CN117496445B - 一种建筑施工设备故障预测方法、设备及介质 - Google Patents

一种建筑施工设备故障预测方法、设备及介质 Download PDF

Info

Publication number
CN117496445B
CN117496445B CN202311708293.4A CN202311708293A CN117496445B CN 117496445 B CN117496445 B CN 117496445B CN 202311708293 A CN202311708293 A CN 202311708293A CN 117496445 B CN117496445 B CN 117496445B
Authority
CN
China
Prior art keywords
construction equipment
building construction
historical
time
operation 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.)
Active
Application number
CN202311708293.4A
Other languages
English (en)
Other versions
CN117496445A (zh
Inventor
张宽东
徐长会
李明
赵永强
李煜蒙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Decai Construction Co ltd
Original Assignee
Shandong Decai Construction Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Decai Construction Co ltd filed Critical Shandong Decai Construction Co ltd
Priority to CN202311708293.4A priority Critical patent/CN117496445B/zh
Publication of CN117496445A publication Critical patent/CN117496445A/zh
Application granted granted Critical
Publication of CN117496445B publication Critical patent/CN117496445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种建筑施工设备故障预测方法、设备及介质。属于数据处理技术领域。解决现有技术中难以及时对建筑施工设备进行故障告警的问题。包括,获取对建筑施工设备发送的动作指令;通过监拍装置对运行位置进行图像监拍;在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,以对建筑施工设备对应的指令接收故障进行确定;获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据;获取建筑施工设备在第三预设时间段内的实际动作数据,以对建筑施工设备进行运行故障预测。

