CN114314347B - 起重机械安全监控管理系统 - Google Patents

Abstract

本发明公开了起重机械安全监控管理系统，涉及机械安全运行监控技术领域，解决了现有技术只能为起重机械的操作人员提供辅助，无法有效规避操作人员的失误，导致无法实现起重机械的全方位安全监控技术问题；本发明通过提取图像数据中的目标物体，并将目标物体渲染到三维模型中，对吊钩运行参数模拟计算获取安全评估区域，进而实现操作过程的安全监控；图像处理技术结合三维模型，实现了对操作过程的预警监控，为操作人员预留了操作时间，能够尽量避免操作引发的事故；本发明传感器数据结合形变阈值或者状态评估模型对起重机械的健康状态进行分析，获取状态安全标签，能够对起重机械本身进行有效监测和预警，避免因机械结构故障引起安全事故。

Description

起重机械安全监控管理系统

技术领域

本发明属于机械安全运行监控领域，涉及起重机械安全监控管理技术，具体是起重机械安全监控管理系统。

背景技术

起重机械是一种重大安全事故发生概率较高的特种作业机械，一旦发生事故，会对各类财产造成严重的威胁；为了确保各种起重机械设备的安全运行，提高其安全运转效率，加强对起重机械的运行监控，及时发现异常情况，降低故障的发生率是一项非常重要的工作。

现有技术通过高清网络摄像头对起重机械工作区域进行监控，同时在起重机械原有控制系统的基础上，增加检测单元测算起重机械的应力应变响应，动态地估算起重机械的健康状态；但是，现有技术中监控图像只能作为参考，无法为操作人员提供实质的参考，且通过理论公式和实测趋势分析起重机械的健康状态存在局限性，导致无法实现起重机械的全方位安全监控；因此，亟需一种起重机械安全监控管理系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了起重机械安全监控管理系统，用于解决现有技术只能为起重机械的操作人员提供辅助，无法有效规避操作人员的失误，导致无法实现起重机械的全方位安全监控技术问题，本发明通过高清摄像头实时捕捉起重机械的运行状态，根据运行状态对安全事故进行预判，并向操作人员进行预警以达到避免安全事故的目的。

为实现上述目的，根据本发明的第一方面的实施例提出起重机械安全监控管理系统，包括：

数据采集模块：用于采集实时监测数据，并将实时监测数据发送至数据分析模块；其中，实时监测数据包括图像数据和传感器数据；

数据分析模块：用于建立工作区域的三维模型，根据图像数据进行实时渲染三维模型，三维模型结合吊钩运行参数获取运行安全标签；以及

用于根据传感器数据对起重机械的健康状态进行分析，获取状态安全标签；

状态展示模块：与起重机械操作终端或者智能终端相连接，用于展示起重机械工作数据；以及

用于查询起重机械的控制程序和历史数据。

优选的，操作人员通过操作权限验证后查看起重机械的数据；其中，操作权限包括权限一和权限二，且权限一高于权限二；

权限一或者权限二均关联若干个操作账户。

优选的，根据所述图像数据实时渲染三维模型，包括：

通过三维建模软件对起重机械的工作区域进行建模，获取三维模型；

通过高清摄像头实时采集图像数据；其中，高清摄像头的设置保证对工作区域的无死角监控；

对图像数据进行图像预处理，并标记为原始图像；其中，图像预处理包括图像分割、图像去噪和灰度变换；

提取原始图像中的目标物体，并将目标物体实时渲染到三维模型中；其中，目标物体为三维模型中不存在的物体，或者相较于三维模型发生移动的物体。

优选的，结合所述三维模型对吊钩运行参数进行实时分析，获取安全运行标签，包括：

实时采集吊钩运行参数；其中，吊钩运行参数包括吊钩速度、吊钩位置、吊物重量、吊钩重心和吊物重心最远侧的距离；

根据吊钩运行参数模拟计算吊钩急停时吊物的摆动距离和摆动角度，根据吊物的摆动距离和摆动角度生成安全评估区域；

将安全评估区域拟合至三维模型中；

获取安全评估区域的边界与三维模型中构件之间的最小距离，当最小距离小于距离阈值时，则将安全运行标签设置为1；否则，将安全运行标签设置为0；其中，距离区域为大于0.5的实数，单位为米。

