除胶建议,评价积胶状态时,对积胶区域的图片判定要注意区分除胶前、除胶后,积胶区域的颜色判别,除胶建议包括依据除胶方式的选择,按除胶平均速度,给出除胶时间、计划、预期效果目标等。
作为优化,所述FOD识别连接互联网,通过大数据可以快速准确地识别扫描到的物体。
作为优化,所述S8中的区域颜色划分为:健康区域灰白色,脱空区域根据大小从灰黑到黑分6个色段,道面下沉区域根据落差从淡青到绿分6个色段,纹理检测根据大小从浅棕到深棕分6个色段,积水区域根据不同深度从浅蓝到胜蓝分6个色段,冰雪区域根据不同深度从透明到白色分6个色段,而6个色段的前三段为安全线,后三段为危险线。
作为优化,所述S2中的网格分区方法为,先根据道面大小划分10m×10m的大方格,再在每个大方格内划分1m×1m的小方格,再在每个小方格内划分1dm×1dm的细格。
作为优化,所述S3中的巡航路线会根据航班和特种车辆的实际运行临时调整或紧急避让。
作为优化,所述S12量化后的数值存入系统后台,无需在模型上显示。言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于智能巡场车的飞行区道面数据分析系统,其特征在于:中央服务器、建模模块、网格坐标、巡场车辆、定位模块、雷达扫描模块、水平检测模块、图像扫描模块、无线传输、脱空检测、纹理检测、积水测量、冰雪层检测、FOD识别、历史记录模块;
中央服务器,用于接收、记录、整理道面检测数据,控制巡场车辆;
建模模块,利用自动建模软件建立机场道面的等比例3D模型,同时根据道面各位置的健康情况,呈现不同的颜色,使道面状态更加直观;
网格坐标,用于将建立好的机场道面等比例模型分成网格区域,并根据道面规划信息将网格区域划分,方便问题点的定位和巡场车辆路线规划;
巡场车辆,用于根据网格坐标规划的巡查路线,自动行驶,检测道面信息,并将信息反馈,完善建立的道面模型;
定位模块,用于对巡场车辆定位,使上传的信息可根据网格坐标找到对应的位置;
雷达扫描模块,用于利用电磁波或激光扫描道面的健康情况,发现问题点并定位;
图像扫描模块,用于对道面情况的拍摄,对刚性道面保障巡查路线上每一块道面板均进行拍照覆盖,对柔性道面保障巡查路线上道面连续拍照覆盖,每张照片覆盖区域充分,保障对巡查区域的道面病害零遗漏;
红外扫描,用于辅助图像扫描模块对道面FOD进行识别;
无线传输,用于将雷达扫描模块和图像扫描模块探测得到的信息反馈给中央服务器,整理分析后,通过这些数据完善道面模型,将脱空、起伏、纹理、积胶、积水、冰雪、FOD信息在模型上显示出来;
脱空检测,用于检测道面的脱空程度;
水平检测,用于检测道面的平整度;
纹理检测,用于检测道面纹理的宽度、深度、长度、走向;
积胶检测,用于检测道面的积胶情况;
积水测量,用于检测道面的积水深度;
冰雪层检测,用于检测道面的冰雪的厚度和对跑道的遮挡情况;
FOD识别,用于检测道面的FOD及其种类;
历史记录模块,用于记录道面出现过的问题、维修保养情况、清理防护情况。
2.一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:步骤包括:
S1、将机场的道面建设信息导入中央服务器,再通过自动建模软件根据这些建设信息建设道面的3D模型;
S2、将建立的道面模型通过网格分区,并根据道面规划对各区域网格进行定义;
S3、巡场车辆根据网格坐标和定位模块进行定位,再根据航班信息和特种车辆运行信息规划巡查路线,并按巡场路线匀速行驶,巡查过程中通过雷达扫描和图像扫描的方式记录道面情况;
S4、巡查过程中通过探地雷达的电磁波探测道面脱空的深度、范围,通过激光雷达探测道面基于水平线的起伏程度、道面纹理的宽度、深度、长度、走向,并通过无线传输设备将数据上传中央服务器;
S5、巡查过程中通过图像扫描和红外射线探测道面的积胶深度,积水深度,冰雪层的厚度和对跑道的遮盖情况,FOD的识别,并通过无线传输设备将数据上传中央服务器;
S6、根据上述模块上传给中央服务器的信息,进行整理,按对应网格坐标位置完善道面模型,并根据数据内容在网格坐标上呈现不同颜色;
S7、根据颜色可直观看到路面的健康情况,在航班规划和检修安排均允许的情况下,尽早进行维护保养、清理防护,并通过历史记录模块记录相关信息;
S8、中央服务器根据历史记录模块记录的信息,通过网格坐标内出现的问题种类和频率做分析,得到出现问题的原因和影响因素,便于后期防护,给出对应病害的发展预测、维修建议;
S9、根据上述病害种类及严重程度,计算PCI、SCI指标,分区域给出具体数值,并依据相关功能衰减规律,给出基于道面表面功能的机场跑道使用寿命;
S10、将每日天气信息与巡道信息进行匹配储存,可对道面系统中的历史数据进行随时调阅,并对历史数据进行趋势性分析、对比性分析、环境影响性分析,分析结果以可视化图表方式给出,便于机场道面管理部门查阅;
S11、依据机场道面的表面功能状态评估与历史数据分析结果对道面近期、中期、远期的维修注意事项进行提醒,对道面目前现状给出整体性维护决策建议;
S12、将S6道面模型中呈现的道面健康程度量化:完全健康路面数值为100,发现健康问题,根据严重程度逐渐降低数值,影响飞机或特种车辆运行后道面数值为60;
