CN115457479A - 基于数字孪生的起重机运行监测方法、系统 - Google Patents

基于数字孪生的起重机运行监测方法、系统 Download PDF

Info

Publication number
CN115457479A
CN115457479A CN202211186981.4A CN202211186981A CN115457479A CN 115457479 A CN115457479 A CN 115457479A CN 202211186981 A CN202211186981 A CN 202211186981A CN 115457479 A CN115457479 A CN 115457479A
Authority
CN
China
Prior art keywords
crane
gantry crane
image
preset
gantry
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
Application number
CN202211186981.4A
Other languages
English (en)
Inventor
薛志钢
苏文胜
许晨旭
王松雷
徐鹏程
王欣仁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Special Equipment Safety Supervision Inspection Institute of Jiangsu Province
Original Assignee
Special Equipment Safety Supervision Inspection Institute of Jiangsu Province
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Special Equipment Safety Supervision Inspection Institute of Jiangsu Province filed Critical Special Equipment Safety Supervision Inspection Institute of Jiangsu Province
Priority to CN202211186981.4A priority Critical patent/CN115457479A/zh
Publication of CN115457479A publication Critical patent/CN115457479A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B66C13/46—Position indicators for suspended loads or for crane elements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C15/00—Safety gear
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C15/00—Safety gear
    • B66C15/06—Arrangements or use of warning devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Control And Safety Of Cranes (AREA)

Abstract

本发明公开了基于数字孪生的起重机运行监测方法、系统，本方案巧妙性通过数字孪生技术，构建可视化的后台监测为龙门起重机的现场工作提供远程监测服务，同时，通过记录龙门起重机的操作执行日志来用于判断设备的健康度问题（即，通过指令响应灵敏度或驱动效果来间接判断），除此之外，还通过对起重机轨道预设范围的影像进行判断是否存在异物干扰其行进，进一步，结合影像中图像帧的差异来间接监测龙门起重机的振动问题，为龙门起重机的安全工作提供良好的技术监测策略。

