CN116258431A - 一种基于互联网的冷链运输安全远程监控系统 - Google Patents
一种基于互联网的冷链运输安全远程监控系统 Download PDFInfo
- Publication number
- CN116258431A CN116258431A CN202310537780.2A CN202310537780A CN116258431A CN 116258431 A CN116258431 A CN 116258431A CN 202310537780 A CN202310537780 A CN 202310537780A CN 116258431 A CN116258431 A CN 116258431A
- Authority
- CN
- China
- Prior art keywords
- risk
- value
- driving
- signal
- preset
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及冷链运输远程监控技术领域,尤其涉及一种基于互联网的冷链运输安全远程监控系统,包括监控端、云端以及运输端,监控端的内部设置有显示单元,运输端的内部设置有车辆风险单元、线路受损单元、预警单元、驾驶分析单元、冷机监管单元和调控反馈单元;本发明是从车辆的维修和驾驶两个角度进行全面性分析,以便提醒运管人员及时的车辆进行维护以及提高安全驾驶观念,有助于提高运输的安全性,同时采集车辆的线路数据并进行工作故障风险评估分析,降低线路对冷却运行的影响,以及通过数据反馈以及结合车辆的故障风险系数和线路干扰系数的分析方式,判断冷机的调控故障风险情况,提高冷机的工作效率以及产品运输的安全性。
Description
技术领域
本发明涉及冷链运输远程监控技术领域,尤其涉及一种基于互联网的冷链运输安全远程监控系统。
背景技术
冷链是为保持新鲜食品及冷冻食品品质,使其从生产到消费过程中,始终处于低温状态的配有专门设备的物流网络,冷链主要应用在食品、农产品、医药和化工等领域;
在冷链物流过程中,往往需要冷链运输车对冷藏冷冻类食品进行运输,为了运输的安全与高效,会使用到监控系统满足使用者需求,而现有技术中的监控系统存在预警效果差的问题,且无法结合车辆情况和车辆线路情况对冷机的故障风险进行分析,进而造成冷机的工作效率低以及降低产品的运输安全性,造成运送的产品出现变质损坏;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于互联网的冷链运输安全远程监控系统,去解决上述提出的技术缺陷,是从车辆的维修和驾驶两个角度进行全面性分析,判断车辆行驶和人员驾驶情况,以便提醒运管人员及时的车辆进行维护以及提高安全驾驶观念,降低车辆的故障风险率和驾驶危险性,有助于提高运输的安全性,同时采集车辆的线路数据并进行工作故障风险评估分析,以判断线路能否正常为冷机进行供电,降低线路对冷却运行的影响,以及通过数据反馈以及结合车辆的故障风险系数和线路干扰系数的分析方式,采集冷机调控时的运行数据并进行调控故障风险评估分析,判断冷机的调控故障风险情况,以便及时的预警检修,提高冷机的工作效率以及产品运输的安全性。
本发明的目的可以通过以下技术方案实现:一种基于互联网的冷链运输安全远程监控系统,包括监控端、云端以及运输端,监控端的内部设置有显示单元,运输端的内部设置有车辆风险单元、线路受损单元、预警单元、驾驶分析单元、冷机监管单元和调控反馈单元;
当监控端生成运输指令后,将运输指令经云端发送至运输端内部的车辆风险单元和线路受损单元,车辆故障风险单元在接收到运输指令后,立即采集车辆的维修数据和驾驶数据,将驾驶数据发送至驾驶分析单元,其中,维修数据包括车辆的使用时长和维修次数,驾驶数据包括驾驶时长、驾驶速度以及运行轨迹特征图,并对维修数据进行分析,得到安全信号和风险信号,将风险信号发送至预警单元;
驾驶分析单元在接收到驾驶数据后,对驾驶数据进行驾驶风险评估分析,将得到的安全驾驶信号和危险驾驶信号发送至车辆风险单元和预警单元;
当车辆风险单元内得到安全信号、风险信号、安全驾驶信号和危险驾驶信号时,并对安全信号、风险信号、安全驾驶信号和危险驾驶信号进行交互式分析,将得到的正常信号发送至冷机监管单元,将得到的异常信号经云端发送至监控端内显示单元;
线路受损单元在接收到运输指令后,立即采集车辆的线路数据,线路数据包括冷机的线路端头温度和线路受损值,并对线路数据进行工作故障风险评估分析,将得到的合格信号发送至冷机监管单元,将不合格信号发送至预警单元;
冷机监管单元在接收到正常信号和合格信号后,立即采集运输箱内的环境数据,环境数据包括运输箱内的温度值和湿度值,并对环境数据进行监管预警分析,将调控信号发送至预警单元和调控反馈单元;
调控反馈单元在接收调控信号后,立即采集冷机调控时的运行数据,运输数据包括冷机运行电流和各个电气元件的运行温度,并对运行数据进行调控故障风险评估分析,将得到的轻度故障信号和重度故障信号发送至预警单元。
优选的,所述车辆风险单元对维修数据分析过程如下:
采集到车辆开始投入使用时刻到当前时刻之间的时长,并将其标记为使用时长SC,获取到使用时长内车辆的维修次数WC,并以时间为X轴,以维修次数为Y轴建立直角坐标系,并通过描点的方式绘制维修次数曲线,从维修次数曲线中获取到相连维修次数之间的间隔时长,以此构建间隔时长的集合A,将集合A中的最大值和最小值去除后求得集合A的均值,并将其标记为风险间隔值FJ;
根据公式得到故障风险系数W,并将故障风险系数W与其内部录入存储的预设故障风险系数阈值进行比对分析:
若故障风险系数小于预设故障风险系数阈值,则生成安全信号;
若故障风险系数大于等于预设故障风险系数阈值,则生成风险信号。
优选的,所述驾驶分析单元的驾驶风险评估分析过程如下:
S1:采集到车辆开始运输时刻到结束运输时刻之间的时长,并将其标记为时间阈值,获取到时间阈值内车辆驾驶员的驾驶时长,并将驾驶时长与预设驾驶时长阈值进行比对分析,若驾驶时长大于预设驾驶时长阈值,则将驾驶时长超出预设驾驶时长阈值的部分标记为风险时长FC;
S2:将时间阈值划分为i个子时间节点,i为大于零的自然数,获取到各个子时间节点内车辆的驾驶速度,并将驾驶速度与预设驾驶速度进行比对分析,若驾驶速度大于预设驾驶速度,则获取到驾驶速度大于预设驾驶速度所对应的时长,并将其标记为超速时长CC,同时获取到时间阈值内车辆的运行轨迹特征图,并经过北斗追踪技术从运行轨迹特征图中获取到变道次数,以此获取到相连变道次数之间的时间差值,并将其标记为变道间隔,获取到变道间隔的均值,并将其标记为平均变道时长PD;
S3:根据公式得到驾驶风险系数Y,并将驾驶风险系数Y与其内部录入存储的预设驾驶风险系数阈值进行比对分析:
若驾驶风险系数Y小于等于预设驾驶风险系数阈值,则生成安全驾驶信号;
若驾驶风险系数Y大于预设驾驶风险系数阈值,则生成危险驾驶信号。
优选的,所述车辆风险单元的交互式分析过程如下:
若得到安全信号和安全驾驶信号,则生成正常信号;
若得到安全信号和危险驾驶信号,或风险信号和安全驾驶信号,或风险信号和危险驾驶信号,则生成异常信号。
优选的,所述线路受损单元的工作故障风险评估分析过程如下:
SS1:获取到各个子时间节点内车辆的冷机的线路端头温度,获取到相连两个子时间节点的线路端头温度之间的差值,并将标记为温差值,获取到温差值超出预设温差值阈值所对应子时间节点的个数与总子时间节点个数的比值,并将其标记为温变比;
SS12:获取到时间阈值内冷机的线路受损值,线路受损值指的是线路开裂的条数和被啃咬面积之和,并将温变比和线路受损值与其内部录入存储的预设温变比阈值和预设线路受损值阈值进行比对分析:
若温变比小于预设温变比阈值,且线路受损值小于预设线路受损值阈值,则生成合格信号,并将合格信号发送至冷机监管单元;
若温变比大于等于预设温变比阈值,或线路受损值大于等于预设线路受损值阈值,则生成不合格信号。
优选的,所述冷机监管单元监管预警分析过程如下:
实时获取到时间阈值内运输箱内的温度值和湿度值,并将温度值和湿度值之比标记为温湿比,同时将温湿比与其内部录入存储的预设温湿比区间进行比对分析:
若温湿比位于预设温湿比区间之内,则不生成任何信号;
若温湿比位于预设温湿比区间之外,则生成调控信号。
优选的,所述调控反馈单元的调控故障风险评估分析过程如下:
步骤一:获取到各个子时间节点内的冷机运行电流,并以时间为X轴,以冷机运行电流为Y轴建立直角坐标系,并通过描点的方式绘制冷机运行电流曲线,同时在坐标系中绘制预设冷机运行电流区间曲线,获取到冷机运行电流曲线位于预设冷机运行电流区间曲线之内的子时间节点个数与总子时间节点数之比,并将其运行节点值YD;
步骤二:获取到时间阈值内各个电气元件的运行温度,并将运行温度与预设运行温度阈值进行比对分析,若运行温度大于预设运行温度阈值,则获取到运行温度大于预设运行温度阈值所对应电气元件的总个数,并将其标记为风险数,同时将运行温度超出预设运行温度阈值的部分标记为过热值,获取到过热值的最大值和最小值,并将过热值的最大值和最小值之间的差值与风险数之积标记为负荷故障系数FG;
步骤三:从线路受损单元内调取温变比和线路受损值,并将温变比和线路受损值之积标记为线路干扰系数,标记为XG,以及从车辆风险单元调取故障风险系数W;
步骤四:根据公式得到故障评估风险率G%,并将故障评估风险率G%与其内部录入存储的预设故障评估风险率阈值进行比对分析:
若故障评估风险率G%小于等于预设故障评估风险率阈值,则不生成任何信号;若故障评估风险率G%大于预设故障评估风险率阈值,则获取到故障评估风险率G%超出预设故障评估风险率阈值的部分,并将其标记为故障风险值,并将故障风险值其内部录入存储的预设故障风险值阈值进行比对分析:
若故障风险值小于等于预设故障风险值阈值,则生成轻度故障信号;
若故障风险值大于预设故障风险值阈值,则生成重度故障信号。
本发明的有益效果如下:
(1)本发明是从车辆的维修和驾驶两个角度进行全面性分析,且通过公式化、符号化的标定、阈值代入比对、集合的分类规整以及递进式分析的方式进行深入的分析,判断车辆行驶和人员驾驶情况,以便提醒运管人员及时的车辆进行维护以及提高安全驾驶观念,降低车辆的故障风险率和驾驶危险性,有助于提高运输的安全性;
(2)本发明还通过采集车辆的线路数据并进行工作故障风险评估分析,以判断线路能否正常为冷机进行供电,以保证冷机的正常运行,同时降低线路对冷却运行的影响,以及通过数据反馈以及结合车辆的故障风险系数和线路干扰系数的分析方式,采集冷机调控时的运行数据并进行调控故障风险评估分析,判断冷机的调控故障风险情况,以便及时的预警检修,提高冷机的工作效率以及产品运输的安全性。
附图说明
下面结合附图对本发明作进一步的说明;
图1是本发明系统流程框图;
图2是本发明局部分析图。
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-图2所示,本发明为一种基于互联网的冷链运输安全远程监控系统,包括监控端、云端以及运输端,监控端的内部设置有显示单元,运输端的内部设置有车辆风险单元、线路受损单元、预警单元、驾驶分析单元、冷机监管单元和调控反馈单元,云端与监控端和运输端均呈双向通讯连接,车辆风险单元与驾驶分析单元呈双向通讯连接,车辆风险单元和驾驶分析单元均与预警单元呈单向通讯连接,车辆风险单元与冷机监管单元和调控反馈单元均呈单向通讯连接,线路受损单元与预警单元呈单向通讯连接,线路受损单元与冷机监管单元和调控反馈单元均呈单向通讯连接,冷机监管单元与调控反馈单元呈单向通讯连接,调控反馈单元与预警单元呈单向通讯连接;
当监控端生成运输指令后,将运输指令经云端发送至运输端内部的车辆风险单元和线路受损单元,车辆故障风险单元在接收到运输指令后,立即采集车辆的维修数据和驾驶数据,将驾驶数据发送至驾驶分析单元,其中,维修数据包括车辆的使用时长和维修次数,驾驶数据包括驾驶时长、驾驶速度以及运行轨迹特征图,进而从车辆的维修和驾驶两个角度进行全面性分析,判断车辆行驶安全情况,减小了由于不特定因素造成的损失,使冷链项目在特定的运输中发挥更大的作用,具体的维修数据分析过程如下:
采集到车辆开始投入使用时刻到当前时刻之间的时长,并将其标记为使用时长SC,其中,使用时长是一个反映车辆安全风险情况的一个参数,获取到使用时长内车辆的维修次数WC,并以时间为X轴,以维修次数为Y轴建立直角坐标系,并通过描点的方式绘制维修次数曲线,从维修次数曲线中获取到相连维修次数之间的间隔时长,以此构建间隔时长的集合A,将集合A中的最大值和最小值去除后求得集合A的均值,并将其标记为风险间隔值,标号为FJ,需要说明的是,风险间隔值WJ的数值越大,则车辆的故障风险越小;
根据公式得到故障风险系数,其中,a1、a2以及a3分别为使用时长、维修次数以及风险间隔值的预设比例因子系数,比例因子系数用于修正各项参数在公式计算过程中出现的偏差,从而使得计算更加准确和参数数据,a1、a2以及a3均为大于零的正数,W为故障风险系数,并将故障风险系数W与其内部录入存储的预设故障风险系数阈值进行比对分析:
若故障风险系数小于预设故障风险系数阈值,则生成安全信号;
若故障风险系数大于等于预设故障风险系数阈值,则生成风险信号,并将风险信号发送至预警单元,预警单元在接收到风险信号后,立即以语音“车辆故障风险大”播放的方式进行预警,以便提醒运管人员及时的车辆进行维护,降低车辆的故障风险率,提高冷链运输的安全性;
驾驶分析单元在接收到驾驶数据后,对驾驶数据进行驾驶风险评估分析,判断驾驶人员驾驶是否正常,以提高驾驶的安全性,避免驾驶人员违规操作使运送的产品出现变质损坏,具体的驾驶风险评估分析过程如下:
采集到车辆开始运输时刻到结束运输时刻之间的时长,并将其标记为时间阈值,获取到时间阈值内车辆驾驶员的驾驶时长,并将驾驶时长与预设驾驶时长阈值进行比对分析,若驾驶时长大于预设驾驶时长阈值,则将驾驶时长超出预设驾驶时长阈值的部分标记为风险时长,标记为FC,需要说明的是,风险时长FC的数值越大,则车辆驾驶员疲劳程度越大,驾驶异常风险越大;
将时间阈值划分为i个子时间节点,i为大于零的自然数,获取到各个子时间节点内车辆的驾驶速度,并将驾驶速度与预设驾驶速度进行比对分析,若驾驶速度大于预设驾驶速度,则获取到驾驶速度大于预设驾驶速度所对应的时长,并将其标记为超速时长,标号为CC,同时获取到时间阈值内车辆的运行轨迹特征图,并经过北斗追踪技术从运行轨迹特征图中获取到变道次数,以此获取到相连变道次数之间的时间差值,并将其标记为变道间隔,获取到变道间隔的均值,并将其标记为平均变道时长PD,需要说明的是,平均变道时长PD的数值越大,则车辆运输途中稳定运输的效果越好;
根据公式得到驾驶风险系数,其中,b1、b2以及b3分别风险时长、超速时长以及平均变道时长的预设权重系数,b1、b2以及b3均为大于零的正数,Y为驾驶风险系数,并将驾驶风险系数Y与其内部录入存储的预设驾驶风险系数阈值进行比对分析:
若驾驶风险系数Y小于等于预设驾驶风险系数阈值,则生成安全驾驶信号;