S13、对比飞机起飞前后道面健康数值,并将24H内收集的数据建立成折线图表,用于观察不同型号和载重的飞机,对道面的损耗程度;
根据航班信息计算,当道面健康数值无法支持未来48H小时所有运行航班运行损耗后,发出抢修预警。
3.根据权利要求2所述的一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:所述S4中将道面采集到的道面纹理深度数据进行处理,对应规范反算为规范给出的指标,评价道面纹理深度,这一反算功能需要研究,在实现对道面纹理深度数值的采集后,需要通过试验研究,确定采集数值与规范方法测定数值的定量定级反算关系,依据该反算关系计算道面纹理深度评估指标,对道面情况作出评价。
4.根据权利要求2所述的一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:所述S5中依据积胶区域和积胶深度,总体评价道面积胶状态,给出除胶建议,评价积胶状态时,对积胶区域的图片判定要注意区分除胶前、除胶后,积胶区域的颜色判别,除胶建议包括依据除胶方式的选择,按除胶平均速度,给出除胶时间、计划、预期效果目标等。
5.根据权利要求2所述的一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:所述FOD识别连接互联网,通过大数据可以快速准确地识别扫描到的物体。
6.根据权利要求2所述的一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:所述S8中的区域颜色划分为:健康区域灰白色,脱空区域根据大小从灰黑到黑分6个色段,道面下沉区域根据落差从淡青到绿分6个色段,纹理检测根据大小从浅棕到深棕分6个色段,积水区域根据不同深度从浅蓝到胜蓝分6个色段,冰雪区域根据不同深度从透明到白色分6个色段,而6个色段的前三段为安全线,后三段为危险线。
7.根据权利要求2所述的一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:所述S2中的网格分区方法为,先根据道面大小划分10m×10m的大方格,再在每个大方格内划分1m×1m的小方格,再在每个小方格内划分1dm×1dm的细格。
8.根据权利要求2所述的一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:所述S3中的巡航路线会根据航班和特种车辆的实际运行临时调整或紧急避让。
9.根据权利要求2所述的一种基于智能巡场车的飞行区道面数据分析系统运行方法,其特征在于:所述S12量化后的数值存入系统后台,无需在模型上显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294596.7A CN113888703A (zh) | 2021-11-03 | 2021-11-03 | 一种基于智能巡场车的飞行区道面数据分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294596.7A CN113888703A (zh) | 2021-11-03 | 2021-11-03 | 一种基于智能巡场车的飞行区道面数据分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888703A true CN113888703A (zh) | 2022-01-04 |
Family
ID=79016264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111294596.7A Pending CN113888703A (zh) | 2021-11-03 | 2021-11-03 | 一种基于智能巡场车的飞行区道面数据分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888703A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114319042A (zh) * | 2022-01-26 | 2022-04-12 | 中国电建集团昆明勘测设计研究院有限公司 | 一种机场装配式道面板脱空自动扫描装置及使用方法 |
CN115287984A (zh) * | 2022-07-07 | 2022-11-04 | 同济大学 | 基于星载InSAR的道面平整度评价方法及系统 |
CN115545358A (zh) * | 2022-12-01 | 2022-12-30 | 中国民航工程咨询有限公司 | 一种冰雪状态下机场跑道适航性评估方法、系统及应用 |
-
2021
- 2021-11-03 CN CN202111294596.7A patent/CN113888703A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114319042A (zh) * | 2022-01-26 | 2022-04-12 | 中国电建集团昆明勘测设计研究院有限公司 | 一种机场装配式道面板脱空自动扫描装置及使用方法 |
CN114319042B (zh) * | 2022-01-26 | 2024-01-23 | 中国电建集团昆明勘测设计研究院有限公司 | 一种机场装配式道面板脱空自动扫描装置及使用方法 |
CN115287984A (zh) * | 2022-07-07 | 2022-11-04 | 同济大学 | 基于星载InSAR的道面平整度评价方法及系统 |
CN115287984B (zh) * | 2022-07-07 | 2023-09-26 | 同济大学 | 基于星载InSAR的道面平整度评价方法及系统 |
CN115545358A (zh) * | 2022-12-01 | 2022-12-30 | 中国民航工程咨询有限公司 | 一种冰雪状态下机场跑道适航性评估方法、系统及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113888703A (zh) | 一种基于智能巡场车的飞行区道面数据分析系统 | |
CA2862762C (en) | Method and apparatus for detection of foreign object debris | |
CN109255955B (zh) | 一种基于地基和空基协同感知的高速公路事故监测方法及系统 | |
US7437250B2 (en) | Airport pavement management system | |
RU2596246C2 (ru) | Система наблюдения и способ обнаружения засорения или повреждения аэродрома посторонними предметами | |
US20020109625A1 (en) | Automatic method of tracking and organizing vehicle movement on the ground and of identifying foreign bodies on runways in an airport zone | |
CN108974044A (zh) | 铁路轨道资产勘测系统 | |
CN114489122B (zh) | 一种基于uav及配套机场的高速公路自动巡检方法及系统 | |
CN106428558A (zh) | 一种基于空‑轨两用无人机的轨道综合巡检方法 | |
CN110839144A (zh) | 一种场道安全监控系统 | |
CN112083421B (zh) | 一种基于毫米波雷达技术的跑道侵入预警系统及方法 | |
CN113112804A (zh) | 一种智慧高速综合管控方法 | |
CN111260256A (zh) | 可视化航班保障管理方法 | |
Askarzadeh et al. | Systematic literature review of drone utility in railway condition monitoring | |
CN114237110A (zh) | 基于多模态数据驱动的通用航空机队可靠性监测预警系统 | |
CN113421354A (zh) | 无人机油气管道应急巡检方法及系统 | |
KR101441422B1 (ko) | 온톨로지 기법을 이용한 항공기 이착륙시 장애물과의 충돌을 예측하는 의사결정장치 및 방법 | |
CN106327921A (zh) | 基于飞机航线和可视化数据融合的起落架安全监控方法 | |
CN115421503A (zh) | 一种用于桥梁的无人机巡检系统 | |
US20230219698A1 (en) | Method, process and system for automating and configuring aircraft de-icing/anti-icing | |
CN112198499B (zh) | 一种基于物联网的机场跑道异物监测系统 | |
CN113487914A (zh) | 基于机场气象报文的低着陆运行标准识别告警方法 | |
CN113689589B (zh) | 一种基于无人机的电缆线路巡视方法及装置 | |
Congress et al. | Lessons Learned in Airport Asset Inspection Using Unmanned Aerial Vehicle (UAV) Based Close-Range Photogrammetry | |
Zaremotekhases et al. | Development of an unpiloted aircraft system–based sensing approach to detect and measure pavement frost heaves |
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 |