CN116151042A - 一种基于多维数据分析的起重机监测维护方法及系统 - Google Patents

Abstract

本发明提供了一种基于多维数据分析的起重机监测维护方法及系统，涉及数据处理技术领域，获得起重物品数据和起重机数据，采集风力信息并确定影响风力值，结合起重物品数据输入异常受力监测模型，输出异常分析结果，进行起重过程的图像采集并生成实时反馈数据，通过异常分析结果和实时反馈数据，进行起重机的监测预警，解决了现有技术中对于起重机的监测方式灵活度不足，未考虑到监测影响因素，与实时起重工况的不够契合，导致监测完备性不足且监测结果精准度不足，造成后续维护局限的技术问题，通过精准分析风力影响，建模进行异常受力分析，结合工况同步进行图像监测采集，协同执行监测预警，提高监测执行的工况契合度，保障监测完备性。

Description

一种基于多维数据分析的起重机监测维护方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于多维数据分析的起重机监测维护方法及系统。

背景技术

起重机作为建筑施工的基本机械设备，其运行状态影响着工况的推进，针对其进行定期运维处理，以保障起重机运行状态与安全技术规范，规避施工中的不可控因素。现如今，主要基于起重机的安全监控管理系统，结合监测设备进行起重机运行的监测控制，当前的监测方法较为传统，存在着较为明显的弊端，有待进行技术革新进行优化消弭。现有技术中，对于起重机的监测方式灵活度不足，未考虑到监测影响因素，与实时起重工况的不够契合，导致监测完备性不足且监测结果精准度不足，造成后续维护局限。

发明内容

本申请提供了一种基于多维数据分析的起重机监测维护方法及系统，用于针对解决现有技术中存在的对于起重机的监测方式灵活度不足，未考虑到监测影响因素，与实时起重工况的不够契合，导致监测完备性不足且监测结果精准度不足，造成后续维护局限的技术问题。

鉴于上述问题，本申请提供了一种基于多维数据分析的起重机监测维护方法及系统。

第一方面，本申请提供了一种基于多维数据分析的起重机监测维护方法，所述方法包括：

通过所述数据交互装置进行起重物品和起重机的数据交互，获得起重物品数据和起重机数据，其中，所述起重物品数据包括尺寸数据、形状数据、重量数据和材质数据；

基于所述风力监测装置进行风力信息采集，通过风力信息采集结果确定影响风力值；

根据所述起重机数据构建异常受力监测模型；

将所述影响风力值和所述起重物品数据输入所述异常受力监测模型，输出异常分析结果；

通过所述图像采集装置进行起重过程的图像采集，并基于图像采集结果生成实时反馈数据；

通过所述异常分析结果和所述实时反馈数据进行所述起重机的监测预警。

第二方面，本申请提供了一种基于多维数据分析的起重机监测维护系统，所述系统包括：

数据获取模块，所述数据获取模块用于通过所述数据交互装置进行起重物品和起重机的数据交互，获得起重物品数据和起重机数据，其中，所述起重物品数据包括尺寸数据、形状数据、重量数据和材质数据；