优选的，在停止起重机械运行之前，获取数据分析模块或者状态展示模块对起重机械的控制权限，根据控制权限控制起重机械的启停。

优选的，所述数据分析模块根据传感器数据获取状态安全标签，包括：

提取传感器数据中的主梁形变数据；

获取主梁的最大形变值，当最大形变值大于形变阈值时，判定主梁工作异常，则将状态安全标签设置为1；否则，将状态安全标签设置为0。

优选的，所述数据分析模块根据传感器数据获取状态安全标签，包括：

提取传感器数据中的主梁形变数据，并将主梁形变数据整合成形变数据序列；

将形变数据序列输入至状态评估模型获取对应的状态安全标签；其中，状态评估模型基于人工智能模型和标注训练数据建立。

优选的，基于人工智能模型建立状态评估模型，包括：

获取标准训练数据；其中，标准训练数据包括标准形变数据以及对应的状态安全标签，且标准形变数据和形变数据序列的内容属性一致；

构建人工智能模型；其中，人工智能模型包括深度卷积神经网络模型和RBF神经网络模型；

将标准训练数据划分为训练集、测试集和校验集，对人工智能模型进行训练，将完成训练的人工智能模型标记为状态评估模型。

优选的，当安全运行标签或者状态安全标签为1时，则立即停止起重机械的运行，并将安全评估区域或者最大形变值发送至状态展示模块，发出安全预警。

优选的，所述数据分析模块分别与数据采集模块、状态展示模块通信和/或电气连接；所述数据采集模块与高清摄像头、采集传感器通信和/或电气连接；其中，采集传感器包括位置传感器、速度传感器、形变传感器，且高清摄像头与动作云台配合实现图像数据采集。

优选的，所述状态展示模块与起重机械操作终端或者智能终端通信和/或电气连接；或者

所述状态展示模块内置于起重机械操作终端或者智能终端中；其中，智能终端包括智能手机、平板电脑和笔记本电脑。

与现有技术相比，本发明的有益效果是：

1、本发明通过高清摄像头实时采集图像数据，提取图像数据中的目标物体，并将目标物体渲染到三维模型中，对吊钩运行参数模拟计算获取安全评估区域，进而实现操作过程的安全监控；图像处理技术结合三维模型，实现了对操作过程的预警监控，为操作人员预留了操作时间，能够尽量避免操作引发的事故。

2、本发明传感器数据结合形变阈值或者状态评估模型对起重机械的健康状态进行分析，获取状态安全标签，能够对起重机械本身进行有效监测和预警，避免因机械结构故障引起安全事故。

附图说明

图1为本发明的工作步骤示意图。

具体实施方式

下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。

现有技术通过高清网络摄像头对起重机械工作区域进行监控，同时在起重机械原有控制系统的基础上，增加检测单元测算起重机械的应力应变响应，动态地估算起重机械的健康状态，配合高清网络摄像头完成起重机械的安全监控；但是现有技术中的高清网络摄像头只是为操作人员提供辅助，无法提供其他实质性的参考，避免不了操作人员判断失误或者操作失误引发的安全事故，且现有技术多采用理论公式分析起重机械的健康状态，无法保证分析结果的准确性；本发明通过高清摄像头实时捕捉起重机械的运行状态，根据运行状态对安全事故进行预判，并向操作人员进行预警以达到避免安全事故的目的。

请参阅图1，本申请提供了起重机械安全监控管理系统，包括：

数据采集模块：用于采集实时监测数据，并将实时监测数据发送至数据分析模块；

数据分析模块：用于建立工作区域的三维模型，根据图像数据进行实时渲染三维模型，三维模型结合吊钩运行参数获取运行安全标签；以及

用于根据传感器数据对起重机械的健康状态进行分析，获取状态安全标签；

状态展示模块：与起重机械操作终端或者智能终端相连接，用于展示起重机械工作数据；以及

用于查询起重机械的控制程序和历史数据。

本申请中实时监测数据包括图像数据和传感器数据；图像数据通过高清摄像头和动作云台的配合获取，传感器数据通过与数据采集模块相连接的采集传感器获取。

本申请中所述数据分析模块分别与数据采集模块、状态展示模块通信和/或电气连接；所述数据采集模块与高清摄像头、采集传感器通信和/或电气连接。

采集传感器包括位置传感器、速度传感器、形变传感器、压力传感器等能够监测起重机械工作转台的传感器，且与数据采集模块相连接，将采集的数据实时发送给数据采集模块；可以理解的是，数据采集模块在接收到实时监测数据之后进行数据去噪、数据去重、数据补充等处理，保证实时监测数据的可处理性。

高清摄像头和动作云台配合采集图像数据，因此要求高清摄像头能够实现对起重机械工作区域的全面监控，保证无监控死角。

本申请中状态展示模块可作为一个单独设备，与起重机械操作终端或者智能终端相连接，起重机械操作终端或者智能终端可以实时从状态展示模块调取数据；也可以在作为一个集成单元，集成在起重机械操作终端或者智能终端中，智能终端包括智能手机、平板电脑和笔记本电脑等设备。

本申请中操作人员通过操作权限验证后查看起重机械的数据；起重机械的数据包括工作数据、控制程序、历史数据等，工作数据包括起重机械的状态、PLC程序状态以及通讯状态、电流电压等数据，历史数据主要包括起重机械之前的运行数据。

值得注意的是，操作权限包括权限一和权限二，且权限一高于权限二；权限一或者权限二均关联若干个操作账户，即每个权限均可关联多个操作账户，如权限一包括两个操作账户，权限二包括五个操作账户；权限一可以进行数据查看、数据修改等操作，权限二仅可用于查看实时数据和故障报警；多个权限的设置有助于对数据进行保护。

本申请中，根据所述图像数据实时渲染三维模型，包括：

通过三维建模软件对起重机械的工作区域进行建模，获取三维模型；

通过高清摄像头实时采集图像数据；对图像数据进行图像预处理，并标记为原始图像；

提取原始图像中的目标物体，并将目标物体实时渲染到三维模型中。

三维建模软件包括智慧工厂3D可视化管理平台，结合工厂测绘数据建立起重机械工作区域的三维模型，在三维模型建立之后，实时获取图像数据，并将数据预处理之后的原始图像中的目标物体渲染到三维模型中。

可以理解的是，目标物体为三维模型中不存在的物体，或者相较于三维模型发生移动的物体，目标物体既包括工作人员，也包括移动车辆，总结来说就是会诱使起重机械发生安全事故的物体。

值得注意的是，当目标物体是移动的物体时，则将目标物体的最新位置渲染到三维模型之后，三维模型中之前的目标物体即删除，只保留目标物体的最新位置。

在一个实施例中，结合所述三维模型对吊钩运行参数进行实时分析，获取安全运行标签，包括：

实时采集吊钩运行参数，根据吊钩运行参数模拟计算吊钩急停时吊物的摆动距离和摆动角度，根据吊物的摆动距离和摆动角度生成安全评估区域；

将安全评估区域拟合至三维模型中，获取安全评估区域的边界与三维模型中构件之间的最小距离，当最小距离小于距离阈值时，则将安全运行标签设置为1；否则，将安全运行标签设置为0。

本实施例中吊钩运行参数包括吊钩速度、吊钩位置、吊物重量、吊钩重心和吊物重心最远侧的距离等与起重机械工作过程有关的参数；三维模型构件为工厂设备、储存柜等在三维模型中的渲染结果，当然三维模型中的目标物体也是构件之一。

模拟载重情况下的急停环境，计算吊物的摆动角度和摆动距离，根据摆动角度和摆动距离可以生成安全评估区域，可以理解为在起重机械急停状态下，如果安全评估区域中存在物体，则会发生安全事故；因此，本实施例获取安全评估区域的边界与三维模型中构件之间的最小距离，当最小距离小于距离阈值时，则将安全运行标签设置为1，这样可以为操作人员预留一定的反应时间。

在一个实施例中，所述数据分析模块根据传感器数据获取状态安全标签，包括：

提取传感器数据中的主梁形变数据；

获取主梁的最大形变值，当最大形变值大于形变阈值时，判定主梁工作异常，则将状态安全标签设置为1；否则，将状态安全标签设置为0。

本实施例中根据主梁的最大形变来判定起重机械的工作状态，在吊物重量、运行速度等因素影响下，会使主梁发生形变，因此测量最大形变，并将最大形变和形变阈值比较判定主梁状态是一个可行的方法。

在另外一个实施例中，所述数据分析模块根据传感器数据获取状态安全标签，包括：

提取传感器数据中的主梁形变数据，并将主梁形变数据整合成形变数据序列；

将形变数据序列输入至状态评估模型获取对应的状态安全标签；

基于人工智能模型建立状态评估模型，包括：

获取标准训练数据；构建人工智能模型，将标准训练数据划分为训练集、测试集和校验集，对人工智能模型进行训练，将完成训练的人工智能模型标记为状态评估模型。

本实施例中标准训练数据包括标准形变数据以及对应的状态安全标签，且标准形变数据和形变数据序列的内容属性一致，且标准训练数据在实验室或者其他环境中模拟获取的数据，标准形变数据对应的状态安全标签的取值为0或者1；在模拟环境中，不断施加压力致使主梁发生形变，既可以将主梁异常时刻的形变数据作为标准形变数据，也可以将主梁异常时刻前N秒的形变数据作为标准形变数据，可以预测主梁趋势；其中，N的取值范围为[5，30]，且N为整数。

将标准训练数据和具有强大非线性拟合能力的人工智能模型相结合，能够全面分析主梁形变数据，避免在安全事故发生的临界边缘检测出异常，无法为操作人员预留时间。

在另外一些优选的实施例中，可以将上述获取状态安全标签的两个实施例内容结合起来，如先通过人工智能模型判定，再通过阈值比较判定，或者先通过阈值比较判定，再通过人工智能模型判定。

本发明的工作原理：

采集实时监测数据，并将数据处理之后的实时监测数据发送至数据分析模块。

通过三维建模软件对起重机械的工作区域进行建模，获取三维模型；通过高清摄像头实时采集图像数据，提取图像数据中的目标物体，并将目标物体渲染到三维模型中。

实时采集吊钩运行参数，根据吊钩运行参数模拟计算吊钩急停时吊物的摆动距离和摆动角度，根据吊物的摆动距离和摆动角度生成安全评估区域；根据安全评估区域的边界与三维模型中构件之间的最小距离设置安全评估标签。

传感器数据结合形变阈值或者状态评估模型对起重机械的健康状态进行分析，获取状态安全标签。

根据状态安全标签或者安全评估标签控制起重机械，以及发出安全预警。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (5)

1.起重机械安全监控管理系统，其特征在于，包括：

数据采集模块：用于采集实时监测数据，并将实时监测数据发送至数据分析模块；其中，实时监测数据包括图像数据和传感器数据；

数据分析模块：用于建立工作区域的三维模型，根据图像数据进行实时渲染三维模型，三维模型结合吊钩运行参数获取运行安全标签；以及

用于根据传感器数据对起重机械的健康状态进行分析，获取状态安全标签；

状态展示模块：与起重机械操作终端或者智能终端相连接，用于展示起重机械工作数据；以及

用于查询起重机械的控制程序和历史数据；

数据分析模块结合所述三维模型对吊钩运行参数进行实时分析，获取安全运行标签，包括：

实时采集吊钩运行参数；其中，吊钩运行参数包括吊钩速度、吊钩位置、吊物重量、吊钩重心和吊物重心最远侧的距离；

根据吊钩运行参数模拟计算吊钩急停时吊物的摆动距离和摆动角度，根据吊物的摆动距离和摆动角度生成安全评估区域；

将安全评估区域拟合至三维模型中；

获取安全评估区域的边界与三维模型中构件之间的最小距离，当最小距离小于距离阈值时，则将安全运行标签设置为1；否则，将安全运行标签设置为0；其中，距离区域为大于0.5的实数，单位为米；

根据所述图像数据实时渲染三维模型，包括：

通过三维建模软件对起重机械的工作区域进行建模，获取三维模型；

通过高清摄像头实时采集图像数据；其中，高清摄像头的设置保证对工作区域的无死角监控；

对图像数据进行图像预处理，并标记为原始图像；

提取原始图像中的目标物体，并将目标物体实时渲染到三维模型中；其中，目标物体为三维模型中不存在的物体，或者相较于三维模型发生移动的物体；

所述数据分析模块根据传感器数据获取状态安全标签，包括：

提取传感器数据中的主梁形变数据，并将主梁形变数据整合成形变数据序列；

将形变数据序列输入至状态评估模型获取对应的状态安全标签；其中，状态评估模型基于人工智能模型和标注训练数据建立；

基于人工智能模型建立状态评估模型，包括：

获取标准训练数据；其中，标准训练数据包括标准形变数据以及对应的状态安全标签，且标准形变数据和形变数据序列的内容属性一致；

构建人工智能模型；其中，人工智能模型包括深度卷积神经网络模型和RBF神经网络模型；

将标准训练数据划分为训练集、测试集和校验集，对人工智能模型进行训练，将完成训练的人工智能模型标记为状态评估模型；

当安全运行标签或者状态安全标签为1时，则立即停止起重机械的运行，并将安全评估区域或者最大形变值发送至状态展示模块，发出安全预警。

2.根据权利要求1所述的起重机械安全监控管理系统，其特征在于，操作人员通过操作权限验证后查看起重机械的数据；其中，操作权限包括权限一和权限二，且权限一高于权限二；

权限一或者权限二均关联若干个操作账户。

3.根据权利要求1所述的起重机械安全监控管理系统，其特征在于，所述数据分析模块根据传感器数据获取状态安全标签，包括：

提取传感器数据中的主梁形变数据；

获取主梁的最大形变值，当最大形变值大于形变阈值时，判定主梁工作异常，则将状态安全标签设置为1；否则，将状态安全标签设置为0。

4.根据权利要求1所述的起重机械安全监控管理系统，其特征在于，在停止起重机械运行之前，获取数据分析模块或者状态展示模块对起重机械的控制权限，根据控制权限控制起重机械的启停。

5.根据权利要求1所述的起重机械安全监控管理系统，其特征在于，所述状态展示模块与起重机械操作终端或者智能终端通信和/或电气连接；或者

所述状态展示模块内置于起重机械操作终端或者智能终端中。

Images