Description

基于数字孪生的起重机运行监测方法、系统
技术领域
本发明涉及起重机工作监测技术领域，尤其涉及基于数字孪生的起重机运行监测方法、系统。
背景技术
龙门起重机作为起重机中可起吊物品载荷较高的设备，其被广泛用于室内外大型建材、集装箱等货物的移运，在室外环境下，龙门起重机的轨道和自身动力设备可能存在因为室外环境侵蚀、异物干涉等问题而导致发生设备故障或运行不畅的问题，而龙门起重机的移运对象大多具有较高重量，若是发生意外，则很有可能导致不可估量的风险发生，因此，如何对室外龙门起重机的工作运行进行监测是非常具有现实意义的。
虽然目前本领域技术人员通过在龙门起重机上设置了基于物联网的传感器等设备来辅助采集龙门起重机工作过程中的设备状态信息，但是对于后台监测而言，数字反馈往往是不直观的，因此其对后台监测人员的经验丰富程度和知识积累具有较高的要求，若是能够结合数字孪生技术，将工作现场的情况以可视化形式进行展示在后台，那么将会大大提高后台监测的直观性和工作效率。
发明内容
有鉴于此，本发明的目的在于提出一种响应高效、反馈直观且实施可靠和便利的基于数字孪生的起重机运行监测方法、系统。
为了实现上述的技术目的，本发明所采用的技术方案为：
一种基于数字孪生的起重机运行监测方法，用于设置在室外的龙门起重机的工作运行监测，所述龙门起重机的龙门架两侧、载重小车和吊钩上均设有用于定位其所在位置的定位单元，所述运行监测方法包括：
按预设条件对龙门起重机的工作场地进行建立参照坐标系，同时，对龙门起重机的龙门架下方及两侧预设区域范围内的地形、固定设施进行轮廓扫描获取，建立施工场地数字模型；
按预设条件对龙门起重机进行轮廓扫描形成起重机数字模型；
获取龙门起重机的龙门架、载重小车、吊钩上定位单元的实时定位数据，将实时定位数据与起重机数字模型结合并映射到施工场地数字模型中进行可视化展示；
响应龙门起重机的工作启动信号，按预设条件获取龙门起重机的工作状态信息和操作记录，生成操作执行日志；
获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出。
作为一种可能的实施方式，进一步，本方案所述操作执行日志包括龙门起重机的操作指令发出后，龙门起重机的龙门架、载重小车或吊钩由第一状态变为第二状态且在预设时长内保持速度恒定或变化小于预设振幅的时间。
作为一种较优的选择实施方式，优选的，本方案所述第一状态为移动时，所述第二状态为停止；
所述第一状态为停止时，所述第二状态为移动。
作为一种可能的实施方式，进一步，本方案所述龙门起重机的龙门架两端还均设有一对影像获取装置，该一对影像获取装置的影像摄取端朝下且用于捕获龙门架两侧轨道的影像，其中，龙门起重机停止时，所述轨道位于影像获取装置所捕获画面的中部；
所述运行监测方法还包括：
响应龙门起重机的工作启动信号，对龙门架两侧轨道进行实时影像采集，生成轨道影像且将其导入检测神经网络中，由检测神经网络，对影像中的异物进行检测识别，输出检测结果；
获得检测结果，按预设条件输出预警信息。
作为一种较优的选择实施方式，优选的，本方案所述检测神经网络的训练方法包括：
获取龙门架所连接轨道的影像，对影像进行异物标注且标记其危险级别，形成训练数据集；
在训练数据集中选取预设量的数据作为训练数据，且将其导入到神经网络中训练；
从训练数据集中的剩余数据中选取预设量的数据作为验证数据，将其导入到经训练的神经网络中验证，
当验证结果不符合预设要求时，将训练数据重新导入到经训练的神经网络中继续训练预设次数，直至验证结果符合预设要求，获得检测神经网络。
作为一种较优的选择实施方式，优选的，本方案还包括：
响应龙门起重机的龙门架在轨道上移动的信号，实时获取轨道影像，且按预设时间间隔将其分割成图像帧；
获取图像帧，在图像帧画面中心建立基准线，同时对图像帧中的轨道进行定位和轮廓识别，获得轨道轮廓；
以轨道长度方向的两侧轮廓为参照，建立与轨道长度方向平行的中心参照线，然后实时计算基准线和中心参照线的间距L并输出，其中，中心参照线在龙门起重机停机时与画面帧的基准线重合，即基准线和中心参照线的间距L=0；
获取L且将其与预设阈值进行对比，生成第一对比结果，同时还对龙门架两侧的L进行求取差值并将该差值与预设阈值进行对比，生成第二对比结果；
获取第一对比结果和/或第二对比结果，还预设条件输出预警信息和/或操作干预指令。
作为一种较优的选择实施方式，优选的，本方案所述轨道影像的为视频，其帧数为25、30、40、50或60帧/秒；
按预设时间间隔分割成的图像帧中，相邻图像帧的时间差不超过0.2～0.5秒。