风力值确定模块，所述风力值确定模块用于基于所述风力监测装置进行风力信息采集，通过风力信息采集结果确定影响风力值；

模型构建模块，所述模型构建模块用于根据所述起重机数据构建异常受力监测模型；

结果输出模块，所述结果输出模块用于将所述影响风力值和所述起重物品数据输入所述异常受力监测模型，输出异常分析结果；

数据反馈模块，所述数据反馈模块用于通过所述图像采集装置进行起重过程的图像采集，并基于图像采集结果生成实时反馈数据；

监测预警模块，所述监测预警模块用于通过所述异常分析结果和所述实时反馈数据进行所述起重机的监测预警。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请实施例提供的一种基于多维数据分析的起重机监测维护方法，通过所述数据交互装置进行起重物品和起重机的数据交互，获得起重物品数据和起重机数据，基于所述风力监测装置进行风力信息采集，确定影响风力值，构建异常受力监测模型对所述影响风力值和所述起重物品数据进行分析，输出异常分析结果，通过所述图像采集装置进行起重过程的图像采集，获取图像采集结果并生成实时反馈数据，通过所述异常分析结果和所述实时反馈数据，进行所述起重机的监测预警，解决了现有技术中存在的对于起重机的监测方式灵活度不足，未考虑到监测影响因素，与实时起重工况的不够契合，导致监测完备性不足且监测结果精准度不足，造成后续维护局限的技术问题，通过精准分析风力影响，建模进行异常受力分析，结合工况同步进行图像监测采集，协同执行监测预警，提高监测执行的工况契合度，保障监测完备性。

附图说明

图1为本申请提供了一种基于多维数据分析的起重机监测维护方法流程示意图；

图2为本申请提供了一种基于多维数据分析的起重机监测维护方法中影响风力值获取流程示意图；

图3为本申请提供了一种基于多维数据分析的起重机监测维护方法中图像采集的监测控制流程示意图；

图4为本申请提供了一种基于多维数据分析的起重机监测维护系统结构示意图。

附图标记说明：数据获取模块11，风力值确定模块12，模型构建模块13，结果输出模块14，数据反馈模块15，监测预警模块16。

具体实施方式

本申请通过提供一种基于多维数据分析的起重机监测维护方法及系统，获得起重物品数据和起重机数据，采集风力信息并确定影响风力值，结合起重物品数据输入异常受力监测模型，输出异常分析结果，进行起重过程的图像采集并生成实时反馈数据，通过异常分析结果和实时反馈数据，进行起重机的监测预警，用于解决现有技术中存在的对于起重机的监测方式灵活度不足，未考虑到监测影响因素，与实时起重工况的不够契合，导致监测完备性不足且监测结果精准度不足，造成后续维护局限的技术问题。

实施例一

如图1所示，本申请提供了一种基于多维数据分析的起重机监测维护方法，所述方法应用于起重机监测维护系统，所述起重机监测维护系统与图像采集装置、风力监测装置、数据交互装置通信连接，所述方法包括：

步骤S100：通过所述数据交互装置进行起重物品和起重机的数据交互，获得起重物品数据和起重机数据，其中，所述起重物品数据包括尺寸数据、形状数据、重量数据和材质数据；

具体而言，起重机作为建筑施工的基本机械设备，其运行状态影响着工况的推进，针对其进行定期运维处理，以保障起重机运行状态与安全技术规范，规避施工中的不可控因素。本申请提供的一种基于多维数据分析的起重机监测维护方法应用于所述起重机监测维护系统，所述系统为进行起重机运维检测与诊断预警的总控系统，所述系统与所述图像采集装置、所述风力监测装置与所述数据交互装置通信连接，所述图像采集装置与所述风力监测装置为进行信息采集的执行装置，所述数据交互装置为进行数据交互调用的执行装置，基于上述执行装置辅助进行监测分析。

具体的，基于所述数据交互装置，对所述起重机进行数据追踪与探源，调用所述起重机待进行起重操作的目标物品，作为所述起重物品，对所述起重物品的所述尺寸数据、所述形状数据、所述重量数据与所述材质数据进行调用，进行数据规整作为所述起重物品数据；对所述起重机的运维记录进行采集，包括起重机基本操作标准、承重、受力数据等，作为所述起重机数据，将所述起重物品数据与所述起重机数据作为后续监测分析的参考数据源。

进一步而言，所述通过所述数据交互装置进行起重物品和起重机的数据交互，本申请步骤S100还包括：

步骤S110：对所述起重机进行数据提取，生成初始数据提取结果，其中，所述初始数据提取结果具有时间标识；

步骤S120：对所述初始数据提取结果进行时序维度和维护处理维度的特征弱化提取，获得特征提取结果；

步骤S130：基于所述特征提取结果生成所述起重机数据。

具体而言，基于预定时间区间，对所述起重机进行运维记录采集，所述预定时间区间为自定义设定的用于进行数据调取的界定时间范围，基于采集数据对应的时间节点对采集数据进行时间标识与时序整合，生成所述初始数据提取结果。针对所述初始数据提取结果进行特征识别，包括设备故障类型、表征状态、处理能效等。

