CN117217243B - 一种工器具自动借还管理系统 - Google Patents

Abstract

本发明公开了一种工器具自动借还管理系统，涉及工器具智能管理技术领域，本发明通过可调节方向的天线和智能控制，有效降低信号泄露风险，消除识别盲区，根据实际需求调整信号覆盖范围和方向，提高定位准确度，减少工器具的丢失和错误位置，同时采用机器学习技术分析使用模式和位置数据，采用多个近场天线布局实现定向信号覆盖，精准识别和定位每个工器具，消除识别盲区，同时基于时间序列分析模型预测需求，一旦检测到异常，自动发出报警，通过精确的需求预测和异常检测，减少不必要的维护，降低库存不足风险，从而降低停工时间，减少维修成本，此外通过共享生态模块进资源共享，减少不必要的购置和浪费，提高了资源的可持续利用。

Description

一种工器具自动借还管理系统

技术领域

本发明涉及工器具智能管理技术领域，具体为一种工器具自动借还管理系统。

背景技术

对任何行业的操作者来说，工器具是一项重要不可或缺的资产，无论是在生产车间还是在各类运行厂区，无论是监狱劳动场所还是在飞机制造车间，工作人员每天与工器具打交道，如何快捷方便的领用、归还，查找和维护这些工器具，对企业管理来说是非常重要的工作。

RFID工器具管理应用的出现实现了工器具管理的高效和智能，通过加装了RFID读写器的定制工器具工作台和安装超高频无源抗金属标签，可以大幅提高工器具管理的准确性和高效性，并实现跨组织跨部门之间的信息共享。

然而传统的自动借还管理系统包括RFID工器具管理应用通常使用固定范围的信号覆盖，容易出现信号泄露和识别盲区，无法精确定位工器具，工器具的位置容易被误判，导致工器具的丢失或放置在错误的位置，容易引发生产延误和混乱，同时只基于静态规则进行的需求和维护预测，无法适应动态的使用模式和需求变化，在实际并不需要进行维护的情况下，依然进行工器具维护，导致工器具维护频繁，浪费资源，维护成本过高，同时可能造成生产中断，因此亟需一种提供精准信号覆盖的动态监测的自动借还管理系统来解决此类问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种工器具自动借还管理系统，解决现有技术中存在的固定范围的信号覆盖，容易出现信号泄露和识别盲区，基于静态规则导致工器具维护频繁，造成浪费资源和维护成本过高的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现，本发明提供了一种工器具自动借还管理系统，包括：

定向天线网络系统，包括一组可调节方向的天线以及中央控制单元，天线通过智能控制实现信号的定向传播，天线网络由中央控制单元管理，根据实际需求调整信号的覆盖范围和方向，降低信号泄露风险；

基于波束成形技术进行可调节方向的天线网络的定向传播，具体步骤包含：

天线阵列包含多个天线元素，每个元素均独立控制信号的相位，阵列中的天线元素按照线性排列；

采用线性最小方差LMS算法根据预定信号传播方向和幅度，计算出每个天线元素的相位和幅度调整量；

对于第i个天线元素，发射的信号为：

其中，A_i是幅度，ω是角频率，φ_i是相位，通过波束形成算法计算得到的相位和幅度调整量分别为Δφ_i和ΔA_i；

将各个天线元素发射的信号进行合成，即将所有天线元素的信号按照相位和幅度合成为复合信号，复合信号为：

复合信号经过天线阵列发射，根据相位和幅度调整在特定的方向形成主瓣，实现定向传播；

定向天线网络系统中的中央控制单元监测，根据用户输入和环境变化，调整各个天线元素的相位和幅度调整量，调整量采用最优化算法计算得出，实现最佳的信号定向传播；

智能识别与定位系统，基于机器学习技术，分析工器具的使用模式和位置数据，多个近场天线布局在工器具存放区域，定向信号覆盖使得每个工器具都能被精准识别和定位，消除识别盲区；

用户行为分析与报警系统，分析与报警系统采集工器具的使用数据，基于时间序列分析模型采用指数平滑法预测维护和补货需求，一旦系统检测到异常，包括工器具损坏和库存不足，自动发出报警通知，供工作人员提前采取措施；

共享生态模块，共享生态模块建立工器具共享网络，不同企业间使用共享闲置工器具，共享网络中的工器具根据用户需求进行借还。

本发明进一步地设置为：所述智能识别与定位系统包括：

数据采集单元，负责收集工器具的使用数据和位置数据，包括工器具的借还记录、位置坐标；

特征提取与预处理单元，对采集到的数据进行特征提取和预处理，将原始数据转换为适用于机器学习的特征向量；

机器学习模型训练单元，采用卷积神经网络CNN对提取的特征进行训练，建立识别和定位模型；

位置估计与定位单元，基于训练好的模型，对新的数据进行位置估计和定位，根据工器具的特征数据，预测其准确的位置；

本发明进一步地设置为：所述识别与定位步骤包括：

收集工器具的使用数据和位置数据，将数据进行预处理，适应训练格式；

从预处理后的数据中提取特征，包括工器具的尺寸、重量、使用频率，特征向量为：

x＝[x₁,x₂,...x_n]；

基于卷积神经网络CNN，模型的输入是特征向量x，输出是工器具的位置标识、坐标y；

当有新的工器具使用数据时，将数据输入训练好的模型，模型将输出工器具的位置标识，输出过程为：

y_pd＝Model(x)；

本发明进一步地设置为：所述智能识别与定位系统中的模型的训练过程采用交叉熵损失函数，具体为：

其中，y_i为实际的位置标识，y_pd,i是模型预测的位置标识；

本发明进一步地设置为：所述用户行为分析与报警系统中，时间序列分析模型预测下一时刻的需求公式：

其中，y_t为实际的需求数据，是前一时刻的预测值，/>为预测的下一时刻的需求；

本发明进一步地设置为：所述共享生态模块包括：

负责管理工器具的信息，包括工器具的类型、规格、状态、位置；

用户账户管理单元，管理用户的账户信息，包括注册、登录、权限控制；

工器具共享平台单元，提供工器具共享平台；

工器具借还与预订单元，提供借还和预订功能，用户按需借用、预订共享工器具；

本发明进一步地设置为：所述共享生态模块中：

企业将自己的工器具信息录入系统，用户按需选择要借用的工器具，并提交借用、预订请求，系统检查工器具的可用性和状态；

共享生态模块根据用户的权限和企业政策，进行工器具借用、预订的授权；

用户在借用期满后归还工器具，系统更新工器具状态并通知其他用户工器具已可用。

(三)有益效果

本发明提供了一种工器具自动借还管理系统。具备以下有益效果：

通过可调节方向的天线和智能控制，有效降低信号泄露风险，消除识别盲区，根据实际需求调整信号覆盖范围和方向，提高定位准确度，减少工器具的丢失和错误位置，同时采用机器学习技术分析使用模式和位置数据，采用多个近场天线布局实现定向信号覆盖，精准识别和定位每个工器具，消除识别盲区，同时基于时间序列分析模型预测需求，一旦检测到异常，自动发出报警，通过精确的需求预测和异常检测，减少不必要的维护，降低库存不足风险，从而降低停工时间，减少维修成本，此外通过共享生态模块促进资源共享，减少不必要的购置和浪费，提高了资源的可持续利用；

解决了现有技术中存在的固定范围的信号覆盖，容易出现信号泄露和识别盲区，基于静态规则导致工器具被频繁维护，浪费资源和维护成本的问题。

附图说明

图1为本发明的工器具自动借还管理系统框架图。

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、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

请参阅图1，本发明提供一种工器具自动借还管理系统，包括：

定向天线网络系统，包括一组可调节方向的天线以及中央控制单元，天线通过智能控制实现信号的定向传播，天线网络由中央控制单元管理，根据实际需求调整信号的覆盖范围和方向，降低信号泄露风险；

基于波束成形技术进行可调节方向的天线网络的定向传播，具体步骤包含：

天线阵列包含多个天线元素，每个元素均独立控制信号的相位，阵列中的天线元素按照线性排列；

采用线性最小方差LMS算法根据预定信号传播方向和幅度，计算出每个天线元素的相位和幅度调整量；

对于第i个天线元素，发射的信号为：

其中，A_i是幅度，ω是角频率，φ_i是相位，通过波束形成算法计算得到的相位和幅度调整量分别为Δφ_i和ΔA_i；

将各个天线元素发射的信号进行合成，即将所有天线元素的信号按照相位和幅度合成为复合信号，复合信号为：

复合信号经过天线阵列发射，根据相位和幅度调整在特定的方向形成主瓣，实现定向传播；

定向天线网络系统中的中央控制单元监测，根据用户输入和环境变化，调整各个天线元素的相位和幅度调整量，调整量采用最优化算法计算得出，实现最佳的信号定向传播；

实现定向传播步骤：

步骤1.天线阵列设计：多个天线元素按线性排列构成天线阵列。

步骤2.线性最小方差(LMS)算法：使用LMS算法，根据预定信号传播方向和幅度，计算每个天线元素的相位和幅度调整量。

步骤3.信号合成：将各个天线元素发射的信号按照相位和幅度合成为复合信号。

步骤4.定向传播：复合信号经过天线阵列发射，根据相位和幅度调整在特定方向形成主瓣，实现定向传播；

定向天线网络系统实现一个可调节方向的天线网络，通过智能控制实现信号的定向传播，中央控制单元根据实际需求调整天线元素的相位和幅度，降低信号泄露风险，确保信号能够准确地传播到目标区域。

智能识别与定位系统，基于机器学习技术，分析工器具的使用模式和位置数据，多个近场天线布局在工器具存放区域，定向信号覆盖使得每个工器具都能被精准识别和定位，消除识别盲区；

智能识别与定位系统包括：

数据采集单元，负责收集工器具的使用数据和位置数据，包括工器具的借还记录、位置坐标；

特征提取与预处理单元，对采集到的数据进行特征提取和预处理，将原始数据转换为适用于机器学习的特征向量；

机器学习模型训练单元，采用卷积神经网络CNN对提取的特征进行训练，建立识别和定位模型；

位置估计与定位单元，基于训练好的模型，对新的数据进行位置估计和定位，根据工器具的特征数据，预测其准确的位置；

识别与定位步骤包括：

收集工器具的使用数据和位置数据，将数据进行预处理，适应训练格式；

从预处理后的数据中提取特征，包括工器具的尺寸、重量、使用频率，特征向量为：

x＝[x₁,x₂,...x_n]，

基于卷积神经网络CNN，模型的输入是特征向量x，输出是工器具的位置标识、坐标y；

当有新的工器具使用数据时，将数据输入训练好的模型，模型将输出工器具的位置标识，输出过程为：

y_pd＝Model(x)，多个近场天线被布局在工器具存放区域，定向信号覆盖保证了每个工器具都能被精准识别和定位，通过调整天线的方向和相位，使得信号能够覆盖整个区域，消除识别盲区；

智能识别与定位系统中的模型的训练过程采用交叉熵损失函数，具体为：

其中，y_i为实际的位置标识，y_pd,i是模型预测的位置标识；

用户行为分析与报警系统，分析与报警系统采集工器具的使用数据，基于时间序列分析模型采用指数平滑法预测维护和补货需求，一旦系统检测到异常，包括工器具损坏和库存不足，自动发出报警通知，供工作人员提前采取措施，减少停工时间和维修成本；

用户行为分析与报警系统中，时间序列分析模型预测下一时刻的需求公式：

其中，y_t为实际的需求数据，是前一时刻的预测值，/>为预测的下一时刻的需求；

共享生态模块，共享生态模块建立工器具共享网络，不同企业间使用共享闲置工器具，共享网络中的工器具根据用户需求进行借还，减少资源浪费，促进资源共享和合作；

共享生态模块包括：

负责管理工器具的信息，包括工器具的类型、规格、状态、位置；

用户账户管理单元，管理用户的账户信息，包括注册、登录、权限控制；

工器具共享平台单元，提供工器具共享平台，不同企业可以在平台上共享闲置工器具；

工器具借还与预订单元，提供借还和预订功能，用户按需借用、预订共享工器具；

共享生态模块中：

企业将自己的工器具信息录入系统，用户按需选择要借用的工器具，并提交借用、预订请求，系统检查工器具的可用性和状态；

共享生态模块根据用户的权限和企业政策，进行工器具借用、预订的授权；

用户在借用期满后归还工器具，系统更新工器具状态并通知其他用户该工器具已可用。

综合以上内容，在本申请中：

本申请所提供的工器具自动借还管理系统内置定向天线网络系统，包括可调节方向天线和中央控制单元的系统，通过智能控制实现信号的定向传播，系统中的天线网络由中央控制单元管理，根据需求调整信号的覆盖范围和方向，降低信号泄露风险，中央控制单元监测用户输入和环境变化，调整各天线元素的相位和幅度，采用最优化算法计算调整量，实现最佳信号定向传播。

其中智能识别与定位系统基于机器学习，分析工器具使用模式和位置数据，多个近场天线布局在存放区域，通过定向信号覆盖精准识别和定位工器具，消除识别盲区，系统包括数据采集、特征提取、机器学习模型训练、位置估计单元，模型的训练采用卷积神经网络CNN，基于特征预测工器具位置，近场天线的定向信号覆盖保证工器具精准识别和定位。

用户行为分析与报警系统采集使用数据，基于时间序列分析模型采用指数平滑法预测维护和补货需求，一旦系统检测到异常，自动发出报警通知，系统单元包括数据采集、特征提取、模型训练，时间序列分析模型通过预测需求量，辅助减少停工时间和维修成本。

共享生态模块建立工器具共享网络，不同企业间共享工器具，系统包括工器具信息管理、用户账户管理、共享平台、借还预订单元，用户选择借用或预订工器具，系统管理授权与可用性。

综上所述，通过可调节方向的天线和智能控制，实现精准的信号定向传播，有效降低信号泄露风险，消除识别盲区，根据实际需求调整信号覆盖范围和方向，提高定位准确度，减少工器具的丢失和错误位置，同时采用机器学习技术分析使用模式和位置数据，采用多个近场天线布局实现定向信号覆盖，精准识别和定位每个工器具，有效消除识别盲区，提高工器具定位的准确性，有助于精确地统计库存、减少盘点错误，提升工作效率，同时基于时间序列分析模型预测需求，一旦检测到异常，自动发出报警通知适应动态的使用模式和需求变化，通过精确的需求预测和异常检测，减少不必要的维护，降低库存不足风险，从而降低停工时间，减少维修成本，此外通过共享生态模块促进资源共享，减少不必要的购置和浪费，提高了资源的可持续利用。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (7)

1.一种工器具自动借还管理系统，其特征在于，包括：

定向天线网络系统，包括一组可调节方向的天线以及中央控制单元，天线通过智能控制实现信号的定向传播，天线网络由中央控制单元管理，根据实际需求调整信号的覆盖范围和方向，降低信号泄露风险；

基于波束成形技术进行可调节方向的天线网络的定向传播，具体步骤包含：

天线阵列包含多个天线元素，每个元素均独立控制信号的相位，阵列中的天线元素按照线性排列；

采用线性最小方差LMS算法根据预定信号传播方向和幅度，计算出每个天线元素的相位和幅度调整量；

对于第i个天线元素，发射的信号为：

s_i(t)＝A_i·e^j(ωt+φi)，

其中，A_i是幅度，ω是角频率，φ_i是相位，通过波束形成算法计算得到的相位和幅度调整量分别为Δφ_i和ΔA_i；

将各个天线元素发射的信号进行合成，即将所有天线元素的信号按照相位和幅度合成为复合信号，复合信号为：

复合信号经过天线阵列发射，根据相位和幅度调整在特定的方向形成主瓣，实现定向传播；

定向天线网络系统中的中央控制单元监测，根据用户输入和环境变化，调整各个天线元素的相位和幅度调整量，调整量采用最优化算法计算得出，实现最佳的信号定向传播；

智能识别与定位系统，基于机器学习技术，分析工器具的使用模式和位置数据，多个近场天线布局在工器具存放区域，定向信号覆盖使得每个工器具都能被精准识别和定位，消除识别盲区；

用户行为分析与报警系统，分析与报警系统采集工器具的使用数据，基于时间序列分析模型采用指数平滑法预测维护和补货需求，一旦系统检测到异常，包括工器具损坏和库存不足，自动发出报警通知，供工作人员提前采取措施；

共享生态模块，共享生态模块建立工器具共享网络，不同企业间使用共享闲置工器具，共享网络中的工器具根据用户需求进行借还。

2.根据权利要求1所述的一种工器具自动借还管理系统，其特征在于，所述智能识别与定位系统包括：

数据采集单元，负责收集工器具的使用数据和位置数据，包括工器具的借还记录、位置坐标；

特征提取与预处理单元，对采集到的数据进行特征提取和预处理，将原始数据转换为适用于机器学习的特征向量；

机器学习模型训练单元，采用卷积神经网络CNN对提取的特征进行训练，建立识别和定位模型；

位置估计与定位单元，基于训练好的模型，对新的数据进行位置估计和定位，根据工器具的特征数据，预测其准确的位置。

3.根据权利要求1所述的一种工器具自动借还管理系统，其特征在于，所述识别与定位步骤包括：

收集工器具的使用数据和位置数据，将数据进行预处理，适应训练格式；

从预处理后的数据中提取特征，包括工器具的尺寸、重量、使用频率，特征向量为：

x＝[x₁,x₂,...x_n]；

基于卷积神经网络CNN，模型的输入是特征向量x，输出是工器具的位置标识、坐标y；

当有新的工器具使用数据时，将数据输入训练好的模型，模型将输出工器具的位置标识，输出过程为：

y_pd＝Model(x)。

4.根据权利要求1所述的一种工器具自动借还管理系统，其特征在于，所述智能识别与定位系统中的模型的训练过程采用交叉熵损失函数，具体为：

其中，y_i为实际的位置标识，y_pd,i是模型预测的位置标识。

5.根据权利要求1所述的一种工器具自动借还管理系统，其特征在于，所述用户行为分析与报警系统中，时间序列分析模型预测下一时刻的需求公式：

其中，y_t为实际的需求数据，是前一时刻的预测值，/>为预测的下一时刻的需求。

6.根据权利要求1所述的一种工器具自动借还管理系统，其特征在于，所述共享生态模块包括：

负责管理工器具的信息，包括工器具的类型、规格、状态、位置；

用户账户管理单元，管理用户的账户信息，包括注册、登录、权限控制；

工器具共享平台单元，提供工器具共享平台；

工器具借还与预订单元，提供借还和预订功能，用户按需借用、预订共享工器具。

7.根据权利要求1所述的一种工器具自动借还管理系统，其特征在于，所述共享生态模块中：

企业将自己的工器具信息录入系统，用户按需选择要借用的工器具，并提交借用、预订请求，系统检查工器具的可用性和状态；

共享生态模块根据用户的权限和企业政策，进行工器具借用、预订的授权；

用户在借用期满后归还工器具，系统更新工器具状态并通知其他用户工器具已可用。