Description

一种建筑施工设备故障预测方法、设备及介质
技术领域
本申请涉及数据处理技术领域,尤其涉及一种建筑施工设备故障预测方法、设备及介质。
背景技术
随着我国城镇化进程加速,建筑工程规模不断增长,塔吊、施工升降机、挖掘机以及推土机等作为建筑施工重要设备,应用愈加的广泛。
随着建筑的工程量越来越大,各种建筑施工设备的工作时间逐渐延长,一些建筑施工的安全隐患如果无法被及时发现,会给施工现场带来极大的安全隐患。
现有建筑施工现场的建筑施工设备一般均为分散式管理,其主要是工地内部的监控,其监控也仅限于摄像头的视频拍摄。通过人工对视频进行分析以确定出建筑施工设备是否出现故障,但此种方式通常只有在故障发生后才能对故障进行分析告警。因此,在进行紧急建筑任务的情况下,若建筑施工设备出现故障通常需要暂停建筑任务,从而对建筑任务精度产生影响。
发明内容
本申请实施例提供了一种建筑施工设备故障预测方法、设备及介质,用于解决如下技术问题:在进行紧急建筑任务的情况下,若建筑施工设备出现故障通常需要暂停建筑任务,从而对建筑任务精度产生影响。
本申请实施例采用下述技术方案:
本申请实施例提供一种建筑施工设备故障预测方法。包括,获取对建筑施工设备发送的动作指令;其中,动作指令至少包括运行时间、运行方式以及运行位置中的一项;基于动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过监拍装置对运行位置进行图像监拍;在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,以基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定;其中,第一预设时间段与接收启动指令相关,第二预设时间段与接收停止指令相关;获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据;在预测的运行数据符合预设运行条件的情况下,允许建筑施工设备在第三预设时间段内进行动作;获取建筑施工设备在第三预设时间段内的实际动作数据,以基于实际动作数据对建筑施工设备进行运行故障预测。
本申请实施例通过在第一预设时间段与第二预设时间段内对建筑施工设备进行数据采集,能够确定出建筑施工设备对指令接收是否存在延时等故障,以确保设备信号接收功能无误。其次,本申请实施例通过建筑施工设备对应的历史运行数据,能够对当前第三预设时间段内的运行数据进行预测,从而在设备运行前对当前任务的稳定运行进行预测。此外,本申请实施例通过对第三时间段内建筑施工设备的实际动作数据进行分析,从而对该设备未来发生故障的几率进行预测,从而及时对建筑施工设备进行故障发现与故障修复,确保设备稳定运行。
在本申请的一种实现方式中,在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,具体包括:在第一预设时间段内,在获取运行位置的图像后,采用背景差分法获取建筑施工设备区域;确定出建筑施工设备区域所对应的像素点数量,以确定出建筑施工设备区域的像素点在运行位置的图像中所占比例;在比例大于预设比例阈值的情况下,基于建筑施工设备区域的像素点构建参考点集合;在参考点集合中的点符合预设坐标范围的情况下,确定建筑施工设备已到达运行位置,并获取建筑施工设备到达运行位置的时间与建筑施工设备的工作运行启动时间;在第二预设时间段内,获取建筑施工设备的工作运行停止时间。
在本申请的一种实现方式中,基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定,具体包括:在运行数据中确定出启动指令接收时间、到达运行位置的时间以及工作运行启动时间;将启动指令接收时间、到达运行位置的时间以及工作运行启动时间同时输入第一故障监测模型,以通过第一故障监测模型确定出第一执行准时率,并基于第一执行准时率确定出建筑施工设备对应的启动指令接收故障率;在采集的数据中确定出停止指令接收时间以及工作运行停止时间;将停止指令接收时间以及工作运行停止时间同时输入第二故障监测模型,以通过第二故障监测模型确定出第二执行准时率,并基于第二执行准时率确定出建筑施工设备对应的停止指令接收故障率。
在本申请的一种实现方式中,在参考点集合中的点符合预设坐标范围的情况下,确定建筑施工设备已到达运行位置之前,方法还包括:在建筑施工设备运动前往运行位置的过程中,基于建筑施工设备识别网络模型,识别出建筑施工设备在不同时刻对应的第一坐标点集合;统计每一个第一坐标点集合,分别与第二坐标点集合重合的坐标点的数量;确定出重合坐标点的数量最多的第一坐标点集合,以作为参考坐标点集合;确定出建筑施工设备在静止时,所对应的第一坐标点集合与第二坐标点集合重合的实际坐标点的数量;在实际坐标点的数量小于重合最多坐标点的数量时,基于参考坐标点集合的位置与实际坐标点集合的位置,重新对建筑施工设备进行位置调节。
在本申请的一种实现方式中,基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定之前,方法还包括:获取建筑施工设备对应的历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间、历史停止指令接收时间、历史工作运行停止时间以及故障发生时间;基于历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间,确定建筑施工设备对应的第一历史执行准时率;根据与故障发生时间的时间间隔,对第一历史执行准时率进行赋值,以得到第一历史执行准时率对应的第一故障发生率;基于历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间以及第一故障发生率生成第一机器学习样本;基于历史停止指令接收时间、历史工作运行停止时间以及故障发生时间,确定建筑施工设备对应的第二历史执行准时率;根据故障发生时间,对第二历史执行准时率进行赋值,以得到第二历史执行准时率对应的第二故障发生率;基于历史停止指令接收时间、历史工作停止时间以及第二故障发生率生成第二机器学习样本;基于第一机器学习样本与第二机器学习样本,分别进行故障模型训练,以得到第一故障监测模型与第二故障监测模型。
在本申请的一种实现方式中,获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据,具体包括:基于动作指令与建筑施工设备的当前位置,在建筑施工设备对应的历史数据库中,筛选出历史运行数据,并将历史运行数据按照时间先后顺序进行显示;其中,历史运行数据至少包括建筑施工设备对应的历史动作图像、历史运行位置;确定出接收动作指令的时间与历史运行数据对应的运行时间之间的时间差值,以及获取当前天气状况与施工材料类别,并确定出相应的误差权重系数;对时间差值、当前天气状况与施工材料类别进行误差权重赋值,以基于误差权重系数与赋值后的误差权重,确定出误差运行数据;基于误差运行数据对历史运行数据进行调整,以将调整后的运行数据作为建筑施工设备在第三预设时间段内预测的运行数据。
在本申请的一种实现方式中,将调整后的运行数据作为建筑施工设备在第三预设时间段内预测的运行数据之后,方法还包括:将第三预设时间段内不同时刻的预测的运行数据,基于时间先后顺序进行排列;将当前动作指令对应的预测的运行数据,分别与相应时刻的参考运行数据进行比对,并确定出不符合参考运行数据的预测的运行数据;在不符合参考运行数据的预测的运行数据的数量为零的情况下,允许建筑施工设备在第三预设时间段内进行动作,否则进行禁止动作告警。
在本申请的一种实现方式中,获取建筑施工设备在第三预设时间段内的实际动作数据,以基于实际动作数据对建筑施工设备进行运行故障预测,具体包括:获取建筑施工设备在第三预设时间段内的实际动作数据,并基于时间先后顺序进行排列;其中,实际动作数据包括动作图像与运行位置;获取第三预设时间段内不同时刻的动作图像,将动作图像与相应时刻的参考动作图像进行比对,以确定出动作图像相似值;获取第三预设时间段内不同时刻的运行位置,将运行位置与相应时刻的参考运行位置进行比对,以确定出运行位置相似值;基于符合预设图像相似值的动作图像的数量,与符合预设运行位置相似值的运行位置的数量,确定出建筑施工设备对应的运行故障几率。
本申请实施例提供一种建筑施工设备故障预测设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:获取对建筑施工设备发送的动作指令;其中,动作指令至少包括运行时间、运行方式以及运行位置中的一项;基于动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过监拍装置对运行位置进行图像监拍;在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,以基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定;其中,第一预设时间段与接收启动指令相关,第二预设时间段与接收停止指令相关;获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据;在预测的运行数据符合预设运行条件的情况下,允许建筑施工设备在第三预设时间段内进行动作;获取建筑施工设备在第三预设时间段内的实际动作数据,以基于实际动作数据对建筑施工设备进行运行故障预测。
本申请实施例提供的一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:获取对建筑施工设备发送的动作指令;其中,动作指令至少包括运行时间、运行方式以及运行位置中的一项;基于动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过监拍装置对运行位置进行图像监拍;在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,以基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定;其中,第一预设时间段与接收启动指令相关,第二预设时间段与接收停止指令相关;获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据;在预测的运行数据符合预设运行条件的情况下,允许建筑施工设备在第三预设时间段内进行动作;获取建筑施工设备在第三预设时间段内的实际动作数据,以基于实际动作数据对建筑施工设备进行运行故障预测。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例通过在第一预设时间段与第二预设时间段内对建筑施工设备进行数据采集,能够确定出建筑施工设备对指令接收是否存在延时等故障,以确保设备信号接收功能无误。其次,本申请实施例通过建筑施工设备对应的历史运行数据,能够对当前第三预设时间段内的运行数据进行预测,从而在设备运行前对当前任务的稳定运行进行预测。此外,本申请实施例通过对第三时间段内建筑施工设备的实际动作数据进行分析,从而对该设备未来发生故障的几率进行预测,从而及时对建筑施工设备及时进行故障发现与故障修复,确保设备稳定运行。
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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本申请实施例提供的一种建筑施工设备故障预测方法流程图;
图2为本申请实施例提供的一种建筑施工设备故障预测设备的结构示意图。
具体实施方式
本申请实施例提供一种建筑施工设备故障预测方法、设备及介质。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本申请保护的范围。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种建筑施工设备故障预测方法流程图。如图1所示,建筑施工设备故障预测方法包括如下步骤:
步骤101、获取对建筑施工设备发送的动作指令;其中,动作指令至少包括运行时间、运行方式以及运行位置中的一项。
在本申请的一个实施例中,基于当前建筑任务,施工人员确定出所需的建筑施工设备后,向相应的建筑施工设备发送动作指令。例如,向施工升降机发送指令,需要执行上升指令或下降指令,并发送相应的上升高度或下降高度。再如,向塔吊发送指令,指令中包括需要将哪些材料吊起,吊起高度以及当前指令下发时间等内容。
步骤102、基于动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过监拍装置对运行位置进行图像监拍。
在本申请的一个实施例中,基于动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过监拍装置对该运行位置进行图像监拍。
具体地,在获取到对建筑施工设备发送的动作指令后,确定出该指令中的设备运行位置,即,当前建筑施工设备需要前往执行建筑任务的位置。调动当前建筑现场的监拍装置,对该运行位置进行实时图像采集。
步骤103、在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,以基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定;其中,第一预设时间段与接收启动指令相关,第二预设时间段与接收停止指令相关。
在本申请的一个实施例中,在第一预设时间段内,在获取运行位置的图像后,采用背景差分法获取建筑施工设备区域。确定出建筑施工设备区域所对应的像素点数量,以确定出建筑施工设备区域的像素点在运行位置的图像中所占比例。在比例大于预设比例阈值的情况下,基于建筑施工设备区域的像素点构建参考点集合。在参考点集合中的点符合预设坐标范围的情况下,确定建筑施工设备已到达运行位置,并获取建筑施工设备到达运行位置的时间与建筑施工设备的工作运行启动时间。在第二预设时间段内,获取建筑施工设备的工作运行停止时间。
具体地,在接收到建筑施工设备对应的启动指令后,开始对运行位置进行实时拍摄,并获取运行位置的图像信息。本申请实施例中的第一预设时间段为接收到建筑施工设备对应的启动指令后的一段时间,在第一预设时间段内,建筑施工设备需要到达运行位置,若第一时间段内建筑施工设备没有到达运行位置,或者超出第一预设时间段后才到达该运行位置,则说明当前建筑施工设备的启动指令接收功能出现故障,出现延时接收到指令的故障,需要及时对其进行检修。
进一步地,判定建筑施工设备在第一预设时间段内到达该运行位置的方法为:在第一预设时间段内实时获取运行位置的图像,若图像中未出现建筑施工设备,则不做处理,若出现建筑施工设备,则采用背景差分法获取建筑施工设备区域,即将建筑施工设备区域标注出来。其次,将标注出的建筑施工设备区域对应的像素点的数量进行统计,并确定出建筑施工设备对应的像素点的数量在当前图像对应的所有像素点中所对应的比例。其中,拍摄当前运行位置的监拍装置的拍摄角度已经固定,因此第一预设时间段内拍摄的不同图像的尺寸相同,不同的建筑施工设备在当前拍摄角度下所对应的像素点的数量也为固定数量。
进一步地,若统计到当前图像中建筑施工设备对应的像素点的比例大于预设比例阈值,则说明当前建筑施工设备已经进入运行位置附近,此时,需要对该设备是否到达运行位置的准确位置进行判定。
在本申请的一个实施例中,在建筑施工设备运动前往运行位置的过程中,基于建筑施工设备识别网络模型,识别出建筑施工设备在不同时刻对应的第一坐标点集合。统计每一个第一坐标点集合,分别与第二坐标点集合重合的坐标点的数量。确定出重合坐标点的数量最多的第一坐标点集合,以作为参考坐标点集合。确定出建筑施工设备在静止时,所对应的第一坐标点集合与第二坐标点集合重合的实际坐标点的数量。在实际坐标点的数量小于重合最多坐标点的数量时,基于参考坐标点集合的位置与实际坐标点集合的位置,重新对建筑施工设备进行位置调节。
具体地,在建筑施工设备前往运行位置的过程中,基于预置建筑施工设备识别网络模型,对图像中的建筑施工设备进行识别标注,通过标注出的建筑施工设备确定出其对应的第一坐标集合。在建筑施工设备逐渐靠近该运行位置的过程中,会拍摄不同时刻的图像,从而对每一张图像中的建筑施工设备的坐标进行确定,因此可以得到建筑施工设备在不同时刻分别对应的第一坐标点集合。
进一步地,将每一个第一坐标点集合分别与第二坐标点集合进行匹配,其中,该第二坐标点集合为运行位置对应的标准的坐标点集合,并将重合数量最多的坐标点集合作为参考坐标点集合。在建筑施工设备停止运动后,说明已到达指令中的运行位置,此时将当前位置对应的坐标点集合与第二坐标点集合记进行比对,若当前位置对应的坐标点集合与第二坐标点集合重合的坐标点数量,与该参考坐标点集合一致,则确定当前建筑施工设备所处的位置为该运行位置,若若当前位置对应的坐标点集合与第二坐标点集合重合的坐标点数量,小于该参考坐标点集合的位置,则说明当前建筑施工设备所处的位置误差较大,则根据该参考坐标点集合的位置,重新对该建筑施工设备进行位置调节,直到该建筑施工设备到达准确的运行位置。
进一步地,在建筑施工设备到达该运行位置后,获取运行位置到达时间,此时建筑施工设备开始进行建筑任务,并记录开始工作的工作运行启动时间。
进一步地,在建筑任务结束后,会向该建筑施工设备发送停止指令。在获取到该停止指令后,建筑施工设备会停止当前建筑任务,此时,将接收到该停止指令的时间,以及建筑施工设备停止当前任务的时间进行记录。若接收到该停止指令的时间与停止当前建筑任务的时间差距较大,则说明当前施工建筑设备的作业停止功能不灵敏,存在延缓问题,需要对其进行检修。
在本申请的一个实施例中,在运行数据中确定出启动指令接收时间、到达运行位置的时间以及工作运行启动时间。将启动指令接收时间、到达运行位置的时间以及工作运行启动时间同时输入第一故障监测模型,以通过第一故障监测模型确定出第一执行准时率,并基于第一执行准时率确定出建筑施工设备对应的启动指令接收故障率。在采集的数据中确定出停止指令接收时间以及工作运行停止时间。将停止指令接收时间以及工作运行停止时间同时输入第二故障监测模型,以通过第二故障监测模型确定出第二执行准时率,并基于第二执行准时率确定出建筑施工设备对应的停止指令接收故障率。
具体地,在建筑施工设备到达运行位置后,确定出该建筑施工设备启动指令接收时间、到达运行位置的时间以及工作运行启动时间。将该启动指令接收时间、到达运行位置的时间以及工作运行启动时间,输入第一故障监测模型,通过该第一故障监测模型可以确定出该建筑设备的第一执行准时率,即,当前建筑施工设备在接收到启动指令后,是否在规定时间内到达运行位置,以及到达运行位置后,是否在规定时间内进行工作运行启动。若超出规定的时间,则确定出超出的时间,并确定当前建筑施工设备为未准时执行状态。通过该第一故障监测模型,可以得到当前建筑施工设备对应的第一执行准时率,并基于该第一执行准时率确定出建筑施工设备对应的启动指令接收故障率。
进一步地,在建筑任务完成后,确定出建筑施工设备对应的停止指令接收时间以及工作运行停止时间。将该停止指令接收时间以及工作运行停止时间输入第二故障监测模型,以通过该第二故障监测模型确定出建筑施工设备是否在规定时间内停止建筑作业,若未在规定时间内停止该建筑作业,则确定超出的时间,并确定当前建筑施工设备为未准时执行状态。通过该第二故障监测模型,可以得到当前建筑施工设备对应的第二执行准时率,并基于该第二执行准时率确定出建筑施工设备对应的停止指令接收故障率。
在本申请的一个实施例中,基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定之前,还需要对第一监测模型与第二监测模型进行训练。其训练过程为:获取建筑施工设备对应的历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间、历史停止指令接收时间、历史工作运行停止时间以及故障发生时间。基于历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间,确定建筑施工设备对应的第一历史执行准时率。根据与故障发生时间的时间间隔,对第一历史执行准时率进行赋值,以得到第一历史执行准时率对应的第一故障发生率。基于历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间以及第一故障发生率生成第一机器学习样本。基于历史停止指令接收时间、历史工作运行停止时间以及故障发生时间,确定建筑施工设备对应的第二历史执行准时率。根据故障发生时间,对第二历史执行准时率进行赋值,以得到第二历史执行准时率对应的第二故障发生率。基于历史停止指令接收时间、历史工作停止时间以及第二故障发生率生成第二机器学习样本。基于第一机器学习样本与第二机器学习样本,分别进行故障模型训练,以得到第一故障监测模型与第二故障监测模型。
具体地,在预置数据库中确定出当前建筑施工设备对应的历史数据,该历史数据可以包括该建筑施工设备对应的历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间、历史停止指令接收时间、历史工作运行停止时间以及故障发生时间。将该历史到达运行位置时间与该历史启动指令接收时间进行差值计算,确定出从接收到指令后到达该运行位置的实际时长是否在规定时间内,以及将该历史工作运行启动时间与该历史到达运行位置时间进行差值计算,以确定出到达运行位置后,是否在规定时长内启动建筑任务。
进一步地,基于获取的该建筑施工设备对应的多个历史建筑任务的历史数据,基于每个历史建筑任务分别对应的动作时长,确定出该建筑施工设备对应的第一历史执行准时率。即,若在规定时长内完成相应动作,则第一历史执行准时率为100%,若超出规定时长,则基于超出的时长确定其第一历史执行准时率,其中,超出的时长越多对应的第一历史执行准时率越低。
进一步地,确定出该建筑施工设备对应的历史故障时间,将从第一历史执行准时率低于100%开始至发生故障的期间记为故障隐患期,时长为A,某一指令对应的第一历史执行准时率到发生故障的时间间隔为a,那么,该第一历史执行准时率对应的第一故障发生率为:
n=1-a/A;
其中,n表示第一故障发生率,a表示某一指令对应的第一历史执行准时率到发生故障的时间间隔,A表示从第一历史执行准时率低于100%开始至发生故障的时间间隔。
基于该历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间以及第一故障发生率生成第一机器学习样本,例如,将该历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间作为预置故障模型的输入,第一故障发生率作为输出对该预置故障模型进行训练,从而得到该第一故障监测模型。
同理,基于历史停止指令接收时间、历史工作运行停止时间以及故障发生时间,可以确定出建筑施工设备对应的第二历史执行准时率。在基于故障发生时间与故障发生率公式,可以得到第二历史执行准时率对应的第二故障发生率。将该历史停止指令接收时间、历史工作运行停止时间作为输入,将该第二故障发生率作为输出,对预置故障模型进行训练,可以得到该第二故障监测模型。
步骤104、获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据。
在本申请的一个实施例中,基于动作指令与建筑施工设备的当前位置,在建筑施工设备对应的历史数据库中,筛选出历史运行数据,并将历史运行数据按照时间先后顺序进行显示;其中,历史运行数据至少包括建筑施工设备对应的历史动作图像、历史运行位置。确定出接收动作指令的时间与历史运行数据对应的运行时间之间的时间差值,以及获取当前天气状况与施工材料类别,并确定出相应的误差权重系数。对时间差值、当前天气状况与施工材料类别进行误差权重赋值,以基于误差权重系数与赋值后的误差权重,确定出误差运行数据。基于误差运行数据对历史运行数据进行调整,以将调整后的运行数据作为建筑施工设备在第三预设时间段内预测的运行数据。
具体地,本申请实施例中的预设第三时间段,为建筑施工设备到达运行位置后,开始进行建筑任务动作的时间段。本申请实施例预设有历史数据库,该历史数据库中包含有不同建筑施工设备分别对应的历史运行数据,即,不同的建筑施工设备在不同的任务指令、不同的运行位置以及不同时刻分别对应的任务执行图像。基于当前任务指令对应的建筑施工设备与运行位置,在该历史数据库中确定出相应的历史运行数据,并按照时间先后顺序,将该设备对应的历史任务执行图像进行排序。
进一步地,确定出历史数据库中的任务执行图像所对应的任务执行时间,与当前任务执行时间之间的差值,以及确定出当前天气状态、历史天气状况、当前建筑任务所需施工材料与历史建筑任务所需施工材料。确定出不同的影响因素分别对应的误差权重系数,同时,基于时间差值大小、天气状况差值以及施工材料的区别,对各不同影响因素进行权重赋值。基于该误差权重系数与该赋值后的误差权重,确定出误差运行数据,基于该误差运行数据,确定出当前建筑任务对应的施工速度是比历史施工速度快或慢,并基于该误差运行数据与预置施工速度表进行比对,以确定出当前运行数据对应的速度提升或下降比例,并基于该比例与历史施工速度之间的乘积,确定出当前施工速度。其中,该预置施工速度表中包括有多种误差运行数据,以及还包括不同的误差运行数据分别对应的速度提升比例或速度降低比例。
基于当前施工速度对排列后的历史任务执行图像进行调整,例如进行加速或减速处理,从而得到当前施工任务对应的建筑施工设备在第三预设时间段内预测的运行数据。
步骤105、在预测的运行数据符合预设运行条件的情况下,允许建筑施工设备在第三预设时间段内进行动作。
在本申请的一个实施例中,将第三预设时间段内不同时刻的预测的运行数据,基于时间先后顺序进行排列。将当前动作指令对应的预测的运行数据,分别与相应时刻的参考运行数据进行比对,并确定出不符合参考运行数据的预测的运行数据。在不符合参考运行数据的预测的运行数据的数量为零的情况下,允许建筑施工设备在第三预设时间段内进行动作,否则进行禁止动作告警。
具体地,按照时间先后顺序,将第三预设时间段内预测的运行数据进行排序,并将各个时刻的运行数据分别与该时刻对应的参考运行数据进行比对,其中,该运行数据包括不同时刻分别对应的运行图像与运行位置,参考运行数据为基于当前指令,该建筑施工设备在正常状态下在不同时刻分别对应的参考运行图像与参考运行位置。将不同时刻分别对应的预测的运行数据,分别与不同时刻下的参考运行数据进行比对,并确定出比对的相似度是否符合预设误差范围。若全部时刻的数据均符合该预设误差范围,则允许该建筑施工设备在第三预设时间段内进行动作。若存在一个或多个时刻的运行数据的相似度不符合该预设误差范围,则进行禁止动作告警。
步骤106、获取建筑施工设备在第三预设时间段内的实际动作数据,以基于实际动作数据对建筑施工设备进行运行故障预测。
在本申请的一个实施例中,获取建筑施工设备在第三预设时间段内的实际动作数据,并基于时间先后顺序进行排列。其中,实际动作数据包括动作图像与运行位置。获取第三预设时间段内不同时刻的动作图像,将动作图像与相应时刻的参考动作图像进行比对,以确定出动作图像相似值。获取第三预设时间段内不同时刻的运行位置,将运行位置与相应时刻的参考运行位置进行比对,以确定出运行位置相似值。基于符合预设图像相似值的动作图像的数量,与符合预设运行位置相似值的运行位置的数量,确定出建筑施工设备对应的运行故障几率。
具体地,在允许建筑施工设备在第三预设时间段内进行动作的情况下,按照时间先后顺序将不同时刻的实际动作数据进行排序。获取不同时刻的实际动作图像,并将该实际动作图像与该时刻下对应的参考动作图像进行比对,以确定出相似值。以及,获取不同时刻的实际运行位置,并将不同时刻的实际运行位置与相应时刻下的参考运行位置进行比对,并确定出二者之间的相似值。
进一步地,根据符合误差要求的相似值的数量,确定出当前建筑施工设备对应的运行故障几率,其符合误差要求的相似值的数量越多,该建筑施工设备对应的运行故障几率越低。若该建筑施工设备的运行故障几率较高,则停止该建筑施工设备进行下次任务,并对该建筑施工设备进行检修。
图2为本申请实施例提供的一种建筑施工设备故障预测设备的结构示意图,如图2所示,建筑施工设备故障预测设备200,包括:至少一个处理器201;以及,与至少一个处理器201通信连接的存储器202;其中,存储器202存储有可被至少一个处理器201执行的指令,指令被至少一个处理器201执行,以使至少一个处理器201能够:获取对建筑施工设备发送的动作指令;其中,动作指令至少包括运行时间、运行方式以及运行位置中的一项;基于动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过监拍装置对运行位置进行图像监拍;在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,以基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定;其中,第一预设时间段与接收启动指令相关,第二预设时间段与接收停止指令相关;获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据;在预测的运行数据符合预设运行条件的情况下,允许建筑施工设备在第三预设时间段内进行动作;获取建筑施工设备在第三预设时间段内的实际动作数据,以基于实际动作数据对建筑施工设备进行运行故障预测。
本申请实施例还提供一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:获取对建筑施工设备发送的动作指令;其中,动作指令至少包括运行时间、运行方式以及运行位置中的一项;基于动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过监拍装置对运行位置进行图像监拍;在第一预设时间段与第二预设时间段内,对建筑施工设备的运行数据与运行位置的图像进行采集,以基于运行数据与运行位置的图像对建筑施工设备对应的指令接收故障进行确定;其中,第一预设时间段与接收启动指令相关,第二预设时间段与接收停止指令相关;获取建筑施工设备对应的历史运行数据,基于动作指令与历史运行数据之间的差异,对历史运行数据进行调整,以得到建筑施工设备在第三预设时间段内预测的运行数据;在预测的运行数据符合预设运行条件的情况下,允许建筑施工设备在第三预设时间段内进行动作;获取建筑施工设备在第三预设时间段内的实际动作数据,以基于实际动作数据对建筑施工设备进行运行故障预测。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请的实施例可以有各种更改和变化。而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种建筑施工设备故障预测方法,其特征在于,所述方法包括:
获取对建筑施工设备发送的动作指令;其中,所述动作指令至少包括运行时间、运行方式以及运行位置中的一项;
基于所述动作指令中的运行位置,对预置监拍装置进行拍摄角度调整,以通过所述监拍装置对所述运行位置进行图像监拍;
在第一预设时间段与第二预设时间段内,对所述建筑施工设备的运行数据与运行位置的图像进行采集,以基于所述运行数据与运行位置的图像对所述建筑施工设备对应的指令接收故障进行确定;其中,所述第一预设时间段与接收启动指令相关,所述第二预设时间段与接收停止指令相关;
获取所述建筑施工设备对应的历史运行数据,基于所述动作指令与所述历史运行数据之间的差异,对所述历史运行数据进行调整,以得到所述建筑施工设备在第三预设时间段内预测的运行数据;
在所述预测的运行数据符合预设运行条件的情况下,允许所述建筑施工设备在所述第三预设时间段内进行动作;
获取所述建筑施工设备在所述第三预设时间段内的实际动作数据,以基于所述实际动作数据对所述建筑施工设备进行运行故障预测;
所述在第一预设时间段与第二预设时间段内,对所述建筑施工设备的运行数据与运行位置的图像进行采集,具体包括:
在所述第一预设时间段内,在获取运行位置的图像后,采用背景差分法获取建筑施工设备区域;
确定出所述建筑施工设备区域所对应的像素点数量,以确定出所述建筑施工设备区域的像素点在所述运行位置的图像中所占比例;
在所述比例大于预设比例阈值的情况下,基于所述建筑施工设备区域的像素点构建参考点集合;
在所述参考点集合中的点符合预设坐标范围的情况下,确定所述建筑施工设备已到达所述运行位置,并获取所述建筑施工设备到达所述运行位置的时间与所述建筑施工设备的工作运行启动时间;
在所述第二预设时间段内,获取所述建筑施工设备的工作运行停止时间。
2.根据权利要求1所述的一种建筑施工设备故障预测方法,其特征在于,所述基于所述运行数据与运行位置的图像对所述建筑施工设备对应的指令接收故障进行确定,具体包括:
在所述运行数据中确定出启动指令接收时间、到达运行位置的时间以及工作运行启动时间;
将所述启动指令接收时间、到达运行位置的时间以及工作运行启动时间同时输入第一故障监测模型,以通过所述第一故障监测模型确定出第一执行准时率,并基于所述第一执行准时率确定出所述建筑施工设备对应的启动指令接收故障率;
在采集的数据中确定出停止指令接收时间以及工作运行停止时间;
将所述停止指令接收时间以及工作运行停止时间同时输入第二故障监测模型,以通过所述第二故障监测模型确定出第二执行准时率,并基于所述第二执行准时率确定出所述建筑施工设备对应的停止指令接收故障率。
3.根据权利要求1所述的一种建筑施工设备故障预测方法,其特征在于,所述在所述参考点集合中的点符合预设坐标范围的情况下,确定所述建筑施工设备已到达所述运行位置之前,所述方法还包括:
在所述建筑施工设备运动前往所述运行位置的过程中,基于建筑施工设备识别网络模型,识别出所述建筑施工设备在不同时刻对应的第一坐标点集合;
统计每一个所述第一坐标点集合,分别与第二坐标点集合重合的坐标点的数量;
确定出重合坐标点的数量最多的第一坐标点集合,以作为参考坐标点集合;
确定出所述建筑施工设备在静止时,所对应的第一坐标点集合与所述第二坐标点集合重合的实际坐标点的数量;
在所述实际坐标点的数量小于重合最多坐标点的数量时,基于所述参考坐标点集合的位置与实际坐标点集合的位置,重新对所述建筑施工设备进行位置调节。
4.根据权利要求1所述的一种建筑施工设备故障预测方法,其特征在于,所述基于所述运行数据与运行位置的图像对所述建筑施工设备对应的指令接收故障进行确定之前,所述方法还包括:
获取所述建筑施工设备对应的历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间、历史停止指令接收时间、历史工作运行停止时间以及故障发生时间;
基于所述历史启动指令接收时间、历史到达运行位置时间、历史工作运行启动时间,确定所述建筑施工设备对应的第一历史执行准时率;
根据与所述故障发生时间的时间间隔,对所述第一历史执行准时率进行赋值,以得到所述第一历史执行准时率对应的第一故障发生率;
基于所述历史启动指令接收时间、所述历史到达运行位置时间、所述历史工作运行启动时间以及所述第一故障发生率生成第一机器学习样本;
基于所述历史停止指令接收时间、所述历史工作运行停止时间以及所述故障发生时间,确定所述建筑施工设备对应的第二历史执行准时率;
根据所述故障发生时间,对所述第二历史执行准时率进行赋值,以得到所述第二历史执行准时率对应的第二故障发生率;
基于所述历史停止指令接收时间、所述历史工作运行停止时间以及所述第二故障发生率生成第二机器学习样本;
基于所述第一机器学习样本与所述第二机器学习样本,分别进行故障模型训练,以得到第一故障监测模型与第二故障监测模型。
5.根据权利要求1所述的一种建筑施工设备故障预测方法,其特征在于,所述获取所述建筑施工设备对应的历史运行数据,基于所述动作指令与所述历史运行数据之间的差异,对所述历史运行数据进行调整,以得到所述建筑施工设备在第三预设时间段内预测的运行数据,具体包括:
基于所述动作指令与所述建筑施工设备的当前位置,在所述建筑施工设备对应的历史数据库中,筛选出历史运行数据,并将所述历史运行数据按照时间先后顺序进行显示;其中,所述历史运行数据至少包括所述建筑施工设备对应的历史动作图像、历史运行位置;
确定出接收所述动作指令的时间与所述历史运行数据对应的运行时间之间的时间差值,以及获取当前天气状况与施工材料类别,并确定出相应的误差权重系数;
对所述时间差值、所述当前天气状况与所述施工材料类别进行误差权重赋值,以基于所述误差权重系数与赋值后的误差权重,确定出误差运行数据;
基于所述误差运行数据对所述历史运行数据进行调整,以将调整后的运行数据作为所述建筑施工设备在所述第三预设时间段内预测的运行数据。
6.根据权利要求5所述的一种建筑施工设备故障预测方法,其特征在于,所述将调整后的运行数据作为所述建筑施工设备在所述第三预设时间段内预测的运行数据之后,所述方法还包括:
将所述第三预设时间段内不同时刻的所述预测的运行数据,基于时间先后顺序进行排列;
将当前动作指令对应的预测的运行数据,分别与相应时刻的参考运行数据进行比对,并确定出不符合所述参考运行数据的预测的运行数据;
在所述不符合所述参考运行数据的预测的运行数据的数量为零的情况下,允许所述建筑施工设备在所述第三预设时间段内进行动作,否则进行禁止动作告警。
7.根据权利要求1所述的一种建筑施工设备故障预测方法,其特征在于,所述获取所述建筑施工设备在所述第三预设时间段内的实际动作数据,以基于所述实际动作数据对所述建筑施工设备进行运行故障预测,具体包括:
获取所述建筑施工设备在所述第三预设时间段内的实际动作数据,并基于时间先后顺序进行排列;其中,所述实际动作数据包括动作图像与运行位置;
获取所述第三预设时间段内不同时刻的动作图像,将所述动作图像与相应时刻的参考动作图像进行比对,以确定出动作图像相似值;
获取所述第三预设时间段内不同时刻的运行位置,将所述运行位置与相应时刻的参考运行位置进行比对,以确定出运行位置相似值;
基于符合预设图像相似值的动作图像的数量,与符合预设运行位置相似值的运行位置的数量,确定出所述建筑施工设备对应的运行故障几率。
8.一种建筑施工设备故障预测设备,其特征在于,该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该设备执行权利要求1-7中的任一项所述的方法。
9.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令能够执行权利要求1-7任一项所述的方法。
CN202311708293.4A 2023-12-12 2023-12-12 一种建筑施工设备故障预测方法、设备及介质 Active CN117496445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311708293.4A CN117496445B (zh) 2023-12-12 2023-12-12 一种建筑施工设备故障预测方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311708293.4A CN117496445B (zh) 2023-12-12 2023-12-12 一种建筑施工设备故障预测方法、设备及介质

Publications (2)

Publication Number Publication Date
CN117496445A CN117496445A (zh) 2024-02-02
CN117496445B true CN117496445B (zh) 2024-04-09

Family

ID=89671073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311708293.4A Active CN117496445B (zh) 2023-12-12 2023-12-12 一种建筑施工设备故障预测方法、设备及介质

Country Status (1)

Country Link
CN (1) CN117496445B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723157A (zh) * 2022-04-22 2022-07-08 武汉铁路职业技术学院 一种实时的地铁道岔超负荷动作故障精确预警方法
CN115169505A (zh) * 2022-09-06 2022-10-11 杭州浅水数字技术有限公司 特种设备运动部件机械故障预警方法及其预警系统
CN115311589A (zh) * 2022-10-12 2022-11-08 山东乾元泽孚科技股份有限公司 一种用于采光建筑的隐患处理方法及设备
WO2022267879A1 (zh) * 2021-06-25 2022-12-29 上海三一重机股份有限公司 一种工程机械故障预警方法、装置及工程机械

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022267879A1 (zh) * 2021-06-25 2022-12-29 上海三一重机股份有限公司 一种工程机械故障预警方法、装置及工程机械
CN114723157A (zh) * 2022-04-22 2022-07-08 武汉铁路职业技术学院 一种实时的地铁道岔超负荷动作故障精确预警方法
CN115169505A (zh) * 2022-09-06 2022-10-11 杭州浅水数字技术有限公司 特种设备运动部件机械故障预警方法及其预警系统
CN115311589A (zh) * 2022-10-12 2022-11-08 山东乾元泽孚科技股份有限公司 一种用于采光建筑的隐患处理方法及设备

Also Published As

Publication number Publication date
CN117496445A (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN110092255B (zh) 一种基于物联网云平台的电梯监控、维保方法及系统
EP3508445B1 (en) Elevator auto-positioning for validating maintenance
EP3587326A1 (en) Maintenance scheduling based on remote monitoring data and service data analytics
JP6795562B2 (ja) 検査装置及び機械学習方法
CN116563969B (zh) 一种设备巡检方法、装置、设备和存储介质
CN113767407A (zh) 信息处理装置、信息处理方法、信息处理程序以及记录介质
CN113408361A (zh) 一种基于深度学习的矿用输送带大块物料检测方法及系统
CN112390105B (zh) 电梯运行检测方法、装置、计算机设备和存储介质
CN117496445B (zh) 一种建筑施工设备故障预测方法、设备及介质
CN110895717A (zh) 检查装置以及机器学习方法
JP2021032042A (ja) 構造物の劣化状態診断方法
CN112151195B (zh) 一种配电设备的安全隐患的排查方法及装置
CN116362548B (zh) 一种标准节可用性管理方法、系统、装置和存储介质
CN115951704B (zh) 一种基于bim模型的无人机地铁巡检方法及设备
CN117372424A (zh) 一种缺陷检测方法、装置、设备及存储介质
CN115171236B (zh) 巡检管理方法、巡检管理平台、巡检管理客户端
CN116692705A (zh) 一种群塔吊防碰撞监控方法、装置、电子设备及存储介质
CN116051522A (zh) 一种工作面转载处拥堵处理方法、装置及电子设备
CN113264426B (zh) 固定式升降设备的数据标识方法、设备及可读存储介质
CN112955832A (zh) 用于自动化系统的模拟过程中计算机实现的确定传感器位置的方法
CN114397875B (zh) 基于随机控制的自动化生产线欺骗攻击检测方法及系统
CN117911415B (zh) 一种基于机器视觉的设备自动化监管系统及方法
WO2024070189A1 (ja) 要因分析装置及び要因分析方法
JP6944902B2 (ja) 桟橋の残存耐力算出方法
Kim et al. Integration of imaging and simulation for earthmoving productivity analysis

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