进一步基于所述时序维度与所述维护处理维度对提取特征进行弱化处理，具体的，基于提取特征对应的数据标识时间，确定特征弱化程度，由于采集数据对应的时间节点与当前时间节点的间距越大，对于当前运维提供的参考量越低，示例性的，针对采集数据的初始时间节点至终止时间节点进行等距划分，进行特征弱化程度的逐层配置，对提取特征进行匹配调整生成时序弱化特征；针对所述维度处理维度，起重机故障等级越高，维修能效越好，对应的弱化程度越低，否则弱化程度越高，针对提取特征进行维护处理的逐层配置调整，例如基于专家经验自定义进行故障划级，对应进行弱化程度配置，对提取特征执行弱化处理，生成维护处理弱化特征。所述时序弱化特征与所述维护处理弱化特征一一对应，分别属于同特征的不同维度弱化，对两者进行映射对应与综合，进行特征的协同弱化，例如将两者的特征均值作为特征协同弱化结果，集成规整生成所述特征提取结果，以提高提取特征的参考适用度，保障后续分析精准度，将所述特征提取结果作为所述起重机数据。

步骤S200：基于所述风力监测装置进行风力信息采集，通过风力信息采集结果确定影响风力值；

进一步而言，如图2所示，本申请步骤S200还包括：

步骤S210：采集获得当前区域的风力预测数据，其中，所述风力预测数据具有时间区隔节点标识；

步骤S220：基于所述风力预测数据和所述风力信息采集结果进行逐节点的风力比对，获得风力比对结果；

步骤S230：根据所述风力比对结果、所述时间区隔节点标识和所述风力预测数据生成所述影响风力值。

进一步而言，本申请步骤S230还包括：

步骤S231：设置多级基础方向；

步骤S232：通过所述多级基础方向进行基于方向特征的所述风力比对结果分析，确定在所述多级基础方向下的风力偏差均值；

步骤S233：获得实时监测时间节点，根据所述实时监测时间节点、所述时间区隔节点标识、所述风力预测数据和所述风力偏差均值进行执行所述起重物品起重操作的风力预测；

步骤S234：将风力预测结果中的最大风力值作为所述影响风力值。

具体而言，所述风力监测装置为进行实时风力采集的功能性辅助装置，基于所述风力监测装置进行实时风力采集，获取所述风力信息采集结果，并与风力预测数据进行比对，基于风力比对结果分析确定所述影响风力值。

具体的，对当前区域进行所述风力预测数据的采集，所述风力预测数据为未来时间节点的风力信息，例如可基于天气预报进行确定，进一步对所述风力预测数据进行识别，确定风力出现较大变动的时间节点，包括风力大小与风力方向，作为所述时间区隔节点，对所述风力预测数据进行匹配标识。基于所述风力监测装置进行实时风力采集，作为所述风力信息采集结果。由于受风力预测准确度与当前位置的地形或者建筑的影响，导致天气预报会和实时监测存在一定的偏差，为保障后续分析处理精准度，需对风力预测偏差进行修正调整。对所述风力信息采集结果与所述风力预测数据进行时序映射对应，将所述时间区隔节点作为比对节点，基于映射结果进行风力比对，确定节点风力偏差作为所述风力比对结果。进一步进行所述影响风力值分析。

具体的，基于所述风力比对结果、所述时间区隔节点标识与所述风力预测数据，具体的，设置多级基础方向，例如基于地理纬度进行均匀划定，确定多个待分析方向，其中，方向的具体级数基于分析需求进行自定义设定，作为所述多级基础方向。将所述多级基础方向作为比对要求，对所述风力比对结果进行，分别提取各节点对应所述多级基础方向对应的数据，进行对应节点风力偏差的均值计算，确定所述风力偏差均值，以进一步提高数据的分析深度与精准度。