作为一种较优的选择实施方式，优选的，本方案获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出的同时，还按预设条件输出操作干预指令，所述操作干预指令包括停机、制动或暂缓指令。
作为一种较优的选择实施方式，优选的，本方案所述预警信息还均映射至施工场地数字模型中可视化输出。
基于上述，本发明还提供一种基于数字孪生的起重机运行监测系统，其包括：
定位单元，为多个且布设在所述龙门起重机的龙门架两侧、载重小车和吊钩上；
模型构建单元，用于按预设条件对龙门起重机的工作场地进行建立参照坐标系，同时，对龙门起重机的龙门架下方及两侧预设区域范围内的地形、固定设施进行轮廓扫描获取，建立施工场地数字模型，其还用于按预设条件对龙门起重机进行轮廓扫描形成起重机数字模型；
数字孪生模型构建单元，用于获取龙门起重机的龙门架、载重小车、吊钩上定位单元的实时定位数据，将实时定位数据与起重机数字模型结合并映射到施工场地数字模型中进行可视化展示；
施工监测单元，用于响应龙门起重机的工作启动信号，按预设条件获取龙门起重机的工作状态信息和操作记录，生成操作执行日志；
预警处理单元，用于获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出。
基于上述，本发明还提供一种计算机可读的存储介质，所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现上述所述的基于数字孪生的起重机运行监测方法。
采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：本方案巧妙性通过数字孪生技术，构建可视化的后台监测为龙门起重机的现场工作提供远程监测服务，同时，通过记录龙门起重机的操作执行日志来用于判断设备的健康度问题（即，通过指令响应灵敏度或驱动效果来间接判断），除此之外，还通过对起重机轨道预设范围的影像进行判断是否存在异物干扰其行进，本方案还进一步结合影像中图像帧的差异来间接监测龙门起重机的振动问题，为龙门起重机的安全工作提供良好的技术监测策略。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明监测方法的简要实施流程示意图之一；
图2是本发明监测方法的简要实施流程示意图之二；
图3是本发明监测方法的简要实施流程示意图之三；
图4是本发明监测方法中，中心参照线和基准线的简要示意图；
图5是本发明系统的简要单元连接示意图。
具体实施方式
下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，本领域普通技术人员在没有作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。
如图1所示，本实施例一种基于数字孪生的起重机运行监测方法，用于设置在室外的龙门起重机的工作运行监测，所述龙门起重机的龙门架两侧、载重小车和吊钩上均设有用于定位其所在位置的定位单元，所述运行监测方法包括：
S01、按预设条件对龙门起重机的工作场地进行建立参照坐标系，同时，对龙门起重机的龙门架下方及两侧预设区域范围内的地形、固定设施进行轮廓扫描获取，建立施工场地数字模型；
S02、按预设条件对龙门起重机进行轮廓扫描形成起重机数字模型；
S03、获取龙门起重机的龙门架、载重小车、吊钩上定位单元的实时定位数据，将实时定位数据与起重机数字模型结合并映射到施工场地数字模型中进行可视化展示；
S04、响应龙门起重机的工作启动信号，按预设条件获取龙门起重机的工作状态信息和操作记录，生成操作执行日志；
S05、获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出。
为了方便进行记录操作节点和形成检测任务，本方案中，所述操作执行日志包括龙门起重机的操作指令发出后，龙门起重机的龙门架、载重小车或吊钩由第一状态变为第二状态且在预设时长内保持速度恒定或变化小于预设振幅的时间；作为一种较优的选择实施方式，优选的，本方案所述第一状态为移动时，所述第二状态为停止（即，由动变静的过程）；所述第一状态为停止时，所述第二状态为移动（即，由静变动的过程）。
在上述方案下，可以通过记录龙门架由静止到移动至匀速过程的加速时间，结合预设的查询表来判断驱动装置的健康度；也可以通过记录龙门架由移动到静止过程中的制动时间来判断制动装置的健康度，还可以通过指令发出与正式执行的时间差来判断是否存在电气故障致使设备出现指令延迟的问题。
结合图2所示，作为另一种可能的实施方式，进一步，本方案所述龙门起重机的龙门架两端还均设有一对影像获取装置，该一对影像获取装置的影像摄取端朝下且用于捕获龙门架两侧轨道的影像，其中，龙门起重机停止时，所述轨道位于影像获取装置所捕获画面的中部；