若驾驶风险系数Y大于预设驾驶风险系数阈值,则生成危险驾驶信号,并将安全驾驶信号和危险驾驶信号发送至车辆风险单元和预警单元,预警单元在接收到安全驾驶信号和危险驾驶信号后,分别对应控制车辆显示为绿灯和红灯闪烁的方式进行预警,以便提醒驾驶人员安全驾驶,有助于提高运输的安全性;
当车辆风险单元内得到安全信号、风险信号、安全驾驶信号和危险驾驶信号时,并对安全信号、风险信号、安全驾驶信号和危险驾驶信号进行交互式分析,具体的交互式分析过程如下:
若得到安全信号和安全驾驶信号,则生成正常信号,并将正常信号发送至冷机监管单元;
若得到安全信号和危险驾驶信号,或风险信号和安全驾驶信号,或风险信号和危险驾驶信号,则生成异常信号,并将异常信号经云端发送至监控端内显示单元,显示单元在接收异常信号后,立即以文字“风险车辆违规驾驶”的方式进行预警,以便后续对驾驶人员进行教育,提高安全驾驶观念;
实施例2:
线路受损单元在接收到运输指令后,立即采集车辆的线路数据,线路数据包括冷机的线路端头温度和线路受损值,并对线路数据进行工作故障风险评估分析,以判断线路能否正常为冷机进行供电,以保证冷机的正常运行,具体的工作故障风险评估分析过程如下:
获取到各个子时间节点内车辆的冷机的线路端头温度,获取到相连两个子时间节点的线路端头温度之间的差值,并将标记为温差值,获取到温差值超出预设温差值阈值所对应子时间节点的个数与总子时间节点个数的比值,并将其标记为温变比,需要说明的是,温变比的数值越大,则冷机的线路端头异常风险越大;
获取到时间阈值内冷机的线路受损值,线路受损值指的是线路开裂的条数和被啃咬面积之和,需要说明的是,线路受损值的数值越大,则线路故障风险越大,并将温变比和线路受损值与其内部录入存储的预设温变比阈值和预设线路受损值阈值进行比对分析:
若温变比小于预设温变比阈值,且线路受损值小于预设线路受损值阈值,则生成合格信号,并将合格信号发送至冷机监管单元;
若温变比大于等于预设温变比阈值,或线路受损值大于等于预设线路受损值阈值,则生成不合格信号,并将不合格信号发送至预警单元,预警单元在接收到不合格信号后,立即以语音“线路风险大”播放的方式进行预警,以便降低线路对冷却运行的影响,提高运输的安全性;
冷机监管单元在接收到正常信号和合格信号后,立即采集运输箱内的环境数据,环境数据包括运输箱内的温度值和湿度值,并对环境数据进行监管预警分析,以便及时的对运输箱内的环境进行调控,避免运送的产品出现变质损坏,具体的监管预警分析过程如下:
实时获取到时间阈值内运输箱内的温度值和湿度值,并将温度值和湿度值之比标记为温湿比,同时将温湿比与其内部录入存储的预设温湿比区间进行比对分析:
若温湿比位于预设温湿比区间之内,则不生成任何信号;
若温湿比位于预设温湿比区间之外,则生成调控信号,并将调控信号发送至预警单元和调控反馈单元,预警单元在接收到调控信号后,立即以语音“冷机调控”播放的方式进行预警,以便驾驶人员根据温湿比具体情况对冷却进行合理的控制,以便提高产品的运输安全性;
调控反馈单元在接收调控信号后,立即采集冷机调控时的运行数据,运输数据包括冷机运行电流和各个电气元件的运行温度,并对运行数据进行调控故障风险评估分析,判断冷机的调控故障风险等级,以便提高冷机的工作效率,具体的调控故障风险评估分析过程如下:
获取到各个子时间节点内的冷机运行电流,并以时间为X轴,以冷机运行电流为Y轴建立直角坐标系,并通过描点的方式绘制冷机运行电流曲线,同时在坐标系中绘制预设冷机运行电流区间曲线,获取到冷机运行电流曲线位于预设冷机运行电流区间曲线之内的子时间节点个数与总子时间节点数之比,并将其运行节点值,标号为YD,需要说明的是,运行节点值YD的数值越大,则冷机故障风险概率越低;
获取到时间阈值内各个电气元件的运行温度,并将运行温度与预设运行温度阈值进行比对分析,若运行温度大于预设运行温度阈值,则获取到运行温度大于预设运行温度阈值所对应电气元件的总个数,并将其标记为风险数,同时将运行温度超出预设运行温度阈值的部分标记为过热值,获取到过热值的最大值和最小值,并将过热值的最大值和最小值之间的差值与风险数之积标记为负荷故障系数,标号为FG,需要说明的是,负荷故障系数FG是一个反映冷却运行故障风险情况的一个分析参数;
同时从线路受损单元内调取温变比和线路受损值,并将温变比和线路受损值之积标记为线路干扰系数,标记为XG,以及从车辆风险单元调取故障风险系数W;
根据公式得到故障评估风险率,其中α、β、ε以及φ分别为运行节点值、负荷故障系数、线路干扰系数以及故障风险系数的预设比例系数,α、β、ε以及φ均为大于零的正数,G%为故障评估风险率,并将故障评估风险率G%与其内部录入存储的预设故障评估风险率阈值进行比对分析:
若故障评估风险率G%小于等于预设故障评估风险率阈值,则不生成任何信号;
若故障评估风险率G%大于预设故障评估风险率阈值,则获取到故障评估风险率G%超出预设故障评估风险率阈值的部分,并将其标记为故障风险值,并将故障风险值其内部录入存储的预设故障风险值阈值进行比对分析:
若故障风险值小于等于预设故障风险值阈值,则生成轻度故障信号;
若故障风险值大于预设故障风险值阈值,则生成重度故障信号,并将轻度故障信号和重度故障信号发送至预警单元,预警单元在接收到轻度故障信号和重度故障信号后,立即做出轻度故障信号和重度故障信号所对应的预警操作,以便及时的对冷机进行维护检修,提高冷机的工作效率,提高产品运输的安全性。
综上所述,本发明是从车辆的维修和驾驶两个角度进行全面性分析,且通过公式化、符号化的标定、阈值代入比对、集合的分类规整以及递进式分析的方式进行深入的分析,判断车辆行驶和人员驾驶情况,以便提醒运管人员及时的车辆进行维护以及提高安全驾驶观念,降低车辆的故障风险率和驾驶危险性,有助于提高运输的安全性,此外还通过采集车辆的线路数据并进行工作故障风险评估分析,以判断线路能否正常为冷机进行供电,以保证冷机的正常运行,同时降低线路对冷却运行的影响,以及通过数据反馈和结合式分析方式,采集冷机调控时的运行数据并进行调控故障风险评估分析,判断冷机的调控故障风险情况,以便及时的预警检修,提高冷机的工作效率以及产品运输的安全性。
阈值的大小的设定是为了便于比较,关于阈值的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据设定基数数量;只要不影响参数与量化后数值的比例关系即可;系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的运行系数;只要不影响参数与量化后数值的比例关系即可。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置,以上,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于互联网的冷链运输安全远程监控系统,其特征在于,包括监控端、云端以及运输端,监控端的内部设置有显示单元,运输端的内部设置有车辆风险单元、线路受损单元、预警单元、驾驶分析单元、冷机监管单元和调控反馈单元;
当监控端生成运输指令后,将运输指令经云端发送至运输端内部的车辆风险单元和线路受损单元,车辆故障风险单元在接收到运输指令后,立即采集车辆的维修数据和驾驶数据,将驾驶数据发送至驾驶分析单元,其中,维修数据包括车辆的使用时长和维修次数,驾驶数据包括驾驶时长、驾驶速度以及运行轨迹特征图,并对维修数据进行分析,得到安全信号和风险信号,将风险信号发送至预警单元;
驾驶分析单元在接收到驾驶数据后,对驾驶数据进行驾驶风险评估分析,将得到的安全驾驶信号和危险驾驶信号发送至车辆风险单元和预警单元;
当车辆风险单元内得到安全信号、风险信号、安全驾驶信号和危险驾驶信号时,并对安全信号、风险信号、安全驾驶信号和危险驾驶信号进行交互式分析,将得到的正常信号发送至冷机监管单元,将得到的异常信号经云端发送至监控端内显示单元;
线路受损单元在接收到运输指令后,立即采集车辆的线路数据,线路数据包括冷机的线路端头温度和线路受损值,并对线路数据进行工作故障风险评估分析,将得到的合格信号发送至冷机监管单元,将不合格信号发送至预警单元;
冷机监管单元在接收到正常信号和合格信号后,立即采集运输箱内的环境数据,环境数据包括运输箱内的温度值和湿度值,并对环境数据进行监管预警分析,将调控信号发送至预警单元和调控反馈单元;
调控反馈单元在接收调控信号后,立即采集冷机调控时的运行数据,运输数据包括冷机运行电流和各个电气元件的运行温度,并对运行数据进行调控故障风险评估分析,将得到的轻度故障信号和重度故障信号发送至预警单元。
2.根据权利要求1所述的一种基于互联网的冷链运输安全远程监控系统,其特征在于,所述车辆风险单元对维修数据分析过程如下:
采集到车辆开始投入使用时刻到当前时刻之间的时长,并将其标记为使用时长SC,获取到使用时长内车辆的维修次数WC,并以时间为X轴,以维修次数为Y轴建立直角坐标系,并通过描点的方式绘制维修次数曲线,从维修次数曲线中获取到相连维修次数之间的间隔时长,以此构建间隔时长的集合A,将集合A中的最大值和最小值去除后求得集合A的均值,并将其标记为风险间隔值FJ;
根据公式得到故障风险系数W,并将故障风险系数W与其内部录入存储的预设故障风险系数阈值进行比对分析:
若故障风险系数小于预设故障风险系数阈值,则生成安全信号;
若故障风险系数大于等于预设故障风险系数阈值,则生成风险信号。
3.根据权利要求1所述的一种基于互联网的冷链运输安全远程监控系统,其特征在于,所述驾驶分析单元的驾驶风险评估分析过程如下:
S1:采集到车辆开始运输时刻到结束运输时刻之间的时长,并将其标记为时间阈值,获取到时间阈值内车辆驾驶员的驾驶时长,并将驾驶时长与预设驾驶时长阈值进行比对分析,若驾驶时长大于预设驾驶时长阈值,则将驾驶时长超出预设驾驶时长阈值的部分标记为风险时长FC;
S2:将时间阈值划分为i个子时间节点,i为大于零的自然数,获取到各个子时间节点内车辆的驾驶速度,并将驾驶速度与预设驾驶速度进行比对分析,若驾驶速度大于预设驾驶速度,则获取到驾驶速度大于预设驾驶速度所对应的时长,并将其标记为超速时长CC,同时获取到时间阈值内车辆的运行轨迹特征图,并经过北斗追踪技术从运行轨迹特征图中获取到变道次数,以此获取到相连变道次数之间的时间差值,并将其标记为变道间隔,获取到变道间隔的均值,并将其标记为平均变道时长PD;
S3:根据公式得到驾驶风险系数Y,并将驾驶风险系数Y与其内部录入存储的预设驾驶风险系数阈值进行比对分析:
若驾驶风险系数Y小于等于预设驾驶风险系数阈值,则生成安全驾驶信号;
若驾驶风险系数Y大于预设驾驶风险系数阈值,则生成危险驾驶信号。
4.根据权利要求1所述的一种基于互联网的冷链运输安全远程监控系统,其特征在于,所述车辆风险单元的交互式分析过程如下:
若得到安全信号和安全驾驶信号,则生成正常信号;
若得到安全信号和危险驾驶信号,或风险信号和安全驾驶信号,或风险信号和危险驾驶信号,则生成异常信号。
5.根据权利要求1所述的一种基于互联网的冷链运输安全远程监控系统,其特征在于,所述线路受损单元的工作故障风险评估分析过程如下:
SS1:获取到各个子时间节点内车辆的冷机的线路端头温度,获取到相连两个子时间节点的线路端头温度之间的差值,并将标记为温差值,获取到温差值超出预设温差值阈值所对应子时间节点的个数与总子时间节点个数的比值,并将其标记为温变比;
SS12:获取到时间阈值内冷机的线路受损值,线路受损值指的是线路开裂的条数和被啃咬面积之和,并将温变比和线路受损值与其内部录入存储的预设温变比阈值和预设线路受损值阈值进行比对分析:
若温变比小于预设温变比阈值,且线路受损值小于预设线路受损值阈值,则生成合格信号,并将合格信号发送至冷机监管单元;
若温变比大于等于预设温变比阈值,或线路受损值大于等于预设线路受损值阈值,则生成不合格信号。
6.根据权利要求1所述的一种基于互联网的冷链运输安全远程监控系统,其特征在于,所述冷机监管单元监管预警分析过程如下:
实时获取到时间阈值内运输箱内的温度值和湿度值,并将温度值和湿度值之比标记为温湿比,同时将温湿比与其内部录入存储的预设温湿比区间进行比对分析:
若温湿比位于预设温湿比区间之内,则不生成任何信号;
若温湿比位于预设温湿比区间之外,则生成调控信号。
7.根据权利要求1所述的一种基于互联网的冷链运输安全远程监控系统,其特征在于,所述调控反馈单元的调控故障风险评估分析过程如下:
步骤一:获取到各个子时间节点内的冷机运行电流,并以时间为X轴,以冷机运行电流为Y轴建立直角坐标系,并通过描点的方式绘制冷机运行电流曲线,同时在坐标系中绘制预设冷机运行电流区间曲线,获取到冷机运行电流曲线位于预设冷机运行电流区间曲线之内的子时间节点个数与总子时间节点数之比,并将其运行节点值YD;
步骤二:获取到时间阈值内各个电气元件的运行温度,并将运行温度与预设运行温度阈值进行比对分析,若运行温度大于预设运行温度阈值,则获取到运行温度大于预设运行温度阈值所对应电气元件的总个数,并将其标记为风险数,同时将运行温度超出预设运行温度阈值的部分标记为过热值,获取到过热值的最大值和最小值,并将过热值的最大值和最小值之间的差值与风险数之积标记为负荷故障系数FG;
步骤三:从线路受损单元内调取温变比和线路受损值,并将温变比和线路受损值之积标记为线路干扰系数,标记为XG,以及从车辆风险单元调取故障风险系数W;
步骤四:根据公式得到故障评估风险率G%,并将故障评估风险率G%与其内部录入存储的预设故障评估风险率阈值进行比对分析:
若故障评估风险率G%小于等于预设故障评估风险率阈值,则不生成任何信号;若故障评估风险率G%大于预设故障评估风险率阈值,则获取到故障评估风险率G%超出预设故障评估风险率阈值的部分,并将其标记为故障风险值,并将故障风险值其内部录入存储的预设故障风险值阈值进行比对分析:
若故障风险值小于等于预设故障风险值阈值,则生成轻度故障信号;
若故障风险值大于预设故障风险值阈值,则生成重度故障信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537780.2A CN116258431B (zh) | 2023-05-15 | 2023-05-15 | 一种基于互联网的冷链运输安全远程监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537780.2A CN116258431B (zh) | 2023-05-15 | 2023-05-15 | 一种基于互联网的冷链运输安全远程监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258431A true CN116258431A (zh) | 2023-06-13 |
CN116258431B CN116258431B (zh) | 2023-09-19 |
Family
