CN116679579A - 一种基于数字孪生的安全控制方法、装置、设备及介质 - Google Patents
一种基于数字孪生的安全控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116679579A CN116679579A CN202310970140.0A CN202310970140A CN116679579A CN 116679579 A CN116679579 A CN 116679579A CN 202310970140 A CN202310970140 A CN 202310970140A CN 116679579 A CN116679579 A CN 116679579A
- Authority
- CN
- China
- Prior art keywords
- safety control
- control object
- analysis result
- safety
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 164
- 238000001514 detection method Methods 0.000 claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 5
- 241001465754 Metazoa Species 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000003746 surface roughness Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 11
- 231100000279 safety data Toxicity 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 5
- 239000000470 constituent Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000002360 explosive Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 206010019345 Heat stroke Diseases 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 241001310793 Podium Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000028752 abnormal posture Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010959 steel Substances 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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- 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]
Abstract
本申请涉及一种基于数字孪生的安全控制方法、装置、设备及介质，应用于安全数据处理技术领域，其方法包括：利用安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果；对采集的安全控制对象内的影像进行分析，得到第二分析结果；对获取的进入安全控制对象内的对象的温度进行分析，得到第三分析结果；对电磁波探测信号进行分析，得到第四分析结果；根据第一分析结果、第二分析结果、第三分析结果、第四分析结果输出安全预警等级，并执行与输出的安全预警等级匹配的预警策略以及安全控制措施。本申请实现了安全控制对象的全面化、智能化的运行监测，并针对性的执行响应的安全控制措施，大大提高了安全控制对象的安全性。
Description
技术领域
本申请涉及安全数据处理技术领域，尤其是涉及一种基于数字孪生的安全控制方法、装置、设备及介质。
背景技术
现如今，无论是居民楼还是商业楼都配置有电梯，电梯已经成了人们生活所需的“交通工具”，但是电梯出现各种事故威胁人生命安全的事件确屡见不鲜。
目前，电梯的安全控制手段主要是依靠人工通过监控影像进行常规监测结合出现故障后进行维修；不仅没有智能化的电梯运行状况实时监测技术，无法实现电梯的安全状况的评估或是故障预测；同时，虽然有关联技术实现了单一电梯的烟雾检测或单一的电动车检测等，但是没有统一的智能化、多层面的电梯安全监测系统，也不能实现针对性的电梯风险预警或安全控制。
因此，亟需一种可以实现电梯实时全面运行监测、故障预警、针对性安全控制的智能化电梯控制方案。
发明内容
为了克服现有的监控手段不能智能化、全面化进行安全运行监测、故障预警且针对性的进行安全控制等缺陷，本申请提供一种基于数字孪生的安全控制方法、装置、设备及介质，实现了安全控制对象的全面化、智能化的运行监测，自动化的故障分析与故障预测，安全风险评估与预警，并针对性的执行响应的安全控制措施，大大提高了安全控制对象的安全性。
第一方面，本申请提供一种基于数字孪生的安全控制方法，采用如下的技术方案：
一种基于数字孪生的安全控制方法，包括：
响应于数据获取指令，获取安全控制对象的相关数据；利用所述安全控制对象的相关数据构建所述安全控制对象的数字孪生模型；
利用所述安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果；
响应于对象进入操作，获取进入安全控制对象内的对象的温度；利用摄像设备实时采集安全控制对象内的影像；并利用电磁波探测装置进行安全控制对象内的对象探测；
对采集的所述安全控制对象内的影像进行分析，得到第二分析结果；对获取的所述进入安全控制对象内的对象的温度进行分析，得到第三分析结果；对电磁波探测装置的探测信号进行分析，得到第四分析结果；
根据所述第一分析结果、所述第二分析结果、所述第三分析结果、所述第四分析结果输出安全预警等级，并执行与输出的安全预警等级匹配的预警策略；
执行与所述第一分析结果、所述第二分析结果、所述第三分析结果、所述第四分析结果对应的安全控制措施。
通过采用以上技术方案，结合数字孪生模型、智能影像分析、红外感应、电磁波雷达人体探测等技术，从安全控制对象本身到进入安全控制对象的对象两个层面进行了风险评估，不仅能够及时、超前的发现安全控制对象存在或可能存在的故障，并针对性的采用不同的预警措施，从而让运维人员有针对性的对安全控制对象进行维护和调试，提前处理安全控制对象存在的隐患，提高安全控制对象的利用率；同时还能够针对性的输出对应的安全控制措施，提高了安全控制对象的安全保障性能。
进一步地，所述安全控制对象的相关数据包括安全控制对象的物理实体数据、装配图、实时运行数据以及安全属性数据；
所述安全控制对象的物理实体数据包括安全控制对象的全部组成系统、各个组成系统的全部零部件以及各个零部件的属性数据、几何数据、装配数据与描述数据；所述零部件的属性数据包括零部件的材质、质量、刚度与强度；所述零部件的几何数据包括零部件的形状、尺寸以及表面粗糙度；所述零部件的装配数据包括各个零部件的装配特征、与其他零部件的位置连接关系以及定位信息；所述零部件的描述数据包括零部件的功能描述以及其他描述数据；
所述安全控制对象的装配图包括安全控制对象的各个组成系统的各个零部件与其他零部件的位置连接关系；
所述安全控制对象的实时运行数据包括安全控制对象的负载、温度、湿度、烟雾浓度、载荷分布、运行速度、当前位置、加速度、噪音、开关门次数、开关门时间以及是否进水；
所述安全控制对象的安全属性数据包括安全控制对象的累计运行时间、最近一次维保时间、故障频次、零部件损耗数据、备用电池的状态参数、额定载重量、额定载乘人数、额定速度。
进一步地，所述利用安全控制对象的相关数据构建所述安全控制对象的数字孪生模型包括：
根据所述安全控制对象的相关数据构建所述安全控制对象的三维模型；
根据所述安全控制对象的相关数据对安全控制对象进行运动分析确定所述安全控制对象的约束条件；并利用数学方程表述所述安全控制对象的约束条件；其中，所述安全控制对象的运动约束条件包括安全控制对象的运动约束以及运行规则；
将所述用于表述所述安全控制对象的约束条件的数学方程、安全控制对象的实时运行数据、所述安全控制对象的三维模型耦合得到安全控制对象的数字孪生模型。
通过采用以上技术方案，通过三维结合模型结合约束耦合构建安全控制对象的数字孪生模型，能够快速的进行安全控制对象的数字孪生模型的构建；同时能够将安全控制对象的实时运行数据与三维场景模型进行全面关联，从而形成可远程智能监管、多维度数据监测的安全控制体系，大大提高安全控制对象的安全控制程度。
进一步地，所述根据所述安全控制对象的相关数据构建安全控制对象的三维模型包括：
从获取的安全控制对象的物理实体数据中提取安全控制对象包含的全部零部件；根据安全控制对象的物理实体数据中的属性数据与几何数据对每个零部件进行三维建模，得到各个零部件的三维模型；根据安全控制对象的物理实体数据中的装配数据与安全控制对象的整体装配图进行各个零部件的三维模型的装配，得到安全控制对象的三维模型；
所述根据所述安全控制对象的相关数据对安全控制对象进行运动分析确定所述安全控制对象的约束条件包括：
通过分析安全控制对象各个零部件的运动路径、能量传递路径，构建安全控制对象的动力学方程，确定安全控制对象的运动约束以及运行规则。
通过采用以上技术方案，由零部件到系统到安全控制对象整体进行三维模型的构建，不仅能够快速的构建得到三维模型，同时还能够保证三维模型与安全控制对象的物理实体的一致性，能够真实反映安全控制对象的状况，有助于进行安全控制对象的安全控制。
进一步地，所述利用安全控制对象的相关数据构建所述安全控制对象的数字孪生模型还包括：
根据所述获取安全控制对象的相关数据中的实时运行数据进行数字孪生模型的更新；
所述根据所述获取安全控制对象的相关数据中的实时运行数据进行数字孪生模型的更新包括：
通过傅里叶变换对所述安全控制对象的实时运行数据进行时域与频域的分析；根据所述时域与频域的分析结果判断安全控制对象的运行状态是否发生变化；
当安全控制对象的运行状态发生变化时，获取发生变化的时间节点的运行数据并将获取的运行数据更新至所述安全控制对象的数字孪生模型中。
通过采用以上技术方案，当整体的运行状态发生变化时，才进行数字孪生模型的更新；而不是每一时刻都将实时采集的安全控制对象的实时运行数据更新至数字孪生模型中，不仅减少了更新的频率，减少存储资源与计算资源的浪费，提高整体的运行效率，同时还能够保证数字孪生模型与安全控制对象的物理实体保持一致。
进一步地，所述利用所述安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果包括：
利用所述安全控制对象的数字孪生模型对比所述安全控制对象的实时运行数据是否超出所述安全控制对象的安全属性数据中规定的阈值，得到初步分析结果；
利用所述安全控制对象的数字孪生模型分析所述安全控制对象的实时运行数据判断安全控制对象是否存在故障，得到二次分析结果；
利用所述安全控制对象的数字孪生模型分析所述安全控制对象的实时运行数据预测安全控制对象是否存在故障，得到三次分析结果；
基于所述初步分析结果、所述二次分析结果与所述三次分析结果得到第一分析结果。
通过采用以上技术方案，利用数字孪生模型从运行参数超限、运行异常以及运行故障预测等多方面监控安全控制对象的运行，能够保证监控的全面性以及可靠性，进一步的提高了安全控制对象的安全程度。
进一步地，所述对采集的所述安全控制对象内的影像进行分析，得到第二分析结果包括：
对所述安全控制对象内的影像进行遮挡检测，判断所述安全控制对象内的摄影设备是否被遮挡，得到遮挡检测结果；
对所述安全控制对象内的影像进行着火点检测，判断所述安全控制对象内是否存在着火点，得到着火点检测结果；
截取所述安全控制对象内的影像中不连续的多帧，得到多幅待识别图像；对得到的多幅待识别图像进行裁剪，得到多幅预处理后的待识别图像；将得到的多幅预处理后的待识别图像输入到优化的电动车识别模型中，得到电动车识别结果；
根据所述遮挡检测结果、所述着火点检测结果以及所述电动车识别结果生成第二分析结果；
所述对获取的所述进入安全控制对象内的对象的温度进行分析，得到第三分析结果包括：
将获取的所述进入安全控制对象内的人或物体或动物的温度与预设的温度阈值进行对比，判断进入安全控制对象内的对象的温度是否超出预设的温度阈值，根据温度对比结果输出第三分析结果；
所述对电磁波探测装置的探测信号进行分析，得到第四分析结果包括：
对电磁波探测装置的探测信号进行分析，确定电磁波探测装置的探测对象的运动状态；分析所述探测对象的运动状态是否存在异常，根据所述探测对象的运动状态的异常分析结果输出第四分析结果。
通过采用以上技术方案，通过进行安全控制对象内部的影像的分析，判断安全控制对象内部是否存在着火点、异常遮挡或是电动车进入，从多层面进行了安全控制对象的安全监控，保证了进入到安全控制对象内的对象的生命安全。同时，判断进入安全控制对象内的对象的温度是否超出预设的温度阈值，一方面能够检测进入的人员是否存在中暑或异常高温等情况；另一方面也可以作为电动车识别的补充安全控制方案或是易燃易爆物品的安全控制方案。具体的，当存在电动车或其他易燃易爆的物品进入安全控制对象内，通过进入对象的温度对比结果判断其是否会出现爆炸或其他危险，结合后续的语音播报或安全控制对象的开闭控制等方式减少安全事故的发生，提高安全控制强度，增加安全控制对象的安全性。且通过电磁波雷达进行人体运动状态的分析，能够及时发现处于安全控制对象内的人体等对象的异常，并及时作出响应，避免因无人发现人体异常导致错过最佳救援时机。
第二方面，本申请提供一种基于数字孪生的安全控制装置，采用如下的技术方案：
一种基于数字孪生的安全控制装置，包括：
数字孪生模型构建模块，用于响应于数据获取指令，获取安全控制对象的相关数据；利用所述安全控制对象的相关数据构建所述安全控制对象的数字孪生模型；
数字孪生安全分析模块，用于利用所述安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果；
对象参数获取模块，用于响应于对象进入操作，获取进入安全控制对象内的对象的温度；利用摄像设备实时采集安全控制对象内的影像；并利用电磁波探测装置进行安全控制对象内的对象探测；
对象参数安全分析模块，用于对采集的所述安全控制对象内的影像进行分析，得到第二分析结果；对获取的所述进入安全控制对象内的对象的温度进行分析，得到第三分析结果；对电磁波探测装置的探测信号进行分析，得到第四分析结果；
预警模块，用于根据所述第一分析结果、所述第二分析结果、所述第三分析结果、所述第四分析结果输出安全预警等级，并执行与输出的安全预警等级匹配的预警策略；
安全控制模块，用于执行与所述第一分析结果、所述第二分析结果、所述第三分析结果、所述第四分析结果对应的安全控制措施。
通过采用以上技术方案，结合数字孪生模型、智能影像分析、红外感应等技术，从安全控制对象本身到进入安全控制对象的对象两个层面进行了风险评估，不仅能够及时、超前的发现安全控制对象存在或可能存在的故障，并针对性的采用不同的预警措施，从而让运维人员有针对性的对安全控制对象进行维护和调试，提前处理安全控制对象存在的隐患，提高安全控制对象的利用率；同时还能够针对性的输出对应的安全控制措施，提高了安全控制对象的安全保障性能。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，包括处理器，所述处理器与存储器耦合；
所述存储器上存储有能够被处理器加载并执行第一方面任一项所述的基于数字孪生的安全控制方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行第一方面任一项所述的基于数字孪生的安全控制方法。
附图说明
图1是本申请实施例提供的基于数字孪生的安全控制方法的流程示意图。
图2是本申请实施例提供的基于数字孪生的安全控制装置的结构框图。
图3是本申请实施例提供的电子设备的结构框图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请实施例提供一种基于数字孪生的安全控制方法，该基于数字孪生的安全控制方法可由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中该服务器可以使独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等，但并不局限于此。
如图1所示，一种基于数字孪生的安全控制方法，该方法主要流程描述如下（步骤S101～S105）：
步骤S101，响应于数据获取指令，获取安全控制对象的相关数据；利用安全控制对象的相关数据构建安全控制对象的数字孪生模型。
在本实施例中，安全控制对象为电梯或其他用于运载的设备。
在本实施例中，安全控制对象的相关数据包括：安全控制对象的物理实体数据、装配图、实时运行数据以及安全属性数据。
在本实施例中，安全控制对象的物理实体数据包括安全控制对象的全部组成系统、各个组成系统的全部零部件以及各个零部件的属性数据、几何数据、装配数据与描述数据；其中，零部件的属性数据包括零部件的材质、质量、刚度与强度；零部件的几何数据包括零部件的形状、尺寸以及表面粗糙度；零部件的装配数据包括各个零部件的装配特征、与其他零部件的位置连接关系以及定位信息；零部件的描述数据包括零部件的功能描述以及其他描述数据。安全控制对象的装配图包括安全控制对象的各个组成系统的各个零部件与其他零部件的位置连接关系。
具体的，当安全控制对象为轿厢式电梯时，各个组成系统包括牵引系统、导向系统、轿厢系统、重量平衡系统、门系统、电力拖动系统、电气控制系统、安全保护系统。牵引系统包括牵引机、牵引钢丝绳、导向轮等零部件；导向系统包括导轨、导轨架等零部件；轿厢系统包括轿厢架、轿厢等零部件；重量平衡系统包括对重、补偿绳等零部件；电力拖动系统包括电动机、电机调速装置等零部件；电气控制系统包括操纵盘、控制柜等零部件；安全保护系统包括限速器、安全钳等零部件。本实施例列举上述零部件仅用于简要表述对轿厢式电梯各个组成系统的划分，因此上述零部件并不是轿厢式电梯的全部组成零部件；轿厢式电梯的全部组成零部件并不是本实施例的核心保护内容，且不影响本实施例的方案的实施。
在本实施例中，安全控制对象的实时运行数据包括安全控制对象的负载、温度、湿度、烟雾浓度、载荷分布、运行速度、当前位置、加速度、噪音、开关门次数、开关门时间以及是否进水。
在本实施例中，安全控制对象的安全属性数据包括安全控制对象的累计运行时间、最近一次维保时间、故障频次、零部件损耗数据、备用电池的状态参数、额定载重量、额定载乘人数、额定速度。
在本实施例中，利用设置于安全控制对象各个位置的重力感应装置、速度传感器、平层采集器（光电或磁感应）、烟雾感应装置、温湿度一体传感器、声音传感器、开关门传感器、雨水感应器以及其他传感装置或数据采集装置采集安全控制对象的实时运行数据。
在本实施例中，利用安全控制对象的相关数据构建安全控制对象的数字孪生模型包括：
根据安全控制对象的相关数据构建安全控制对象的三维模型；根据安全控制对象的相关数据对安全控制对象进行运动分析确定安全控制对象的约束条件；并利用数学方程表述安全控制对象的约束条件；将用于表述安全控制对象的约束条件的数学方程、安全控制对象的实时运行数据与安全控制对象的三维模型耦合得到安全控制对象的数字孪生模型；根据获取安全控制对象的相关数据中的实时运行数据进行数字孪生模型的更新。
在本实施例中，根据安全控制对象的相关数据构建安全控制对象的三维模型包括：
从获取的安全控制对象的物理实体数据中提取安全控制对象包含的全部零部件；根据安全控制对象的物理实体数据中的属性数据与几何数据对每个零部件进行三维建模，得到各个零部件的三维模型；根据安全控制对象的物理实体数据中的装配数据与安全控制对象的整体装配图进行各个零部件的三维模型的装配，得到安全控制对象的三维模型。
具体的，可通过从三维建模软件的数据库中导入的方式进行零部件的三维建模，也可通过自定义的方式进行各个零部件的三维建模，还可通过数据库导入结合自定义的方式进行各个零部件的三维建模。同时，通过将装配数据与整体装配图输入三维建模软件中，完成各个零部件的三维模型的装配，得到安全控制对象的三维模型。
在本实施例中，安全控制对象的约束条件包括安全控制对象的运动约束、状态特征以及运行规则。
在本实施例中，根据安全控制对象的相关数据对安全控制对象进行运动分析确定安全控制对象的约束条件包括：
通过分析安全控制对象各个零部件的运动路径、能量传递路径，构建安全控制对象的动力学方程，确定安全控制对象的运动约束以及运行规则。其中，安全控制对象的状态特征即安全控制对象的速度等状态参数的动态特征信息，即安全控制对象的各实时运行数据。
具体的，分别确定安全控制对象的各个组成系统的运动路径、能量传递路径、构建安全控制对象的动力学方程确定各个组成系统的运动约束以及运行规则；然后在进行组成系统内部零部件的运动路径、能量传递路径的确定，构建组成系统内部的动力学方程从而确定各个零部件的运动约束以及运行规则。
在本实施例中，借助于数字孪生的软件或工具将用于描述安全控制对象的运动约束以及运行规则的数学方程与安全控制对象的实时运行数据以及安全控制对象的三维模型耦合得到安全控制对象的数字孪生模型。
在本实施例中，根据获取安全控制对象的相关数据中的实时运行数据进行数字孪生模型的更新包括：
通过傅里叶变换对安全控制对象的实时运行数据进行时域与频域的分析，根据时域与频域的分析结果判断安全控制对象的运行状态是否发生变化，当安全控制对象的运行状态发生变化时，获取发生变化的时间节点的运行数据并将获取的运行数据更新至安全控制对象的数字孪生模型中。
本实施例中，不是每一时刻都将实时采集的安全控制对象的实时运行数据更新至数字孪生模型中，而是当整体的运行状态发生变化时，才进行数字孪生模型的更新；不仅减少了更新的频率，减少存储资源与计算资源的浪费，提高整体的运行效率，同时还能够保证数字孪生模型与安全控制对象的物理实体保持一致。
步骤S102，利用安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果。
在本实施例中，利用安全控制对象的数字孪生模型结合安全控制对象的安全属性数据进行安全控制对象的安全监控，并得到第一分析结果。
具体的，数字孪生模型通过对比实时运行数据是否超出了安全属性数据中规定的阈值，得到初步分析结果（例如，通过对比进入安全控制对象内的对象的重量与安全控制对象的安全负载阈值判断此时安全控制对象的负载是否超出了安全范围）；数字孪生模型通过分析实时运行数据判断安全控制对象是否存在故障，得到二次分析结果（例如判断安全控制对象是否存在异常抖动或是异常困人）；数字孪生模型通过分析实时运行数据预测安全控制对象是否会存在故障，得到三次分析结果（例如通过分析安全控制对象一天内的开关门次数与开关门的时间以及开关门时间的变化曲线，判断安全控制对象是否会出现开关门故障）；基于初步分析结果、二次分析结果与三次分析结果得到第一分析结果。
步骤S103，响应于对象进入操作，获取进入安全控制对象内的对象的温度；利用摄像设备实时采集安全控制对象内的影像，并利用电磁波探测装置进行安全控制对象内的对象探测。
在本实施例中，利用设置于安全控制对象中的红外感应装置感应进入安全控制对象内的对象的温度；利用摄像设备实时采集安全控制对象内的影像。
在本实施例中，进入到安全控制对象内部的对象为人或动物或物体。
在本实施例中，红外感应装置设置于安全控制对象的顶部；利用红外感应装置感应进入安全控制对象内部的对象的温度。
在本实施例中，利用设置于安全控制对象即电梯上方里侧一角的超广角摄像头实时采集安全控制对象内的影像；本实施例采用超广角镜头能够有效杜绝常规监控的死角，提高后续行为分析识别的准确率，提高安全控制对象的安全性。
在本实施例中，利用电磁波探测装置探测安全控制内的对象的状态。该状态包括安全控制对象内是否有人以及对应人体的运动状态。其中，电磁波探测装置可为毫米波雷达。
步骤S104，对采集的安全控制对象内的影像进行异常分析，得到第二分析结果；对获取的进入安全控制对象内的对象的温度进行分析，得到第三分析结果；对电磁波探测装置的探测信号进行分析，得到第四分析结果。
在本实施例中，异常分析包括遮挡检测、着火点检测以及电动车检测。
步骤S104A，对采集到的安全控制对象内的影像进行异常分析，得到第二分析结果包括：
对安全控制对象内的影像进行遮挡检测，判断安全控制对象内的摄影设备是否被遮挡，得到遮挡检测结果；对安全控制对象内的影像进行着火点检测，判断安全控制对象内是否存在着火点，得到着火点检测结果；截取采集到安全控制对象内的影像中不连续的多帧，得到多幅待识别图像；对得到的多幅待识别图像进行裁剪，得到多幅预处理后的待识别图像；将得到的多幅预处理后的待识别图像输入到优化的电动车识别模型中，得到电动车识别结果；根据遮挡检测结果、着火点检测结果以及电动车识别结果生成第二分析结果。
在本实施例中，可通过分析影像各个区域的图像的像素点的相似度、相似像素点构成的区域的大小以及该区域占整体获取图像的大小判断摄像头是否被遮挡。
在本实施例中，对于着火点的检测，可通过预先由不同大小的火焰图像训练得到的分类网络实现；也可通过分析安全控制对象中影像的亮度与是否存在火焰特征实现。
在本实施例中，截取影像中不连续的多帧，能够保证得到的图像中包含内容差异性大且时间节点不连续，从而提高图像的可用度，减少识别时处理的图像的数量，进而提高电动车识别的效率。
在本实施例中，电动车识别模型基于YOLOv2网络构建得到，预先采集的实际电梯场景、自然场景下的电动车图像10000张,并按照3:3:2的比例将采集的图像划分为训练集、测试集以及验证集；利用训练集的图像对构建的电动车识别模型进行训练；利用测试集以及验证集的图像分别对训练好的电动车识别模型进行测试与验证，得到优化的电动车识别模型。
在本实施例中，预先采集的实际电梯场景、自然场景下的电动车图像包含电动车单独图像、也包含电动车携带或覆盖其他物体的图像，也包含电动车与人处于不同位置的图像；上述图像中的电动车为不同类型、不同品牌、不同电池种类、不同电池安放位置的电动车。
步骤S104B，对感应到的进入安全控制对象内的对象的温度进行分析，得到第三分析结果包括：
将获取到的进入安全控制对象内的人或物体或动物的温度与预设的温度阈值进行对比，判断进入安全控制对象内的对象的温度是否超出了安全范围，根据温度对比结果输出第三分析结果。
在本实施例中，判断进入安全控制对象内的对象的温度是否超出了安全范围一方面能够检测进入的人员是否存在中暑或异常高温等情况，另一方面也可以作为电动车识别的补充安全控制方案或是易燃易爆物品的安全控制方案。具体的，虽然已经利用电动车识别模型进行电动车识别，但是不排除依然有未能识别的电动车进入安全控制对象内部，而进行温度阈值的对比，即使有电动车或其他易燃易爆的物品进入了安全控制对象内，也可以通过进入对象的温度对比结果判断其是否会出现爆炸或其他危险，结合后续的语音播报或安全控制对象的开闭控制等方式减少安全事故的发生。
步骤S104C，对电磁波探测装置的探测信号进行分析，得到第四分析结果包括：
对电磁波探测装置探测的安全控制对象内的对象状态进行分析，判断对象的状态是否异常：通过对电磁波探测装置的目标回波的多普勒效应分析安全控制对象内的对象的状态，如是否处于运动以及运动方向和运动速度；并结合瞬时信息、历史信息以及预设的信息进行分析，判断对象的状态是否异常。在实际应用中，可设定人体若频繁出现抖动则判断该对象处于异常运动状态；并输出对应的第四分析结果。也可设定当人体呈异常姿态长时间静止时（例如以扭曲状态倒地时），判断该对象处于异常运动状态；并输出对应的第四分析结果。
步骤S105，根据第一分析结果、第二分析结果、第三分析结果、第四分析结果输出安全预警等级，并执行与输出的安全预警等级匹配的预警策略；执行与第一分析结果、第二分析结果、第三分析结果、第四分析结果对应的安全控制措施。
在本实施例中，安全预警等级划分为五级，依次为较低风险（0-10）、低风险（10-30）、中风险（30-50）、较高风险（50-70）与高风险（70-100）。
在本实施例中，为第一分析结果、第二分析结果、第三分析结果、第四分析结果中包含的不同风险项添加不同权重；根据风险项与风险项对应的权重生成风险评分，根据风险评分确定安全预警等级。例如，第一分析结果中，电梯运行速度超出了预设阈值，而运行速度超出预设阈值该风险项的权重为15，其余运行数据均正常且无其他预测故障；第二分析结果显示无遮挡、无着火点、无电动车；第三分析结果显示无异常高温；第四分析结果显示对象未处于异常状态；则此时安全控制对象的风险项为1项，该风险项对应的权重为15，整体风险评分为1*15=15分，对应的风险等级为低风险。
在本实施例中，不同的安全预警等级对应不同的预警策略，例如，较低风险对应后台文字预警，低风险对应后台文字预警加语音提示，中风险对应后台警示灯；较高风险与高风险对应后台预警与安全控制对象内的预警措施。在具体应用中，可根据实际情况设置。
在本实施例中，数据库中对应于第一分析结果、第二分析结果、第三分析结果、第四分析结果中不同的风险项存储有不同的安全控制措施。例如，当第二分析结果中识别安全控制对象内存在电动车时，则控制安全控制对象的门不予关闭。当第一分析结果中安全控制对象的速度超出安全阈值时，则控制安全控制对象的对应系统进行降速。
在本实施例中，对不同的风险项执行的安全控制措施也可自行通过后台进行设置，具体的措施并不是本实施例保护的重点，因此未予以详细说明。
图2为本申请实施例提供的一种基于数字孪生的安全控制装置200的结构框图。
如图2所示，基于数字孪生的安全控制装置200主要包括：
数字孪生模型构建模块201，用于响应于数据获取指令，获取安全控制对象的相关数据；利用安全控制对象的相关数据构建安全控制对象的数字孪生模型；
数字孪生安全分析模块202，用于利用安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果；
对象参数获取模块203，用于响应于对象进入操作，获取进入安全控制对象内的对象的温度；利用摄像设备实时采集安全控制对象内的影像，并利用电磁波探测装置进行安全控制对象内的对象探测；
对象参数安全分析模块204，用于对采集的安全控制对象内的影像进行分析，得到第二分析结果；对获取的进入安全控制对象内的对象的温度进行分析，得到第三分析结果；对电磁波探测装置的探测信号进行分析，得到第四分析结果；
预警模块205，用于根据第一分析结果、第二分析结果、第三分析结果、第四分析结果输出安全预警等级，并执行与输出的安全预警等级匹配的预警策略；
安全控制模块206，用于执行与第一分析结果、第二分析结果、第三分析结果、第四分析结果对应的安全控制措施。
在一个例子中，以上任一装置中的模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specificintegratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。
再如，当装置中的模块可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图3为本申请实施例提供的一种电子设备300的结构框图。如图3所示，电子设备300包括存储器301、处理器302和通信总线303；存储器301、处理器302通过通信总线303相连。存储器301上存储有能够被处理器302加载并执行如上述实施例提供的一种基于数字孪生的安全控制方法。
存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述实施例提供的一种基于数字孪生的安全控制方法的指令等；存储数据区可存储上述实施例提供的一种基于数字孪生的安全控制方法中涉及到的数据等。
处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集，调用存储在存储器301内的数据，执行本申请的各种功能和处理数据。处理器302可以为特定用途集成电路(Application SpecificIntegrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(ProgrammableLogic Device，PLD)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器302功能的电子器件还可以为其它，本申请实施例不作具体限定。
通信总线303可包括一通路，在上述组件之间传送信息。通信总线303可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA (ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。通信总线303可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双箭头表示，但并不表示仅有一根总线或一种类型的总线。
作为另一方面，本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的基于数字孪生的安全控制方法的步骤。其中，计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。具体的，计算机可读存储介质可以是便携式计算机盘、硬盘、U盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、讲台随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、光盘、磁碟、机械编码设备以及上述任意组合。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于数字孪生的安全控制方法，其特征在于，包括：
响应于数据获取指令，获取安全控制对象的相关数据；利用所述安全控制对象的相关数据构建所述安全控制对象的数字孪生模型；
利用所述安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果；
响应于对象进入操作，获取进入安全控制对象内的对象的温度；利用摄像设备实时采集安全控制对象内的影像；并利用电磁波探测装置进行安全控制对象内的对象探测；
对采集的所述安全控制对象内的影像进行分析，得到第二分析结果；对获取的所述进入安全控制对象内的对象的温度进行分析，得到第三分析结果；对电磁波探测装置的探测信号进行分析，得到第四分析结果；
根据所述第一分析结果、所述第二分析结果、所述第三分析结果、第四分析结果输出安全预警等级，并执行与输出的安全预警等级匹配的预警策略；
执行与所述第一分析结果、所述第二分析结果、所述第三分析结果、所述第四分析结果对应的安全控制措施。
2.根据权利要求1所述的方法，其特征在于，所述安全控制对象的相关数据包括安全控制对象的物理实体数据、装配图、实时运行数据以及安全属性数据；
所述安全控制对象的物理实体数据包括安全控制对象的全部组成系统、各个组成系统的全部零部件以及各个零部件的属性数据、几何数据、装配数据与描述数据；所述零部件的属性数据包括零部件的材质、质量、刚度与强度；所述零部件的几何数据包括零部件的形状、尺寸以及表面粗糙度；所述零部件的装配数据包括各个零部件的装配特征、与其他零部件的位置连接关系以及定位信息；所述零部件的描述数据包括零部件的功能描述以及其他描述数据；
所述安全控制对象的装配图包括安全控制对象的各个组成系统的各个零部件与其他零部件的位置连接关系；
所述安全控制对象的实时运行数据包括安全控制对象的负载、温度、湿度、烟雾浓度、载荷分布、运行速度、当前位置、加速度、噪音、开关门次数、开关门时间以及是否进水；
所述安全控制对象的安全属性数据包括安全控制对象的累计运行时间、最近一次维保时间、故障频次、零部件损耗数据、备用电池的状态参数、额定载重量、额定载乘人数、额定速度。
3.根据权利要求1所述的方法，其特征在于，所述利用安全控制对象的相关数据构建所述安全控制对象的数字孪生模型包括：
根据所述安全控制对象的相关数据构建所述安全控制对象的三维模型；
根据所述安全控制对象的相关数据对安全控制对象进行运动分析确定所述安全控制对象的约束条件；并利用数学方程表述所述安全控制对象的约束条件；其中，所述安全控制对象的运动约束条件包括安全控制对象的运动约束以及运行规则；
将所述用于表述所述安全控制对象的约束条件的数学方程、安全控制对象的实时运行数据、所述安全控制对象的三维模型耦合得到安全控制对象的数字孪生模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述安全控制对象的相关数据构建安全控制对象的三维模型包括：
从获取的安全控制对象的物理实体数据中提取安全控制对象包含的全部零部件；根据安全控制对象的物理实体数据中的属性数据与几何数据对每个零部件进行三维建模，得到各个零部件的三维模型；根据安全控制对象的物理实体数据中的装配数据与安全控制对象的整体装配图进行各个零部件的三维模型的装配，得到安全控制对象的三维模型；
所述根据所述安全控制对象的相关数据对安全控制对象进行运动分析确定所述安全控制对象的约束条件包括：
通过分析安全控制对象各个零部件的运动路径、能量传递路径，构建安全控制对象的动力学方程，确定安全控制对象的运动约束以及运行规则。
5.根据权利要求3所述的方法，其特征在于，所述利用安全控制对象的相关数据构建所述安全控制对象的数字孪生模型还包括：
根据所述获取安全控制对象的相关数据中的实时运行数据进行数字孪生模型的更新；
所述根据所述获取安全控制对象的相关数据中的实时运行数据进行数字孪生模型的更新包括：
通过傅里叶变换对所述安全控制对象的实时运行数据进行时域与频域的分析；根据所述时域与频域的分析结果判断安全控制对象的运行状态是否发生变化；
当安全控制对象的运行状态发生变化时，获取发生变化的时间节点的运行数据并将获取的运行数据更新至所述安全控制对象的数字孪生模型中。
6.根据权利要求1所述的方法，其特征在于，所述利用所述安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果包括：
利用所述安全控制对象的数字孪生模型对比所述安全控制对象的实时运行数据是否超出所述安全控制对象的安全属性数据中规定的阈值，得到初步分析结果；
利用所述安全控制对象的数字孪生模型分析所述安全控制对象的实时运行数据判断安全控制对象是否存在故障，得到二次分析结果；
利用所述安全控制对象的数字孪生模型分析所述安全控制对象的实时运行数据预测安全控制对象是否存在故障，得到三次分析结果；
基于所述初步分析结果、所述二次分析结果与所述三次分析结果得到第一分析结果。
7.根据权利要求1所述的方法，其特征在于，所述对采集的所述安全控制对象内的影像进行分析，得到第二分析结果包括：
对所述安全控制对象内的影像进行遮挡检测，判断所述安全控制对象内的摄影设备是否被遮挡，得到遮挡检测结果；
对所述安全控制对象内的影像进行着火点检测，判断所述安全控制对象内是否存在着火点，得到着火点检测结果；
截取所述安全控制对象内的影像中不连续的多帧，得到多幅待识别图像；对得到的多幅待识别图像进行裁剪，得到多幅预处理后的待识别图像；将得到的多幅预处理后的待识别图像输入到优化的电动车识别模型中，得到电动车识别结果；
根据所述遮挡检测结果、所述着火点检测结果以及所述电动车识别结果生成第二分析结果；
所述对获取的所述进入安全控制对象内的对象的温度进行分析，得到第三分析结果包括：
将获取的所述进入安全控制对象内的人或物体或动物的温度与预设的温度阈值进行对比，判断进入安全控制对象内的对象的温度是否超出预设的温度阈值，根据温度对比结果输出第三分析结果；
所述对电磁波探测装置的探测信号进行分析，得到第四分析结果包括：
对电磁波探测装置的探测信号进行分析，确定电磁波探测装置的探测对象的运动状态；分析所述探测对象的运动状态是否存在异常，根据所述探测对象的运动状态的异常分析结果输出第四分析结果。
8.一种基于数字孪生的安全控制装置，其特征在于，包括：
数字孪生模型构建模块，用于响应于数据获取指令，获取安全控制对象的相关数据；利用所述安全控制对象的相关数据构建所述安全控制对象的数字孪生模型；
数字孪生安全分析模块，用于利用所述安全控制对象的数字孪生模型进行安全控制对象的安全监控，得到第一分析结果；
对象参数获取模块，用于响应于对象进入操作，获取进入安全控制对象内的对象的温度；利用摄像设备实时采集安全控制对象内的影像；并利用电磁波探测装置进行安全控制对象内的对象探测；
对象参数安全分析模块，用于对采集的所述安全控制对象内的影像进行分析，得到第二分析结果；对获取的所述进入安全控制对象内的对象的温度进行分析，得到第三分析结果；对电磁波探测装置的探测信号进行分析，得到第四分析结果；
预警模块，用于根据所述第一分析结果、所述第二分析结果、所述第三分析结果、所述第四分析结果输出安全预警等级，并执行与输出的安全预警等级匹配的预警策略；
安全控制模块，用于执行与所述第一分析结果、所述第二分析结果、所述第三分析结果、所述第四分析结果对应的安全控制措施。
9.一种智能终端或电子设备，其特征在于，包括处理器，所述处理器与存储器耦合；
所述处理器用于执行所述存储器中存储的计算机程序，以使得所述智能终端或电子设备执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310970140.0A CN116679579A (zh) | 2023-08-03 | 2023-08-03 | 一种基于数字孪生的安全控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310970140.0A CN116679579A (zh) | 2023-08-03 | 2023-08-03 | 一种基于数字孪生的安全控制方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116679579A true CN116679579A (zh) | 2023-09-01 |
Family
ID=87785899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310970140.0A Pending CN116679579A (zh) | 2023-08-03 | 2023-08-03 | 一种基于数字孪生的安全控制方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116679579A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117350179A (zh) * | 2023-12-05 | 2024-01-05 | 威科电子模块（深圳）有限公司 | 一种用于实现厚膜烧结工艺的安全控制方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109319619A (zh) * | 2018-09-14 | 2019-02-12 | 南京理工技术转移中心有限公司 | 一种电梯智能监控系统的工作方法 |
| CN111115394A (zh) * | 2018-10-30 | 2020-05-08 | 奥的斯电梯公司 | 用于电梯系统的数字化管控系统和方法以及电梯系统 |
| US20210094798A1 (en) * | 2018-02-20 | 2021-04-01 | Thyssenkrupp Elevator Innovation And Operations Ag | Elevator system, control unit for an elevator system, and method of operating an elevator system |
| CN112978534A (zh) * | 2019-12-12 | 2021-06-18 | 通力电梯有限公司 | 电梯控制方法、电梯控制装置和电梯系统 |
| CN113517760A (zh) * | 2021-09-10 | 2021-10-19 | 广州健新科技有限责任公司 | 一种基于大数据和数字孪生的电池储能站监测方法及系统 |
| CN113903143A (zh) * | 2021-09-26 | 2022-01-07 | 深圳市爱深盈通信息技术有限公司 | 一种电动车监控方法及系统 |
| CN114357732A (zh) * | 2021-12-17 | 2022-04-15 | 中国电子科技集团公司第三十八研究所 | 电子装备数字孪生模型及其构建方法和应用 |
| CN218058021U (zh) * | 2022-09-26 | 2022-12-16 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 一种基于数字孪生的电梯在线监测系统 |
| CN115544628A (zh) * | 2022-10-27 | 2022-12-30 | 南京汉德数字孪生技术研究院有限公司 | 一种基于数字孪生技术的电梯监测预警方法及系统 |
-
2023
- 2023-08-03 CN CN202310970140.0A patent/CN116679579A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210094798A1 (en) * | 2018-02-20 | 2021-04-01 | Thyssenkrupp Elevator Innovation And Operations Ag | Elevator system, control unit for an elevator system, and method of operating an elevator system |
| CN109319619A (zh) * | 2018-09-14 | 2019-02-12 | 南京理工技术转移中心有限公司 | 一种电梯智能监控系统的工作方法 |
| CN111115394A (zh) * | 2018-10-30 | 2020-05-08 | 奥的斯电梯公司 | 用于电梯系统的数字化管控系统和方法以及电梯系统 |
| CN112978534A (zh) * | 2019-12-12 | 2021-06-18 | 通力电梯有限公司 | 电梯控制方法、电梯控制装置和电梯系统 |
| CN113517760A (zh) * | 2021-09-10 | 2021-10-19 | 广州健新科技有限责任公司 | 一种基于大数据和数字孪生的电池储能站监测方法及系统 |
| CN113903143A (zh) * | 2021-09-26 | 2022-01-07 | 深圳市爱深盈通信息技术有限公司 | 一种电动车监控方法及系统 |
| CN114357732A (zh) * | 2021-12-17 | 2022-04-15 | 中国电子科技集团公司第三十八研究所 | 电子装备数字孪生模型及其构建方法和应用 |
| CN218058021U (zh) * | 2022-09-26 | 2022-12-16 | 湖州市特种设备检测研究院(湖州市电梯应急救援指挥中心) | 一种基于数字孪生的电梯在线监测系统 |
| CN115544628A (zh) * | 2022-10-27 | 2022-12-30 | 南京汉德数字孪生技术研究院有限公司 | 一种基于数字孪生技术的电梯监测预警方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| OUADOUDI, M ETAL.: "Development of a Digital Twin for an Elevator System", WSEAS TRANSACTIONS ON SYSTEMS AND CONTROL, pages 214 - 221 * |
| 张越宏 等: "数字孪生技术在电梯智能运维中的应用探索", 中国电梯, no. 01, pages 49 - 51 * |
| 陈尧: "基于数字孪生技术的定制电梯设计方法研究", 中国优秀硕士学位论文全文数据库 工程科技 II 辑, no. 02, pages 33 - 43 * |
| 陈尧: "基于数字孪生技术的定制电梯设计方法研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, no. 02, pages 33 - 43 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117350179A (zh) * | 2023-12-05 | 2024-01-05 | 威科电子模块（深圳）有限公司 | 一种用于实现厚膜烧结工艺的安全控制方法及系统 |
| CN117350179B (zh) * | 2023-12-05 | 2024-02-20 | 威科电子模块（深圳）有限公司 | 一种用于实现厚膜烧结工艺的安全控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021212496A1 (zh) | 一种电池检测的方法和装置 | |
| CN110781914B (zh) | 一种设备故障的监控处理方法、装置、设备和存储介质 | |
| CN111734885B (zh) | 一种换流阀在线监测与评估的方法及系统 | |
| CN103246265B (zh) | 机电设备检测维护方法 | |
| CN116679579A (zh) | 一种基于数字孪生的安全控制方法、装置、设备及介质 | |
| CN109693983B (zh) | 电梯故障处理方法、装置、服务器、存储介质及系统 | |
| CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
| CN110147762A (zh) | 一种嵌入式消防误报消除系统 | |
| CN112699807A (zh) | 一种驾驶员状态信息监控方法和装置 | |
| CN114023399A (zh) | 一种基于人工智能的空气颗粒物分析预警方法和装置 | |
| CN116826958A (zh) | 一种数字化输电通道智能安全巡检方法 | |
| KR20220057426A (ko) | Url과 연관된 콘텐츠와 호스트 데이터를 고려한 악성 url 예측 방법 및 이를 구현하기 위한 장치 | |
| CN116681292A (zh) | 基于深度学习的石化港区安全风险分析及责任划分方法 | |
| CN113986893A (zh) | 一种基于发电车风险识别主动预警系统及方法 | |
| CN116951328B (zh) | 基于大数据的排水管线运行智慧监控系统 | |
| CN115830516B (zh) | 一种用于电池爆燃检测的计算机神经网络图像处理方法 | |
| CN116956702A (zh) | 一种用电安全预警方法、介质及系统 | |
| CN113743326B (zh) | 安全带佩戴状态监测系统、方法、装置和计算机设备 | |
| CN111060755A (zh) | 一种电磁干扰诊断方法和装置 | |
| CN111080005A (zh) | 一种基于支持向量机的治安风险预警方法及系统 | |
| KR102470520B1 (ko) | 국제표준(sae j1739) 기반의 잠재적 고장 영향 분석 방법 | |
| CN112329958A (zh) | 一种管廊內电缆移动感知辅助分析方法 | |
| CN110321770B (zh) | 管线监控方法、装置、设备和存储介质 | |
| CN112734699A (zh) | 物品状态告警方法、装置、存储介质及电子装置 | |
| CN117706663B (zh) | 一种基于多元数据的冰雹降水现象质控方法及系统 |
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 |