所述运行监测方法还包括：
S06、响应龙门起重机的工作启动信号，对龙门架两侧轨道进行实时影像采集，生成轨道影像且将其导入检测神经网络中，由检测神经网络，对影像中的异物进行检测识别，输出检测结果；
S07、获得检测结果，按预设条件输出预警信息。
其中，本方案所述检测神经网络的训练方法包括：
A01、获取龙门架所连接轨道的影像，对影像进行异物标注且标记其危险级别，形成训练数据集；
A02、在训练数据集中选取预设量的数据作为训练数据，且将其导入到神经网络中训练；
A03、从训练数据集中的剩余数据中选取预设量的数据作为验证数据，将其导入到经训练的神经网络中验证，
当验证结果不符合预设要求时，将训练数据重新导入到经训练的神经网络中继续训练预设次数，直至验证结果符合预设要求，获得检测神经网络。
结合图3和图4所示，作为一种较优的选择实施方式，优选的，本方案还包括：
S08、响应龙门起重机的龙门架在轨道上移动的信号，实时获取轨道影像，且按预设时间间隔将其分割成图像帧；
S09、获取图像帧，在图像帧画面中心建立基准线，同时对图像帧中的轨道进行定位和轮廓识别，获得轨道轮廓；
S10、以轨道长度方向的两侧轮廓为参照，建立与轨道长度方向平行的中心参照线，然后实时计算基准线和中心参照线的间距L并输出，其中，中心参照线在龙门起重机停机时与画面帧的基准线重合，即基准线和中心参照线的间距L=0；
S11、获取L且将其与预设阈值进行对比，生成第一对比结果，同时还对龙门架两侧的L进行求取差值并将该差值与预设阈值进行对比，生成第二对比结果；
S12、获取第一对比结果和/或第二对比结果，还预设条件输出预警信息和/或操作干预指令。
通过上述方案，可以用来粗略判断龙门架两侧的振动情况，从而为轨道与龙门架配合、龙门架下方驱动装置的工作状态进行粗略评估（即通过振动幅度来评估设备的健康情况），由于通过图像帧之间的差别来判断，因此，其图像帧的采集频率具有一定要求，本方案中，作为一种较优的选择实施方式，优选的，本方案所述轨道影像的为视频，其帧数为25、30、40、50或60帧/秒；同时，按预设时间间隔分割成的图像帧中，相邻图像帧的时间差不超过0.2～0.5秒。
除此之外，本方案获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出的同时，还按预设条件输出操作干预指令，所述操作干预指令包括停机、制动或暂缓指令。
为了便于进行直观监测，本方案所述预警信息还均映射至施工场地数字模型中可视化输出。
结合图5所示，基于上述，本实施例还提供一种基于数字孪生的起重机运行监测系统，其包括：
定位单元，为多个且布设在所述龙门起重机的龙门架两侧、载重小车和吊钩上；
模型构建单元，用于按预设条件对龙门起重机的工作场地进行建立参照坐标系，同时，对龙门起重机的龙门架下方及两侧预设区域范围内的地形、固定设施进行轮廓扫描获取，建立施工场地数字模型，其还用于按预设条件对龙门起重机进行轮廓扫描形成起重机数字模型；
数字孪生模型构建单元，用于获取龙门起重机的龙门架、载重小车、吊钩上定位单元的实时定位数据，将实时定位数据与起重机数字模型结合并映射到施工场地数字模型中进行可视化展示；
施工监测单元，用于响应龙门起重机的工作启动信号，按预设条件获取龙门起重机的工作状态信息和操作记录，生成操作执行日志；
预警处理单元，用于获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出。
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于数字孪生的起重机运行监测方法，用于设置在室外的龙门起重机的工作运行监测，所述龙门起重机的龙门架两侧、载重小车和吊钩上均设有用于定位其所在位置的定位单元，其特征在于，所述运行监测方法包括：
按预设条件对龙门起重机的工作场地进行建立参照坐标系，同时，对龙门起重机的龙门架下方及两侧预设区域范围内的地形、固定设施进行轮廓扫描获取，建立施工场地数字模型；
按预设条件对龙门起重机进行轮廓扫描形成起重机数字模型；
获取龙门起重机的龙门架、载重小车、吊钩上定位单元的实时定位数据，将实时定位数据与起重机数字模型结合并映射到施工场地数字模型中进行可视化展示；
响应龙门起重机的工作启动信号，按预设条件获取龙门起重机的工作状态信息和操作记录，生成操作执行日志；
获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出。
2.如权利要求1所述的基于数字孪生的起重机运行监测方法，其特征在于，所述操作执行日志包括龙门起重机的操作指令发出后，龙门起重机的龙门架、载重小车或吊钩由第一状态变为第二状态且在预设时长内保持速度恒定或变化小于预设振幅的时间。
3.如权利要求2所述的基于数字孪生的起重机运行监测方法，其特征在于，所述第一状态为移动时，所述第二状态为停止；
所述第一状态为停止时，所述第二状态为移动。
4.如权利要求1所述的基于数字孪生的起重机运行监测方法，其特征在于，所述龙门起重机的龙门架两端还均设有一对影像获取装置，该一对影像获取装置的影像摄取端朝下且用于捕获龙门架两侧轨道的影像，其中，龙门起重机停止时，所述轨道位于影像获取装置所捕获画面的中部；
所述运行监测方法还包括：
响应龙门起重机的工作启动信号，对龙门架两侧轨道进行实时影像采集，生成轨道影像且将其导入检测神经网络中，由检测神经网络，对影像中的异物进行检测识别，输出检测结果；
获得检测结果，按预设条件输出预警信息。
5.如权利要求4所述的基于数字孪生的起重机运行监测方法，其特征在于，所述检测神经网络的训练方法包括：
获取龙门架所连接轨道的影像，对影像进行异物标注且标记其危险级别，形成训练数据集；
在训练数据集中选取预设量的数据作为训练数据，且将其导入到神经网络中训练；
从训练数据集中的剩余数据中选取预设量的数据作为验证数据，将其导入到经训练的神经网络中验证；
当验证结果不符合预设要求时，将训练数据重新导入到经训练的神经网络中继续训练预设次数，直至验证结果符合预设要求，获得检测神经网络。
6.如权利要求4所述的基于数字孪生的起重机运行监测方法，其特征在于，其还包括：
响应龙门起重机的龙门架在轨道上移动的信号，实时获取轨道影像，且按预设时间间隔将其分割成图像帧；
获取图像帧，在图像帧画面中心建立基准线，同时对图像帧中的轨道进行定位和轮廓识别，获得轨道轮廓；
以轨道长度方向的两侧轮廓为参照，建立与轨道长度方向平行的中心参照线，然后实时计算基准线和中心参照线的间距L并输出，其中，中心参照线在龙门起重机停机时与画面帧的基准线重合，即基准线和中心参照线的间距L=0；
获取L且将其与预设阈值进行对比，生成第一对比结果，同时还对龙门架两侧的L进行求取差值并将该差值与预设阈值进行对比，生成第二对比结果；
获取第一对比结果和/或第二对比结果，还预设条件输出预警信息和/或操作干预指令。
7.如权利要求5所述的基于数字孪生的起重机运行监测方法，其特征在于，所述轨道影像的为视频，其帧数为25、30、40、50或60帧/秒；
按预设时间间隔分割成的图像帧中，相邻图像帧的时间差不超过0.2～0.5秒。
8.如权利要求1至7之一所述的基于数字孪生的起重机运行监测方法，其特征在于，获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出的同时，还按预设条件输出操作干预指令，所述操作干预指令包括停机、制动或暂缓指令；
所述预警信息还均映射至施工场地数字模型中可视化输出。
9.基于数字孪生的起重机运行监测系统，其特征在于，其包括：
定位单元，为多个且布设在所述龙门起重机的龙门架两侧、载重小车和吊钩上；
模型构建单元，用于按预设条件对龙门起重机的工作场地进行建立参照坐标系，同时，对龙门起重机的龙门架下方及两侧预设区域范围内的地形、固定设施进行轮廓扫描获取，建立施工场地数字模型，其还用于按预设条件对龙门起重机进行轮廓扫描形成起重机数字模型；
数字孪生模型构建单元，用于获取龙门起重机的龙门架、载重小车、吊钩上定位单元的实时定位数据，将实时定位数据与起重机数字模型结合并映射到施工场地数字模型中进行可视化展示；
施工监测单元，用于响应龙门起重机的工作启动信号，按预设条件获取龙门起重机的工作状态信息和操作记录，生成操作执行日志；
预警处理单元，用于获取操作执行日志，按预设条件对其进行数据判断和生成预警信息并输出。
10.一种计算机可读的存储介质，其特征在于：所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现如权利要求1至8之一所述的基于数字孪生的起重机运行监测方法。
CN202211186981.4A 2022-09-28 2022-09-28 基于数字孪生的起重机运行监测方法、系统 Pending CN115457479A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211186981.4A CN115457479A (zh) 2022-09-28 2022-09-28 基于数字孪生的起重机运行监测方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211186981.4A CN115457479A (zh) 2022-09-28 2022-09-28 基于数字孪生的起重机运行监测方法、系统

Publications (1)

Publication Number Publication Date
CN115457479A true CN115457479A (zh) 2022-12-09

Family

ID=84306907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211186981.4A Pending CN115457479A (zh) 2022-09-28 2022-09-28 基于数字孪生的起重机运行监测方法、系统

Country Status (1)

Country Link
CN (1) CN115457479A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115824318A (zh) * 2023-02-27 2023-03-21 国网江西省电力有限公司电力科学研究院 用于立杆机工作状态的数字化管控的动态监测系统及方法
CN115849202A (zh) * 2023-02-23 2023-03-28 河南核工旭东电气有限公司 基于数字孪生技术的智能起重机操作目标识别方法
CN116253248A (zh) * 2023-02-13 2023-06-13 江苏省特种设备安全监督检验研究院 起重机运行监测方法及起重机防撞人冗余系统和存储介质
CN117492403A (zh) * 2023-12-29 2024-02-02 浙江大学 一种大型仪器设备运行监控系统及方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116253248A (zh) * 2023-02-13 2023-06-13 江苏省特种设备安全监督检验研究院 起重机运行监测方法及起重机防撞人冗余系统和存储介质
CN116253248B (zh) * 2023-02-13 2023-10-03 江苏省特种设备安全监督检验研究院 起重机运行监测方法及起重机防撞人冗余系统和存储介质
CN115849202A (zh) * 2023-02-23 2023-03-28 河南核工旭东电气有限公司 基于数字孪生技术的智能起重机操作目标识别方法
CN115824318A (zh) * 2023-02-27 2023-03-21 国网江西省电力有限公司电力科学研究院 用于立杆机工作状态的数字化管控的动态监测系统及方法
CN115824318B (zh) * 2023-02-27 2023-08-15 国网江西省电力有限公司电力科学研究院 用于立杆机工作状态的数字化管控的动态监测系统及方法
CN117492403A (zh) * 2023-12-29 2024-02-02 浙江大学 一种大型仪器设备运行监控系统及方法
CN117492403B (zh) * 2023-12-29 2024-03-26 浙江大学 一种大型仪器设备运行监控系统及方法

Similar Documents

Publication Publication Date Title
CN115457479A (zh) 基于数字孪生的起重机运行监测方法、系统
US11752936B2 (en) Industrial vehicle feedback system
CN110490995B (zh) 一种皮带运行状态异常监测方法、系统、设备及存储介质
CN115303946B (zh) 基于数字孪生的塔式起重机工作监测方法、系统
CN111591319B (zh) 一种用于高速铁路的轨道状况动态监测方法
CN105791814A (zh) 一种基于图像处理技术的监控视频质量检测方法及装置
JP2024500581A (ja) 異常処理方法及びロボット
CN113112216A (zh) 一种针对设备缺陷的预判分析方法
CN112053339B (zh) 一种基于机器视觉的棒材成品库行车安全监测方法、装置及设备
CN116409716A (zh) 起重机运行状态监控系统和方法
CN111572590B (zh) 一种高速铁路轨道状况动态监测装置
CN113860171A (zh) 一种集装箱的偏载检测方法、系统及相关装置
CN112906454A (zh) 一种输电通道ai可视化监控方法及装置
CN113408445A (zh) 机车乘务员的违章行为分析方法、装置、设备及存储介质
CN115563575A (zh) 基于神经网络的起重机故障预测方法、系统及存储介质
CN111453573B (zh) 一种基于电梯的安全检测方法及装置
CN116424768B (zh) 基于数字孪生技术的轮轨带式输送机集中监测方法及系统
CN218036287U (zh) 一种用于监控大气环境的监测装置
CN117208764A (zh) 龙门吊运行监测方法、系统及其应用
CN112551090B (zh) 一种发动机配件输送系统、控制方法及设备
JPH113447A (ja) 被移送製品の振動監視装置、振動監視方法及び移送方法
KR102557637B1 (ko) 인공 지능 기반의 철도 자산 관리 서버, 시스템 및 방법
CN114758239B (zh) 基于机器视觉的物品飞离预定行进线路的监测方法和系统
CN211349352U (zh) 基于基建工程的实物id标签完好状态检测系统
CN110895315B (zh) 端子插入质量监控系统

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