CN117078687A - 基于机器视觉的轨道巡检系统及方法 - Google Patents
基于机器视觉的轨道巡检系统及方法 Download PDFInfo
- Publication number
- CN117078687A CN117078687A CN202311339650.4A CN202311339650A CN117078687A CN 117078687 A CN117078687 A CN 117078687A CN 202311339650 A CN202311339650 A CN 202311339650A CN 117078687 A CN117078687 A CN 117078687A
- Authority
- CN
- China
- Prior art keywords
- track
- degree
- monorail crane
- module
- height difference
- 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 36
- 238000007689 inspection Methods 0.000 title claims abstract description 33
- 239000000725 suspension Substances 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000036541 health Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000005299 abrasion Methods 0.000 claims abstract description 5
- 238000012423 maintenance Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000005452 bending Methods 0.000 claims description 6
- 230000005195 poor health Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000008439 repair process Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Control And Safety Of Cranes (AREA)
Abstract
本发明公开了基于机器视觉的轨道巡检系统及方法,涉及轨道巡检系统技术领域,图片拍摄模块无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态,轮廓检测模块无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位,计算模块综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,评估模块依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员。该巡检系统无接触式对单轨吊进行检测,有效避免磨损,提高检测精确度,并且,通过综合分析单轨吊的多项指标来评估单轨吊的整体健康状况,分析更为准确。
Description
技术领域
本发明涉及轨道巡检系统技术领域,具体涉及基于机器视觉的轨道巡检系统及方法。
背景技术
单轨吊也称为单轨吊车或单轨吊运输系统,是一种用于物料搬运和运输的机械设备,它通常由一个悬挂在高架单轨轨道上的载货梁和一个悬挂在其下的提升和移动装置组成,单轨吊通常用于工业生产和物流领域,以便高效地将重物从一个地点转移到另一个地点,例如从生产线上的一个工作站移动到另一个工作站,或者从仓库中的一个区域转移到另一个区域,为了提高单轨吊运行的稳定性和安全性,需要通过巡检系统对单轨吊进行定期检查。
现有技术存在以下不足:
1、在单轨吊的巡检中,由于轨道是悬吊式,人工巡检不方便,且对于接缝处的精确测量难度大,容易发生安全事故,当前多数是基于2D平面相机和接触式测量方案,然而,使用接触时测量和2D相机的方案在长期使用过程中,接触点磨损会导致测量不精确;
2、巡检系统通常是对检测单轨吊的多项指标,并对多项指标设定阈值,当某一项指标超过阈值时发出警示信号,然而,在实际检测中,若多项指标均朝坏的方向发展,但均未超过设定的阈值(例如轨道错位逐渐变大,但未超过错位阈值,轨道缺失增加,但未超过缺失阈值等),此时由于多项指标均朝坏的方向发展,虽然未超过设定阈值,但仍会对单轨吊的稳定和安全运行带来影响;
因此,本发明提供一种基于机器视觉的轨道巡检系统,对单轨吊进行无接触式测量,且综合分析多项指标来评估单轨吊的整体运行状况,评估准确性更高。
发明内容
本发明的目的是提供基于机器视觉的轨道巡检系统及方法,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:基于机器视觉的轨道巡检系统,包括图片拍摄模块、轮廓检测模块、移动模块、分析模块、警示模块、计算模块、评估模块;
图片拍摄模块:无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态;
轮廓检测模块:无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位;
移动模块:包括移动车,用于带动图片拍摄模块、轮廓检测模块在单轨吊上匀速移动;
分析模块:将检测到单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位分别与对应的阈值进行对比;
警示模块:当单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度或轨道错位中任一指标超过对应的阈值时,向管理员发送警示信号;
计算模块:综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数;
评估模块:依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员。
优选的,所述计算模块综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,表达式为:;
式中,gq为轨道缺失度,gb为轨道变形度,gc为轨道踏面高差,gp为轨道悬吊螺栓松动度,cw为轨道错位,α为轨道缺失度和轨道变形度的比例系数,β为轨道踏面高差和轨道悬吊螺栓松动度的比例系数,γ为轨道错位的比例系数,且α、β、γ均大于0。
优选的,若单轨吊的轨道系数值≤健康阈值,评估模块分析单轨吊的整体健康状态好,无需进行维护;
若单轨吊的轨道系数值>健康阈值,评估模块分析单轨吊的整体健康状态差,需要进行维护。
优选的,所述轨道缺失度通过测量轨道的几何变化、损坏或表面磨损来计算,表达式为:;
式中,gq为轨道缺失度,psm为轨道表面损坏区域的面积,gdm为轨道的总面积。
优选的,所述轨道变形度指轨道的弯曲或变形程度使用图像处理技术检测轨道上的弯曲或形变,并将其与轨道的初始形状进行比较,计算表达式为:;
式中,gb为轨道变形度,sc为轨道实际长度,cs为轨道初始长度。
优选的,所述轨道踏面高差指轨道表面上的高低不平,通过图像处理技术测量轨道表面的高度差,使用摄像头的距离测量数据补偿,计算表达式为:;
式中,gc为轨道踏面高差,,n表述轨道检测点的数量,表示轨道表面第i个检测点处的高度差。
优选的,所述轨道悬吊螺栓松动度指连接轨道悬吊装置的螺栓是否松动,通过图像处理技术来检测螺栓的位置和状态,然后与预定的位置进行比较,计算表达式为:;
式中,qp为轨道悬吊螺栓松动度,为第a个螺栓的实际位置,/>为第a个螺栓的初始位置。
优选的,所述轨道错位通过计算轨道点云数据的中心线或轴线,并与轨道的理想位置进行比较来计算,计算公式为:;
式中,cw为轨道错位,cz为测量轨道中心线,lz为理想轨道中心线。
本发明还提供基于机器视觉的轨道巡检方法,所述巡检方法包括以下步骤:
S1:采集端无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态,无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位;
S2:处理端将检测到单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位分别与对应的阈值进行对比;
S3:当单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度或轨道错位中任一指标超过对应的阈值时,向管理员发送警示信号;
S4:综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数;
S5:依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员,管理员依据评估结果选择是否需要对单轨吊进行维护。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过图片拍摄模块无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态,轮廓检测模块无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位,计算模块综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,评估模块依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员。该巡检系统无接触式对单轨吊进行检测,有效避免磨损,提高检测精确度,并且,通过综合分析单轨吊的多项指标来评估单轨吊的整体健康状况,分析更为准确。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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所示,本实施例所述基于机器视觉的轨道巡检系统,包括图片拍摄模块、轮廓检测模块、移动模块、分析模块、警示模块、计算模块、评估模块;
图片拍摄模块:包括三套相机,用于无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态,对图像数据进行预处理后,将图像数据发送至分析模块以及计算模块,具体包括以下步骤:
无接触拍摄:
启动相机系统以进行实时或定期拍摄。这些拍摄可以自动触发,例如,根据时间间隔或根据单轨吊的运动。
使用相机捕捉单轨吊系统的各个部分,特别是轨道和悬吊装置。确保相机能够捕捉到轨道缺失、轨道变形、轨道踏面高差以及轨道悬吊螺栓状态等细节。
图像数据预处理:
对从相机获取的图像数据进行预处理,以优化图像质量和减少噪音。这可能包括去噪、图像增强、颜色校正等操作。
确保图像数据的一致性和准确性,以便后续分析模块能够正确解释和处理这些数据。
轮廓检测模块:包括3D轮廓仪,用于无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位,对轮廓数据进行预处理后,将轮廓数据发送至分析模块以及计算模块,具体包括以下步骤:
3D轮廓仪配置:
安装和校准3D轮廓仪,以确保其准确地捕捉单轨吊系统的轮廓数据。
确保3D轮廓仪能够在实际运行条件下工作,并根据需要进行定期维护和校准。
无接触采集轮廓数据:
启动3D轮廓仪系统,以进行实时或定期的轮廓数据采集。这些采集可以自动触发,例如,根据时间间隔或单轨吊的运动状态。
3D轮廓仪应该能够捕捉到单轨吊系统的整个轮廓,包括轨道错位等问题。
轮廓数据预处理:
对从3D轮廓仪获取的数据进行预处理,以优化数据质量和减少噪音。这可能包括去噪、滤波、数据插值等操作。
确保轮廓数据的一致性和准确性,以便后续的分析模块能够正确解释和处理这些数据。
移动模块:包括移动车,用于带动图片拍摄模块、轮廓检测模块在单轨吊上匀速移动,具体包括以下步骤:
移动车配置:
安装和配置移动车,确保其适应单轨吊系统的工作环境。这可能包括选择合适的车辆类型(例如,无轨电动车、导轨车等)。
确保移动车上安装了适当的支架和固定装置,以安全地携带图片拍摄模块和轮廓检测模块。
启动车辆:
启动移动车,确保其能够匀速移动。车辆的速度和移动方向应该可以精确控制。
携带图片拍摄模块:
将图片拍摄模块安装在移动车上。这可以通过固定装置或支架来完成,以确保相机保持稳定并能够以所需的角度拍摄。
携带轮廓检测模块:
将轮廓检测模块安装在移动车上。同样,确保它能够稳定地采集轨道数据并保持与轨道的适当距离。
匀速移动:
启动移动车以在单轨吊上匀速移动。车辆的速度应该与拍摄或轮廓采集的要求相匹配,以确保数据的一致性和准确性。
移动车可能需要根据轨道的特性和单轨吊系统的结构进行调整,以确保在整个过程中保持稳定。
协调数据采集:
确保移动车的移动速度和图片拍摄模块、轮廓检测模块的操作同步协调。这可以通过精确的时间控制或传感器来实现,以确保数据采集的一致性。
分析模块:将检测到单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位分别与对应的阈值进行对比,对比结果发送至警示模块,具体包括以下步骤:
数据接收:
接收从图片拍摄模块和轮廓检测模块传来的轨道数据,包括轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位等信息。
阈值设定:
在分析模块中,设定与各项轨道参数对应的阈值。这些阈值通常是在事先的分析和测试中确定的,用于定义单轨吊系统的正常工作范围。
数据比较:
将接收到的轨道数据与相应的阈值进行比较。对比可能是逐个参数进行的,也可以综合多个参数进行综合分析。
分析模块会判断轨道是否处于正常状态,是否存在异常情况或超出了预定的阈值。
生成比较结果:
根据数据比较的结果,分析模块会生成状态报告,指明轨道的当前状态。这些状态可能包括轨道正常、轨道存在轻微问题、轨道存在重大问题等。
警示模块:当单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度或轨道错位中任一指标超过对应的阈值时,向管理员发送警示信号,管理员需要作出相应的管理策略,管理策略包括及时检修单轨吊,具体包括以下步骤:
比较阈值:
警示模块将监测到的轨道参数与预定的阈值进行比较。如果任何一个参数超过了阈值,将被视为异常情况。
生成警示:
如果任何一个轨道参数超过了阈值,警示模块将生成警报信号。这可以是声音警报、视觉提示、警报信息或电子邮件通知等形式,以提醒管理员注意。
警示发送:
警示信息将被发送给管理员或维护团队,确保他们及时获得相关信息。
管理员策略:
管理员收到警示后,需要采取相应的管理策略。这可能包括:
停机维修:如果问题严重,管理员可能需要停机并安排维修团队进行紧急维修,以确保单轨吊的安全和正常运行。
日常维护计划:如果问题相对较小,管理员可以计划日常维护,以在合适的时间对单轨吊进行检修。
数据分析和记录:管理员可以记录警示信息,以便未来的分析和报告。
计算模块:综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,轨道系数发送至评估模块;
评估模块:依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员,管理员依据评估结果选择是否需要对单轨吊进行维护。
本申请通过图片拍摄模块无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态,轮廓检测模块无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位,计算模块综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,评估模块依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员。该巡检系统无接触式对单轨吊进行检测,有效避免磨损,提高检测精确度,并且,通过综合分析单轨吊的多项指标来评估单轨吊的整体健康状况,分析更为准确。
实施例2:计算模块综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,轨道系数发送至评估模块;
其中:
轨道缺失度:轨道缺失度通常可以通过测量轨道的几何变化、损坏或表面磨损来计算,表达式为:;
式中,gq为轨道缺失度,psm为轨道表面损坏区域的面积,gdm为轨道的总面积;
轨道缺失度越大,表明单轨吊存在以下问题:
安全风险增加:轨道的严重破损可能会增加单轨吊运行时的安全风险,因为轨道不稳定可能导致吊钩和负载不稳定;
运行效率下降:损坏的轨道可能导致单轨吊的运行效率下降,因为操作员可能需要采取更慎重的操作以避免意外情况;
维护需求增加:轨道缺失度较大通常需要更频繁和更复杂的维护和修复工作,以确保轨道系统的可靠性和安全性;
成本增加:维修和替换受损轨道的成本可能会显著增加,特别是如果轨道缺失度达到了需要全面替换的程度。
轨道变形度:轨道变形度是指轨道的弯曲或变形程度,可以使用图像处理技术来检测轨道上的弯曲或形变,并将其与轨道的初始形状进行比较,计算表达式为:;
式中,gb为轨道变形度,sc为轨道实际长度,cs为轨道初始长度;
轨道变形度越大,表明单轨吊存在以下问题:
负载不稳定性:较大的轨道变形度可能导致单轨吊在运行过程中负载不稳定;轨道的变形可能会引起吊钩的摆动或不均匀负载分布,从而增加运行风险;
运行效率下降:轨道的严重变形可能导致单轨吊的运行效率下降;操作员可能需要更多的时间来进行吊运操作,因为他们必须小心避免与变形轨道发生碰撞或其他问题;
额外的机械应力:轨道的变形会引入额外的机械应力,可能导致轨道和相关组件的疲劳和损坏;这可能需要更频繁的维护和维修工作;
安全风险增加:较大的轨道变形度可能会增加单轨吊运行时的安全风险;如果轨道变形严重,可能会导致吊钩偏离轨道,造成意外事故;
额外的成本:维护和修复受变形轨道的成本可能较高;大规模的变形可能需要全面替换轨道系统,这将导致显著的维护成本增加;
生产中断:如果轨道变形度较大,可能需要停机维修,这将导致生产中断和生产效率下降。
轨道踏面高差:轨道踏面高差是指轨道表面上的高低不平,可以通过图像处理技术来测量轨道表面的高度差,通常需要使用摄像头的距离测量数据来补偿,计算表达式为:;
式中,gc为轨道踏面高差,,n表述轨道检测点的数量,表示轨道表面第i个检测点处的高度差;
轨道踏面高差越大,表明单轨吊存在以下问题:
负载不稳定性:较大的轨道踏面高差可能导致单轨吊在运行过程中负载不稳定;高低不平的轨道表面会引起吊钩的摆动或负载的不均匀分布,增加了运行风险;
损坏或磨损:轨道踏面的高差可能导致吊具、轮轴或轮胎受到额外的损坏或磨损,从而降低了其寿命;这可能需要更频繁的维护和更换零件;
运行效率下降:高差较大的轨道会导致单轨吊的运行效率下降;吊具在高低不平的轨道上移动时需要更多的功率和时间,从而增加了能源消耗和生产时间;
安全风险增加:轨道踏面高差较大可能会增加单轨吊运行时的安全风险;不平坦的轨道表面可能导致吊钩偏离轨道或产生额外的振动,从而引发意外事故;
额外的机械应力:高低不平的轨道表面可能会引入额外的机械应力,导致轨道和相关组件的疲劳和损坏;这可能需要更频繁的维护和维修工作;
生产中断:如果轨道踏面高差较大,可能需要停机维修,这将导致生产中断和生产效率下降。
轨道悬吊螺栓松动度:轨道悬吊螺栓松动度是指连接轨道悬吊装置的螺栓是否松动,可以通过图像处理技术来检测螺栓的位置和状态,然后与预定的位置进行比较,计算表达式为:;
gp为轨道悬吊螺栓松动度,为第a个螺栓的实际位置,/>为第a个螺栓的初始位置;
轨道悬吊螺栓松动度越大,表明单轨吊存在以下问题:
安全风险增加:较大的轨道悬吊螺栓松动度可能导致单轨吊运行时的安全风险增加;松动的螺栓可能会导致轨道部件不稳定,增加吊钩偏离轨道或其他意外事故的风险;
轨道稳定性降低:松动的螺栓可能会导致轨道部件的不稳定,使轨道系统的整体稳定性下降;这可能会导致轨道系统的振动或不均匀负载分布,影响单轨吊的性能;
机械损伤:松动的螺栓可能会导致轨道部件的机械损伤,包括螺栓本身和与之连接的组件;这可能需要更频繁的维护和维修工作;
负载不稳定性:松动的螺栓可能会导致轨道上的吊钩或负载不稳定;这可能会增加运行风险,尤其是在高负载情况下;
运行效率下降:由于松动的螺栓可能导致轨道系统的不稳定性和损坏,单轨吊的运行效率可能下降;操作员可能需要更多的时间来进行吊运操作,以避免安全问题;
维修需求增加:较大的螺栓松动度通常需要更频繁和更复杂的维护和维修工作,以确保轨道系统的可靠性和安全性。
轨道错位的获取逻辑为:
数据采集:使用3D轮廓仪采集轨道的三维点云数据。轨道上的点云数据包含了轨道的形状和位置信息。
数据预处理:对采集到的点云数据进行预处理,包括去噪、滤波、校准等操作,以确保数据质量和一致性。
轨道错位计算:轨道错位通常可以通过计算轨道点云数据的中心线或轴线,并将其与轨道的理想位置进行比较来计算,计算公式为:;
式中,cw为轨道错位,cz为测量轨道中心线,lz为理想轨道中心线。
具体计算方法可能会涉及到数学拟合、点云配准或其他数据分析技术,以获取轨道的中心线或轴线;
轨道错位越大,表明单轨吊存在以下问题:
安全风险增加:较大的轨道错位可能导致单轨吊运行时的安全风险增加;错位的轨道可能会使吊钩不稳定,增加了吊钩偏离轨道或其他意外事故的风险;
轨道稳定性降低:错位的轨道可能导致轨道系统的整体稳定性下降;这可能会导致轨道系统的振动、不均匀负载分布或不平稳运行,影响单轨吊的性能;
负载不稳定性:错位的轨道可能导致单轨吊的负载不稳定;这可能会增加运行风险,尤其是在高负载情况下;
机械应力和损伤:错位的轨道可能引入额外的机械应力,导致轨道部件的疲劳和损伤;这可能需要更频繁的维护和维修工作;
运行效率下降:由于错位的轨道可能导致单轨吊的运行效率下降,操作员可能需要更多的时间来进行吊运操作,以避免安全问题;
额外的维修成本:维修和修复错位的轨道通常需要额外的成本,特别是如果需要进行轨道替换或大规模维修;
生产中断:如果轨道错位较大,可能需要停机维修,这将导致生产中断和生产效率下降。
计算模块综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,表达式为:;
式中,gq为轨道缺失度,gb为轨道变形度,gc为轨道踏面高差,gp为轨道悬吊螺栓松动度,cw为轨道错位,α为轨道缺失度和轨道变形度的比例系数,β为轨道踏面高差和轨道悬吊螺栓松动度的比例系数,γ为轨道错位的比例系数,且α、β、γ均大于0。
评估模块依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员,管理员依据评估结果选择是否需要对单轨吊进行维护;
由轨道系数的计算公式可知,轨道系数/>值越大,表明单轨吊的整体健康状态越差,获取轨道系数/>值后,通过预设的健康阈值来区分单轨吊的健康状况好或健康状态差;
若单轨吊的轨道系数值≤健康阈值,评估模块分析单轨吊的整体健康状态好,无需进行维护;
若单轨吊的轨道系数值>健康阈值,评估模块分析单轨吊的整体健康状态差,需要进行维护。
实施例3:本实施例所述基于机器视觉的轨道巡检方法,所述巡检方法包括以下步骤:
采集端无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态,无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位,处理端将检测到单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位分别与对应的阈值进行对比,当单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度或轨道错位中任一指标超过对应的阈值时,向管理员发送警示信号,管理员需要作出相应的管理策略,管理策略包括及时检修单轨吊,综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员,管理员依据评估结果选择是否需要对单轨吊进行维护。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
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,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例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。
所述功能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,本申请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)执行本申请各个实施例所述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(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.基于机器视觉的轨道巡检系统,其特征在于:包括图片拍摄模块、轮廓检测模块、移动模块、分析模块、警示模块、计算模块、评估模块;
图片拍摄模块:无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态;
轮廓检测模块:无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位;
移动模块:包括移动车,用于带动图片拍摄模块、轮廓检测模块在单轨吊上匀速移动;
分析模块:将检测到单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位分别与对应的阈值进行对比;
警示模块:当单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度或轨道错位中任一指标超过对应的阈值时,向管理员发送警示信号;
计算模块:综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数;
评估模块:依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员。
2.根据权利要求1所述的基于机器视觉的轨道巡检系统,其特征在于:所述计算模块综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数,表达式为:/>;
式中,gq为轨道缺失度,gb为轨道变形度,gc为轨道踏面高差,gp为轨道悬吊螺栓松动度,cw为轨道错位,α为轨道缺失度和轨道变形度的比例系数,β为轨道踏面高差和轨道悬吊螺栓松动度的比例系数,γ为轨道错位的比例系数,且α、β、γ均大于0。
3.根据权利要求2所述的基于机器视觉的轨道巡检系统,其特征在于:若单轨吊的轨道系数值≤健康阈值,评估模块分析单轨吊的整体健康状态好,无需进行维护;
若单轨吊的轨道系数值>健康阈值,评估模块分析单轨吊的整体健康状态差,需要进行维护。
4.根据权利要求3所述的基于机器视觉的轨道巡检系统,其特征在于:所述轨道缺失度通过测量轨道的几何变化、损坏或表面磨损来计算,表达式为:;
式中,gq为轨道缺失度,psm为轨道表面损坏区域的面积,gdm为轨道的总面积。
5.根据权利要求4所述的基于机器视觉的轨道巡检系统,其特征在于:所述轨道变形度指轨道的弯曲或变形程度使用图像处理技术检测轨道上的弯曲或形变,并将其与轨道的初始形状进行比较,计算表达式为:;
式中,gb为轨道变形度,sc为轨道实际长度,cs为轨道初始长度。
6.根据权利要求5所述的基于机器视觉的轨道巡检系统,其特征在于:所述轨道踏面高差指轨道表面上的高低不平,通过图像处理技术测量轨道表面的高度差,使用摄像头的距离测量数据补偿,计算表达式为:;
式中,gc为轨道踏面高差,,n表述轨道检测点的数量,/>表示轨道表面第i个检测点处的高度差。
7.根据权利要求6所述的基于机器视觉的轨道巡检系统,其特征在于:所述轨道悬吊螺栓松动度指连接轨道悬吊装置的螺栓是否松动,通过图像处理技术来检测螺栓的位置和状态,然后与预定的位置进行比较,计算表达式为:;
式中,gp为轨道悬吊螺栓松动度,为第a个螺栓的实际位置,/>为第a个螺栓的初始位置。
8.根据权利要求7所述的基于机器视觉的轨道巡检系统,其特征在于:所述轨道错位通过计算轨道点云数据的中心线或轴线,并与轨道的理想位置进行比较来计算,计算公式为:;
式中,cw为轨道错位,cz为测量轨道中心线,lz为理想轨道中心线。
9.基于机器视觉的轨道巡检方法,通过权利要求1-8任一项所述的巡检系统实现,其特征在于:所述巡检方法包括以下步骤:
S1:采集端无接触拍摄单轨吊图像数据,图像数据包括轨道缺失、轨道变形、轨道踏面高差、轨道悬吊螺栓状态,无接触采集单轨吊的轮廓数据,轮廓数据包括轨道错位;
S2:处理端将检测到单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位分别与对应的阈值进行对比;
S3:当单轨吊的轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度或轨道错位中任一指标超过对应的阈值时,向管理员发送警示信号;
S4:综合计算轨道缺失度、轨道变形度、轨道踏面高差、轨道悬吊螺栓松动度、轨道错位后生成轨道系数;
S5:依据轨道系数分析单轨吊的整体健康状态,将评估结果发送至管理员,管理员依据评估结果选择是否需要对单轨吊进行维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311339650.4A CN117078687B (zh) | 2023-10-17 | 2023-10-17 | 基于机器视觉的轨道巡检系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311339650.4A CN117078687B (zh) | 2023-10-17 | 2023-10-17 | 基于机器视觉的轨道巡检系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117078687A true CN117078687A (zh) | 2023-11-17 |
CN117078687B CN117078687B (zh) | 2023-12-15 |
Family
ID=88717669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311339650.4A Active CN117078687B (zh) | 2023-10-17 | 2023-10-17 | 基于机器视觉的轨道巡检系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078687B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0378781A1 (de) * | 1989-01-17 | 1990-07-25 | Linsinger Maschinenbau Gmbh | Verfahren sowie Vorrichtung zur berührungslosen Messung der Deformation und des Verschleisses von Schienen; Verfahren zur Messung der Spurweite an Schienen |
US20070217670A1 (en) * | 2006-03-02 | 2007-09-20 | Michael Bar-Am | On-train rail track monitoring system |
US20130069773A1 (en) * | 2010-05-12 | 2013-03-21 | Beijing Its-Star Technology Co., Ltd. | Intelligent traffic safety system based on comprehensive state detection and decision method thereof |
CN105203552A (zh) * | 2015-09-18 | 2015-12-30 | 南京拓控信息科技有限公司 | 一种360°踏面图像检测系统及其检测方法 |
CN106053277A (zh) * | 2016-08-22 | 2016-10-26 | 合肥德泰科通测控技术有限公司 | 钢轨踏面磨损度的检测方法 |
WO2019012730A1 (en) * | 2017-07-14 | 2019-01-17 | Kabushiki Kaisha Toshiba | DIAGNOSTIC DEVICE FOR ANOMALY, METHOD FOR DIAGNOSING ANOMALY, AND COMPUTER PROGRAM |
CN109870457A (zh) * | 2019-02-14 | 2019-06-11 | 武汉武大卓越科技有限责任公司 | 轨道异物检测方法及装置 |
CN111207920A (zh) * | 2020-03-11 | 2020-05-29 | 成都华瑞智创轨道交通科技有限公司 | 一种磁浮列车固定轨螺栓松动测量装置 |
CN111572590A (zh) * | 2020-06-01 | 2020-08-25 | 王正位 | 一种高速铁路轨道状况动态监测装置 |
CN113076911A (zh) * | 2021-04-16 | 2021-07-06 | 河南六米电子科技有限公司 | 基于人工智能的agv色带导引轨道磨损程度检测方法与系统 |
CN214470772U (zh) * | 2021-01-12 | 2021-10-22 | 南京航空航天大学 | 一种轻量级隧道综合检测分析系统 |
CN113674211A (zh) * | 2021-07-26 | 2021-11-19 | 上海睿而维科技有限公司 | 一种轨道质量监测分析系统 |
CN114581779A (zh) * | 2022-03-11 | 2022-06-03 | 上海天链轨道交通检测技术有限公司 | 一种车载非接触式接触线悬挂状态检测方法及系统 |
CN114740086A (zh) * | 2022-03-03 | 2022-07-12 | 淮北矿业股份有限公司 | 一种单轨吊轨道缺陷检测方法 |
CN114998244A (zh) * | 2022-05-27 | 2022-09-02 | 中车青岛四方车辆研究所有限公司 | 基于计算机视觉的轨道梁指形板智能巡检系统及方法 |
CN115897382A (zh) * | 2022-12-12 | 2023-04-04 | 江苏苏通大桥有限责任公司 | 一种大桥钢箱梁检修桁车轨道检修方法 |
CN115979232A (zh) * | 2023-03-21 | 2023-04-18 | 中国铁路设计集团有限公司 | 基于统一里程体系的轨道交通精测精捣一体化方法 |
CN116331069A (zh) * | 2022-11-21 | 2023-06-27 | 上海天链轨道交通检测技术有限公司 | 一种自带动力的轻便式弓网检测轨道巡检车检测系统 |
-
2023
- 2023-10-17 CN CN202311339650.4A patent/CN117078687B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0378781A1 (de) * | 1989-01-17 | 1990-07-25 | Linsinger Maschinenbau Gmbh | Verfahren sowie Vorrichtung zur berührungslosen Messung der Deformation und des Verschleisses von Schienen; Verfahren zur Messung der Spurweite an Schienen |
US20070217670A1 (en) * | 2006-03-02 | 2007-09-20 | Michael Bar-Am | On-train rail track monitoring system |
US20130069773A1 (en) * | 2010-05-12 | 2013-03-21 | Beijing Its-Star Technology Co., Ltd. | Intelligent traffic safety system based on comprehensive state detection and decision method thereof |
CN105203552A (zh) * | 2015-09-18 | 2015-12-30 | 南京拓控信息科技有限公司 | 一种360°踏面图像检测系统及其检测方法 |
CN106053277A (zh) * | 2016-08-22 | 2016-10-26 | 合肥德泰科通测控技术有限公司 | 钢轨踏面磨损度的检测方法 |
WO2019012730A1 (en) * | 2017-07-14 | 2019-01-17 | Kabushiki Kaisha Toshiba | DIAGNOSTIC DEVICE FOR ANOMALY, METHOD FOR DIAGNOSING ANOMALY, AND COMPUTER PROGRAM |
CN109870457A (zh) * | 2019-02-14 | 2019-06-11 | 武汉武大卓越科技有限责任公司 | 轨道异物检测方法及装置 |
CN111207920A (zh) * | 2020-03-11 | 2020-05-29 | 成都华瑞智创轨道交通科技有限公司 | 一种磁浮列车固定轨螺栓松动测量装置 |
CN111572590A (zh) * | 2020-06-01 | 2020-08-25 | 王正位 | 一种高速铁路轨道状况动态监测装置 |
CN214470772U (zh) * | 2021-01-12 | 2021-10-22 | 南京航空航天大学 | 一种轻量级隧道综合检测分析系统 |
CN113076911A (zh) * | 2021-04-16 | 2021-07-06 | 河南六米电子科技有限公司 | 基于人工智能的agv色带导引轨道磨损程度检测方法与系统 |
CN113674211A (zh) * | 2021-07-26 | 2021-11-19 | 上海睿而维科技有限公司 | 一种轨道质量监测分析系统 |
CN114740086A (zh) * | 2022-03-03 | 2022-07-12 | 淮北矿业股份有限公司 | 一种单轨吊轨道缺陷检测方法 |
CN114581779A (zh) * | 2022-03-11 | 2022-06-03 | 上海天链轨道交通检测技术有限公司 | 一种车载非接触式接触线悬挂状态检测方法及系统 |
CN114998244A (zh) * | 2022-05-27 | 2022-09-02 | 中车青岛四方车辆研究所有限公司 | 基于计算机视觉的轨道梁指形板智能巡检系统及方法 |
CN116331069A (zh) * | 2022-11-21 | 2023-06-27 | 上海天链轨道交通检测技术有限公司 | 一种自带动力的轻便式弓网检测轨道巡检车检测系统 |
CN115897382A (zh) * | 2022-12-12 | 2023-04-04 | 江苏苏通大桥有限责任公司 | 一种大桥钢箱梁检修桁车轨道检修方法 |
CN115979232A (zh) * | 2023-03-21 | 2023-04-18 | 中国铁路设计集团有限公司 | 基于统一里程体系的轨道交通精测精捣一体化方法 |
Non-Patent Citations (4)
Title |
---|
XIAOHUI WANG等: "An Incentive Factor-Based Dynamic Comprehensive Evaluation on a High-Speed Railway Track", 《APPLIED SCIENCES》, vol. 10, no. 16, pages 1 - 16 * |
勾红叶等: "高速铁路桥梁-轨道体系检测监测与行车安全研究进展", 《交通运输工程学报》, vol. 22, no. 1, pages 1 - 23 * |
孙善超等: "基于载荷辨识技术的轨道-车辆系统状态安全综合评判", 《中国铁路》, no. 10, pages 11 - 15 * |
王梓: "基于机器学习的轨道交通安全综合评估模型研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 3, pages 033 - 559 * |
Also Published As
Publication number | Publication date |
---|---|
CN117078687B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105115578B (zh) | 一种通过测量钢板形变检测车辆载重的方法及测量系统 | |
CN115303946B (zh) | 基于数字孪生的塔式起重机工作监测方法、系统 | |
CN102633173A (zh) | 一种电梯轿厢运行状态监测系统及方法 | |
CN109823941B (zh) | 一种应用于主动安全电梯上的钢丝绳监测装置 | |
WO2016206330A1 (zh) | 一种施工立井吊桶运动状态监测系统及方法 | |
CN104192722A (zh) | 一种岸边集装箱装卸桥结构健康监测与安全预警方法 | |
US20230145243A1 (en) | System for tracking lifting events at a construction site | |
CN110589406A (zh) | 一种基于三维图像及智能视频技术的皮带偏离检测系统 | |
CN117078687B (zh) | 基于机器视觉的轨道巡检系统及方法 | |
CN110909020A (zh) | 一种车载接触网动态检测系统 | |
CN108975163A (zh) | 一种桥式起重机车轮组运行安全检测的方法 | |
CN104197993A (zh) | 一种造船龙门起重机结构健康监测与安全预警方法 | |
CN104120885B (zh) | 泵车及其泵车臂架疲劳健康监控系统、方法 | |
CN117392587B (zh) | 基于物联网的特种设备安全监测系统 | |
CN116844113B (zh) | 矿井单轨吊安全运行图像检测分析方法 | |
CN113960953A (zh) | 一种基于物联网技术的智能工地应用系统及其使用方法 | |
Thompson et al. | Predictive maintenance approaches based on continuous monitoring systems at Rio Tinto | |
CN116359327A (zh) | 一种基于人工智能的钢丝绳监测系统 | |
CN104016252B (zh) | 一种利用塔身顶端轨迹特征判定塔机塔身单肢螺栓预紧力的方法及其应用 | |
CN111127442B (zh) | 台车轮轴缺陷检测方法和装置 | |
CA2934969C (en) | Slewing device monitoring apparatus and method | |
CN117253350B (zh) | 一种基于多传感器的建筑施工场地安全预警系统 | |
CN112027915A (zh) | 自动化天车 | |
CN117291316B (zh) | 基于激光扫描仪的卸船机用船舱定位系统 | |
CN108706460A (zh) | 错层起重机无障碍穿越的控制方法及装置 |
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 |