ID=86688336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310537780.2A Active CN116258431B (zh) | 2023-05-15 | 2023-05-15 | 一种基于互联网的冷链运输安全远程监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258431B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452102A (zh) * | 2023-06-15 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控系统 |
CN116739460A (zh) * | 2023-08-16 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链运输车辆智能调度系统 |
CN116957443A (zh) * | 2023-09-18 | 2023-10-27 | 深圳市升蓝物流有限公司 | 一种基于物联网技术的物流运输状态实时监管系统 |
CN116993329A (zh) * | 2023-09-27 | 2023-11-03 | 深圳百沃彰世科技有限公司 | 一种基于数据分析的通讯设备运行维修决策管理系统 |
CN117155703A (zh) * | 2023-10-26 | 2023-12-01 | 长春市星启含网络科技有限公司 | 一种网络安全测试评估系统及方法 |
CN117353436A (zh) * | 2023-10-07 | 2024-01-05 | 山东探越物联网技术有限公司 | 一种基于物联网监控的太阳能供电系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033614A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网技术的道路危险货物运输动态风险预警系统 |
CN110335441A (zh) * | 2019-07-30 | 2019-10-15 | 江苏驭道数据科技有限公司 | 一种道路运输车辆驾驶行为风险动态评价系统 |
CN111199309A (zh) * | 2019-12-19 | 2020-05-26 | 深圳供电局有限公司 | 一种电力物资供应链运营的预警管控系统 |
CN115923829A (zh) * | 2022-11-17 | 2023-04-07 | 郑州铁路职业技术学院 | 一种基于毫米波雷达的车辆行驶安全监管系统 |
CN115959159A (zh) * | 2023-02-06 | 2023-04-14 | 西安建筑科技大学 | 一种基于人工智能的矿区无人驾驶安全智能管控系统 |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
-
2023
- 2023-05-15 CN CN202310537780.2A patent/CN116258431B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033614A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网技术的道路危险货物运输动态风险预警系统 |
CN110335441A (zh) * | 2019-07-30 | 2019-10-15 | 江苏驭道数据科技有限公司 | 一种道路运输车辆驾驶行为风险动态评价系统 |
CN111199309A (zh) * | 2019-12-19 | 2020-05-26 | 深圳供电局有限公司 | 一种电力物资供应链运营的预警管控系统 |
CN115923829A (zh) * | 2022-11-17 | 2023-04-07 | 郑州铁路职业技术学院 | 一种基于毫米波雷达的车辆行驶安全监管系统 |
CN115959159A (zh) * | 2023-02-06 | 2023-04-14 | 西安建筑科技大学 | 一种基于人工智能的矿区无人驾驶安全智能管控系统 |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
Non-Patent Citations (1)
Title |
---|
何凡,王海燕: "一个实时的危险品运输公路网络模型", 物流技术, no. 10, pages 272 - 274 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452102A (zh) * | 2023-06-15 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控系统 |
CN116452102B (zh) * | 2023-06-15 | 2023-09-19 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控系统 |
CN116739460A (zh) * | 2023-08-16 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链运输车辆智能调度系统 |
CN116739460B (zh) * | 2023-08-16 | 2023-10-31 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链运输车辆智能调度系统 |
CN116957443A (zh) * | 2023-09-18 | 2023-10-27 | 深圳市升蓝物流有限公司 | 一种基于物联网技术的物流运输状态实时监管系统 |
CN116957443B (zh) * | 2023-09-18 | 2023-12-08 | 深圳市升蓝物流有限公司 | 一种基于物联网技术的物流运输状态实时监管系统 |
CN116993329A (zh) * | 2023-09-27 | 2023-11-03 | 深圳百沃彰世科技有限公司 | 一种基于数据分析的通讯设备运行维修决策管理系统 |
CN116993329B (zh) * | 2023-09-27 | 2023-12-29 | 深圳百沃彰世科技有限公司 | 一种基于数据分析的通讯设备运行维修决策管理系统 |
CN117353436A (zh) * | 2023-10-07 | 2024-01-05 | 山东探越物联网技术有限公司 | 一种基于物联网监控的太阳能供电系统 |
CN117353436B (zh) * | 2023-10-07 | 2024-04-30 | 山东探越物联网技术有限公司 | 一种基于物联网监控的太阳能供电系统 |
CN117155703A (zh) * | 2023-10-26 | 2023-12-01 | 长春市星启含网络科技有限公司 | 一种网络安全测试评估系统及方法 |
CN117155703B (zh) * | 2023-10-26 | 2024-04-02 | 西安长盛信安信息技术有限公司 | 一种网络安全测试评估系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116258431B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116258431B (zh) | 一种基于互联网的冷链运输安全远程监控系统 | |
CN114838767B (zh) | 一种冷链物流用温湿度智能化监测系统及方法 | |
CN110208019B (zh) | 一种动设备状态监测动态阈值预警方法 | |
CN116308068B (zh) | 一种适用于仓库冷链食品的库房环境智能管控系统 | |
CN116739458B (zh) | 一种基于大数据的冷链食品快速配送分析系统 | |
CN117057966B (zh) | 基于数字分析的料场堆料管理系统及方法 | |
CN117611038A (zh) | 一种基于物联网的智能冷链运输实时管控系统 | |
CN115951606A (zh) | 智慧工厂生产环境预警处理方法 | |
CN117408641B (zh) | 基于数据分析的压力传感器产线加工运行监管系统 | |
CN108445854B (zh) | 一种基于大数据的智能车间的车间自主学习方法 | |
CN116739460B (zh) | 一种基于大数据的冷链运输车辆智能调度系统 | |
CN106325258B (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
CN117350582A (zh) | 一种基于5g网络的农产品供应链综合服务系统 | |
CN116882865A (zh) | 一种基于生鲜配送的智能物流装车系统及装车方法 | |
CN116223000A (zh) | 一种机器故障智能在线自动检测系统 | |
CN114063543A (zh) | 冷链仓储环境监控系统 | |
CN114012229A (zh) | 电阻点焊智控平台 | |
CN105809257A (zh) | 一种基于电力通信网络的触发式状态检修方法 | |
CN117350624B (zh) | 一种基于物联网的物流供应链智能预警系统 | |
CN117491055B (zh) | 一种基于大数据智慧侦管控的水处理系统及方法 | |
CN115616183B (zh) | 水产养殖用水质监测预警系统 | |
CN117636652A (zh) | 一种基于人工智能的矿车驾驶智能预警系统 | |
CN117784668A (zh) | 一种基于数据分析的面粉产线加工安全智能监管系统 | |
CN118154137A (zh) | 一种基于数据分析的悬挂链输送线智能控制系统 | |
CN116777086A (zh) | 基于多模数据的钢结构智能生产线预测性维护方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |