CN117622809B - 一种斗轮机运行ai监护方法和服务器 - Google Patents
一种斗轮机运行ai监护方法和服务器 Download PDFInfo
- Publication number
- CN117622809B CN117622809B CN202410102780.4A CN202410102780A CN117622809B CN 117622809 B CN117622809 B CN 117622809B CN 202410102780 A CN202410102780 A CN 202410102780A CN 117622809 B CN117622809 B CN 117622809B
- Authority
- CN
- China
- Prior art keywords
- track
- energy consumption
- wheel machine
- bucket wheel
- frequency
- 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 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 56
- 230000007246 mechanism Effects 0.000 claims abstract description 49
- 238000012360 testing method Methods 0.000 claims abstract description 41
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000005265 energy consumption Methods 0.000 claims description 149
- 230000008859 change Effects 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 11
- 239000003638 chemical reducing agent Substances 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001050 lubricating effect Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
一种斗轮机运行AI监护方法和服务器,应用于自动化监护领域,该方法包括获取由摄像机拍摄的轨道图像;对轨道图像进行图像识别,确定轨道是否处于异常状态;通过测距仪监测斗轮机前方预设范围内是否存在障碍物;获取斗轮机的行走驱动机构的声音数据;对声音数据的频率、音量和声音密度进行分析,得到测试曲线;将测试曲线与预设的基准曲线进行对比,确定行走驱动机构是否运行异常;在轨道处于异常状态、在斗轮机前方预设范围内存在障碍物或行走驱动机构运行异常的情况下,控制斗轮机停止工作。本申请具有使斗轮机运行的监护操作自动化,提高斗轮机运行的可靠性的效果。
Description
技术领域
本申请涉及自动化监护,尤其涉及一种斗轮机运行AI监护方法和服务器。
背景技术
斗轮机,即斗轮堆取料机,是一种用于大型干散货堆场的既能堆料又能取料的连续输送的高效装卸机械。斗轮机主要由可俯仰和水平摆动的交代输送臂及前端的斗轮、机架和运输机构组成。
随着远程控制技术的日趋成熟,许多的港口码头、矿场等地方的斗轮机都已经实现远程控制,无需司机在现场对机械进行操作,但是斗轮机在行走过程中存在因矿堆塌矿或机上落料埋住轨道、行走轨道断裂导致脱轨等安全风险,因此依旧需要监察和巡护人员在现场进行设备的监察。
发明内容
本申请提供了一种斗轮机运行AI监护方法和服务器,用于自动化监护斗轮机的运行,提高斗轮机运行的可靠性。
第一方面,本申请提供了一种斗轮机运行AI监护方法,应用于监护系统的服务器,监护系统还包括设置在斗轮机上的摄像机、测距仪及听筒,方法包括:获取由摄像机拍摄的轨道图像;对轨道图像进行图像识别,确定轨道是否处于异常状态,异常状态包括轨道被覆盖、轨道裂开以及轨道断裂;通过测距仪监测斗轮机前方预设范围内是否存在障碍物;获取斗轮机的行走驱动机构的声音数据,声音数据由听筒采集得到;对声音数据的频率、音量和声音密度进行分析,得到测试曲线,测试曲线用于表征频率和音量以及频率和声音密度的变化关系;将测试曲线与预设的基准曲线进行对比,确定行走驱动机构是否运行异常,基准曲线为在行走驱动机构运行良好时的声音数据所建立的用于表征频率和音量以及频率和声音密度的变化关系的曲线;在轨道处于异常状态、在斗轮机前方预设范围内存在障碍物或行走驱动机构运行异常的情况下,控制斗轮机停止工作。
在上述实施例中,通过摄像机获取轨道图像,并经过图像识别判断轨道是否异常,如被覆盖、裂开或断裂。同时,测距仪监测斗轮机前方是否存在障碍物,确保安全行驶。通过听筒采集斗轮机行走驱动机构的声音数据,并对频率、音量和声音密度进行分析,得到测试曲线,判断行走驱动机构是否异常运行。若轨道异常、存在障碍物或行走驱动机构异常时,控制斗轮机停止工作,确保操作安全。该方法结合多种监测手段,通过人工智能技术和监护系统相结合,全面监测斗轮机的运行状态,提前发现异常情况,并采取相应措施,保障斗轮机的安全运行,相比于巡护人员在现场进行设备的监察有助于提高工作效率,降低事故风险。
结合第一方面的一些实施例,在一些实施例中,对轨道图像进行图像识别,确定轨道是否处于异常状态,异常状态包括轨道被覆盖、轨道裂开以及轨道断裂,具体包括:对轨道图像进行预处理,得到预处理图像,预处理包括图像去噪和图像增强操作;在预处理图像中提取轨道特征,轨道特征包括轨道形状、轨道颜色以及轨道纹理;将轨道特征与预设正常轨道特征进行比较,确定轨道是否处于异常状态。
在上述实施例中,通过对轨道图像进行预处理,增强轨道的可视化效果,以提高后续特征提取的准确性。轨道形状反映其几何结构,轨道颜色表示轨道材质或覆盖物的变化,轨道纹理反映轨道表面的细节特征。通过提取轨道特征,与预设正常轨道特征进行比较,从而判断轨道是否与正常情况相符,从而确定轨道是否处于异常状态。有助于及早发现轨道问题,采取相应维修措施,确保斗轮机的正常运行和安全性。
结合第一方面的一些实施例,在一些实施例中,对声音数据的频率、音量和声音密度进行分析,得到测试曲线,具体包括:通过频谱分析将声音数据分解为不同的频率;计算各频率的幅度的平均值,得到音量;根据频率和音量进行绘图,得到频率和音量的变化关系;将音量除以频率的宽度得到声音密度;根据频率和声音密度进行绘图,得到频率和声音密度的变化关系;将频率和音量的变化关系和频率和声音密度的变化关系作为测试曲线。
在上述实施例中,通过频率、音量和声音密度的分析,并绘制测试曲线,能够评估行走驱动机构的运行状态。通过与基准曲线的比较,从而判断行走驱动机构是否存在异常,从而及时采取相应的措施,确保斗轮机的安全运行。
结合第一方面的一些实施例,在一些实施例中,在将测试曲线与预设的基准曲线进行对比,确定行走驱动机构是否运行异常,基准曲线为在行走驱动机构运行良好时的声音数据所建立的用于表征频率和音量以及频率和声音密度的变化关系的曲线的步骤之后,方法还包括:在确定行走驱动运行异常的情况下,根据测试曲线确定行走驱动的故障组件,故障组件包括电机、减速器、联轴器和车轮;根据故障组件确定行走驱动的维修方案。
在上述实施例中,该方法能够在确定行走驱动机构运行异常后,进一步确定可能存在故障的组件,并制定相应的维修方案。有助于及时采取维修措施,修复故障组件,保障斗轮机的正常运行。通过准确诊断故障组件和提供相应的维修方案,可以最大程度地减少停机时间,提高设备可用性和工作效率。
结合第一方面的一些实施例,在一些实施例中,方法还包括:获取斗轮机的能耗数据和工作负载;根据能耗数据确定能耗高峰时段和能耗低谷时段,能耗高峰时段为总能耗超过预设第一阈值的预设时段,能耗高峰时段为总能耗低于预设第二阈值的预设时段,预设第一阈值大于预设第二阈值;根据能耗高峰时段和能耗低谷时段,调整斗轮机的工作负载。
在上述实施例中,通过根据能耗数据确定能耗高峰时段和能耗低谷时段,并相应调整斗轮机的工作负载,实现能源的有效利用和能耗的优化。有助于降低斗轮机的总能耗,提高能源利用效率,并有效管理能耗波动,进一步降低运行成本和环境影响。
结合第一方面的一些实施例,在一些实施例中,根据能耗高峰时段和能耗低谷时段,调整斗轮机的工作负载,具体包括:确定处于能耗高峰时段时的能耗作业;将能耗作业按照高峰时段作业预设必要等级划分为高峰必要作业和高峰非必要作业;将高峰非必要作业调整至能耗高峰时段以外的时段进行。
在上述实施例中,通过将高峰非必要作业调整至能耗高峰时段以外的时段,实现能耗的平滑分布和负荷均衡。有助于降低能耗高峰时段的总能耗,减轻斗轮机在高峰时段的工作负荷,提高能源利用效率。此外,还可以优化作业计划,提高作业效率和灵活性。
结合第一方面的一些实施例,在一些实施例中,在根据能耗高峰时段和能耗低谷时段,调整斗轮机的工作负载的步骤之后,方法还包括:获取能耗数据和工作负载的分析结果;根据分析结果对斗轮机的节能参数进行调整;在实施节能参数调整后,监测斗轮机的能耗数据和工作负载;根据能耗数据和工作负载评估节能效果。
在上述实施例中,获取能耗数据和工作负载的分析结果,并基于这些结果对斗轮机的节能参数进行调整,通过实施节能参数调整和监测能耗数据和工作负载,评估节能效果的有效性和实际效果,从而不断优化斗轮机的能源利用和工作效率,降低能耗成本,提高斗轮机的可持续性和环境效益。
第二方面,本申请实施例提供了一种服务器,该服务器包括:第一获取模块,用于获取由摄像机拍摄的轨道图像;
识别模块,用于对轨道图像进行图像识别,确定轨道是否处于异常状态,异常状态包括轨道被覆盖、轨道裂开以及轨道断裂;
监测模块,用于通过测距仪监测斗轮机前方预设范围内是否存在障碍物;
第二获取模块,用于获取斗轮机的行走驱动机构的声音数据,声音数据由听筒采集得到;
分析模块,用于对声音数据的频率、音量和声音密度进行分析,得到测试曲线,测试曲线用于表征频率和音量以及频率和声音密度的变化关系;
对比模块,用于将测试曲线与预设的基准曲线进行对比,确定行走驱动机构是否运行异常,基准曲线为在行走驱动机构运行良好时的声音数据所建立的用于表征频率和音量以及频率和声音密度的变化关系的曲线;
控制模块,用于在轨道处于异常状态、在斗轮机前方预设范围内存在障碍物或行走驱动机构运行异常的情况下,控制斗轮机停止工作。
第三方面,本申请实施例提供了一种服务器,该服务器包括:一个或多个处理器和存储器;该存储器与该一个或多个处理器耦合,该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令,该一个或多个处理器调用该计算机指令以使得该服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第四方面,本申请实施例提供一种包含指令的计算机程序产品,当上述计算机程序产品在服务器上运行时,使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第五方面,本申请实施例提供一种计算机可读存储介质,包括指令,当上述指令在服务器上运行时,使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
可以理解地,上述第二方面、第三方面提供的服务器,第四方面提供的计算机程序产品和第五方面提供的计算机存储介质均用于执行本申请实施例所提供的方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、由于采用了摄像机和图像识别技术,能够获取斗轮机轨道的图像并进行准确的图像识别。通过分析轨道图像,从而确定轨道是否处于异常状态,如轨道被覆盖、轨道裂开或轨道断裂,使得对轨道状态的监测更加直观和准确,大大提高了斗轮机运行的安全性和稳定性。
2、由于采用了测距仪监测斗轮机前方是否存在障碍物。通过实时监测斗轮机前方预设范围内的障碍物,可以及时采取措施避免碰撞事故的发生,保护斗轮机和周围设备的安全,使得斗轮机的自动化操作更加可靠和安全。
3、由于采用了对声音数据进行分析,通过对行走驱动机构声音数据的频率、音量和声音密度进行分析,得到测试曲线,进一步判断行走驱动机构是否运行异常。不仅能够实时监测行走驱动机构的状态,还可以帮助确定故障组件,并提供相应的维修方案,提高了斗轮机的故障诊断和维修效率,节约了维修成本和时间。
附图说明
图1是本申请实施例中斗轮机的结构图;
图2是本申请实施例中基准曲线的示例图;
图3是本申请实施例中斗轮机运行AI监护方法的一个流程示意图;
图4是本申请实施例中斗轮机运行AI监护方法的另一个流程示意图;
图5是本申请实施例中服务器的一种功能模块结构示意图;
图6是本申请实施例中服务器的一种实体装置结构示意图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式 ,除非其上下文中明确地有相反指示。还应当理解,本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
为便于理解,下面介绍本申请实施例的应用场景。在自动化监护中,斗轮机是一种常见的设备,用于装载和搬运物料,例如在港口装卸货物或在矿山中进行矿石运输。然而,由于斗轮机复杂性的特点,其运行过程中存在一些潜在的安全隐患和故障风险。因此,确保斗轮机的安全运行和减少故障对于提高工作效率和保障人员安全至关重要。
在相关技术中,一些斗轮机运行监控系统使用传感器和监测设备来监测斗轮机的运行状态,例如使用摄像头监控轨道状况或使用声音传感器监测机械部件的声音。然而,这些方法存在一些缺陷。例如,单纯依靠摄像头对轨道进行图像识别可能受到光线、遮挡或图像质量等因素的影响,导致准确性下降。而且,传统的声音传感器可能无法准确分析声音数据,难以判断行走驱动机构是否运行异常。
而采用本申请实施例中的斗轮机运行AI监护方法和服务器,通过使用摄像机拍摄轨道图像,并进行图像识别,以判断轨道是否处于异常状态,如轨道被覆盖、轨道裂开或轨道断裂。同时,通过测距仪监测斗轮机前方是否存在障碍物,进一步提高斗轮机的安全性。此外,通过对行走驱动机构的声音数据进行分析,并与预设的基准曲线进行对比,以判断行走驱动机构是否运行异常。在异常情况下,服务器及时控制斗轮机停止工作,从而避免潜在的危险和故障。
如图1所示,斗轮机上安装了摄像机、测距仪和听筒,监控系统中的服务器与摄像机、测距仪和听筒建立通信连接。
为便于理解,下面结合上述场景,对本实施提供的方法进行流程叙述。请参阅图3,为本申请实施例中斗轮机运行AI监护方法的一个流程示意图。
S301、获取由摄像机拍摄的轨道图像;
斗轮机上装有摄像机,在斗轮机行走过程中,摄像机对斗轮机行走的轨道进行拍摄,服务器与摄像机建立通信连接,服务器获取摄像机拍摄的轨道图像。
S302、对轨道图像进行图像识别,确定轨道是否处于异常状态;
异常状态包括轨道被覆盖、轨道裂开以及轨道断裂;
服务器对轨道图像进行预处理,预处理操作包括轨道图像去噪、轨道图像增强和轨道图像平滑等步骤,然后通过深度学习算法分析轨道图像,从而识别出轨道是否处于异常状态。
可选的,一般情况下,对轨道图像进行图像识别,确定轨道是否处于异常状态可以通过如下方式来实现:
对轨道图像进行预处理,得到预处理图像,预处理包括图像去噪和图像增强操作;在预处理图像中提取轨道特征,轨道特征包括轨道形状、轨道颜色以及轨道纹理;将轨道特征与预设正常轨道特征进行比较,确定轨道是否处于异常状态。
首先对轨道图像进行预处理,可以应用适当的去噪算法,例如中值滤波、高斯滤波或小波去噪,以减少图像中的噪声。并且采用合适的图像增强技术,例如直方图均衡化、对比度增强或自适应增强,以提高图像的清晰度和对比度;
然后在预处理图像中对轨道特征提取,应用形状分析技术,例如边缘检测算法、霍夫变换或形态学操作,来检测和提取轨道的形状信息;通过颜色分析方法,例如色彩空间转换、阈值分割或颜色统计等,提取轨道的颜色信息;使用纹理分析技术,如灰度共生矩阵、局部二值模式或小波纹理分析等,来捕捉轨道的纹理特征。
获取轨道未被覆盖、轨道未裂开以及轨道未断裂的轨道图像作为正常轨道图像,从这些正常轨道图像中提取正常轨道特征,将轨道特征与预设正常轨道特征进行比较,通过相似度度量评估待检测轨道与正常轨道的相似程度。如果待检测的轨道特征与预设正常轨道特征的差异较大,说明存在轨道被覆盖、轨道裂开以及轨道断裂的情况,则可以确定轨道处于异常状态;如果待检测的轨道特征与预设正常轨道特征的差异较小,说明不存在轨道被覆盖、轨道裂开以及轨道断裂,则可以确定轨道处于整常状态。
S303、通过测距仪监测斗轮机前方预设范围内是否存在障碍物;
在斗轮机的前方的适当位置安装测距仪,服务器根据斗轮机的工作要求和安全标准,确定预设范围,然后根据该预设范围,判断斗轮机前方预设范围内是否存在障碍物。
S304、获取斗轮机的行走驱动机构的声音数据;
声音数据由听筒采集得到;
在斗轮机上安装听筒以接收并记录斗轮机的行走驱动机构的声音数据,服务器与听筒建立通信连接,获取听筒录制采集的斗轮机的行走驱动机构的声音数据。
S305、对声音数据的频率、音量和声音密度进行分析,得到测试曲线;
测试曲线用于表征频率和音量以及频率和声音密度的变化关系;
首先,使用音频处理软件对声音数据预处理,预处理包括去除噪声、滤波和增强信号等操作,以提高数据质量。
然后,使用傅里叶变换将声音数据从时域表示转换为频域表示,从而看到不同频率的成分。计算声音数据的频谱图,根据频谱图确定声音数据的主要频率成分和频率范围。频率表示声波的振动周期性,即声波中快速振动重复的次数。
接着,使用音频处理软件或音量测量工具计算声音数据的音量。音量是指声音的强度或响度,表示声音的相对大小或强弱程度。它通常与声音波形的振幅相关。较大的振幅对应着较高的音量,而较小的振幅对应着较低的音量。
并且,使用时间窗口和重叠的方法,将声音数据分割成较短的时间段,并计算每个时间段内的声音能量。根据时间段内的声音能量计算声音密度。声音密度是指声音在单位频率范围内的能量或强度,反映了声音的频率分布情况,即声音在不同频率上的分布密度。
最后,将频率、音量和声音密度整合到一个测试曲线中。可以将频率作为横轴,音量和声音密度作为纵轴,在同一个图表上绘制这些曲线。
可选的,一般情况下,对声音数据的频率、音量和声音密度进行分析,得到测试曲线可以通过如下方式来实现:
通过频谱分析将声音数据分解为不同的频率;计算各频率的幅度的平均值,得到音量;根据频率和音量进行绘图,得到频率和音量的变化关系;将音量除以频率的宽度得到声音密度;根据频率和声音密度进行绘图,得到频率和声音密度的变化关系;将频率和音量的变化关系和频率和声音密度的变化关系作为测试曲线。
S306、将测试曲线与预设的基准曲线进行对比,确定行走驱动机构是否运行异常;
基准曲线为在行走驱动机构运行良好时的声音数据所建立的用于表征频率和音量以及频率和声音密度的变化关系的曲线,如图2所示,图2为预设的基准曲线的一个示例图。
通过频率和音量以及频率和声音密度的变化趋势是否相似来比较测试曲线和基准曲线之间的差异。
根据测试曲线和基准曲线之间的差异,判断行走驱动机构的运行状态。如果测试曲线与基准曲线相似且没有明显的偏差或异常,那么行走驱动机构可能是正常运行的。相反,如果测试曲线与基准曲线存在显著差异或异常情况,那么可能存在行走驱动机构的运行异常。
S307、在轨道处于异常状态、在斗轮机前方预设范围内存在障碍物或行走驱动机构运行异常的情况下,控制斗轮机停止工作。
在轨道处于异常状态、在斗轮机前方预设范围内存在障碍物或行走驱动机构运行异常的情况下,服务器发送停止指令给斗轮机的行走驱动机构,使得斗轮机停止工作。
下面对本实施例的场景进行补充。
结合能耗数据和工作负载,服务器根据能耗高峰时段和能耗低谷时段对斗轮机的工作负载进行调整,以达到节能的目的。通过分析能耗数据和工作负载的评估结果,进一步优化斗轮机的节能参数,提高斗轮机的能源利用效率。
在结合上述场景后,下面对本实施提供的方法进行进一步的更具体的流程叙述。请参阅图4,为本申请实施例中斗轮机运行AI监护方法的另一个流程示意图。
在图4所示实施例的步骤S306以及步骤S307之间可以执行如下步骤:
S401、在确定行走驱动运行异常的情况下,根据测试曲线确定行走驱动的故障组件;
故障组件包括电机、减速器、联轴器和车轮;
将异常情况下的测试曲线与正常情况下的基准曲线进行对比。异常情况下的测试曲线可以显示出与正常情况下的基准曲线明显不同的模式和特征,从而确定可能存在故障的组件。例如,如果异常情况下的测试曲线显示出在特定频率范围内振幅异常或声音密度异常增加,那么与该频率范围相关的组件可能存在故障。
S402、根据故障组件确定行走驱动的维修方案;
根据确定的故障组件制定相应的行走驱动维修方案,以下列举故障组件及其可能的维修方案:
若电机出现故障,对应的维修方案为:
1)检查电机的电源供应和连接情况,确保电源稳定并连接良好。
2)检查电机的绕组和绝缘状况,修复或更换受损的绕组或绝缘材料。
3)检查电机的轴承和润滑情况,进行轴承的清洁、润滑或更换。
若减速器出现故障,对应的维修方案为:
1)检查减速器的齿轮和轴承,修复或更换受损的齿轮或轴承。
2)检查减速器的润滑情况,进行润滑油的更换和润滑系统的清洁。
若联轴器出现故障,对应的维修方案为:
1)检查联轴器的连接状态,确保联轴器与相邻组件的连接牢固。
2)检查联轴器的轴孔和键槽,修复或更换受损的部分。
3)调整联轴器的对中情况,确保联轴器轴线的对中度符合要求。
若车轮出现故障,对应的维修方案为:
1)检查车轮的胎面磨损情况,根据磨损程度决定是否需要更换车轮。
2)检查车轮的轴承和轴孔,修复或更换受损的部分。
3)进行车轮的动平衡,以确保行走平稳。
可以理解的是,在一些实施例中,步骤S401-S402也可以不执行,这样在执行完步骤S306可以直接执行步骤S307,此处不作限定。
在图4所示实施例的步骤S307之后可以执行如下步骤:
S403、获取斗轮机的能耗数据和工作负载;
斗轮机中的监护系统可以实时监测斗轮机的状态和性能参数,包括能耗监测功能和工作负载监测功能,从而服务器获取斗轮机的能耗数据和工作负载。
S404、根据能耗数据确定能耗高峰时段和能耗低谷时段;
能耗高峰时段为总能耗超过预设第一阈值的预设时段,能耗高峰时段为总能耗低于预设第二阈值的预设时段,预设第一阈值大于预设第二阈值;
根据实际情况和需求设定预设第一阈值和预设第二阈值,例如,以能耗水平的百分比或具体的能耗数值为基准。
对收集到的能耗数据进行分析,计算得到每个时间段内的总能耗,并与预设的阈值进行比较。
识别总能耗超过预设第一阈值的时间段,这些时间段即为能耗高峰时段;识别总能耗低于预设第二阈值的时间段,这些时间段即为能耗低谷时段。
S405、根据能耗高峰时段和能耗低谷时段,调整斗轮机的工作负载;
在能耗高峰时段,调整工作任务的分配或优先级,在能耗高峰时段进行优先级高的工作任务,以平衡各个斗轮机的工作负载。在保证可实施的情况下,将能耗高峰时段的工作任务调整到能耗低谷时段进行,以避免能耗高峰时段的能耗峰值。
在能耗低谷时段,服务器控制斗轮机进行较大负载的工作任务,以充分利用能耗低谷时段的优势。同时,服务器也可以将能耗低谷时段确定为用于斗轮机的保养时段,使得人们在保养时段可以对斗轮机进行润滑、清洁、检查斗轮机状态等活动,以保证斗轮机的良好运行状态。
可选的,一般情况下,根据能耗高峰时段和能耗低谷时段,调整斗轮机的工作负载可以通过如下方式来实现:
确定处于能耗高峰时段时的能耗作业;将能耗作业按照高峰时段作业预设必要等级划分为高峰必要作业和高峰非必要作业;将高峰非必要作业调整至能耗高峰时段以外的时段进行。
对获取的能耗数据和工作负载进行分析,确定能耗高峰时段的时间段。根据工作负载和能耗数据的关联,识别与能耗高峰时段相关的能耗作业。这些能耗作业可能是在能耗高峰时段进行的工作任务,导致斗轮机能耗较高。
根据能耗作业的重要性和紧急程度,将能耗作业划分为高峰必要作业和高峰非必要作业。高峰必要作业是在能耗高峰时段必须进行的关键任务,而高峰非必要作业则可以在能耗高峰时段以外的时段进行。
将已划分为高峰非必要作业的任务调整至能耗高峰时段以外的时段进行。通过重新安排作业计划和工作流程,将这些高峰非必要作业优先安排在能耗低谷时段或非高峰时段进行,以降低斗轮机在能耗高峰时段的能耗。
S406、获取能耗数据和工作负载的分析结果;
对获取的能耗数据和工作负载进行清洗和整理,包括去除异常值、填补缺失数据、标准化数据格式等。
采用统计分析方法、时间序列分析或其他相关方法能耗数据中的总能耗、能耗趋势、能耗峰值等方面的内容进行分析。
采用统计分析方法、模式识别技术或其他相关方法对工作负载中的负载变化趋势、负载分布、负载峰值等方面的内容进行分析。
将能耗数据和工作负载的分析结果进行可视化展示,可以使用图表、图形、报告等形式来呈现分析结果。
S407、根据分析结果对斗轮机的节能参数进行调整;
根据工作负载的分析结果,评估斗轮机当前的工作模式是否适合实际需求。如果斗轮机存在过度工作或工作效率低下的情况,服务器则根据预设节能参数调节表调整斗轮机的节能参数,使其更加高效。例如,调整斗轮机的速度、加速度、停留时间等参数,以适应实际工作负载需求。
节能参数调节表中包括影响斗轮机能耗的各种参数,并提供了相应的调整范围或数值。这些参数包括斗轮机的速度、加速度、停留时间、工作模式、负载分配等方面。
根据能耗数据的分析结果,评估斗轮机所使用的设备的能效情况。如果斗轮机能效较低,服务器则计划对斗轮机进行更新或升级。例如,更换为能效更高的电机、改进液压系统等。
S408、在实施节能参数调整后,监测斗轮机的能耗数据和工作负载;
在实施节能参数调整后,通过斗轮机中的监护系统监测斗轮机的状态和性能参数,包括能耗监测功能和工作负载监测功能,从而服务器获取斗轮机的能耗数据和工作负载。
S409、根据能耗数据和工作负载评估节能效果。
对实施节能参数调整前后的能耗数据和工作负载数据进行分析和比较。通过比较调整前后的总能耗水平,确保在相同工作负载条件下,调整后的能耗是否有明显的下降;分析能耗数据的趋势变化,例如每日、每周或每月的能耗变化,观察是否有明显的节能趋势;分析能耗数据中的峰值情况,是否存在峰值能耗的削减;比较调整前后的工作负载变化情况,例如负载分布、负载峰值等。观察是否有调整后工作负载更加合理和均衡。
通过分析和比较,计算节能效果的相关指标。例如,计算能耗降低比例、单位产出能耗等指标,以量化节能效果的大小。
可以理解的是,在一些实施例中,步骤S403-S409也可以不执行,这样在执行完步骤S307之后直接结束,此处不作限定。
下面从模块的角度介绍本申请实施例中的服务器。请参阅图5,为本申请实施例中服务器的一种功能模块结构示意图。
该服务器包括:
第一获取模块501,用于获取由摄像机拍摄的轨道图像;
识别模块502,用于对轨道图像进行图像识别,确定轨道是否处于异常状态,异常状态包括轨道被覆盖、轨道裂开以及轨道断裂;
监测模块503,用于通过测距仪监测斗轮机前方预设范围内是否存在障碍物;
第二获取模块504,用于获取斗轮机的行走驱动机构的声音数据,声音数据由听筒采集得到;
分析模块505,用于对声音数据的频率、音量和声音密度进行分析,得到测试曲线,测试曲线用于表征频率和音量以及频率和声音密度的变化关系;
对比模块506,用于将测试曲线与预设的基准曲线进行对比,确定行走驱动机构是否运行异常,基准曲线为在行走驱动机构运行良好时的声音数据所建立的用于表征频率和音量以及频率和声音密度的变化关系的曲线;
控制模块507,用于在轨道处于异常状态、在斗轮机前方预设范围内存在障碍物或行走驱动机构运行异常的情况下,控制斗轮机停止工作。
在一些实施例中,该识别模块502具体用于:
对轨道图像进行预处理,得到预处理图像,预处理包括图像去噪和图像增强操作;
在预处理图像中提取轨道特征,轨道特征包括轨道形状、轨道颜色以及轨道纹理;
将轨道特征与预设正常轨道特征进行比较,确定轨道是否处于异常状态。
在一些实施例中,该分析模块505具体用于:
通过频谱分析将声音数据分解为不同的频率;
计算各频率的幅度的平均值,得到音量;
根据频率和音量进行绘图,得到频率和音量的变化关系;
将音量除以频率的宽度得到声音密度;
根据频率和声音密度进行绘图,得到频率和声音密度的变化关系;
将频率和音量的变化关系和频率和声音密度的变化关系作为测试曲线。
在一些实施例中,该服务器还包括确定模块,具体用于:
在确定行走驱动运行异常的情况下,根据测试曲线确定行走驱动的故障组件,故障组件包括电机、减速器、联轴器和车轮;
根据故障组件确定行走驱动的维修方案。
在一些实施例中,该服务器还包括调整模块,具体用于:
获取斗轮机的能耗数据和工作负载;
根据能耗数据确定能耗高峰时段和能耗低谷时段,能耗高峰时段为总能耗超过预设第一阈值的预设时段,能耗高峰时段为总能耗低于预设第二阈值的预设时段,预设第一阈值大于预设第二阈值;
根据能耗高峰时段和能耗低谷时段,调整斗轮机的工作负载。
在一些实施例中,该调整模块,还具体用于:
确定处于能耗高峰时段时的能耗作业;
将能耗作业按照高峰时段作业预设必要等级划分为高峰必要作业和高峰非必要作业;
将高峰非必要作业调整至能耗高峰时段以外的时段进行。
在一些实施例中,该服务器还包括评估模块,具体用于:
获取能耗数据和工作负载的分析结果;
根据分析结果对斗轮机的节能参数进行调整;
在实施节能参数调整后,监测斗轮机的能耗数据和工作负载;
根据能耗数据和工作负载评估节能效果。
上面从模块化功能实体的角度对本申请实施例中的服务器进行描述,下面从硬件处理的角度对本发明申请实施例中的服务器进行描述,请参阅图6,为本申请实施例中服务器的一种实体装置结构示意图。
需要说明的是,图6示出的服务器的结构仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,服务器包括中央处理单元(Central Processing Unit,CPU)601,其可以根据存储在只读存储器(Read-Only Memory,ROM)602中的程序或者从存储部分608加载到随机访问存储器(Random Access Memory,RAM)603中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 603中,还存储有系统操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(Input /Output,I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括摄像机等的输入部分606;包括液晶显示器(Liquid Crystal Display,LCD)以及麦克风等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明中限定的各种功能。
需要说明的是,本发明实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质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。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
具体的,本实施例的服务器包括处理器和存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现上述实施例提供的斗轮机运行AI监护方法。
作为另一方面,本发明还提供了一种计算机可读的存储介质,该存储介质可以是上述实施例中描述的服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述存储介质承载有一个或者多个计算机程序,当上述一个或者多个计算机程序被一个该服务器的处理器执行时,使得该服务器实现上述实施例中提供的方法。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;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范围。
上述实施例中所用,根据上下文,术语“当…时”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地,根据上下文,短语“在确定…时”或“如果检测到(所陈述的条件或事件)”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到(所陈述的条件或事件)时”或“响应于检测到(所陈述的条件或事件)”。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该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,该计算机指令可以从一个网站的站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站的站点、计算机、服务器或数据中心进行传输。该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成的服务器、数据中心等数据存储设备。该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(例如固态硬盘)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (5)
1.一种斗轮机运行AI监护方法,其特征在于,应用于监护系统的服务器,所述监护系统还包括设置在斗轮机上的摄像机、测距仪及听筒,所述方法包括:
获取由所述摄像机拍摄的轨道图像;
对所述轨道图像进行图像识别,确定轨道是否处于异常状态,所述异常状态包括所述轨道被覆盖、轨道裂开以及轨道断裂;
通过所述测距仪监测所述斗轮机前方预设范围内是否存在障碍物;
获取所述斗轮机的行走驱动机构的声音数据,所述声音数据由所述听筒采集得到;
对所述声音数据的频率、音量和声音密度进行分析,得到测试曲线,所述测试曲线用于表征频率和音量以及频率和声音密度的变化关系;
将所述测试曲线与预设的基准曲线进行对比,确定所述行走驱动机构是否运行异常,所述基准曲线为在所述行走驱动机构运行良好时的声音数据所建立的用于表征频率和音量以及频率和声音密度的变化关系的曲线;
在所述轨道处于异常状态、在所述斗轮机前方预设范围内存在障碍物或所述行走驱动机构运行异常的情况下,控制所述斗轮机停止工作;
所述对所述声音数据的频率、音量和声音密度进行分析,得到测试曲线,具体包括:
通过频谱分析将所述声音数据分解为不同的频率;
计算各所述频率的幅度的平均值,得到音量;
根据所述频率和所述音量进行绘图,得到频率和音量的变化关系;
将所述音量除以所述频率的宽度得到声音密度;
根据所述频率和所述声音密度进行绘图,得到频率和声音密度的变化关系;
将所述频率和音量的变化关系和所述频率和声音密度的变化关系作为测试曲线;
所述方法还包括:
获取所述斗轮机的能耗数据和工作负载;
根据所述能耗数据确定能耗高峰时段和能耗低谷时段,所述能耗高峰时段为总能耗超过预设第一阈值的预设时段,所述能耗高峰时段为总能耗低于预设第二阈值的预设时段,预设第一阈值大于预设第二阈值;
根据所述能耗高峰时段和所述能耗低谷时段,调整所述斗轮机的工作负载;
所述根据所述能耗高峰时段和所述能耗低谷时段,调整所述斗轮机的工作负载,具体包括:
确定处于所述能耗高峰时段时的能耗作业;
将所述能耗作业按照高峰时段作业预设必要等级划分为高峰必要作业和高峰非必要作业;
将所述高峰非必要作业调整至所述能耗高峰时段以外的时段进行;
在根据所述能耗高峰时段和所述能耗低谷时段,调整所述斗轮机的工作负载的步骤之后,所述方法还包括:
获取所述能耗数据和所述工作负载的分析结果;
根据所述分析结果对所述斗轮机的节能参数进行调整;
在实施所述节能参数调整后,监测所述斗轮机的能耗数据和工作负载;
根据所述能耗数据和所述工作负载评估节能效果。
2.根据权利要求1所述的方法,其特征在于,所述对所述轨道图像进行图像识别,确定轨道是否处于异常状态,所述异常状态包括所述轨道被覆盖、轨道裂开以及轨道断裂,具体包括:
对所述轨道图像进行预处理,得到预处理图像,所述预处理包括图像去噪和图像增强操作;
在所述预处理图像中提取轨道特征,所述轨道特征包括轨道形状、轨道颜色以及轨道纹理;
将所述轨道特征与预设正常轨道特征进行比较,确定所述轨道是否处于异常状态。
3.根据权利要求1所述的方法,其特征在于,在将所述测试曲线与预设的基准曲线进行对比,确定所述行走驱动机构是否运行异常,所述基准曲线为在所述行走驱动机构运行良好时的声音数据所建立的用于表征频率和音量以及频率和声音密度的变化关系的曲线的步骤之后,所述方法还包括:
在确定所述行走驱动机构运行异常的情况下,根据所述测试曲线确定所述行走驱动机构的故障组件,所述故障组件包括电机、减速器、联轴器和车轮;
根据所述故障组件确定所述行走驱动机构的维修方案。
4.一种服务器,其特征在于,包括:一个或多个处理器和存储器;
所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述服务器执行如权利要求1-3中任一项所述的方法。
5.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在服务器上运行时,使得所述服务器执行如权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410102780.4A CN117622809B (zh) | 2024-01-25 | 2024-01-25 | 一种斗轮机运行ai监护方法和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410102780.4A CN117622809B (zh) | 2024-01-25 | 2024-01-25 | 一种斗轮机运行ai监护方法和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117622809A CN117622809A (zh) | 2024-03-01 |
CN117622809B true CN117622809B (zh) | 2024-03-29 |
Family
ID=90021912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410102780.4A Active CN117622809B (zh) | 2024-01-25 | 2024-01-25 | 一种斗轮机运行ai监护方法和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117622809B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE20010296U1 (de) * | 2000-06-08 | 2000-10-05 | Schuberth Daniel | Informationsträger |
JP2002205813A (ja) * | 2001-01-05 | 2002-07-23 | Nkk Corp | ベルトコンベア設備における発火監視装置及びベルトコンベア装置 |
CN109850519A (zh) * | 2018-11-30 | 2019-06-07 | 太原理工大学 | 一种基于声音定位的煤矿输送机异常检测装置及方法 |
CN111634697A (zh) * | 2020-06-23 | 2020-09-08 | 中国电建集团长春发电设备有限公司 | 悬臂式斗轮堆取料机保护方法及系统 |
CN112883932A (zh) * | 2021-03-30 | 2021-06-01 | 中国工商银行股份有限公司 | 员工异常行为检测方法、装置及系统 |
CN217102159U (zh) * | 2021-11-16 | 2022-08-02 | 华能吉林发电有限公司 | 可自动堆取料的门式斗轮机设备 |
CN116374645A (zh) * | 2023-03-07 | 2023-07-04 | 华能太仓发电有限责任公司 | 用于斗轮机的运行状态监控系统及其方法 |
CN116395348A (zh) * | 2023-05-15 | 2023-07-07 | 武汉爱思创科技有限公司 | 一种基于机器视觉的触摸屏输送线故障分析系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6854928B2 (en) * | 2002-01-30 | 2005-02-15 | Con/Span Bridge Systems Ltd. | Precast concrete culvert system |
-
2024
- 2024-01-25 CN CN202410102780.4A patent/CN117622809B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE20010296U1 (de) * | 2000-06-08 | 2000-10-05 | Schuberth Daniel | Informationsträger |
JP2002205813A (ja) * | 2001-01-05 | 2002-07-23 | Nkk Corp | ベルトコンベア設備における発火監視装置及びベルトコンベア装置 |
CN109850519A (zh) * | 2018-11-30 | 2019-06-07 | 太原理工大学 | 一种基于声音定位的煤矿输送机异常检测装置及方法 |
CN111634697A (zh) * | 2020-06-23 | 2020-09-08 | 中国电建集团长春发电设备有限公司 | 悬臂式斗轮堆取料机保护方法及系统 |
CN112883932A (zh) * | 2021-03-30 | 2021-06-01 | 中国工商银行股份有限公司 | 员工异常行为检测方法、装置及系统 |
CN217102159U (zh) * | 2021-11-16 | 2022-08-02 | 华能吉林发电有限公司 | 可自动堆取料的门式斗轮机设备 |
CN116374645A (zh) * | 2023-03-07 | 2023-07-04 | 华能太仓发电有限责任公司 | 用于斗轮机的运行状态监控系统及其方法 |
CN116395348A (zh) * | 2023-05-15 | 2023-07-07 | 武汉爱思创科技有限公司 | 一种基于机器视觉的触摸屏输送线故障分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117622809A (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110764493B (zh) | 一种适用于高速铁路的phm应用系统、方法及存储介质 | |
CN110937489B (zh) | 自动扶梯的在线故障监控预警方法及系统 | |
DE69825426T2 (de) | System zur prädiktiven diagnose von beweglichen maschinenteilen | |
CN106698197A (zh) | 基于大数据的集装箱起重机在线诊断和预防性维护系统 | |
CN111401583A (zh) | 基于预测性维护的自动扶梯全生命周期健康管理系统 | |
Rizvi et al. | Crack detection in railway track using image processing | |
CN113077172A (zh) | 一种设备状态趋势分析及故障诊断方法 | |
CN104535356A (zh) | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 | |
CN103626003A (zh) | 一种电梯故障检测方法和系统 | |
CN110836696A (zh) | 适于调相机系统的远程故障预测方法和系统 | |
CN108928744B (zh) | 一种基于大数据的集装箱起重机在线诊断及维护系统 | |
CN111141517B (zh) | 风机故障诊断方法及系统 | |
CN109635823B (zh) | 用于识别卷扬乱绳的方法和装置及工程机械 | |
NL2030740B1 (en) | Passenger ropeway detection monitoring and health diagnosis system and method, medium and equipment | |
CN115303946A (zh) | 基于数字孪生的塔式起重机工作监测方法、系统 | |
CN116308300B (zh) | 一种电力设备状态监测评价与指挥方法及系统 | |
CN116187725B (zh) | 一种用于锻造自动线的锻造设备管理系统 | |
CN116177146A (zh) | 一种基于ai与激光监测技术的输送皮带检测系统及方法 | |
CN117622809B (zh) | 一种斗轮机运行ai监护方法和服务器 | |
CN116976865B (zh) | 基于大数据分析的船舶维修器件调配管理系统 | |
CN112850387B (zh) | 一种电梯状态采集与诊断系统及方法 | |
CN114920122A (zh) | 一种基于迁移学习的自动扶梯故障预警方法及系统 | |
CN114004810A (zh) | 一种结合图像识别技术的桥梁裂纹系统及方法 | |
CN110374824A (zh) | 偏航制动盘维护预警方法及风力发电机组 | |
CN117274919B (zh) | 一种基于机器视觉的厂区施工违章行为监测管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |