CN117197150B - 基于人工智能的单轨吊车稳定性控制方法及系统 - Google Patents
基于人工智能的单轨吊车稳定性控制方法及系统 Download PDFInfo
- Publication number
- CN117197150B CN117197150B CN202311480367.3A CN202311480367A CN117197150B CN 117197150 B CN117197150 B CN 117197150B CN 202311480367 A CN202311480367 A CN 202311480367A CN 117197150 B CN117197150 B CN 117197150B
- Authority
- CN
- China
- Prior art keywords
- wire rope
- steel wire
- point
- stability
- monorail
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 64
- 239000010959 steel Substances 0.000 claims abstract description 64
- 238000012937 correction Methods 0.000 claims abstract description 22
- 230000010355 oscillation Effects 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 18
- 238000010586 diagram Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 230000006641 stabilisation Effects 0.000 description 4
- 238000011105 stabilization Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Abstract
本发明涉及单轨吊车稳定性控制领域，尤其涉及基于人工智能的单轨吊车稳定性控制方法及系统，包括：采集单轨吊车作业时的实时图像，利用语义分割网络获得钢丝绳特征图像；依据钢丝绳特征图像确定钢丝绳的震荡点；基于震荡点计算单轨吊车的初步稳定系数；采集单轨吊车的标准图像集；基于实时图像和标准图像集计算修正系数以得到有效稳定系数；对比有效稳定系数和预先设置的阈值调节单轨吊车的收放绳速度。本发明通过钢丝绳的震荡点计算初步稳定系数，然后利用修正系数对初步稳定系数进行修正得到有效稳定系数，根据有效稳定系数调节单轨吊车的收绳速度和放绳速度，从而保证单轨吊车作业的安全性。
Description
技术领域
本发明一般地涉及单轨吊车稳定性控制领域。更具体地，本发明涉及基于人工智能的单轨吊车稳定性控制方法及系统。
背景技术
单轨吊车指在悬吊的单轨上运行，由牵引车（钢丝绳牵引用）、制动车、承载车等组成的运输设备。单轨吊车稳定性对于单轨吊车的安全使用具有重要作用，因此控制单轨吊车的稳定性不可忽视。通过有效的控制措施，可以确保单轨吊车在悬挂和移动重物时保持平衡，防止倾覆和意外发生。稳定性控制不仅保护了操作人员的安全，也保障了设备和周围环境的完整性，提高了作业的效率和质量。
单轨吊车的作业环境为室外作业，以港口、码头和工厂为主，基于单轨吊车的工作环境导致在实际作业过程中，容易受到风力的影响，而风力会导致承载车以及吊装的货物发生偏移，影响单轨吊车的稳定性，在风力较大的情况下需要降低钢丝绳的收绳速度和放绳速度以使单轨吊车能够稳定运行，因此，对单轨吊车的稳定性进行检测并调整钢丝绳的收绳速度和放绳速度对单轨吊车能够进行安全作业具有重要意义。
发明内容
为解决上述一个或多个技术问题，本发明提出通过计算对单轨吊车的初步稳定性，并根据修正系数得到单轨吊车的有效稳定系数，根据有效稳定系数调整单轨吊车收绳速度，为此，本发明在如下的多个方面中提供方案。
基于人工智能的单轨吊车稳定性控制方法，包括以下步骤：
采集单轨吊车作业时的实时图像，利用语义分割网络对实时图像进行处理以获得钢丝绳特征图像；
计算所述钢丝绳特征图像中钢丝绳特征的第一摆动分割点和第二摆动分割点以确定钢丝绳的震荡点；
基于所述震荡点计算所述单轨吊车的初步稳定系数；
采集所述单轨吊车在无负载且无风条件下的标准作业图像以获得标准图像集，并基于所述实时图像和所述标准图像集计算修正系数；
基于所述修正系数对所述初步稳定系数进行修正以得到有效稳定系数；
对比所述有效稳定系数和预先设置的阈值以调节所述单轨吊车的收放绳速度。
在一个实施例中，依据分割函数对钢丝绳特征图像内的钢丝绳特征进行分割以确定所述钢丝绳的第一摆动分割点和第二摆动分割点，所述分割函数的表达式为：
式中，为钢丝绳特征图像中第一摆动点的最大类间方差，/>为钢丝绳特征图像中第二摆动点的最大类间极差，y为钢丝绳特征图像中像素点水平位置坐标的集合，/>为钢丝绳特征图像中钢丝绳水平延伸的第一分类中像素点水平位置坐标的均值，/>为钢丝绳特征图像中水平延伸的第二分类中像素点坐标集合的均值，/>为钢丝绳特征图像中钢丝绳水平延伸的所有点坐标集合的均值，/>为钢丝绳特征图像中钢丝绳水平延伸的第一分类点中横坐标之和与所有点的横坐标之和的比，/>为钢丝绳特征图像中钢丝绳水平延伸的第二分类点中横坐标之和与所有点的横坐标之和的比；
为钢丝绳特征图像中钢丝绳水平延伸的前分类的极差，/>为钢丝绳特征图像中钢丝绳水平延伸的后分类的极差，/>为钢丝绳特征图像中钢丝绳水平延伸的整体极差，/>为钢丝绳水平延伸的前分类中所有点横坐标之和与总体所有点的横坐标之和的比，/>为钢丝绳水平延伸的后分类中所有点横坐标之和与总体所有点的横坐标之和的比。
在一个实施例中，以所有最大类间方差数据中的最大值作为第一标记点；以所有最大类间极差数据中的最大值作为第二标记点；以所述第一标记点和所述第二标记点的中间点作为震荡点。
在一个实施例中，所述初步稳定系数为震荡点到钢丝绳收放绳起始点之间的长度与钢丝绳总伸长的长度之比。
在一个实施例中，所述修正系数的计算方式为：
采集单轨吊车在无负载且无风条件下钢丝绳从伸展最大处到伸展最小处的标准作业图像构建标准图像集；
对标准图像集中的承载车进行目标检测，得到承载车的最小外接矩形框，依据所述最小外接矩形框计算承载车的面积S；
记录钢丝绳实际长度L对应标准图像集中承载车的面积S，并制成钢丝绳长度对应承载车面积的关系图；
计算所述实时图像中承载车的面积S1，记录对应钢丝绳实际长度L1；
查找钢丝绳实际长度L1在关系图中对应的承载车面积S2，以S2与S1的比值作为修正系数。
在一个实施例中，将所述修正系数与所述初步稳定系数的乘积作为有效稳定系数。
基于人工智能的单轨吊车稳定性控制系统，包括：处理器；以及存储器，其中存储有基于人工智能的单轨吊车稳定性控制方法的计算机指令，当所述计算机指令由所述处理器运行时，执行基于人工智能的单轨吊车稳定性控制方法。
本发明的有益效果：通过计算钢丝绳的第一摆动分割点和第二摆动分割点得到钢丝绳的震荡点，并基于震荡点计算初步稳定系数，然后利用修正系数对初步稳定系数进行修正得到有效稳定系数，根据有效稳定系数调节单轨吊车的收绳速度和放绳速度，从而保证单轨吊车作业的安全性。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是示意性示出本发明的实施例的流程示意图。
图2是示意性示出本发明的实施例的单轨吊车示意图。
图3是示意性示出本发明的实施例的钢丝绳示意图。
图4是示意性示出本发明的实施例的钢丝绳长度对应承载车面积的关系图。
图5是示意性示出本发明的实施例的系统架构示意图。
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。
下面结合附图来详细描述本发明的具体实施方式。
结合图1至图4所示，基于人工智能的单轨吊车稳定性控制方法，包括以下步骤：
采集单轨吊车作业时的实时图像，利用语义分割网络对实时图像处理获得钢丝绳特征图像；
具体方式为：
通过在单轨吊车的前后方向上放置相机，拍摄单轨吊车图像，得到多张单轨吊车图像作为训练集；
使用语义分割网络对单轨吊车图像进行语义分割处理，标记钢丝绳10区域；
将带有钢丝绳10区域标签的单轨吊车图像投入语义分割网络进行训练，将钢丝绳10区域的RGB三通道值标记为，其他区域标记为/>，响应于损失函数小于预设值，完成语义分割网络的训练，得到牵引钢丝绳分割网络；
采集单轨吊车在作业时的实时图像，投入钢丝绳分割网络得到钢丝绳特征图像。
计算钢丝绳特征图像中钢丝绳特征的第一摆动分割点和第二摆动分割点以确定钢丝绳的震荡点；
当承载车20受到风力影响时，钢丝绳10整体会发生摆动。在本实施例中，依据分割函数对钢丝绳特征图像内的钢丝绳特征进行分割以确定钢丝绳的第一摆动分割点和第二摆动分割点，分割函数的表达式为：
式中，为钢丝绳特征图像中第一摆动点的最大类间方差，/>为钢丝绳特征图像中第二摆动点的最大类间极差，y为钢丝绳特征图像中像素点水平位置坐标的集合，/>为钢丝绳特征图像中钢丝绳水平延伸的第一分类中像素点水平位置坐标的均值，/>为钢丝绳特征图像中水平延伸的第二分类中像素点坐标集合的均值，/>为钢丝绳特征图像中钢丝绳水平延伸的所有点坐标集合的均值，/>为钢丝绳特征图像中钢丝绳水平延伸的第一分类点中横坐标之和与所有点的横坐标之和的比，/>为钢丝绳特征图像中钢丝绳水平延伸的第二分类点中横坐标之和与所有点的横坐标之和的比，/>为钢丝绳特征图像中钢丝绳水平延伸的前分类的极差，/>为钢丝绳特征图像中钢丝绳水平延伸的后分类的极差，/>为钢丝绳特征图像中钢丝绳水平延伸的整体极差，/>为钢丝绳水平延伸的前分类中所有点横坐标之和与总体所有点的横坐标之和的比，/>为钢丝绳水平延伸的后分类中所有点横坐标之和与总体所有点的横坐标之和的比。
在式（1）中，通过方差对钢丝绳特征图像中钢丝绳像素点在水平方向上的坐标进行分类，其中第一分类为图像中钢丝绳像素点在水平方向上的波动，波动幅度区间为（a1，b1），第二分类为图像中钢丝绳像素点在水平方向上的波动，波动幅度区间为（b1，c1）。
在式（2）中，通过极差对钢丝绳特征图像中钢丝绳像素点在水平方向上的坐标进行分类，前分类为图像中钢丝绳像素点在水平方向上的坐标摆动幅度区间为（a2，b2），后分类为图像中钢丝绳像素点在水平方向上的坐标摆动幅度区间为（b2，c2）。
以所有最大类间方差数据中的最大值作为第一标记点；以所有最大类间极差数据中的最大值作为第二标记点；以第一标记点和第二标记点的中间点作为震荡点。如图3所示，第一标记点位于第二标记点的上方，在图3中，由上到下依次为第一标记点、震荡点、第二标记点，第一标记点依据式（1）将钢丝绳10分割为第一段和第二段，第一段内各点的波动幅度相近，第二段内各点的波动幅度相近，第一段内各点的波动幅度与第二段内各点的波动幅度相差较大。同理，第二标记点依据式（2）将钢丝绳10分割为第一段和第二段，第一段内各点的摆动幅度相近，第二段内各点的摆动幅度相近，第一段内各点的波动幅度与第二段内各点的波动幅度相差较大。
基于震荡点计算单轨吊车的初步稳定系数，在本实施例中，稳定系数为将钢丝绳10的震荡点的位置到钢丝绳10收放绳起始点的位置之间的长度与钢丝绳10总伸长的长度之比。
采集单轨吊车在无负载且无风条件下的标准作业图像以获得标准图像集；承载车20受到风力的作用会发生摆动，钢丝绳10在震荡点处发生了明显的偏折，换言之，在震荡点的上方钢丝绳10呈近似竖直状态，在震荡点的下方，钢丝绳10偏折呈弧形结构状，在水平方向上得到延伸。震荡点距离承载车20越远，表明承载车20的状态越不稳定，单轨吊车的稳定系数越低。
基于实时图像和标准图像集计算修正系数，在本实施例中，修正系数的计算方式为：
采集单轨吊车在无负载且无风条件下钢丝绳10从伸展最大处到伸展最小处的标准作业图像构建标准图像集；
对标准图像集中每张图像中的承载车20进行目标检测，得到承载车20的最小外接矩形框，依据最小外接矩形框计算承载车20的面积S；
记录钢丝绳10实际长度L对应承载车20在标准作业图像中的面积S，并制成真实钢丝绳10长度L与承载车20的面积S对应的关系图，关系图如图4所示。
例如：钢丝绳10实际伸长的长度为5米时，在标准作业图像中，承载车20的面积为s1；钢丝绳10实际伸长的长度为4米时，在标准作业图像中，承载车20的面积为s2；钢丝绳10实际伸长的长度为3米时，在标准作业图像中，承载车20的面积为s3；钢丝绳10实际伸长的长度为2米时，在标准作业图像中，承载车20的面积为s4。
计算实时图像中承载车的面积S1，记录对应钢丝绳实际长度L1；
查找钢丝绳实际长度L1在关系图中对应的承载车面积S2，以S2与S1的比值作为修正系数。
例如，单轨吊车在作业条件下，钢丝绳10实际伸长的长度为5米时，在第一图像集中，承载车20的面积为a1，则修正系数为a1/s1，由于承载车20在垂直拍摄方向上，不偏离时面积最大，因此摆动修正系数k小于1，该系数越小，说明此时的在垂直拍摄面上的摆动分量越大。
在上述实施例中，单轨吊车作业过程中，货物受到风力影响，导致承载车20和货物发生摆动，由于初步稳定系数计算的过程中并未考虑承载车20在垂直拍摄方向上的摆动，无法准确表达承载车20的实际摆动情况，因此引入修正系数对初步稳定系数进行修正。
在一个实施例中，修正系数与初步稳定系数的乘积作为有效稳定系数。
对比有效稳定系数和预先设置的阈值以调节单轨吊车的收放绳速度。设定单轨吊车不稳定系数阈值a，当单轨吊车作业时的图像中的单轨吊车有效稳定系数小于阈值时，此时需要放缓收放绳速度，直至单轨吊车有效稳定系数大于阈值。并以此速度作为单轨吊车的收放绳速度。示例性的，a为0.9。
在上述步骤中，通过计算钢丝绳10的第一摆动分割点和第二摆动分割点得到钢丝绳10的震荡点，并基于震荡点计算初步稳定系数，然后利用修正系数对初步稳定系数进行修正得到有效稳定系数，根据有效稳定系数调节单轨吊车的收绳速度和放绳速度，从而保证单轨吊车作业的安全性。
图5是根据本发明实施例的基于人工智能的单轨吊车稳定性控制系统的示意框架图。装置40包括处理器和存储器，存储器存储有计算机程序指令，当计算机程序指令被处理器执行时实现根据本发明第一方面的基于人工智能的单轨吊车稳定性控制方法。装置还包括通信总线和通信接口等本领域技术人员熟知的其他组件，其设置和功能为本领域中已知，因此在此不再赘述。
在本发明中，前述的存储器可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（Resistive RandomAccess Memory）、动态随机存取存储器DRAM（Dynamic Random Access Memory）、静态随机存取存储器SRAM（Static Random-Access Memory）、增强动态随机存取存储器EDRAM（Enhanced Dynamic Random Access Memory）、高带宽内存HBM（High-Bandwidth Memory）、混合存储立方HMC（Hybrid Memory Cube）等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
在本说明书的描述中，“多个”、“若干个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体的限定。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.基于人工智能的单轨吊车稳定性控制方法，其特征在于，包括以下步骤：
采集单轨吊车作业时的实时图像，利用语义分割网络对实时图像进行处理以获得钢丝绳特征图像；
计算所述钢丝绳特征图像中钢丝绳特征的第一摆动分割点和第二摆动分割点以确定钢丝绳的震荡点；
基于所述震荡点计算所述单轨吊车的初步稳定系数；
采集所述单轨吊车在无负载且无风条件下的标准作业图像以获得标准图像集，并基于所述实时图像和所述标准图像集计算修正系数；
基于所述修正系数对所述初步稳定系数进行修正以得到有效稳定系数；
对比所述有效稳定系数和预先设置的阈值以调节所述单轨吊车的收放绳速度；
依据分割函数对钢丝绳特征图像内的钢丝绳特征进行分割以确定所述钢丝绳的第一摆动分割点和第二摆动分割点，所述分割函数的表达式为：
式中，为钢丝绳特征图像中第一摆动点的最大类间方差，/>为钢丝绳特征图像中第二摆动点的最大类间极差，y为钢丝绳特征图像中像素点水平位置坐标的集合，/>为钢丝绳特征图像中钢丝绳水平延伸的第一分类中像素点水平位置坐标的均值，/>为钢丝绳特征图像中水平延伸的第二分类中像素点坐标集合的均值，/>为钢丝绳特征图像中钢丝绳水平延伸的所有点坐标集合的均值，/>为钢丝绳特征图像中钢丝绳水平延伸的第一分类点中横坐标之和与所有点的横坐标之和的比，/>为钢丝绳特征图像中钢丝绳水平延伸的第二分类点中横坐标之和与所有点的横坐标之和的比；/>为钢丝绳特征图像中钢丝绳水平延伸的前分类的极差，/>为钢丝绳特征图像中钢丝绳水平延伸的后分类的极差，为钢丝绳特征图像中钢丝绳水平延伸的整体极差，/>为钢丝绳水平延伸的前分类中所有点横坐标之和与总体所有点的横坐标之和的比，/>为钢丝绳水平延伸的后分类中所有点横坐标之和与总体所有点的横坐标之和的比；
以所有所述最大类间方差数据中的最大值作为第一摆动分割点；以所有所述最大类间极差数据中的最大值作为第二摆动分割点；以所述第一摆动分割点和所述第二摆动分割点的中间点作为震荡点。
2.根据权利要求1所述的基于人工智能的单轨吊车稳定性控制方法，其特征在于，所述初步稳定系数为震荡点到钢丝绳收放绳起始点之间的长度与钢丝绳总伸长的长度之比。
3.根据权利要求1所述的基于人工智能的单轨吊车稳定性控制方法，其特征在于，所述修正系数的计算方式为：
采集单轨吊车在无负载且无风条件下钢丝绳从伸展最大处到伸展最小处的标准作业图像构建标准图像集；
对标准图像集中的承载车进行目标检测，得到承载车的最小外接矩形框，依据所述最小外接矩形框计算承载车的面积S；
记录钢丝绳实际长度L对应标准图像集中承载车的面积S，并制成钢丝绳长度对应承载车面积的关系图；
计算所述实时图像中承载车的面积S1，记录对应钢丝绳实际长度L1；
查找钢丝绳实际长度L1在关系图中对应的承载车面积S2，以S2与S1的比值作为修正系数。
4.根据权利要求1所述的基于人工智能的单轨吊车稳定性控制方法，其特征在于，将所述修正系数与所述初步稳定系数的乘积作为有效稳定系数。
5. 基于人工智能的单轨吊车稳定性控制系统，其特征在于，包括：
处理器；以及
存储器，其中存储有基于人工智能的单轨吊车稳定性控制方法的计算机指令，当所述计算机指令由所述处理器运行时，执行权利要求1-4任意一项所述的基于人工智能的单轨吊车稳定性控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311480367.3A CN117197150B (zh) | 2023-11-08 | 2023-11-08 | 基于人工智能的单轨吊车稳定性控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311480367.3A CN117197150B (zh) | 2023-11-08 | 2023-11-08 | 基于人工智能的单轨吊车稳定性控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117197150A CN117197150A (zh) | 2023-12-08 |
| CN117197150B true CN117197150B (zh) | 2024-02-02 |
Family
ID=88998376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311480367.3A Active CN117197150B (zh) | 2023-11-08 | 2023-11-08 | 基于人工智能的单轨吊车稳定性控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117197150B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002032800A2 (en) * | 2000-10-18 | 2002-04-25 | Mhe Technologies, Inc. | Host apparatus |
| CN113936060A (zh) * | 2021-09-23 | 2022-01-14 | 南京工业大学 | 一种在复杂背景下的吊车负载摆角测量方法 |
| CN216272733U (zh) * | 2021-11-23 | 2022-04-12 | 安徽理工大学 | 一种矿用单轨吊车用机身稳定装置 |
| CA3193993A1 (en) * | 2021-08-25 | 2023-03-02 | Hao LU | Automatic driving system of monorail hoist driven based on digital twin and method thereof |
| CN116046883A (zh) * | 2023-04-03 | 2023-05-02 | 南京市特种设备安全监督检验研究院 | 起重机钢丝绳漏磁-视觉多模态融合检测装置及方法 |
| WO2023097632A1 (zh) * | 2021-12-03 | 2023-06-08 | 湘潭市恒欣实业有限公司 | 一种矿用单轨吊机车及其控制方法 |
-
2023
- 2023-11-08 CN CN202311480367.3A patent/CN117197150B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002032800A2 (en) * | 2000-10-18 | 2002-04-25 | Mhe Technologies, Inc. | Host apparatus |
| CA3193993A1 (en) * | 2021-08-25 | 2023-03-02 | Hao LU | Automatic driving system of monorail hoist driven based on digital twin and method thereof |
| CN113936060A (zh) * | 2021-09-23 | 2022-01-14 | 南京工业大学 | 一种在复杂背景下的吊车负载摆角测量方法 |
| CN216272733U (zh) * | 2021-11-23 | 2022-04-12 | 安徽理工大学 | 一种矿用单轨吊车用机身稳定装置 |
| WO2023097632A1 (zh) * | 2021-12-03 | 2023-06-08 | 湘潭市恒欣实业有限公司 | 一种矿用单轨吊机车及其控制方法 |
| CN116046883A (zh) * | 2023-04-03 | 2023-05-02 | 南京市特种设备安全监督检验研究院 | 起重机钢丝绳漏磁-视觉多模态融合检测装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 井下单轨吊车实时监控系统设计;刘志成;;煤(第12期);41-42 * |
| 绳牵引单轨吊车变频控制系统的研究与应用;周新磊;;煤炭技术(第12期);253-255 * |
| 钢丝绳牵引单轨吊车的驱动系统设计;田育阳;郝文清;刘同冈;;煤矿机械(第06期);17-19 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117197150A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108675142A (zh) | 基于单目相机的多高度标定测量方法及起重机防斜拉和精确定位方法 | |
| CN110902570A (zh) | 一种用于集装箱装卸作业的动态测量方法及系统 | |
| CN110697573B (zh) | 起重机防摇装置及其控制方法和起重机 | |
| CN112965496B (zh) | 基于人工势场算法的路径规划方法、装置及存储介质 | |
| CN117197150B (zh) | 基于人工智能的单轨吊车稳定性控制方法及系统 | |
| US20110247991A1 (en) | Multi-stage trolley for a crane and a crane therewith | |
| CN210487227U (zh) | 一种全机颤振风洞试验模型牵引装置 | |
| US11335018B1 (en) | Volumetric measuring method and apparatus based on time-of-flight depth camera | |
| CN112102396A (zh) | 桥吊下的车辆定位方法、装置、设备及存储介质 | |
| US11880210B2 (en) | Multi-intelligent-agent cooperated transportation method, system and computer readable storage medium | |
| CN113526350B (zh) | 用于工程机械的控制方法、装置、处理器及工程机械 | |
| CN115909204A (zh) | 一种基于集装箱吊具检测的车辆运动策略确定方法及装置 | |
| CN115448184A (zh) | 一种嵌入式集成的多台塔机碰撞智能监测方法和系统 | |
| CN111738085B (zh) | 实现自动驾驶同时定位与建图的系统构建方法及装置 | |
| CN112053339B (zh) | 一种基于机器视觉的棒材成品库行车安全监测方法、装置及设备 | |
| CN115215221A (zh) | 塔式起重机及其控制方法、控制装置和控制器 | |
| CN115072582A (zh) | 一种船用吊机的吊装控制系统及其控制方法 | |
| Obata et al. | Development of automatic container yard crane. | |
| CN114545774B (zh) | 一种基于固定时间扰动估计的塔吊防摆控制方法 | |
| Wrede et al. | Online optimization of different objectives in robotic sailing: Simulations and experiments | |
| CN117842848A (zh) | 一种面向起重机的防错装检测控制系统及方法 | |
| CN116484954B (zh) | 人工智能海上伏击模型生成方法及存储介质 | |
| JP7420896B1 (ja) | 操縦者技量評価装置及び前記操縦者技量評価装置を有するクレーン | |
| KR102499985B1 (ko) | 카메라를 이용한 크레인 안전관리 시스템 | |
| CN117496414A (zh) | 一种基于深度学习的船舶水尺自动测量方法 |
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 |