进一步的，确定实时监测时间节点，即待进行起重机运行监测的待执行时间节点，匹配识别所述实时监测时间节点对应的所述时间区隔节点标识、所述风力预测数据与所述风力偏差均值，进行起重物品起重操作的风力预测，即，将对应的所述时间区隔节点标识与所述风力偏差均值作为调整修依据，对所述风力预测数据进行修复，作为所述风力预测结果，由于可能存在多个相似性匹配节点数据，所述风力预测结果包括多个。识别提取所述风力预测结果中的最大值，作为所述影响风力值。基于最大风力预测结果进行分析以保下限，保障后续异常分析的完备性。

步骤S300：根据所述起重机数据构建异常受力监测模型；

步骤S400：将所述影响风力值和所述起重物品数据输入所述异常受力监测模型，输出异常分析结果；

具体而言，对所述起重机数据进行剖析，基于起重机的运维记录，确定构建样本。具体的，确定多级设备事件，即重大设备事故、一般设备事故、小型设备事故等，对所述起重机数据进行层级划分，基于划分结果提取起重机基本操作标准、历史起重物品数据与历史影响风力值，进而识别异常受力信息并进行异常等级标识，上述数据可直接进行记录识别确定。

其中，同级别设备事故中，针对不同位置的异常受力等级存在差异，将划分的所述起重机数据作为识别数据，将带有异常等级标识的异常受力信息作为决策信息，对两者进行映射关联，作为所述构建样本，基于所述构建样本进行神经网络学习，生成所述异常受力监测模型，将所述起重机基本操作标准嵌入所述异常受力监测模型中进行模型学习优化。所述异常受力监测模型为自建的进行异常受力分析的辅助性分析工具。将所述影响风力值与所述起重物品数据输入所述异常受力监测模型中，通过进行层级识别匹配决策，直接确定所述异常分析结果并进行模型输出。通过搭建所述异常受力监测模型进行受力分析，可有效提高所述异常分析结果的分析效率，保障结果精准度与客观性。

步骤S500：通过所述图像采集装置进行起重过程的图像采集，并基于图像采集结果生成实时反馈数据；

进一步而言，如图3所示，本申请步骤S500还包括：

步骤S510：通过所述数据交互装置获得所述起重机的规划控制轨迹；

步骤S520：基于所述规划控制轨迹确定N个异常控制监测节点；

步骤S530：通过所述N个异常控制监测节点进行图像采集的监测控制。

进一步而言，本申请步骤S530还包括：

步骤S531：根据所述起重物品数据和所述起重机数据构建识别主体特征；

步骤S532：获得当前区域的环境数据，其中，所述环境数据包括固定环境数据和非固定环境数据；

步骤S533：当通过所述图像采集装置进行起重过程的图像采集时，根据所述识别主体特征进行图像的主体位置识别，根据识别结果和所述规划控制轨迹生成连续控制参数；

步骤S534：通过所述环境数据、所述N个异常控制监测节点和所述连续控制参数进行图像采集的监测控制。

具体而言，进行主体位置识别并确定图像采集的连续控制参数，基于所述图像采集装置进行实时图像采集，作为所述图像采集结果，进一步对所述图像采集结果进行起重实况识别，识别异常起重数据，包括起重轨迹偏离、异常受力等，作为所述实时反馈数据。

具体的，基于所述数据交互装置进行信息调用，采集确定所述起重机的规划控制轨迹，所述规划控制轨迹为待进行起重操作的运行轨迹，为预先确定好的执行信息。基于所述规划控制轨迹，分析确定存在起重异常的多个轨迹位置，例如轨迹转折、起重方向转换、起重速度的变换等，确定上述状态对应的轨迹位置，于所述规划控制轨迹中进行匹配标识，作为所述N个异常控制监测节点。将所述N个 异常控制监测节点作为着重监测位置，进行图像采集的监测控制。通过进行所述N个异常控制监测节点的分析，以针对监测需求执行图像采集，降低监测采集量，避免无效做功。

具体的，将起重物品与起重机作为识别主体，包括细化的整装设备、设备摆臂等，基于所述起重物品数据与所述起重机数据进行特征识别，例如设备构件特征、色彩特征等，用于进行主体的识别区分。对当前区域的布设环境进行采集，将既定位置固定且不可移动者作为所述固定环境数据，例如建筑物、绿化等；将动态构件或存在移动可能性的构件作为所述非固定环境数据，例如行驶车辆或停放车辆，采集所述固定环境数据与所述非固定环境数据，作为当前区域的所述环境数据。进一步的，基于所述图像采集装置进行起重过程的图像采集。

具体的，所述图像采集装置为布设于当前区域进行起重图像采集的执行设备，例如摄像机等，可能包括固定方向采集与多角度采集。将所述识别主体特征作为识别标准，当所述起重机进入所述图像采集装置的视野范围时，开始执行图像采集。优选的，当只存在摆臂等组件的起重操作时，基于多角度摄像机进行采集角度转换以识别主体位置进行图像采集；若同时存在整装设备的移动时，随着主体位置的识别进行摄像机的逐步启用，即随着主体位置的视野落入进行安装的图像采集装置的衔接式启用采集，以保障图像采集的连续性。所述识别结果为主体位置的识别结果，基于所述识别结果与所述规划控制轨迹，确定所述图像采集装置的连续控制参数，包括设备启停控制、方向转换控制等。基于所述环境数据，可进行图像采集的视野调整，例如针对固定环境数据造成的视野遮挡，可通过调整所述图像采集装置的位置与方向进行规避；对于非固定环境数据造成的视野遮挡，通过进行环境与视野的协调以进行视野遮挡规避。基于所述环境数据、所述N个异常控制监测节点与所述连续控制参数进行图像采集的监测控制，以保障图像监测数据的起重工况适配性。

步骤S600：通过所述异常分析结果和所述实时反馈数据进行所述起重机的监测预警。

进一步而言，本申请步骤S600还包括：

步骤S610：通过所述异常分析结果和所述实时反馈数据匹配预警等级；

步骤S620：通过所述预警等级和所述起重机的当前状态匹配预警反馈方案；

步骤S630：基于所述预警反馈方案进行所述起重机的预警控制。

具体而言，所述异常分析结果与所述实时反馈数据为进行起重监测预警的评定数据源，对所述异常分析结果与所述实时反馈数据进行起重机的异常运行判定，针对异常运行状态进行预警警示。具体的，配置多级预警等级，示例性的，针对起重机运行的异常程度，参考起重执行标准自定义进行等级划定，组我欸所述多级预警等级。基于所述异常分析结果和所述实时反馈数据，遍历所述多级预警等级进行匹配，确定所述预警等级。进一步的，基于所述预警等级与所述起重机的当前状态，进行所述预警反馈方案的匹配。具体的，搭建预警反馈方案库，针对不同预警位置、预警类型、预警等级，配置不同的预警模式，例如将警示灯预警、响铃预警灯作为预警模式，针对不同的预警等级进行具体预警方式的调控，例如警示灯颜色、闪灯频次等，搭建所述预警反馈方案库，所述预警反馈方案库为自建的针对多种异常起重状态的执行方案库。遍历所述预警反馈方案库，基于所述预警等级与所述起重机的当前状态进行匹配，生成所述预警反馈方案，以保障预警的针对性，可快速基于预警信息进行起重状态判定。基于所述预警反馈方法进行所述起重机的预警控制。

实施例二

基于与前述实施例中一种基于多维数据分析的起重机监测维护方法相同的发明构思，如图4所示，本申请提供了一种基于多维数据分析的起重机监测维护系统，所述系统包括：

数据获取模块11，所述数据获取模块11用于通过所述数据交互装置进行起重物品和起重机的数据交互，获得起重物品数据和起重机数据，其中，所述起重物品数据包括尺寸数据、形状数据、重量数据和材质数据；

风力值确定模块12，所述风力值确定模块12用于基于所述风力监测装置进行风力信息采集，通过风力信息采集结果确定影响风力值；

模型构建模块13，所述模型构建模块13用于根据所述起重机数据构建异常受力监测模型；

结果输出模块14，所述结果输出模块14用于将所述影响风力值和所述起重物品数据输入所述异常受力监测模型，输出异常分析结果；

数据反馈模块15，所述数据反馈模块15用于通过所述图像采集装置进行起重过程的图像采集，并基于图像采集结果生成实时反馈数据；

监测预警模块16，所述监测预警模块16用于通过所述异常分析结果和所述实时反馈数据进行所述起重机的监测预警。

进一步而言，所述系统还包括：

数据提取模块，所述数据提取模块用于对所述起重机进行数据提取，生成初始数据提取结果，其中，所述初始数据提取结果具有时间标识；

特征提取模块，所述特征提取模块用于对所述初始数据提取结果进行时序维度和维护处理维度的特征弱化提取，获得特征提取结果；

数据生成模块，所述数据生成模块用于基于所述特征提取结果生成所述起重机数据。

进一步而言，所述系统还包括：

数据采集模块，所述数据采集模块用于采集获得当前区域的风力预测数据，其中，所述风力预测数据具有时间区隔节点标识；

风力比对模块，所述风力比对模块用于基于所述风力预测数据和所述风力信息采集结果进行逐节点的风力比对，获得风力比对结果；

影响风力值生成模块，所述影响风力值生成模块用于根据所述风力比对结果、所述时间区隔节点标识和所述风力预测数据生成所述影响风力值。

进一步而言，所述系统还包括：

方向设置模块，所述方向设置模块用于设置多级基础方向；

风力偏差均值确定模块，所述风力偏差均值确定模块用于通过所述多级基础方向进行基于方向特征的所述风力比对结果分析，确定在所述多级基础方向下的风力偏差均值；

风力预测模块，所述风力预测模块用于获得实时监测时间节点，根据所述实时监测时间节点、所述时间区隔节点标识、所述风力预测数据和所述风力偏差均值进行执行所述起重物品起重操作的风力预测；

影响风力值确定模块，所述影响风力值确定模块用于将风力预测结果中的最大风力值作为所述影响风力值。

进一步而言，所述系统还包括：

轨迹获取模块，所述轨迹获取模块用于通过所述数据交互装置获得所述起重机的规划控制轨迹；

监测节点确定模块，所述监测节点确定模块用于基于所述规划控制轨迹确定N个异常控制监测节点；

监测采集模块，所述监测采集模块用于通过所述N个异常控制监测节点进行图像采集的监测控制。

进一步而言，所述系统还包括：

特征构建模块，所述特征构建模块用于根据所述起重物品数据和所述起重机数据构建识别主体特征；

环境数据获取模块，所述环境数据获取模块用于获得当前区域的环境数据，其中，所述环境数据包括固定环境数据和非固定环境数据；

连续控制参数生成模块，所述连续控制参数生成模块用于当通过所述图像采集装置进行起重过程的图像采集时，根据所述识别主体特征进行图像的主体位置识别，根据识别结果和所述规划控制轨迹生成连续控制参数；

监测控制模块，所述监测控制模块用于通过所述环境数据、所述N个异常控制监测节点和所述连续控制参数进行图像采集的监测控制。

进一步而言，所述系统还包括：

预警等级匹配模块，所述预警等级匹配模块用于通过所述异常分析结果和所述实时反馈数据匹配预警等级；

方案匹配模块，所述方案匹配模块用于通过所述预警等级和所述起重机的当前状态匹配预警反馈方案；

预警控制模块，所述预警控制模块用于基于所述预警反馈方案进行所述起重机的预警控制。

本说明书通过前述对一种基于多维数据分析的起重机监测维护方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于多维数据分析的起重机监测维护方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于多维数据分析的起重机监测维护方法，其特征在于，所述方法应用于起重机监测维护系统，所述起重机监测维护系统与图像采集装置、风力监测装置、数据交互装置通信连接，所述方法包括：

通过所述数据交互装置进行起重物品和起重机的数据交互，获得起重物品数据和起重机数据，其中，所述起重物品数据包括尺寸数据、形状数据、重量数据和材质数据；

基于所述风力监测装置进行风力信息采集，通过风力信息采集结果确定影响风力值；

根据所述起重机数据构建异常受力监测模型；

将所述影响风力值和所述起重物品数据输入所述异常受力监测模型，输出异常分析结果；

通过所述图像采集装置进行起重过程的图像采集，并基于图像采集结果生成实时反馈数据；

通过所述异常分析结果和所述实时反馈数据进行所述起重机的监测预警。

2.如权利要求1所述的方法，其特征在于，所述通过所述数据交互装置进行起重物品和起重机的数据交互，还包括：

对所述起重机进行数据提取，生成初始数据提取结果，其中，所述初始数据提取结果具有时间标识；

对所述初始数据提取结果进行时序维度和维护处理维度的特征弱化提取，获得特征提取结果；

基于所述特征提取结果生成所述起重机数据。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

采集获得当前区域的风力预测数据，其中，所述风力预测数据具有时间区隔节点标识；

基于所述风力预测数据和所述风力信息采集结果进行逐节点的风力比对，获得风力比对结果；

根据所述风力比对结果、所述时间区隔节点标识和所述风力预测数据生成所述影响风力值。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

设置多级基础方向；

通过所述多级基础方向进行基于方向特征的所述风力比对结果分析，确定在所述多级基础方向下的风力偏差均值；

获得实时监测时间节点，根据所述实时监测时间节点、所述时间区隔节点标识、所述风力预测数据和所述风力偏差均值进行执行所述起重物品起重操作的风力预测；

将风力预测结果中的最大风力值作为所述影响风力值。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述数据交互装置获得所述起重机的规划控制轨迹；

基于所述规划控制轨迹确定N个异常控制监测节点；

通过所述N个异常控制监测节点进行图像采集的监测控制。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

根据所述起重物品数据和所述起重机数据构建识别主体特征；

获得当前区域的环境数据，其中，所述环境数据包括固定环境数据和非固定环境数据；

当通过所述图像采集装置进行起重过程的图像采集时，根据所述识别主体特征进行图像的主体位置识别，根据识别结果和所述规划控制轨迹生成连续控制参数；

通过所述环境数据、所述N个异常控制监测节点和所述连续控制参数进行图像采集的监测控制。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述异常分析结果和所述实时反馈数据匹配预警等级；

通过所述预警等级和所述起重机的当前状态匹配预警反馈方案；

基于所述预警反馈方案进行所述起重机的预警控制。

8.一种基于多维数据分析的起重机监测维护系统，其特征在于，所述系统与图像采集装置、风力监测装置、数据交互装置通信连接，所述系统包括：

数据获取模块，所述数据获取模块用于通过所述数据交互装置进行起重物品和起重机的数据交互，获得起重物品数据和起重机数据，其中，所述起重物品数据包括尺寸数据、形状数据、重量数据和材质数据；

风力值确定模块，所述风力值确定模块用于基于所述风力监测装置进行风力信息采集，通过风力信息采集结果确定影响风力值；

模型构建模块，所述模型构建模块用于根据所述起重机数据构建异常受力监测模型；

结果输出模块，所述结果输出模块用于将所述影响风力值和所述起重物品数据输入所述异常受力监测模型，输出异常分析结果；

数据反馈模块，所述数据反馈模块用于通过所述图像采集装置进行起重过程的图像采集，并基于图像采集结果生成实时反馈数据；监测预警模块，所述监测预警模块用于通过所述异常分析结果和所述实时反馈数据进行所述起重机的监测预警。

Images