CN116513747A - 一种基于三维仿真模型的智能一体化安全管控方法 - Google Patents
一种基于三维仿真模型的智能一体化安全管控方法 Download PDFInfo
- Publication number
- CN116513747A CN116513747A CN202310618153.1A CN202310618153A CN116513747A CN 116513747 A CN116513747 A CN 116513747A CN 202310618153 A CN202310618153 A CN 202310618153A CN 116513747 A CN116513747 A CN 116513747A
- Authority
- CN
- China
- Prior art keywords
- belt conveyor
- platform
- concentration
- controller
- simulation model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004088 simulation Methods 0.000 title claims abstract description 43
- 230000007246 mechanism Effects 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000010276 construction Methods 0.000 claims abstract description 18
- 230000001050 lubricating effect Effects 0.000 claims abstract description 15
- 238000005507 spraying Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 238000003915 air pollution Methods 0.000 claims abstract description 4
- 239000000314 lubricant Substances 0.000 claims description 34
- 238000005461 lubrication Methods 0.000 claims description 30
- 239000000779 smoke Substances 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000000149 argon plasma sintering Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 208000003164 Diplopia Diseases 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 208000029444 double vision Diseases 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 3
- 239000003921 oil Substances 0.000 description 55
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 239000000428 dust Substances 0.000 description 4
- 238000007667 floating Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000010687 lubricating oil Substances 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 229910000806 Latten Inorganic materials 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G45/00—Lubricating, cleaning, or clearing devices
- B65G45/02—Lubricating devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0275—Damage on the load carrier
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0283—Position of the load carrier
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Control Of Conveyors (AREA)
Abstract
本发明公开了基于三维仿真模型的智能一体化安全管控方法,包括:将智能机器人安装在轨道上,实时采集设备数据和环境数据;将现场场景的构建参数导入到三维仿真模型中,建立三维地图;采集皮带机运行过程的图像,分析皮带机的撕裂情况并划分等级,根据等级分析皮带机的运行状态;计算润滑机构中各个点位需要的供油量定时供给;分析润滑机构的出油情况,异常时推送报警信号;对皮带机表面的平整度进行检测,根据检测结果调整皮带机辊轮的角度进行自动纠偏;根据采集的环境数据中的PM2.5浓度分析空气污染程度,并控制喷雾机构的开启或关闭;采集皮带机在运转过程中的运行数据,根据运行数据分析运行状态。本发明可以提高现场安全。
Description
技术领域
本发明涉及智能安全管控技术领域,尤其涉及一种基于三维仿真模型的智能一体化安全管控方法。
背景技术
目前电厂、煤矿等大型企业,通常使用传统的巡检系统对各个设备的运行情况进行巡检分析,巡检主要依赖人工勘察,以及安装固定角度的摄像头,存在勘察不及时无法迅速定位危险工况等问题。
诸如:无法准备评估设备工况、设备环境因素制约造成的巡检比较困难、无法及时排除隐患、摄像机调度存在死角等问题。或在润滑以及皮带机转运等设备中还存在,诸如:皮带机撕裂、润滑步骤繁琐、皮带机纠偏难、空气灰尘大、皮带机转运工况等问题的监控和处理不及时,导致现场存在安全隐患。
故而,亟需提供一种基于三维仿真模型的智能一体化安全管控方法。
发明内容
有鉴于此,本发明的目的在于提出一种基于三维仿真模型的智能一体化安全管控方法,利用智能机器人在轨道上运行来实时巡检设备和环境情况,能及时勘察到问题,利用可视化三维地图实现多环节快速定位;精准把控皮带机撕裂、智能集中润滑、自动导正皮带机辊轮、智能气雾抑尘和皮带机转运过程。
为了实现上述的技术目的,本发明所采用的技术方案为:
本发明提供了一种基于三维仿真模型的智能一体化安全管控方法,包括如下步骤:
步骤1、将智能机器人安装在预先根据现场路况规划好的轨道上,智能机器人在轨道上运动的过程中实时采集设备数据和环境数据进行监控和报警;
步骤2、将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型中,建立三维地图,并与智能机器人的运动轨迹进行同步更新;
步骤3、设备包括皮带机,采集皮带机运行过程的图像,分析皮带机的撕裂情况并划分等级,根据等级分析皮带机的运行状态,异常时推送报警信号;
步骤4、设备包括润滑机构,计算润滑机构中各个点位需要的供油量,并定时供给该润滑机构;根据实际供油情况分析该润滑机构的出油情况,异常时推送报警信号;
步骤5、设备包括皮带机辊轮和皮带机,对皮带机表面的平整度进行检测,根据检测结果调整皮带机辊轮的角度进行自动纠偏,异常时推送报警信号;
步骤6、设备包括喷雾机构,根据采集的环境数据中的PM2.5浓度分析空气污染程度,并控制喷雾机构的开启或关闭;
步骤7、采集皮带机在运转过程中的运行数据,根据运行数据分析运行状态,异常时推送报警信号。
进一步的,所述步骤1具体包括:
步骤11、在智能机器人上搭载双视云台、温度传感器和气体传感器;
步骤12、双视云台的一侧配置有摄像头,另一侧配置有红外热像仪,通过摄像头采集设备的图像和视频,通过红外热像仪采集设备的热像图,并将所述设备的热像图、图像和视频通过基站发送给平台;所述平台根据图像和视频对设备进行监控;所述平台根据热像图判断设备的温度情况,当设备的温度超过设备温度阈值时,平台通过控制器控制报警模块发出报警信号;
步骤13、智能机器人通过温度传感器采集环境温度,并通过基站发送给平台;所述平台根据环境温度判断环境当前的温度情况,当环境温度超过环境温度阈值时,平台通过控制器控制报警模块发出报警信号;
步骤14、智能机器人通过气体传感器采集环境中气体浓度,并通过基站发送给平台;所述平台根据环境中气体浓度判断环境当前指标,当超过气体浓度阈值时,平台通过控制器控制报警模块发出报警信号。
进一步的,所述气体传感器包括烟雾传感器、PM2.5传感器、CO传感器和SO2传感器,所述环境中气体浓度包括烟雾浓度、PM2.5浓度、CO浓度和SO2浓度;通过所述烟雾传感器采集烟雾浓度,通过所述PM2.5传感器采集PM2.5浓度,通过所述CO传感器采集CO浓度,通过所述SO2传感器采集SO2浓度。
进一步的,所述步骤2具体包括:
步骤21、将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型中,建立三维地图;
步骤22、智能机器人的初始标识位置信息和运行速度信息导入到三维仿真模型中,当智能机器人开始运行时,所述三维仿真模型根据初始标识位置信息标识在三维地图对应位置上,再根据运行速度信息实时在三维地图上进行标识,实现三维地图与智能机器人的运动轨迹进行同步更新;
步骤23、将三维地图与智能机器人采集到的设备数据和环境数据进行双向绑定,当出现报警信号时,通过三维地图定位当前所在的报警区域,并对报警区域进行排查和处理。
进一步的,所述步骤21中将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型之后,还包括:
步骤211、将每个构建参数作为不同的节点,每个节点均有一个属性值和权重值,将每个节点的属性值和权重值相乘,得到节点分;
步骤212、将每个节点分按照从大到小的顺序进行排列;
步骤213、将节点分大于得分阈值的构建参数进行保留,将节点分不大于得分阈值的构建参数进行删除。
进一步的,所述步骤3具体包括:
步骤31、通过皮带机底部的红外光束扫描仪实时对皮带机进行扫描;
步骤32、皮带机在传送的过程中,通过设置在皮带机下方的工业相机实时拍摄视频文件,并通过控制器发送给平台;
步骤33、平台读取该视频文件并逐帧解码成图像,根据前后帧图像对比,找到皮带机的撕裂区域;
步骤34、根据撕裂区域的长度划分撕裂等级;
步骤35、当撕裂等级为高风险时,平台通过控制器控制皮带机关机,并通过控制器控制报警模块发出报警信号。
进一步的,所述步骤4具体包括:
步骤41、平台采用时间计量法计算润滑机构中各个点位需要的供油量:
润滑剂消耗量=每小时润滑剂消耗量×润滑周期;
润滑剂总量=润滑剂消耗量×运行时间;
润滑剂供应频率=运行时间/(每小时润滑剂消耗量×润滑周期);
根据润滑剂供应频率得出润滑机构中各个点位每天需要供油的次数,根据润滑剂消耗量得出润滑机构中各个点位每次的供油量;
步骤42、平台按照计算的供油的次数和每次的供油量,通过控制器控制供油机构定时供给该润滑机构的各个点位;
步骤43、通过每个点位油路上的压力传感器实时测量油压并通过控制器发送给平台;
步骤44、平台对比测量的油压和油压正常范围值,若测量的油压位于油压正常范围值内,则不处理;若测量的油压不在油压正常范围值内,则平台通过控制器控制报警模块发出报警信号。
进一步的,所述步骤5具体包括:
步骤51、通过光电传感器实时检测皮带机表面,若皮带机处于水平位置,则光电传感器检测到皮带机,此时无需调整;若皮带机发生偏移,则光电传感器发生光散射,转换成电信号并通过控制器输出至平台;
步骤52、平台按照预设的角度和时间,通过控制器控制纠偏器调整皮带机辊轮的倾斜角以完成对皮带机的纠偏过程;
步骤53、当按照预设的角度无法完成皮带机纠偏,或纠偏超过预设的时间时,光电传感器连续将电信号通过控制器推送至平台;
步骤54、平台通过控制器控制皮带机停止运行,并通过控制器控制报警模块发出。
进一步的,所述步骤6具体包括:
步骤61、平台获取智能机器人中气体传感器所采集的PM2.5浓度;
步骤62、平台将采集的PM2.5浓度和浓度阈值进行对比,当PM2.5浓度超过浓度阈值时,平台通过控制器控制喷雾机构开启;当PM2.5浓度超过浓度阈值时,平台通过控制器控制喷雾机构关闭。
进一步的,所述步骤7具体包括:
步骤71、实时采集皮带机在运转过程中的运行数据,运行数据包括电流、电压、功率、温度、湿度、压力和负载,并通过控制器发送给平台;
步骤72、平台将采集的电流与预设的电流阈值进行对比,当判断出采集的电流超过电流阈值时,则通过控制器控制报警模块发出报警信号;
步骤73、平台将采集的电压与预设的电压阈值进行对比,当判断出采集的电压超过电压阈值时,则通过控制器控制报警模块发出报警信号;
步骤74、平台将采集的功率、温度、湿度、压力和负载通过显示器进行显示。
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:
1、智能机器人:通过智能机器人和轨道的设计,使得智能机器人能沿着轨道方向运行,智能机器人上配置有360度监控的摄像头,可以24小时360度检测现场场景,不依赖人工勘察;智能机器人采集设备温度、环境温度和气体浓度,对数据进行严格的监控,提前预警,减少事故发生率,保证现场安全作业。
2、三维地图:操作人员控制三维仿真模型帮助现场人员更快定位;数字孪生模拟设备运行情况,可以帮助客户更好的理解设备运行状态和磨损情况,更直观的预测智能机器人的运行工况,减少停机时间和维修成本。对数字孪生体结构进行轻量化,提高数据以及模型处理效率,减少人员配置,提高工作效率。
3、皮带机撕裂检测:可以精准地计算出撕裂长度,并根据撕裂情况进行提前预警,减少事故发生率,保证现场安全作业。
4、润滑控制:可以对设备需要润滑的点位进行自动润滑,并通过润滑情况判断设备是否正常工作,提前预警,减少事故发生率,保证现场安全作业。
5、皮带机辊轮纠偏:自动对皮带机辊轮纠偏,提前预警,减少事故发生率,保证现场安全作业。
6、气雾抑尘:对空气中灰尘进行监控,提前预警,减少事故发生率,保证现场安全作业。
7、皮带机运转监控:精准地对皮带机运转情况进行监控,提前预警,减少事故发生率,保证现场安全作业。
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是本发明一种基于三维仿真模型的智能一体化安全管控方法的执行流程图。
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。
请参见图1,图1是本发明一种基于三维仿真模型的智能一体化安全管控方法,包括如下步骤:
步骤1、将智能机器人安装在预先根据现场路况规划好的轨道上,智能机器人在轨道上运动的过程中实时采集设备数据和环境数据进行监控和报警;
在本实施例中,所述步骤1具体包括:
步骤11、在智能机器人上搭载双视云台、温度传感器和气体传感器;
步骤12、双视云台的一侧配置有可360度旋转的摄像头,另一侧配置有可360度旋转的红外热像仪,通过摄像头采集设备的图像和视频,通过红外热像仪采集设备的热像图,并将所述设备的热像图、图像和视频通过基站发送给平台;所述平台根据图像和视频对设备进行监控;所述平台根据热像图判断设备的温度情况,所述热像图中显示不同的颜色,不同颜色表明不同的温度;当设备的温度超过设备温度阈值时,平台通过控制器控制报警模块发出报警信号;从而对设备故障提前预警,减少事故发生率,保障现场安全作业;
步骤13、智能机器人通过温度传感器采集环境温度,并通过基站发送给平台;所述平台根据环境温度判断环境当前的温度情况,当环境温度超过环境温度阈值时,平台通过控制器控制报警模块发出报警信号;从而对环境温度提前预警,减少事故发生率,保障现场安全作业;
步骤14、智能机器人通过气体传感器采集环境中气体浓度,并通过基站发送给平台;所述平台根据环境中气体浓度判断环境当前指标,当超过气体浓度阈值时,平台通过控制器控制报警模块发出报警信号;从而对环境气体度提前预警,减少事故发生率,保障现场安全作业。
在本实施例中,所述气体传感器包括烟雾传感器、PM2.5传感器、CO传感器和SO2传感器,所述环境中气体浓度包括烟雾浓度、PM2.5浓度、CO浓度和SO2浓度;通过所述烟雾传感器(光敏烟雾传感器)采集烟雾浓度(烟雾粒子),通过所述PM2.5传感器采集PM2.5浓度,通过所述CO传感器采集CO浓度,通过所述SO2传感器采集SO2浓度。当采集的烟雾浓度超过烟雾浓度阈值、采集的PM2.5浓度超过PM2.5浓度阈值、采集的CO浓度超过CO浓度阈值或者采集的SO2浓度超过SO2浓度时,则平台通过控制器控制报警模块发出报警信号。由于空气中的烟雾浓度、PM2.5浓度、CO浓度和SO2浓度过高时,会影响人体的身心健康,因为需要对上述的气体浓度进行严格的监控,当浓度超标时,需要报警通知人员进行处理,进而保证现场安全作业。
一般应用时,设备温度不超120度、PM2.5浓度不超过35微克/立方米、一氧化碳浓度不超9毫克/立方米、二氧化硫不超过0.15毫克/立方米。用户可逐一设置阈值,当采集到的数据大于阈值时,平台判断后得出判断结果,并推送告警消息。
本实施例中,智能机器人与平台之间的数据交互方式是:智能机器人将采集的数据通过无线wifi传输回基站(基站用于接收智能机器人的采集数据),基站通过网线将数据传给数据总线,连接服务为TCP或者MQTT(网络传输协议),平台通过数据总线发送POST请求去接收数据总线传输的数据,平台解析后的数据即为有效数据。
本实施例中,控制器采用PLC(可编程逻辑控制器)进行控制,运行速度快,可靠性高。
智能机器人上还可以配置拾音器,进行双方对讲,方便沟通。
步骤2、将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型中,建立三维地图,并与智能机器人的运动轨迹进行同步更新;
在本实施例中,所述步骤2具体包括:
步骤21、将现场场景中设备、智能机器人和轨道的构建参数和3D-loader(3D展示组件)导入到三维仿真模型中,采用3DMax建立可视化立体三维场景,形成三维地图(数字孪生);
步骤22、智能机器人的初始标识位置信息(x、y、z坐标)和运行速度信息导入到三维仿真模型中,当智能机器人开始运行时,所述三维仿真模型根据初始标识位置信息标识在三维地图对应位置上,再根据运行速度信息实时在三维地图上进行标识,实现三维地图与智能机器人的运动轨迹进行同步更新;
步骤23、将三维地图与智能机器人采集到的设备数据和环境数据进行双向绑定,当出现报警信号时,通过三维地图定位当前所在的报警区域,并对报警区域进行排查和处理。操作人员控制三维仿真模型帮助现场人员更快定位。本发明是基于数字孪生技术的关键环节,在三维仿真模型的导入时,利用基于TensorFlow Lite(推断接口)模型进行开发。
需要说明的是,所述步骤23之后还包括:
步骤24、采用马尔可夫模型建立状态矩阵;
步骤25、将输入参数输入到该状态矩阵,输入参数为:智能机器人的质量、智能机器人的负载、智能机器人的运行速度和每行驶1公里磨损速率;使用泊松过程计算轮胎磨损的期望;
步骤26、将轮胎磨损的情况实时渲染至三维地图中。数字孪生模拟设备运行情况,可以帮助客户更好的理解设备运行状态和磨损情况,更直观的预测智能机器人的运行工况,减少停机时间和维修成本。
本发明支持利用采集到的各项数据对设备进行工况模拟,测算出设备未来运行可能存在的问题,基于马尔可夫模型具体实例(实际过程中可根据现场实际设备参数调整)如下,如根据运行负载以及智能机器人质量,测算智能机器人正常行驶1个月后的轮胎磨损率。算法使用马尔可夫模型建立状态矩阵,可输入参数有,智能机器人质量24kg、负载10kg、运行速度0.5米/秒、设定每行驶1公里磨损速率为0.0001。使用泊松过程计算轮胎磨损的期望,设备正常行驶30天,每天运行16小时,代入wearDistancePerSecond(轮胎每秒磨损)函数,则每天将行驶16*3600*0.5=28,800米(28.8公里)。根据前面的计算,每行驶1公里轮胎磨损的速率为0.0001*34=0.0034毫米/公里。因此,当智能机器人每天行驶28.8公里时,轮胎每天磨损的距离将是0.0034*28.8=0.09816毫米。如果我们模拟智能机器人连续运行30天,那么轮胎磨损的距离将是0.09816*30=2.9448毫米。将磨损情况渲染至三维地图,让客户更直观了解设备运行情况,安排人员巡检,提高生产效率。
在本实施例中,所述步骤21中将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型之后,还包括:
步骤211、将每个构建参数作为不同的节点,每个节点均有一个属性值和权重值,将每个节点的属性值和权重值相乘,得到节点分;
步骤212、将每个节点分按照从大到小的顺序进行排列;
步骤213、将节点分大于得分阈值的构建参数进行保留,将节点分不大于得分阈值的构建参数进行删除。对数字孪生体结构进行轻量化,封装TensorFlow ModelOptimization(模型接口)工具对孪生体进行剪枝。剪枝通过权重算法,如下列举最小孪生体实例,每个孪生体节点均有一个属性值和权重值,将节点属性值和权重值相乘,得到节点分,sort.Slice排序函数实现由大到小的排序,循环遍历去除不需要的节点,可以去除冗余,提高数据以及模型处理效率,减少人员配置,提高工作效率。
需要说明的是,所述步骤21中将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型之后,还包括:
将三维仿真模型中每个构建参数出现的浮点数按照设定倍数并四舍五入后转化为整数,得到整形参数。对数字孪生体结构进行轻量化,调整模型的参数浮点数转化为整形参数,使用内置的math.Round函数,将每个构建参数出现的浮点数乘以1000000并四舍五入到最接近的整数,得到一个整型参数,减少浮点数所占据的字节空间,以此减小体积,保障精度的同时,提高数据处理效率提高数据以及模型处理效率,减少人员配置,提高工作效率。
步骤3、设备包括皮带机,采集皮带机运行过程的图像,分析皮带机的撕裂情况并划分等级,根据等级分析皮带机的运行状态,异常时推送报警信号;
在本实施例中,所述步骤3具体包括:
步骤31、通过皮带机底部的红外光束扫描仪实时对皮带机进行扫描;
步骤32、皮带机在传送的过程中,通过设置在皮带机下方的工业相机实时拍摄视频文件,帧率设置为每秒30帧到每秒120帧,具体可根据情况自行调整。并通过控制器发送给平台;工业相机(摄像头)的监测点:皮带机的背面,靠近皮带机头部上游落料点位置。主要用于识别皮带机的撕裂状况
步骤33、平台读取该视频文件并逐帧解码成图像,根据前后帧图像对比,找到皮带机的撕裂区域;
步骤34、根据撕裂区域的长度划分撕裂等级;
步骤35、当撕裂等级为高风险时,平台通过控制器控制皮带机关机,并通过控制器控制报警模块发出报警信号。
需要说明的是:对现场画面中的撕裂现象进行实况分析,分析过程是采用分析模型完成的(分析模型为YOLOv7架构模型(人工智能视觉技术))。使用OpenCV库中的VideoCapture类来读取视频文件并逐帧解码成图像帧,gocv.IMRead用于读取图像,利用整张图像的输入进行运算。通过LBP(局部二值算法)提取图像中撕裂区域的灰度值,与相邻区域做比较,通过gocv.TextureFlatten函数计算图像的LBP特征矩阵,并输出特征值。该特征值即为撕裂区域的长度。如图像100个像素,皮带机1米时,则每个像素实际长度为1米/图像长度(像素),根据有多少个像素从而得出撕裂长度。精度比其他监测模型高出2%(以transformer算法为例),此方案的优势在于可将撕裂情况分等级,分为:低风险、中风险和高风险,低风险为撕裂长度小于等于1毫米,中风险为撕裂长度大于1毫米且小于等于5毫米,高风险则为撕裂长度大于5毫米。发生撕裂情况严重时,报警级为高,平台下发http指令,get请求推送消息至服务器到达数据总线,以TCP网络通讯协议的形式进行通讯连接,并发送给控制器控制皮带机关机。
步骤4、设备包括润滑机构,计算润滑机构中各个点位需要的供油量,并定时供给该润滑机构;根据实际供油情况分析该润滑机构的出油情况,异常时推送报警信号;
在本实施例中,所述步骤4具体包括:
步骤41、平台采用时间计量法计算润滑机构中各个点位需要的供油量:
润滑剂消耗量=每小时润滑剂消耗量×润滑周期;
润滑剂总量=润滑剂消耗量×运行时间;
润滑剂供应频率=运行时间/(每小时润滑剂消耗量×润滑周期);
根据润滑剂供应频率得出润滑机构中各个点位每天需要供油的次数,根据润滑剂消耗量得出润滑机构中各个点位每次的供油量;
步骤42、平台按照计算的供油的次数和每次的供油量,通过控制器控制供油机构定时供给该润滑机构的各个点位;
步骤43、通过每个点位油路上的压力传感器实时测量油压并通过控制器发送给平台;
步骤44、平台对比测量的油压和油压正常范围值,若测量的油压位于油压正常范围值内,则不处理;若测量的油压不在油压正常范围值内,则平台通过控制器控制报警模块发出报警信号。
平台(基于时间负载算法)判断各个点位需要供油,通过给PLC发指令的方式,对每个润滑点进行精准控油。平台和控制机构判断是否需要供油,方法(时间计量法)如下;采用时间计量算法基于设备的运行时间、及每小时润滑消耗量;润滑剂供应频率=设备运行时间/(润滑剂消耗量×润滑周期);各参数用户根据实际用量填写,例如设备每小时消耗0.1升润滑油保持良好的润滑状态,润滑周期为8小时,设备每天运行16小时,则设备需要的润滑剂量和供油频率为,计算润滑剂消耗量:润滑剂消耗量=每小时润滑剂消耗量×润滑周期=0.1升/小时×8小时=0.8升。计算润滑剂量:润滑剂量=润滑剂消耗量×运行时间=0.8升×16小时=12.8升。计算润滑剂供应频率:润滑剂供应频率=运行时间/(润滑剂消耗量×润滑周期)=16小时/(0.1升/小时×8小时)=20次/天。则得出该机器每天需要供油20次,每次供油量为0.8升(实际应用时可按需调整参数)。同时基于压力传感器,压力传感器安装于每个点位油路之上,测量油压,用户可设置油压正常范围,例如当设置油压正常范围为1300~1500psi时,压力传感器检测值不在1300~1500psi范围(当压力传感器检测值小于1300psi时,说明设备耗油过快,可能存在漏油或出现故障;当压力传感器检测值大于1500psi时,说明书设备不会耗油,可能存在设备故障或停运,此时无法继续供油),压力传感器发送电信号(报警)至PLC,PLC通过modbus TCP,无线网传给数据总线解析,平台对数据总线实时订阅,发送post请求,各项数据实时渲染在平台画面,实时显示,供油数据,供油次数,及传感器输出的报警信号。
步骤5、设备包括皮带机辊轮和皮带机,对皮带机表面的平整度进行检测,根据检测结果调整皮带机辊轮的角度进行自动纠偏,异常时推送报警信号;
在本实施例中,所述步骤5具体包括:
步骤51、通过光电传感器实时检测皮带机表面,若皮带机处于水平位置,则光电传感器检测到皮带机,此时无需调整;若皮带机发生偏移,则光电传感器发生光散射,转换成电信号并通过控制器输出至平台;
步骤52、平台按照预设的角度和时间,通过控制器控制纠偏器调整皮带机辊轮的倾斜角以完成对皮带机的纠偏过程;
步骤53、当按照预设的角度无法完成皮带机纠偏,或纠偏超过预设的时间时,光电传感器连续将电信号通过控制器推送至平台;
步骤54、平台通过控制器控制皮带机停止运行,并通过控制器控制报警模块发出。
皮带机辊轮自动纠偏由数组纠偏器构成,每隔50米左右(视现场情况而定)放置一组,皮带机辊轮为锥形,可追踪矫正使皮带机始终在轨道上,具体应用如下,平台可设置调整角度及纠偏时间,一般角度为5至30度,纠偏时间阈值10分钟,用户根据现场工况设置角度后,平台发送Post请求至数据总线,数据总线通过modbus TCP指令控制PLC动作。光电传感器连接至PLC,光电传感器对准皮带机检测表面,当光电传感器检测到皮带机时,此时正常,皮带机无需调整。若皮带机发生偏移,则光电传感器光散射,输出电信号至PLC,PLC通过预设的角度控制纠偏器调整皮带机辊轮的倾斜角,以达到纠偏目的。另当皮带机无法纠偏,或纠偏超过10分钟时(光电传感器连续推送信号),平台自动下发post请求至数据总线,通过TCP指令下发给PLC控制皮带机停止运行,同时实时视频通过工业网络传输,平台拉取RTSP视频流,及时通知现场人员排查。
步骤6、设备包括喷雾机构,根据采集的环境数据中的PM2.5浓度分析空气污染程度,并控制喷雾机构的开启或关闭;
在本实施例中,所述步骤6具体包括:
步骤61、平台获取智能机器人中气体传感器所采集的PM2.5浓度;
步骤62、平台将采集的PM2.5浓度和浓度阈值进行对比,当PM2.5浓度超过浓度阈值时,平台通过控制器控制喷雾机构开启;当PM2.5浓度超过浓度阈值时,平台通过控制器控制喷雾机构关闭。
平台得到智能机器人采集的PM2.5浓度后,当PM2.5浓度大于10毫克/立方米时(可根据现场需求调整PM2.5浓度阈值),平台通过数据总线以Modbus协议的方式,下发开关量控制信号至喷雾机构自动开启喷雾,喷雾机构可360度旋转。同时平台可以对旋转速度以及角度设定,通过modbus协议传输至数据总线下发指令。当平台接收到智能机器人反馈的PM2.5浓度不大于10毫克/立方米时,控制喷雾机构关闭。
步骤7、采集皮带机在运转过程中的运行数据,根据运行数据分析运行状态,异常时推送报警信号。
在本实施例中,所述步骤7具体包括:
步骤71、实时采集皮带机在运转过程中的运行数据,运行数据包括电流、电压、功率、温度、湿度、压力和负载,并通过控制器发送给平台;
步骤72、平台将采集的电流与预设的电流阈值进行对比,当判断出采集的电流超过电流阈值时,则通过控制器控制报警模块发出报警信号;
步骤73、平台将采集的电压与预设的电压阈值进行对比,当判断出采集的电压超过电压阈值时,则通过控制器控制报警模块发出报警信号;
步骤74、平台将采集的功率、温度、湿度、压力和负载通过显示器进行显示。
本实施例中,将电机等传感器接入PLC输入口,PLC通过网络或无线利用modbusTCP协议传输至数据总线,平台Post请求订阅后,即可完成数据的读写。采集参数有电流、电压、功率、温度、湿度、压力、负载。用户可在平台配置各项参数的阈值,当采集数据与阈值不匹配时,例如电流和电压,皮带机可设定额定电流为20A,额定电压为380V,电流电压阈值设为15~20A和360~380V,当电流或电压不在该区间时,平台判断参数与之不匹配,无法运转,则推送报警信号。
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)
1.一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,包括如下步骤:
步骤1、将智能机器人安装在预先根据现场路况规划好的轨道上,智能机器人在轨道上运动的过程中实时采集设备数据和环境数据进行监控和报警;
步骤2、将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型中,建立三维地图,并与智能机器人的运动轨迹进行同步更新;
步骤3、设备包括皮带机,采集皮带机运行过程的图像,分析皮带机的撕裂情况并划分等级,根据等级分析皮带机的运行状态,异常时推送报警信号;
步骤4、设备包括润滑机构,计算润滑机构中各个点位需要的供油量,并定时供给该润滑机构;根据实际供油情况分析该润滑机构的出油情况,异常时推送报警信号;
步骤5、设备包括皮带机辊轮和皮带机,对皮带机表面的平整度进行检测,根据检测结果调整皮带机辊轮的角度进行自动纠偏,异常时推送报警信号;
步骤6、设备包括喷雾机构,根据采集的环境数据中的PM2.5浓度分析空气污染程度,并控制喷雾机构的开启或关闭;
步骤7、采集皮带机在运转过程中的运行数据,根据运行数据分析运行状态,异常时推送报警信号。
2.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤1具体包括:
步骤11、在智能机器人上搭载双视云台、温度传感器和气体传感器;
步骤12、双视云台的一侧配置有摄像头,另一侧配置有红外热像仪,通过摄像头采集设备的图像和视频,通过红外热像仪采集设备的热像图,并将所述设备的热像图、图像和视频通过基站发送给平台;所述平台根据图像和视频对设备进行监控;所述平台根据热像图判断设备的温度情况,当设备的温度超过设备温度阈值时,平台通过控制器控制报警模块发出报警信号;
步骤13、智能机器人通过温度传感器采集环境温度,并通过基站发送给平台;所述平台根据环境温度判断环境当前的温度情况,当环境温度超过环境温度阈值时,平台通过控制器控制报警模块发出报警信号;
步骤14、智能机器人通过气体传感器采集环境中气体浓度,并通过基站发送给平台;所述平台根据环境中气体浓度判断环境当前指标,当超过气体浓度阈值时,平台通过控制器控制报警模块发出报警信号。
3.如权利要求2所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述气体传感器包括烟雾传感器、PM2.5传感器、CO传感器和SO2传感器,所述环境中气体浓度包括烟雾浓度、PM2.5浓度、CO浓度和SO2浓度;通过所述烟雾传感器采集烟雾浓度,通过所述PM2.5传感器采集PM2.5浓度,通过所述CO传感器采集CO浓度,通过所述SO2传感器采集SO2浓度。
4.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤2具体包括:
步骤21、将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型中,建立三维地图;
步骤22、智能机器人的初始标识位置信息和运行速度信息导入到三维仿真模型中,当智能机器人开始运行时,所述三维仿真模型根据初始标识位置信息标识在三维地图对应位置上,再根据运行速度信息实时在三维地图上进行标识,实现三维地图与智能机器人的运动轨迹进行同步更新;
步骤23、将三维地图与智能机器人采集到的设备数据和环境数据进行双向绑定,当出现报警信号时,通过三维地图定位当前所在的报警区域,并对报警区域进行排查和处理。
5.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤21中将现场场景中设备、智能机器人和轨道的构建参数导入到三维仿真模型之后,还包括:
步骤211、将每个构建参数作为不同的节点,每个节点均有一个属性值和权重值,将每个节点的属性值和权重值相乘,得到节点分;
步骤212、将每个节点分按照从大到小的顺序进行排列;
步骤213、将节点分大于得分阈值的构建参数进行保留,将节点分不大于得分阈值的构建参数进行删除。
6.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤3具体包括:
步骤31、通过皮带机底部的红外光束扫描仪实时对皮带机进行扫描;
步骤32、皮带机在传送的过程中,通过设置在皮带机下方的工业相机实时拍摄视频文件,并通过控制器发送给平台;
步骤33、平台读取该视频文件并逐帧解码成图像,根据前后帧图像对比,找到皮带机的撕裂区域;
步骤34、根据撕裂区域的长度划分撕裂等级;
步骤35、当撕裂等级为高风险时,平台通过控制器控制皮带机关机,并通过控制器控制报警模块发出报警信号。
7.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤4具体包括:
步骤41、平台采用时间计量法计算润滑机构中各个点位需要的供油量:
润滑剂消耗量=每小时润滑剂消耗量×润滑周期;
润滑剂总量=润滑剂消耗量×运行时间;
润滑剂供应频率=运行时间/(每小时润滑剂消耗量×润滑周期);
根据润滑剂供应频率得出润滑机构中各个点位每天需要供油的次数,根据润滑剂消耗量得出润滑机构中各个点位每次的供油量;
步骤42、平台按照计算的供油的次数和每次的供油量,通过控制器控制供油机构定时供给该润滑机构的各个点位;
步骤43、通过每个点位油路上的压力传感器实时测量油压并通过控制器发送给平台;
步骤44、平台对比测量的油压和油压正常范围值,若测量的油压位于油压正常范围值内,则不处理;若测量的油压不在油压正常范围值内,则平台通过控制器控制报警模块发出报警信号。
8.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤5具体包括:
步骤51、通过光电传感器实时检测皮带机表面,若皮带机处于水平位置,则光电传感器检测到皮带机,此时无需调整;若皮带机发生偏移,则光电传感器发生光散射,转换成电信号并通过控制器输出至平台;
步骤52、平台按照预设的角度和时间,通过控制器控制纠偏器调整皮带机辊轮的倾斜角以完成对皮带机的纠偏过程;
步骤53、当按照预设的角度无法完成皮带机纠偏,或纠偏超过预设的时间时,光电传感器连续将电信号通过控制器推送至平台;
步骤54、平台通过控制器控制皮带机停止运行,并通过控制器控制报警模块发出。
9.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤6具体包括:
步骤61、平台获取智能机器人中气体传感器所采集的PM2.5浓度;
步骤62、平台将采集的PM2.5浓度和浓度阈值进行对比,当PM2.5浓度超过浓度阈值时,平台通过控制器控制喷雾机构开启;当PM2.5浓度超过浓度阈值时,平台通过控制器控制喷雾机构关闭。
10.如权利要求1所述的一种基于三维仿真模型的智能一体化安全管控方法,其特征在于,所述步骤7具体包括:
步骤71、实时采集皮带机在运转过程中的运行数据,运行数据包括电流、电压、功率、温度、湿度、压力和负载,并通过控制器发送给平台;
步骤72、平台将采集的电流与预设的电流阈值进行对比,当判断出采集的电流超过电流阈值时,则通过控制器控制报警模块发出报警信号;
步骤73、平台将采集的电压与预设的电压阈值进行对比,当判断出采集的电压超过电压阈值时,则通过控制器控制报警模块发出报警信号;
步骤74、平台将采集的功率、温度、湿度、压力和负载通过显示器进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618153.1A CN116513747B (zh) | 2023-05-29 | 2023-05-29 | 一种基于三维仿真模型的智能一体化安全管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618153.1A CN116513747B (zh) | 2023-05-29 | 2023-05-29 | 一种基于三维仿真模型的智能一体化安全管控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116513747A true CN116513747A (zh) | 2023-08-01 |
CN116513747B CN116513747B (zh) | 2023-10-03 |
Family
ID=87408335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310618153.1A Active CN116513747B (zh) | 2023-05-29 | 2023-05-29 | 一种基于三维仿真模型的智能一体化安全管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116513747B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10009120A1 (de) * | 2000-02-26 | 2001-09-13 | Pc Soft Gmbh | Verfahren zur zustandsorientierten Regelung einer Gurtförderanlage |
CN104155911A (zh) * | 2014-08-13 | 2014-11-19 | 张家港耐维思通电子科技有限公司 | 一种皮带机安全监控装置 |
CN109178833A (zh) * | 2018-08-14 | 2019-01-11 | 安徽中联九通机械设备有限公司 | 一种皮带机运行监测方法 |
CN109941700A (zh) * | 2019-03-06 | 2019-06-28 | 湖北凯瑞知行智能装备有限公司 | 输煤系统智能无人巡检系统 |
KR102164219B1 (ko) * | 2020-07-07 | 2020-10-12 | 박종록 | 컨베이어 실물 원단과 컨트롤 데이터 간의 지능형 연동 시스템 |
WO2021233393A1 (zh) * | 2020-05-21 | 2021-11-25 | 煤炭科学研究总院 | 一种自供能皮带输送机的皮带状态监测装置和方法 |
CN113895911A (zh) * | 2021-11-16 | 2022-01-07 | 平安开诚智能安全装备有限责任公司 | 一种智慧煤流控制系统、方法及可存储介质 |
CN215665347U (zh) * | 2021-09-27 | 2022-01-28 | 山东矿机集团股份有限公司 | 一种基于大数据的皮带机管理系统 |
CN114104653A (zh) * | 2021-09-14 | 2022-03-01 | 精锐视觉智能科技(上海)有限公司 | 一种输煤仓区域输煤皮带机智能巡检检测方法 |
CN114671215A (zh) * | 2022-04-02 | 2022-06-28 | 丁国栋 | 一种基于图像识别和ai算法在皮带无人值守的应用 |
WO2023040575A1 (zh) * | 2021-09-17 | 2023-03-23 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
-
2023
- 2023-05-29 CN CN202310618153.1A patent/CN116513747B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10009120A1 (de) * | 2000-02-26 | 2001-09-13 | Pc Soft Gmbh | Verfahren zur zustandsorientierten Regelung einer Gurtförderanlage |
CN104155911A (zh) * | 2014-08-13 | 2014-11-19 | 张家港耐维思通电子科技有限公司 | 一种皮带机安全监控装置 |
CN109178833A (zh) * | 2018-08-14 | 2019-01-11 | 安徽中联九通机械设备有限公司 | 一种皮带机运行监测方法 |
CN109941700A (zh) * | 2019-03-06 | 2019-06-28 | 湖北凯瑞知行智能装备有限公司 | 输煤系统智能无人巡检系统 |
WO2021233393A1 (zh) * | 2020-05-21 | 2021-11-25 | 煤炭科学研究总院 | 一种自供能皮带输送机的皮带状态监测装置和方法 |
KR102164219B1 (ko) * | 2020-07-07 | 2020-10-12 | 박종록 | 컨베이어 실물 원단과 컨트롤 데이터 간의 지능형 연동 시스템 |
CN114104653A (zh) * | 2021-09-14 | 2022-03-01 | 精锐视觉智能科技(上海)有限公司 | 一种输煤仓区域输煤皮带机智能巡检检测方法 |
WO2023040575A1 (zh) * | 2021-09-17 | 2023-03-23 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
CN215665347U (zh) * | 2021-09-27 | 2022-01-28 | 山东矿机集团股份有限公司 | 一种基于大数据的皮带机管理系统 |
CN113895911A (zh) * | 2021-11-16 | 2022-01-07 | 平安开诚智能安全装备有限责任公司 | 一种智慧煤流控制系统、方法及可存储介质 |
CN114671215A (zh) * | 2022-04-02 | 2022-06-28 | 丁国栋 | 一种基于图像识别和ai算法在皮带无人值守的应用 |
Also Published As
Publication number | Publication date |
---|---|
CN116513747B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109941700B (zh) | 输煤系统智能无人巡检系统 | |
CN103115647B (zh) | 轨道交通弓网工况监测系统 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN112171693A (zh) | 一种用于矿用皮带机的智能巡检机器人 | |
CN109941783B (zh) | 胶带机智能转载系统 | |
CN114104653A (zh) | 一种输煤仓区域输煤皮带机智能巡检检测方法 | |
CN104973479B (zh) | 一种施工立井吊桶运动状态监测系统及方法 | |
CN110245734A (zh) | 基于轨道式巡检机器人的隧道结构病害识别系统与方法 | |
CN113852661B (zh) | 一种基于声波分析的流程供应链运载设备托辊故障监测系统及方法 | |
CN110247991A (zh) | 基于大数据的铁路运输煤炭抑尘智能监测分析系统 | |
CN116513747B (zh) | 一种基于三维仿真模型的智能一体化安全管控方法 | |
CN110909020A (zh) | 一种车载接触网动态检测系统 | |
CN113371028A (zh) | 一种电客车载轨道智能巡检系统及方法 | |
CN210884127U (zh) | 一种基于三维图像及视频技术的皮带机物料堆积检测系统 | |
CN117184814A (zh) | 输送机无人值守系统 | |
CN209748604U (zh) | 基于大数据的铁路运输煤炭抑尘智能监测分析系统 | |
CN117405173A (zh) | 一种轨道交通弓网系统状态智能检测分析系统及其检测方法 | |
CN116147697B (zh) | 一种氢氧化铝无人值守监测方法及系统 | |
CN111932710A (zh) | 一种火电机组输煤皮带智能巡检设备及方法 | |
CN111783727A (zh) | 基于机器视觉与边缘计算技术的自动化抄表方法与系统 | |
CN116331069A (zh) | 一种自带动力的轻便式弓网检测轨道巡检车检测系统 | |
CN110458366A (zh) | 粮食储运过程粉尘爆炸风险预控系统及评估预警方法 | |
CN113592860A (zh) | 一种基于智能图像处理的轨道线路自动巡检系统 | |
CN114689802A (zh) | 一种空气污染立体监测展示系统及方法 | |
CN113901026A (zh) | 一种基于大数据的六氟化硫物料管控方法及系统 |
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 |