CN118245838A - 基于数字孪生技术的挂篮行走监测控制预警系统 - Google Patents
基于数字孪生技术的挂篮行走监测控制预警系统 Download PDFInfo
- Publication number
- CN118245838A CN118245838A CN202410306506.9A CN202410306506A CN118245838A CN 118245838 A CN118245838 A CN 118245838A CN 202410306506 A CN202410306506 A CN 202410306506A CN 118245838 A CN118245838 A CN 118245838A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- basket
- real
- hanging
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000007405 data analysis Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000010191 image analysis Methods 0.000 claims description 54
- 230000002159 abnormal effect Effects 0.000 claims description 42
- 238000012423 maintenance Methods 0.000 claims description 24
- 238000013136 deep learning model Methods 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 15
- 238000012876 topography Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 abstract description 19
- 238000004458 analytical method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本申请涉及一种基于数字孪生技术的挂篮行走监测控制预警系统。应用于桥梁施工技术领域,包括数据获取模块、数据处理模块、数据分析模块、预警模块;模块依次相连;数据获取模块用于通过传感器采集挂篮行走过程中的实时数据,并发送至数据处理模块;数据处理模块用于接收实时数据,并将实时数据进行预处理,得到有效数据,并将有效数据进行特征提取,得到对应的实时特征参数并发送至数据分析模块;数据分析模块用于接收实时特征参数,并将实时特征参数进行分类及分析,确定挂篮状态并发送至预警模块;预警模块用于接收挂篮状态并根据挂篮状态,确定是否发出警报。减少人工监测的劳动成本,提高数据获取的效率,减少人工可能带来的安全风险。
Description
技术领域
本申请涉及桥梁施工技术领域,尤其是涉及一种基于数字孪生技术的挂篮行走监测控制预警系统。
背景技术
挂篮是悬臂施工中的主要设备,通常用于浇筑较大跨径的悬臂梁桥。传统挂篮行走过程采用人工操作技术,使用穿心千斤顶通过钢绞线对挂篮进行牵引,或者使用传统千斤顶对挂篮的前支座进行顶升等。
由于挂篮属于悬臂梁桥施工阶段的重要承重结构及施工结构,因此需要极具安全性,一方面需要确保施工的顺利进行,另一方面由于采用人工操作的方式,所以更要保证人身安全。而目前的这种方式不仅难以保证人身安全,在施工过程中,由于高度依赖人工操作,为了保证施工就需要极大的沟通成本、人力成本高,而且人工操作存在误差的概率较高,这也导致施工效率非常低。
发明内容
本申请提供一种基于数字孪生技术的挂篮行走监测控制预警系统,已解决上述问题,提高效率,降低人力成本及风险。
第一方面,本申请提供一种基于数字孪生技术的挂篮行走监测控制预警系统,包括数据获取模块、数据处理模块、数据分析模块、预警模块;
所述数据获取模块、所述数据处理模块、所述数据分析模块、所述预警模块依次相连;
所述数据获取模块用于通过传感器采集挂篮行走过程中的实时数据,并发送至所述数据处理模块;
所述数据处理模块用于接收所述实时数据,并将所述实时数据进行预处理,得到有效数据,并将所述有效数据进行特征提取,得到对应的实时特征参数并发送至所述数据分析模块;
所述数据分析模块用于接收所述实时特征参数,并将所述实时特征参数进行分类及分析,确定挂篮状态并发送至所述预警模块;
所述预警模块用于接收所述挂篮状态并根据所述挂篮状态,确定是否发出警报。
通过本方案,利用数据获取模块实时获取挂篮行走过程中的实时数据,同时,利用数据处理模块对实时数据进行预处理,减少误差对挂篮行走状态的影响。然后对预处理得到的有效数据进行特征提取,从而确定每一数据的类型,得到对应的实施特征参数。通过一个数据分析模块对实施特征参数分类后进行逐一类别的分析,进而确定挂篮行走过程中的挂篮状态,实现对挂篮行走的监测,并将监测结果即挂篮状态发送至预警模块。通过利用数字孪生技术对实时数据进行获取以及处理,减少人工监测的劳动成本,提高数据获取的效率,减少人工可能带来的安全风险。
可选的,所述数据处理模块包括数据识别子模块;
所述数据识别子模块与所述数据分析模块相连;
所述数据识别子模块用于将所述实时数据进行数据清洗,根据清洗结果,确定出异常数据并发送至所述数据分析模块;
所述数据分析模块在接收到所述异常数据后,具体用于确定所述异常数据的关联设备,调取并分析所述关联设备的运行数据,确定异常来源。
通过本方案,可以利用数据识别子模块将实时数据进行数据清洗,从而识别出实时数据中的异常数据,将其发送至数据分析模块进行异常来源的分析及确定,第一时间确定异常情况,避免异常加重带来不必要的损失,提高效率,缩短工期,降低成本。
可选的,所述挂篮行走监测控制预警系统还包括挂篮维护模块;
所述挂篮维护模块与所述数据获取模块相连;
所述数据获取模块在得到所述实时数据后,具体用于将所述实时数据发送至所述挂篮维护模块;
所述挂篮维护模块用于接收并存储所述实时数据,并实时检测挂篮的工作状态,确定所述挂篮是否处于工作状态;
所述挂篮维护模块在确定所述挂篮不处于工作状态时,具体用于调取已存储的实时数据,利用预设预测模型得到所述挂篮在预设时段内的性能数据。
通过本方案,在已有实时数据的基础上,利用挂篮维护模块对预设时段内挂篮的性能进行预测,提前对挂篮进行维护,减少在挂篮出现问题时再进行维修的时间,提高效率,减少工期,也可以一定程度上减少安全风险。
可选的,所述挂篮行走监测控制预警系统包括参数调整模块;所述挂篮行走监测控制预警系统还包括第一图像获取模块;
所述参数调整模块与所述第一图像获取模块相连;
所述参数调整模块包含一个深度学习模型,在得到实时特征参数后,用于将实时特征参数输入到所述深度学习模型中,根据所述深度学习模型的输出结果,确定所述挂篮的姿态是否达到预期标准;
所述第一图像获取模块用于拍摄所述挂篮各区域的实时图像;
所述参数调整模块在所述挂篮姿态未达到预期标准时,用于获取所述第一图像获取模块拍摄的实时图像,并根据所述实时图像,确定当前时刻所述挂篮的实时姿态;
所述参数调整模块具体还用于根据所述实时姿态及所述预期标准,调整当前时刻所述挂篮的运行参数以调整所述挂篮的姿态。
通过本方案,设置一个参数调整模块在挂篮的姿态不符合预期标准时,联动第一图像获取模块,进行实时图像获取,从而进行分析,确定如何调整挂篮的姿态使其达到预期标准。这种方式可以在挂篮姿态可能存在偏移甚至存在风险时,及时通过调参数的方式改变,不再依赖人工进行调整,而是结合第一图像获取模块进行图像分析得到,降低对人工的依赖,减少人力沟通成本,提高工作效率。
可选的,所述预警模块包括数据统计子模块;
所述数据统计子模块分别与所述参数调整模块、所述数据获取模块相连,用于获取所述数据获取模块得到的所述实时数据,及所述参数调整模块调整后的运行参数,并绘制预设表格进行数据统计及展示。
通过本实施例提供的方案,数据统计子模块可以将得到的实时数据进行统计,同时可以利用设置表格的形式将数据进行展示,便于后续施工人员对挂篮工作状态的分析,减少人为数据收集的过程,提高施工人员的汇报效率。
可选的,所述参数调整模块还包括图像分析子模块;
所述图像分析子模块与所述数据分析模块相连;
所述图像分析子模块用于接收所述实时图像,并将所述实时图像进行图像识别,确定挂篮区域;
所述图像分析子模块在确定挂篮区域后,具体用于筛选所述挂篮区域对应的挂篮图像,并对所述挂篮图像进行特征提取,得到挂篮特征;
所述图像分析子模块在得到所述挂篮特征后,具体用于获取所述数据分析模块得到的所述挂篮状态,并根据所述挂篮状态,调取标准特征,将所述挂篮特征与所述标准特征对比,根据对比结果,确定当前时刻所述挂篮的实时姿态。
通过本实施例提供的方案,利用在参数调整模块中设置一个图像分析子模块的方式,对接收到的实时图像进行分析,实现对挂篮姿态的确定,减少人为判断带来的误差,降低数据处理周期,提高效率。
可选的,所述挂篮维护模块包括路径规划子模块;
所述路径规划子模块分别与所述参数调整模块、所述图像分析子模块相连;
所述路径规划子模块在确定所述挂篮不处于工作状态时,用于调取所述挂篮的任务列表,根据所述任务列表,确定后续任务,并根据所述后续任务,确定所述挂篮的下一任务路段,并将所述下一任务路段发送至所述图像分析子模块;
所述图像分析子模块在接收所述下一任务路段后,具体用于将所述下一任务路段对应的路段图像进行特征提取,得到路段特征,并根据所述路段特征确定所述下一任务路段的地形特点,并将所述地形特点发送至所述路径规划子模块;
所述路径规划子模块在接收到所述地形特点后,具体用于根据所述地形特性及所述挂篮在预设时段内的性能数据进行路径规划,得到下一任务路段的预设行进参数,并将所述预设行进参数发送至所述参数调整模块;
所述参数调整模块在接收所述预设行进参数后,具体用于在所述挂篮进入所述下一任务路段时,按照所述预设行进参数,调整当前时刻所述挂篮的运行参数。
通过本实施例提供的方案。利用路径规划子模块调取挂篮的任务列表,从而确定后续的挂篮行走任务,从而确定下一任务路段,通过与图像分析子模块联动,分析下一任务路段的路段特征,得到下一任务路段的地形特点,使得路径规划子模块可以结合下一任务路段的地形特点进行路径规划可以根据挂篮的任务进行挂篮路线规划,从而降低人为规划所耗费的时间,另外也可以避免人为经验规划路线带来的路线不合理问题,提高路线规划效率。
可选的,所述挂篮行走监测控制预警系统还包括第二图像获取模块;
所述第二图像获取模块与所述图像分析子模块相连,所述图像分析子模块还与所述预警模块相连;
所述第二图像获取模块用于拍摄所述挂篮区域的地面图像,并将所述实时地面图像发送至所述图像分析子模块;
所述图像分析子模块在接收到所述实时地面图像后,具体用于识别所述实时地面图像,确实所述实时地面图像中是否存在人物图像;
所述图像分析子模块在确定存在所述人物图像时,具体用于根据所述人物图像及所述第二图像获取模块的设置位置,确定人物位置,并调取所述挂篮图像,确定所述人物位置是否存在风险;
所述图像分析子模块在确定所述人物位置存在风险时,将所述人物位置对应的坐标及对应风险发送至所述预警模块;
所述预警模块具体用于接收所述人物位置对应的坐标及对应风险,并根据所述坐标,启动距离所述坐标最近的警报器以使所述警报器播报对应风险。
通过本实施例提供的方案,首先利用第二图像获取模块208获取地面图像并发送给图像分析子模块,使得图像分析子模块可以对地面图像进行分析,确定是否存在人物图像。并在存在人物图像时,利用摄像装置的设置位置,确定人物位置,此时可以利用挂篮图像结合上述人物位置,确定当前人物位置是否存在风险,这样直接通过几个模块之间的联动实现挂篮现场的监督,摆脱低效率的人为监督,提高监督效率,降低安全风险发生的概率。同时,在确定存在风险时,及时利用预警模块控制距离人物位置最近的警报器以提醒现场人员尽快远离,降低风险严重性。
第二方面,本申请提供一种基于数字孪生技术的挂篮行走监测控制预警方法,应用于第一方面所述的挂篮行走监测控制预警系统,所述方法包括:
获取挂篮行走过程中的实时数据;
将所述实时数据进行预处理,得到有效数据;
将所述有效数据进行特征提取,得到实时特征参数;
将所述实时特征参数进行分类及分析,确定挂篮状态,并根据所述挂篮状态,确定是否发出警报。
可选的,所述方法还包括:
将所述实时数据进行数据清洗,根据清洗结果,确定出异常数据;
根据所述异常数据确定所述异常数据的关联设备,调取并分析所述关联设备的运行数据,确定异常来源。
可选的,所述方法还包括:
在得到所述实时数据后,实时检测挂篮的工作状态,确定所述挂篮是否处于工作状态;
若确定所述挂篮不处于工作状态时,调取已存储的实时数据,利用预设预测模型得到所述挂篮在预设时段内的性能数据。
可选的,所述方法还包括:
将实时特征参数输入到所述深度学习模型中,根据所述深度学习模型的输出结果,确定所述挂篮的姿态是否达到预期标准;
若所述挂篮的姿态未达到预期标准,则获取所述第一图像获取模块拍摄的实时图像,并根据所述实时图像,确定当前时刻所述挂篮的实时姿态;
根据所述实时姿态及所述预期标准,调整当前时刻所述挂篮的运行参数以调整所述挂篮的姿态。
可选的,所述方法还包括:绘制预设表格,将所述实时数据及所述参数调整模块调整后的运行参数进行数据统计及展示。
可选的,所述方法还包括:
将所述实时图像进行图像识别,确定挂篮区域;
筛选所述挂篮区域对应的挂篮图像,并对所述挂篮图像进行特征提取,得到挂篮特征;
获取所述数据分析模块得到的所述挂篮状态,并根据所述挂篮状态,调取标准特征,将所述挂篮特征与所述标准特征对比,根据对比结果,确定当前时刻所述挂篮的实时姿态。
可选的,所述方法还包括:
在确定所述挂篮不处于工作状态时,调取所述挂篮的任务列表;
根据所述任务列表,确定后续任务,并根据所述后续任务,确定所述挂篮的下一任务路段;
将所述下一任务路段对应的路段图像进行特征提取,得到路段特征,并根据所述路段特征确定所述下一任务路段的地形特点;
根据所述地形特性及所述挂篮在预设时段内的性能数据进行路径规划,得到下一任务路段的预设行进参数;
在所述挂篮进入所述下一任务路段时,按照所述预设行进参数,调整当前时刻所述挂篮的运行参数。
可选的,所述方法还包括:
获取所述第二图像获取模块拍摄的所述挂篮区域的地面图像;
识别所述实时地面图像,确实所述实时地面图像中是否存在人物图像;
若确定存在所述人物图像,根据所述人物图像及所述第二图像获取模块的设置位置,确定人物位置,并调取所述挂篮图像,确定所述人物位置是否存在风险;
若确定所述人物位置存在风险,则根据所述人物位置对应的坐标,启动距离所述坐标最近的警报器以播报对应风险。
第三方面,本申请提供一种电子设备,包括:存储器和处理器,所述存储器上存储有能够被处理器加载并执行第一方面的方法的计算机程序。
本申请采用以上技术方案具有以下优点:利用数据处理模块对实时数据进行预处理,减少误差对挂篮行走状态的影响。利用数字孪生技术对实时数据进行获取以及处理,减少人工监测的劳动成本,提高数据获取的效率,减少人工可能带来的安全风险。识别出实时数据中的异常数据,第一时间确定异常情况,避免异常加重带来不必要的损失,提高效率,缩短工期,降低成本。利用挂篮维护模块对预设时段内挂篮的性能进行预测,提前对挂篮进行维护,减少在挂篮出现问题时再进行维修的时间,提高效率,减少工期,也可以一定程度上减少安全风险。在挂篮姿态可能存在偏移甚至存在风险时,及时通过调参数的方式改变,不再依赖人工进行调整,而是结合第一图像获取模块进行图像分析得到,降低对人工的依赖,减少人力沟通成本,提高工作效率。将得到的实时数据进行统计,同时可以利用设置表格的形式将数据进行展示,便于后续施工人员对挂篮工作状态的分析,减少人为数据收集的过程,提高施工人员的汇报效率。利用在参数调整模块中设置一个图像分析子模块的方式,对接收到的实时图像进行分析,实现对挂篮姿态的确定,减少人为判断带来的误差,降低数据处理周期,提高效率。路径规划子模块可以结合下一任务路段的地形特点进行路径规划可以根据挂篮的任务进行挂篮路线规划,从而降低人为规划所耗费的时间,另外也可以避免人为经验规划路线带来的路线不合理问题,提高路线规划效率。通过几个模块之间的联动实现挂篮现场的监督,摆脱低效率的人为监督,提高监督效率,降低安全风险发生的概率。同时,在确定存在风险时,及时利用预警模块控制距离人物位置最近的警报器以提醒现场人员尽快远离,降低风险严重性。
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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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。
图1为本申请一实施例提供的一种应用场景示意图;
图2为本申请一实施例提供的一种基于数字孪生技术的挂篮行走监测控制预警系统的结构示意图;
图3为本申请一实施例提供的一种基于数字孪生技术的挂篮行走监测控制预警系统的整体结构示意图;
图4为本申请一实施例提供的一种手动操作界面展示图;
图5为本申请一实施例提供的一种基于数字孪生技术的挂篮行走监测控制预警方法的流程图;
图6为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
另外,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。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
传统挂篮行走过程采用人工操作技术,使用穿心千斤顶通过钢绞线对挂篮进行牵引,以及使用传统千斤顶对挂篮的前支座进行顶升等。由于挂篮属于悬臂梁桥施工阶段的重要承重结构及施工结构,因此需要极具安全性,一方面需要确保施工的顺利进行,另一方面由于采用人工操作的方式,所以更要保证人身安全。而目前的这种方式不仅难以保证人身安全,在施工过程中,由于高度依赖人工操作,为了保证施工就需要极大的沟通成本、人力成本高,而且人工操作存在误差的概率较高,这也导致施工效率非常低。
现有技术中,虽然通过工具实现了某些操作的机械化,但是这些工具依然需要人工操作,这就导致人力成本依然很高,并且由于人工依然在现场进行操作,安全风险问题依然无法解决。
基于此,本申请提供一种基于数字孪生技术的挂篮行走监测控制预警系统。利用数据获取模块实时获取挂篮行走过程中的实时数据,同时,利用数据处理模块对实时数据进行预处理,减少误差对挂篮行走状态的影响。然后对预处理得到的有效数据进行特征提取,从而确定每一数据的类型,得到对应的实施特征参数。通过一个数据分析模块对实施特征参数分类后进行逐一类别的分析,进而确定挂篮行走过程中的挂篮状态,实现对挂篮行走的监测,并将监测结果即挂篮状态发送至预警模块,减少人工监测的劳动成本,提高数据获取的效率,减少人工可能带来的安全风险。
图1为本申请提供的一种应用场景示意图。在进行悬臂梁桥时,为了确定挂篮行走过程中的状态以及实现对挂篮的监测,可以利用本申请提供的系统实现。通过在挂篮上设置传感器,可以得到挂篮行走过程中的实时数据,然后利用本申请提供的系统对实时数据进行处理,从而确定挂篮状态,实现挂篮状态预警,减少人为参与,提高工作效率。
具体的实现方式可以参考以下实施例。
图2为本申请一实施例提供的一种基于数字孪生技术的挂篮行走监测控制预警系统的结构示意图,如图2所示的,本实施例的基于数字孪生技术的挂篮行走监测控制预警系统200包括:数据获取模块201、数据处理模块202、数据分析模块203、预警模块204;
数据获取模块201、数据处理模块202、数据分析模块203、预警模块204依次相连;数据获取模块201用于通过传感器采集挂篮行走过程中的实时数据,并发送至数据处理模块202;数据处理模块202用于接收实时数据,并将实时数据进行预处理,得到有效数据,并将有效数据进行特征提取,得到对应的实时特征参数并发送至数据分析模块203;数据分析模块203用于接收实时特征参数,并将实时特征参数进行分类及分析,确定挂篮状态并发送至预警模块204;预警模块204用于接收挂篮状态并根据挂篮状态,确定是否发出警报。
其中,实时数据可以认为是挂篮在行走过程中产生的例如行进方向、行进距离、起始点、偏转角度等若干数据,在挂篮上可以设置若干传感器或在行进路线上设置若干传感器,用于获取挂篮行走过程中的数据,从而体现挂篮在执行任务过程中的变化。
由于在进行数据采集时,可能会存在因传感器或其他装置的问题,导致的某些数据过于离谱,这些数据只是偶然出现,即在一段时间内只出现极少数,比如1000个数据中只有一个,这种数据可以认为是误差,不具有参考价值,因此,在实时数据采集完成后,可以将实时数据进行预处理,其中可以包括数据清洗、数据滤波等操作,将这些被视为误差的数据剔除,从而得到有效数据。
可以预先设置若干维度的特征,这些维度可能涉及到挂篮在行走过程中各方面的变化。可以依照已经设置好的若干维度进行对有效数据进行特征提取,从而可以得到对应的实时特征参数,这些实时特征参数可以代表挂篮的控制参数,例如转弯处的行进速度。
将得到的实时特征参数进行分析,确定当前挂篮状态是否处于正常运行状态,例如,根据实时特征参数得到转弯处的行进速度为5m/h,但是根据预先对该挂篮任务的分析,该转弯处只有处于3m/h或低于3m/h且高于2m/h时,挂篮可以安全通过,此时若仍然以5m/h的速度经过,可能会出现撞击等破坏行为,此时可以由预警模块204发出警报。
在具体实现方式中,为了减少人为参与,可以在确定可能出现上述破坏行为时,自动调整对应参数,如行进速度,使挂篮的行进速度调整为合适的速度,避免危险发生。
需要说明的是,预警模块204所发出的警报可以是一种日志信息,属于信息反馈的一种,可以方便后续任务进度的梳理,并不一定要求在挂篮状态有问题时发出警告引人注意。在上述进行参数调整后,可以再次进行信息反馈,以便于后续任务的验收。
通过本申请提供的方案,利用数据获取模块201实时获取挂篮行走过程中的实时数据,同时,利用数据处理模块202对实时数据进行预处理,减少误差对挂篮行走状态的影响。然后对预处理得到的有效数据进行特征提取,从而确定每一数据的类型,得到对应的实施特征参数。通过一个数据分析模块203对实施特征参数分类后进行注意类别的分析,进而确定挂篮行走过程中的挂篮状态,实现对挂篮行走的监测,并将监测结果即挂篮状态发送至预警模块。本申通过利用数字孪生技术对实时数据进行获取以及处理,减少人工监测的劳动成本,提高数据获取的效率,减少人工可能带来的安全风险。
图3为本申请一实施例提供的一种基于数字孪生技术的挂篮行走监测控制预警系统的整体结构示意图,如图3所示的,还可以包含以下内容:
在一些实施例中,数据处理模块202包括数据识别子模块2021;数据识别子模块2021与数据分析模块203相连;数据识别子模块2021用于将实时数据进行数据清洗,根据清洗结果,确定出异常数据并发送至数据分析模块203;数据分析模块203在接收到异常数据后,具体用于确定异常数据的关联设备,调取并分析关联设备的运行数据,确定异常来源。
数据处理模块202可以对得到的实时数据进行预处理,其中可以包括数据清洗,通过数据清洗可以将上述涉及的属于误差的数据筛选出来。相应地,可以为数据清洗设置清洗标准,比如设置每一种可能存在的数据类型对应的正常数据范围,即当某一数据属于对应数据类型所设的正常数据范围时,则可以认为这一数据是正常的,如果某一数据属于对应数据类型,但不在所设的正常数据范围内,可以认为这一数据是异常的。此时,可以通过这一设定标准将正常数据筛选出来,作为有效数据,其余数据可以根据出现的频率确定是误差带来的数据还是异常数据。比如A种数据的正常数据范围为0~1,实时数据中存在一数据100034,属于A种数据,且与这一数据临近的数据如100031、100029等均未出现,则这一数据100034可以被认为是误差带来的。若实时数据中存在一数据4,属于A种数据,且与这一数据临近的数据如3、2等均存在且可能多次出现4,此时可以认为是一个异常数据。
异常数据可能是由于挂篮的某一控制设备发生故障带来的,此时,可以在数据识别子模块2021得到异常数据后,发送给数据分析模块203,数据分析模块203可以根据异常数据的类型,确定出对应的关联设备,从而对这些关联设备的运行数据进行提取,确定哪一关联设备的运行数据存在异常,从而确定异常来源。
在具体实现方式中,可以预先设置一个数据库用于存储挂篮行走过程中可能存在的问题以及对应的解决方案。在确定异常来源后,数据分析模块203可以根据这一异常来源对应的运行数据进行分析,从而确定出现问题的具体原因,并将这一具体原因发送给预警模块204,预警模块204可以根据这一具体原因,调取已经存储在数据库中的解决方案,从而根据对应的解决方案,向对应的装置发送控制信号以使对应的装置可以根据这一解决方案进行调整,解决问题,或者可以控制系统进行参数调整,解决当前面临的问题。
通过本实施例提供的方案,可以利用数据识别子模块2021将实时数据进行数据清洗,从而识别出实时数据中的异常数据,将其发送至数据分析模块203进行异常来源的分析及确定,第一时间确定异常情况,避免异常加重带来不必要的损失,提高效率,缩短工期,降低成本。
在一些实施例中,挂篮行走监测控制预警系统200还包括挂篮维护模块205;挂篮维护模块205与数据获取模块201相连;数据获取模块201在得到实时数据后,具体用于将实时数据发送至挂篮维护模块205;挂篮维护模块205用于接收并存储实时数据,并实时检测挂篮的工作状态,确定挂篮是否处于工作状态;挂篮维护模块205在确定挂篮不处于工作状态时,具体用于调取已存储的实时数据,利用预设预测模型得到挂篮在预设时段内的性能数据。
挂篮维护模块205中设置一个预设预测模型,这一预设预测模型可以利用大量的样本数据进行训练,例如本实施例中设置的挂篮行走过程中获取的实时数据,在进行训练时,可以将历史时段获取的这些实时数据以及对应的挂篮性能作为一组样本数据输入到这一模型中,使得这一预设预测模型可以通过实时数据,得到对应的挂篮性能,利用模糊识别的方式,预测未来预设时段内容的挂篮性能,得到对应的性能数据。
需要说明的是,上述预设时段可以根据挂篮行走的任务进行设置,在本实施例中并不进行限制,例如可以设置N个小时(N为自然数)。
通过本实施例提供的方案,在已有实时数据的基础上,利用挂篮维护模块205对预设时段内挂篮的性能进行预测,提前对挂篮进行维护,减少在挂篮出现问题时再进行维修的时间,提高效率,减少工期,也可以一定程度上减少安全风险。
在一些实施例中,挂篮行走监测控制预警系统200包括参数调整模块206;挂篮行走监测控制预警系统200还包括第一图像获取模块207;参数调整模块206与第一图像获取模块207相连;参数调整模块206包含一个深度学习模型,在得到实时特征参数后,用于将实时特征参数输入到深度学习模型中,根据深度学习模型的输出结果,确定挂篮的姿态是否达到预期标准;第一图像获取模块207用于拍摄挂篮各区域的实时图像;参数调整模块206在挂篮姿态未达到预期标准时,用于获取第一图像获取模块207拍摄的实时图像,并根据实时图像,确定当前时刻挂篮的实时姿态;参数调整模块206具体还用于根据实时姿态及预期标准,调整当前时刻挂篮的运行参数以调整挂篮的姿态。
在挂篮行走的现场可以设置若干摄像装置以实现对现场情况的监控,此时,可以设置一个第一图像获取模块207,可以用来监控挂篮行走的若干摄像装置进行互连,从而得到挂篮行走过程挂篮各区域的实时图像。
参数调整模块206中的深度学习模型可以利用大量的达到预期标准的特征参数以及对应姿态进行训练,使得这一深度学习模型可以通过输入的实时特征参数,确定对应的姿态是否达到标准。预期标准可以是一个代表姿态标准的参数范围,即在这一范围内,姿态都是被允许的,所以当这一深度学习模型训练完成后,如果输入一个实时特征参数不在上述训练得到的范围中,则可以认为未达到预期标准。
此时,可以想第一图像获取模块207发送图像获取信号,获取实时图像,从而将实时图像进行图像识别以及特征提取,从而确定挂篮的实时姿态,然后利用实时姿态,确定如何调整可以满足预期标准,从而改变挂篮的运行参数进行姿态调整。
通过本实施例提供的方案,设置一个参数调整模块206在挂篮的姿态不符合预期标准时,联动第一图像获取模块207,进行实时图像获取,从而进行分析,确定如何调整挂篮的姿态使其达到预期标准。这种方式可以在挂篮姿态可能存在偏移甚至存在风险时,及时通过调参数的方式改变,不再依赖人工进行调整,而是结合第一图像获取模块207进行图像分析得到,降低对人工的依赖,减少人力沟通成本,提高工作效率。
在一些实施例中,预警模块204包括数据统计子模块2041;数据统计子模块2041分别与参数调整模块206、数据获取模块201相连,用于获取数据获取模块201得到的实时数据,及参数调整模块206调整后的运行参数,并绘制预设表格进行数据统计及展示。
通过本实施例提供的方案,数据统计子模块2041可以将得到的实时数据进行统计,同时可以利用设置表格的形式将数据进行展示,便于后续施工人员对挂篮工作状态的分析,减少人为数据收集的过程,提高施工人员的汇报效率。
在一些实施例中,参数调整模块206还包括图像分析子模块2061;图像分析子模块2061与数据分析模块203相连;图像分析子模块2061用于接收实时图像,并将实时图像进行图像识别,确定挂篮区域;图像分析子模块2061在确定挂篮区域后,具体用于筛选挂篮区域对应的挂篮图像,并对挂篮图像进行特征提取,得到挂篮特征;图像分析子模块2061在得到挂篮特征后,具体用于获取数据分析模块203得到的挂篮状态,并根据挂篮状态,调取标准特征,将挂篮特征与标准特征对比,根据对比结果,确定当前时刻挂篮的实时姿态。
通过本实施例提供的方案,利用在参数调整模块206中设置一个图像分析子模块2061的方式,对接收到的实时图像进行分析,实现对挂篮姿态的确定,减少人为判断带来的误差,降低数据处理周期,提高效率。
在一些实施例中,挂篮维护模块205包括路径规划子模块2051;路径规划子模块2051分别与参数调整模块206、图像分析子模块2061相连;路径规划子模块2051在确定挂篮不处于工作状态时,用于调取挂篮的任务列表,根据任务列表,确定后续任务,并根据后续任务,确定挂篮的下一任务路段,并将下一任务路段发送至图像分析子模块2061;图像分析子模块2061在接收下一任务路段后,具体用于将下一任务路段对应的路段图像进行特征提取,得到路段特征,并根据路段特征确定下一任务路段的地形特点,并将地形特点发送至路径规划子模块2051;路径规划子模块2051在接收到地形特点后,具体用于根据地形特性及挂篮在预设时段内的性能数据进行路径规划,得到下一任务路段的预设行进参数,并将预设行进参数发送至参数调整模块206;参数调整模块206在接收预设行进参数后,具体用于在挂篮进入下一任务路段时,按照预设行进参数,调整当前时刻挂篮的运行参数。
通过本实施例提供的方案。利用路径规划子模块2051调取挂篮的任务列表,从而确定后续的挂篮行走任务,从而确定下一任务路段,通过与图像分析子模块2061联动,分析下一任务路段的路段特征,得到下一任务路段的地形特点,使得路径规划子模块2051可以结合下一任务路段的地形特点进行路径规划可以根据挂篮的任务进行挂篮路线规划,从而降低人为规划所耗费的时间,另外也可以避免人为经验规划路线带来的路线不合理问题,提高路线规划效率。
在一些实施例中,挂篮行走监测控制预警系统200还包括第二图像获取模块208;第二图像获取模块208与图像分析子模块2061相连,图像分析子模块2061还与预警模块204相连;第二图像获取模块208用于拍摄挂篮区域的地面图像,并将实时地面图像发送至图像分析子模块2061;图像分析子模块2061在接收到实时地面图像后,具体用于识别实时地面图像,确实实时地面图像中是否存在人物图像;图像分析子模块2061在确定存在人物图像时,具体用于根据人物图像及第二图像获取模块的设置位置,确定人物位置,并调取挂篮图像,确定人物位置是否存在风险;图像分析子模块2061在确定人物位置存在风险时,将人物位置对应的坐标及对应风险发送至预警模块204;预警模块204具体用于接收人物位置对应的坐标及对应风险,并根据坐标,启动距离坐标最近的警报器以使警报器播报对应风险。
为了减少挂篮现场的人身安全风险,可以设置若干监控地面的摄像装置,同时设置第二图像获取模块208来获取这些监控地面的摄像装置的拍摄图像,即地面图像,从而确定地面是否存在人物。
由于可以获取每一摄像装置的设置位置的地理坐标,因此可以根据图像的拍摄归属,即来自哪一摄像装置,以及对应摄像装置的设置位置,确定人物位置。
通过本实施例提供的方案,首先利用第二图像获取模块208获取地面图像并发送给图像分析子模块2061,使得图像分析子模块2061可以对地面图像进行分析,确定是否存在人物图像。并在存在人物图像时,利用摄像装置的设置位置,确定人物位置,此时可以利用挂篮图像结合上述人物位置,确定当前人物位置是否存在风险,这样直接通过几个模块之间的联动实现挂篮现场的监督,摆脱低效率的人为监督,提高监督效率,降低安全风险发生的概率。同时,在确定存在风险时,及时利用预警模块控制距离人物位置最近的警报器以提醒现场人员尽快远离,降低风险严重性。
在一些实施例中,可以设置操作切换模块,这一操作切换模块可以设置自动运行以及手动运行,在不进行任何设置的情况下,可以默认为自动运行,即利用上述涉及的模块自动进行挂篮行走监测控制以及预警。在具体实现方式中,人为可以干预操作,此时可以人为进入操作切换模块进行操作模式的调整,从而实现手动操作,在进行手动操作时,同样可以实现上述进行的操作,比如挂篮行进速度的参数调整等,具体可以参考图4给出的一种手动操作画面,其中包括若干油缸的上升下降操作、位移清零操作、上下模开合模的手动操作等,同样的,也可以在这一界面进行手动、自动操作的切换。在具体实现方式中,由于人工操作会影响施工效率,因此这一操作切换模块在具体应用过程中可以考虑不设置,即按照上述实施例的方案进行全自动的行走监测控制以及预警。
图5为本申请一实施例提供的一种基于数字孪生技术的挂篮行走监测控制预警方法的流程图,本实施例的方法可以应用于以上场景中的挂篮行走监测控制预警系统。如图5所示的,该方法包括:
S501、获取挂篮行走过程中的实时数据;
S502、将实时数据进行预处理,得到有效数据;
S503、将有效数据进行特征提取,得到实时特征参数;
S504、将实时特征参数进行分类及分析,确定挂篮状态,并根据挂篮状态,确定是否发出警报。
在一些实施例中,可以将实时数据进行数据清洗,根据清洗结果,确定出异常数据;根据异常数据确定异常数据的关联设备,调取并分析关联设备的运行数据,确定异常来源。
在一些实施例中,可以在得到实时数据后,实时检测挂篮的工作状态,确定挂篮是否处于工作状态;若确定挂篮不处于工作状态时,调取已存储的实时数据,利用预设预测模型得到挂篮在预设时段内的性能数据。
在一些实施例中,可以将实时特征参数输入到深度学习模型中,根据深度学习模型的输出结果,确定挂篮的姿态是否达到预期标准;若挂篮的姿态未达到预期标准,则获取第一图像获取模块拍摄的实时图像,并根据实时图像,确定当前时刻挂篮的实时姿态;根据实时姿态及预期标准,调整当前时刻挂篮的运行参数以调整挂篮的姿态。
在一些实施例中,可以绘制预设表格,将实时数据及参数调整模块调整后的运行参数进行数据统计及展示。
在一些实施例中,可以将实时图像进行图像识别,确定挂篮区域;筛选挂篮区域对应的挂篮图像,并对挂篮图像进行特征提取,得到挂篮特征;获取数据分析模块得到的挂篮状态,并根据挂篮状态,调取标准特征,将挂篮特征与标准特征对比,根据对比结果,确定当前时刻挂篮的实时姿态。
在一些实施例中,可以在确定挂篮不处于工作状态时,调取挂篮的任务列表;根据任务列表,确定后续任务,并根据后续任务,确定挂篮的下一任务路段;将下一任务路段对应的路段图像进行特征提取,得到路段特征,并根据路段特征确定下一任务路段的地形特点;根据地形特性及挂篮在预设时段内的性能数据进行路径规划,得到下一任务路段的预设行进参数;在挂篮进入下一任务路段时,按照预设行进参数,调整当前时刻挂篮的运行参数。
在一些实施例中,可以获取第二图像获取模块拍摄的挂篮区域的地面图像;识别实时地面图像,确实实时地面图像中是否存在人物图像;若确定存在人物图像,根据人物图像及第二图像获取模块的设置位置,确定人物位置,并调取挂篮图像,确定人物位置是否存在风险;若确定人物位置存在风险,则根据人物位置对应的坐标,启动距离坐标最近的警报器以播报对应风险。
本实施例的方法,可以应用于上述任一实施例的系统,其实现原理和技术效果类似,此处不再赘述。
图6为本申请一实施例提供的一种电子设备的结构示意图,如图6所示,本实施例的电子设备600可以包括:存储器601和处理器602。
存储器601上存储有能够被处理器602加载并执行上述实施例中方法的计算机程序。
其中,处理器602和存储器601相连,如通过总线相连。
可选地,电子设备600还可以包括收发器。需要说明的是,实际应用中收发器不限于一个,该电子设备600的结构并不构成对本申请实施例的限定。
处理器602可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器602也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线可包括一通路,在上述组件之间传送信息。总线可以是PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器601可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器601用于存储执行本申请方案的应用程序代码,并由处理器602来控制执行。处理器602用于执行存储器601中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本实施例的电子设备,可以用于执行上述任一实施例的方法,其实现原理和技术效果类似,此处不再赘述。
本申请还提供一种计算机可读存储介质,存储有能够被处理器加载并执行如上实施例中的方法的计算机程序。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于数字孪生技术的挂篮行走监测控制预警系统,其特征在于,包括数据获取模块、数据处理模块、数据分析模块、预警模块;
所述数据获取模块、所述数据处理模块、所述数据分析模块、所述预警模块依次相连;
所述数据获取模块用于通过传感器采集挂篮行走过程中的实时数据,并发送至所述数据处理模块;
所述数据处理模块用于接收所述实时数据,并将所述实时数据进行预处理,得到有效数据,并将所述有效数据进行特征提取,得到对应的实时特征参数并发送至所述数据分析模块;
所述数据分析模块用于接收所述实时特征参数,并将所述实时特征参数进行分类及分析,确定挂篮状态并发送至所述预警模块;
所述预警模块用于接收所述挂篮状态并根据所述挂篮状态,确定是否发出警报。
2.根据权利要求1所述的系统,其特征在于,所述数据处理模块包括数据识别子模块;
所述数据识别子模块与所述数据分析模块相连;
所述数据识别子模块用于将所述实时数据进行数据清洗,根据清洗结果,确定出异常数据并发送至所述数据分析模块;
所述数据分析模块在接收到所述异常数据后,具体用于确定所述异常数据的关联设备,调取并分析所述关联设备的运行数据,确定异常来源。
3.根据权利要求1所述的系统,其特征在于,所述挂篮行走监测控制预警系统还包括挂篮维护模块;
所述挂篮维护模块与所述数据获取模块相连;
所述数据获取模块在得到所述实时数据后,具体用于将所述实时数据发送至所述挂篮维护模块;
所述挂篮维护模块用于接收并存储所述实时数据,并实时检测挂篮的工作状态,确定所述挂篮是否处于工作状态;
所述挂篮维护模块在确定所述挂篮不处于工作状态时,具体用于调取已存储的实时数据,利用预设预测模型得到所述挂篮在预设时段内的性能数据。
4.根据权利要求1所述的系统,其特征在于,所述挂篮行走监测控制预警系统包括参数调整模块;所述挂篮行走监测控制预警系统还包括第一图像获取模块;
所述参数调整模块与所述第一图像获取模块相连;
所述参数调整模块包含一个深度学习模型,在得到实时特征参数后,用于将实时特征参数输入到所述深度学习模型中,根据所述深度学习模型的输出结果,确定所述挂篮的姿态是否达到预期标准;
所述第一图像获取模块用于拍摄所述挂篮各区域的实时图像;
所述参数调整模块在所述挂篮姿态未达到预期标准时,用于获取所述第一图像获取模块拍摄的实时图像,并根据所述实时图像,确定当前时刻所述挂篮的实时姿态;
所述参数调整模块具体还用于根据所述实时姿态及所述预期标准,调整当前时刻所述挂篮的运行参数以调整所述挂篮的姿态。
5.根据权利要求1所述的系统,其特征在于,所述预警模块包括数据统计子模块;
所述数据统计子模块分别与所述参数调整模块、所述数据获取模块相连,用于获取所述数据获取模块得到的所述实时数据,及所述参数调整模块调整后的运行参数,并绘制预设表格进行数据统计及展示。
6.根据权利要求4所述的系统,其特征在于,所述参数调整模块还包括图像分析子模块;
所述图像分析子模块与所述数据分析模块相连;
所述图像分析子模块用于接收所述实时图像,并将所述实时图像进行图像识别,确定挂篮区域;
所述图像分析子模块在确定挂篮区域后,具体用于筛选所述挂篮区域对应的挂篮图像,并对所述挂篮图像进行特征提取,得到挂篮特征;
所述图像分析子模块在得到所述挂篮特征后,具体用于获取所述数据分析模块得到的所述挂篮状态,并根据所述挂篮状态,调取标准特征,将所述挂篮特征与所述标准特征对比,根据对比结果,确定当前时刻所述挂篮的实时姿态。
7.根据权利要求3所述的系统,其特征在于,所述挂篮维护模块包括路径规划子模块;
所述路径规划子模块分别与所述参数调整模块、所述图像分析子模块相连;
所述路径规划子模块在确定所述挂篮不处于工作状态时,用于调取所述挂篮的任务列表,根据所述任务列表,确定后续任务,并根据所述后续任务,确定所述挂篮的下一任务路段,并将所述下一任务路段发送至所述图像分析子模块;
所述图像分析子模块在接收所述下一任务路段后,具体用于将所述下一任务路段对应的路段图像进行特征提取,得到路段特征,并根据所述路段特征确定所述下一任务路段的地形特点,并将所述地形特点发送至所述路径规划子模块;
所述路径规划子模块在接收到所述地形特点后,具体用于根据所述地形特性及所述挂篮在预设时段内的性能数据进行路径规划,得到下一任务路段的预设行进参数,并将所述预设行进参数发送至所述参数调整模块;
所述参数调整模块在接收所述预设行进参数后,具体用于在所述挂篮进入所述下一任务路段时,按照所述预设行进参数,调整当前时刻所述挂篮的运行参数。
8.根据权利要求4-7任一项所述的系统,其特征在于,所述挂篮行走监测控制预警系统还包括第二图像获取模块;
所述第二图像获取模块与所述图像分析子模块相连,所述图像分析子模块还与所述预警模块相连;
所述第二图像获取模块用于拍摄所述挂篮区域的地面图像,并将所述实时地面图像发送至所述图像分析子模块;
所述图像分析子模块在接收到所述实时地面图像后,具体用于识别所述实时地面图像,确实所述实时地面图像中是否存在人物图像;
所述图像分析子模块在确定存在所述人物图像时,具体用于根据所述人物图像及所述第二图像获取模块的设置位置,确定人物位置,并调取所述挂篮图像,确定所述人物位置是否存在风险;
所述图像分析子模块在确定所述人物位置存在风险时,将所述人物位置对应的坐标及对应风险发送至所述预警模块;
所述预警模块具体用于接收所述人物位置对应的坐标及对应风险,并根据所述坐标,启动距离所述坐标最近的警报器以使所述警报器播报对应风险。
9.一种基于数字孪生技术的挂篮行走监测控制预警方法,其特征在于,应用于如权利要求1-8所述的挂篮行走监测控制预警系统,所述方法包括:
获取挂篮行走过程中的实时数据;
将所述实时数据进行预处理,得到有效数据;
将所述有效数据进行特征提取,得到实时特征参数;
将所述实时特征参数进行分类及分析,确定挂篮状态,并根据所述挂篮状态,确定是否发出警报。
10.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序指令;
所述处理器,用于调用并执行所述存储器中的程序指令,执行如权利要求9所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410306506.9A CN118245838A (zh) | 2024-03-18 | 2024-03-18 | 基于数字孪生技术的挂篮行走监测控制预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410306506.9A CN118245838A (zh) | 2024-03-18 | 2024-03-18 | 基于数字孪生技术的挂篮行走监测控制预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118245838A true CN118245838A (zh) | 2024-06-25 |
Family
ID=91556636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410306506.9A Pending CN118245838A (zh) | 2024-03-18 | 2024-03-18 | 基于数字孪生技术的挂篮行走监测控制预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118245838A (zh) |
-
2024
- 2024-03-18 CN CN202410306506.9A patent/CN118245838A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20200004822A (ko) | 디스플레이 스크린 주변 회로 검출 방법, 장치, 전자기기 및 저장매체 | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN111598040A (zh) | 一种建筑工人身份识别及安全帽佩戴检测方法及系统 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN115527340A (zh) | 一种基于无人机与监控摄像的智慧工地安全监测系统及方法 | |
CN108921840A (zh) | 显示屏外围电路检测方法、装置、电子设备及存储介质 | |
CN116311081B (zh) | 一种基于图像识别的医学实验室监控图像分析方法和系统 | |
CN117035419B (zh) | 企业项目实施智能管理系统及方法 | |
CN108776452B (zh) | 一种特种设备现场维保监控方法及系统 | |
CN115393789A (zh) | 建筑工地危险区域人群聚集预警方法、系统、设备及存储介质 | |
CN115082850A (zh) | 基于计算机视觉的模板支架安全风险识别方法 | |
CN110597165A (zh) | 一种堆钢监测系统及堆钢监测方法 | |
CN112232235B (zh) | 基于5g和算法的智慧工厂远程监控方法及系统 | |
CN114140684A (zh) | 堵煤漏煤检测方法、装置、设备及存储介质 | |
Pamuncak et al. | Deep learning for bridge load capacity estimation in post-disaster and-conflict zones | |
CN112906593A (zh) | 一种基于Faster RCNN的水闸图像识别方法 | |
CN112001336A (zh) | 行人越界报警方法、装置、设备及系统 | |
CN118245838A (zh) | 基于数字孪生技术的挂篮行走监测控制预警系统 | |
CN113269190B (zh) | 基于人工智能的数据分类方法、装置、计算机设备及介质 | |
CN115512098A (zh) | 一种桥梁电子化巡检系统及巡检方法 | |
CN114332695A (zh) | 电梯开关门的识别方法、设备及存储介质 | |
KR20220067271A (ko) | 영상취득장치 및 영상취득방법 | |
CN104168473B (zh) | 一种视频图像的横波干扰的检测方法及装置 | |
CN115082865B (zh) | 基于视觉图像识别的桥机入侵危险行为预警方法及系统 | |
CN117670755B (zh) | 一种吊钩防脱装置检测方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |