KR20230135202A - 타워크레인 전도 방지 장치 및 방법 - Google Patents

Abstract

타워크레인이 위치하는 고도의 환경 변화에 따른 전도 가능성을 예측하여 타워크레인의 전도를 방지할 수 있는 타워크레인 전도 방지 장치 및 방법에 관한 것으로, 상기 프로세서가, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 상기 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하는 단계, 상기 프로세서가, 상기 수집한 고도 환경 데이터를 가공 처리하여 센서 데이터 전문을 생성하는 단계, 상기 프로세서가, 상기 생성한 센서 데이터 전문 및 현장 영상 데이터를 기반으로 상기 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성하는 단계, 상기 프로세서가, 상기 전도 가능성 예측 정보를 기반으로 상기 타워크레인의 전도 위험을 판단하는 단계, 상기 프로세서가, 상기 타워크레인의 전도 위험으로 판단되면 경고 알람을 생성하는 단계, 및 상기 프로세서가, 상기 타워크레인의 운행 중단을 제어하는 단계를 포함할 수 있다.

Description

타워크레인 전도 방지 장치 및 방법{APPARATUS AND METHOD FOR PREVENTING TOWER CRANE FROM FALLING}

본 발명은 타워크레인 전도 방지 장치에 관한 것으로, 보다 상세하게는 타워크레인이 위치하는 고도의 환경 변화에 따른 전도 가능성을 예측하여 타워크레인의 전도를 방지할 수 있는 타워크레인 전도 방지 장치 및 방법에 관한 것이다.

일반적으로, 타워크레인은, 조종사가 탑승하여 타워크레인에 설치되어 있는 카메라 또는 조종사의 육안을 통해 수동 조종될 수 있다.

하지만, 타워크레인은, 높은 고도에서 작동되는 장치 특성으로 인하여, 지표면에서 알 수 있는 다양한 상황으로부터 점차 고도가 높아짐에 따라 시시각각으로 변화하는 환경을 주시하면서 타워크레인의 작동범위와 속도를 정밀하게 제어하지 않을 경우, 타워크레인의 전도 사고가 발생할 수 있다.

최근에는, 무인 타워크레인의 증가에 따라 지표면에서 원격으로 타워크레인의 고공 상황을 제어하는 환경으로 변하고 있다.

타워크레인의 고도가 높아질수록 기압과 온도의 차이가 지상에 비해 낮아지고 변화하게 되며 풍속 또한 빨라지는 특성을 고려할 때, 무인의 상태에서 조종되는 타워크레인은, 고도가 높아짐에 따라 변화하는 환경 상황을 정확하게 인지하지 못하고 원격제어될 경우, 크레인의 전도가 발생할 수 있고, 작업자 및 현장의 안전에 악영향을 미치게 된다.

따라서, 향후, 타워크레인이 위치하는 고도의 환경 변화에 따른 전도 가능성을 예측하여 타워크레인의 전도를 방지할 수 있는 타워크레인 전도 방지 장치의 개발이 요구되고 있다.

대한민국 등록특허 제10-1678027호(2016년 11월 15일)

본 발명의 일실시예가 이루고자 하는 기술적 과제는, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하여 타워크레인의 전도 가능성을 예측하고, 전도 가능성 예측 정보를 기반으로 타워크레인의 전도 위험을 판단함으로써, 타워크레인의 전도를 방지할 수 있는 타워크레인 전도 방지 장치 및 방법을 제공하고자 한다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 일실시예에 의한 타워크레인 전도 방지 방법은, 센서부, 카메라부, 네트워크부 및 출력부를 제어하는 프로세서를 포함하는 타워크레인 전도 방지 장치의 타워크레인 전도 방지 방법에 있어서, 상기 프로세서가, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 상기 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하는 단계, 상기 프로세서가, 상기 수집한 고도 환경 데이터를 가공 처리하여 센서 데이터 전문을 생성하는 단계, 상기 프로세서가, 상기 생성한 센서 데이터 전문 및 현장 영상 데이터를 기반으로 상기 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성하는 단계, 상기 프로세서가, 상기 전도 가능성 예측 정보를 기반으로 상기 타워크레인의 전도 위험을 판단하는 단계, 상기 프로세서가, 상기 타워크레인의 전도 위험으로 판단되면 경고 알람을 생성하는 단계, 및 상기 프로세서가, 상기 타워크레인의 운행 중단을 제어하는 단계를 포함할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 고도 환경 데이터 및 상기 현장 영상 데이터를 수집하는 단계는, 상기 타워크레인의 고도에 상응하는 고도 환경을 센싱하도록 상기 센서부를 제어하여 상기 센서부로부터 고도 환경 데이터를 수집하고, 상기 타워크레인의 조종실 고도에서 관측되는 현장을 촬영하도록 상기 카메라부를 제어하여 상기 카메라부로부터 상기 현장 영상 데이터를 수집할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 센서부로부터 고도 환경 데이터를 수집하는 단계는, GPS(Global Positioning System) 센서로부터 상기 타워크레인의 현재 위치 정보를 수집하고, 지자기 센서로부터 상기 타워크레인의 기울기 정보를 수집하며, 고도 센서로부터 상기 타워크레인의 고도 정보를 수집하고, 풍향/풍속 센서로부터 상기 타워크레인의 풍향 및 풍속 정보를 수집하며, 진동 센서로부터 상기 타워크레인의 진동 정보를 수집할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 지자기 센서, 고도 센서, 풍향/풍속 센서 및 진동 센서는, 상기 타워 크레인의 조종실 주변에 배치되어 상기 타워 크레인의 조종실이 위치하는 고도에서 상기 타워크레인의 기울기 정보, 고도 정보, 풍향/풍속 정보, 그리고 진동 정보를 수집할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 지자기 센서, 고도 센서, 풍향/풍속 센서 및 진동 센서는, 상기 타워크레인의 타워마스트를 따라 고도별로 다수 개가 배치되고, 상기 타워크레인의 고도별로 다수의 기울기 정보, 고도 정보, 풍향/풍속 정보, 그리고 진동 정보를 수집할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 지자기 센서, 고도 센서, 풍향/풍속 센서 및 진동 센서는, 상기 타워크레인의 붐을 따라 다수 개가 배치되고, 상기 타워크레인의 붐 고도별로 다수의 기울기 정보, 고도 정보, 풍향/풍속 정보, 그리고 진동 정보를 수집할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 카메라부로부터 상기 현장 영상 데이터를 수집하는 단계는, 상기 카메라부의 이더넷 또는 시리얼 통신 포트를 통해 유선으로 상기 현장 영상 데이터를 수집하거나 또는 네트워크 통신 포트를 통해 무선으로 상기 현장 영상 데이터를 수집할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 고도 환경 데이터 및 상기 현장 영상 데이터를 수집하는 단계는, 동일한 시간대에 상기 고도 환경 데이터 및 현장 영상 데이터를 동시에 수집할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 전도 가능성 예측 정보를 생성하는 단계는, 상기 센서 데이터 전문 및 현장 영상 데이터를 기반으로 상기 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동이 각각 정상 범위 이내인지를 확인하고, 상기 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소가 비정상이면 상기 비정상인 요소에 대한 비정상 정도와 비정상 횟수를 산출하며, 상기 산출한 비정상 정도와 비정상 횟수를 기반으로 상기 비정상 요소에 대한 미리 설정된 기간 동안의 비정상 발생 지속률, 비정상 발생 주기, 그리고 비정상 발생 증가율 중 적어도 어느 하나를 포함하는 비정상 발생 빈도 추이를 분석하여 상기 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 타워크레인의 전도 가능성을 예측하는 단계는, 상기 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소에 대한 비정상 정도와 비정상 횟수를 사전 학습된 뉴럴 네트워크 모델에 입력하여 상기 상기 비정상 요소에 대한 비정상 발생 빈도 추이를 분석하고 상기 타워크레인의 전도 가능성을 예측할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 전도 가능성 예측 정보를 생성하는 단계는, 상기 전도 가능성 예측 정보가 생성되면 상기 타워크레인의 제어설정을 확인하는 단계, 상기 타워크레인의 제어설정이 원격제어설정이면 상기 센서 데이터 전문, 전도 가능성 예측 정보 및 상기 현장 영상 데이터를 외부의 원격제어부로 전송하도록 상기 네트워크부를 제어하는 단계, 상기 타워크레인의 제어설정이 원격제어설정이 아니면 상기 센서 데이터 전문, 전도 가능성 예측 정보 및 상기 현장 영상 데이터를 출력하도록 상기 출력부를 제어하는 단계를 더 포함할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 경고 알람을 생성하는 단계는, 상기 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성 및 제공하여 상기 타워크레인의 전도 위험을 알릴 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 경고 알람을 생성하는 단계는, 상기 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성하면 상기 타워크레인의 제어설정을 확인하는 단계, 상기 타워크레인의 제어설정이 원격제어설정이면 상기 경고 알람 정보를 외부의 원격제어부로 전송하도록 상기 네트워크부를 제어하는 단계, 상기 타워크레인의 제어설정이 원격제어설정이 아니면 상기 경고 알람 정보를 출력하도록 알람부를 제어하는 단계를 더 포함할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 타워크레인의 운행 중단을 제어하는 단계는, 상기 경고 알람이 생성되면 상기 타워크레인의 운행 중단 제어 명령을 생성하여 상기 생성한 운행 중단 제어 명령을 상기 타워크레인의 PLC(Programmable Logic Controller)에 전송할 수 있다.

타워크레인 전도 방지 방법의 대안적인 실시예에서, 상기 타워크레인의 운행 중단을 제어하는 단계는, 상기 네트워크부의 고속 통신 모뎀을 통해, 상기 원격제어부로부터 상기 타워크레인의 운행 중단 제어 명령을 수신하고, 상기 생성한 운행 중단 제어 명령을 상기 타워크레인의 PLC(Programmable Logic Controller)에 전송할 수 있다.

한편, 본 발명의 일실시예에 의한 타워크레인 전도 방지 방법을 제공하기 위한 타워크레인 전도 방지 장치는, 타워크레인의 고도에 상응하는 고도 환경을 센싱하는 센서부, 상기 타워크레인의 조종실 고도에서 관측되는 현장을 촬영하는 카메라부, 원격제어부와 통신 연결되는 네트워크부, 하나 이상의 코어를 포함하는 프로세서, 및 메모리를 포함하고, 상기 프로세서는, 상기 타워크레인의 고도에 상응하는 고도 환경 데이터 및 상기 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하고, 상기 수집한 고도 환경 데이터를 가공 처리하여 센서 데이터 전문을 생성하며, 상기 생성한 센서 데이터 전문 및 현장 영상 데이터를 기반으로 상기 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성하고, 상기 전도 가능성 예측 정보를 기반으로 상기 타워크레인의 전도 위험을 판단하며, 상기 타워크레인의 전도 위험으로 판단되면 경고 알람을 생성하고, 상기 타워크레인의 운행 중단을 제어할 수 있다.

본 발명에 따른 타워크레인 전도 방지 장치 및 방법의 효과에 대해 설명하면 다음과 같다.

본 발명은, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하여 타워크레인의 전도 가능성을 예측하고, 전도 가능성 예측 정보를 기반으로 타워크레인의 전도 위험을 판단함으로써, 타워크레인의 전도를 방지할 수 있다.

본 발명의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 발명의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 발명의 바람직한 실시 예와 같은 특정 실시 예는 단지 예시로 주어진 것으로 이해되어야 한다.

도 1은, 본 발명에 따른 타워크레인 전도 방지 장치를 설명하기 위한 도면이다.
도 2는, 본 발명의 일 실시예에 따라, 타워크레인 전도 방지 장치를 포함하는 타워크레인을 설명하기 위한 도면이다.
도 3은, 본 발명에 따른 타워크레인 전도 방지 방법을 설명하기 위한 흐름도이다.

이하에서는 도면을 참조하여 본 발명을 더욱 상세하게 설명한다.

이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 단순히 본 명세서 작성의 용이함을 고려하여 부여되는 것으로서, 상기 "모듈" 및 "부"는 서로 혼용되어 사용될 수도 있다.

나아가, 이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다.

본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는, 단순한 용어의 명칭이 아닌 그 용어가 가지는 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 함을 밝혀두고자 한다.

또한, 본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 “노드”라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 “노드”들은, “뉴런(neuron)”들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 “링크”에 의해 상호 연결될 수 있다.

도 1은, 본 발명에 따른 타워크레인 전도 방지 장치를 설명하기 위한 도면이고, 도 2는, 타워크레인 전도 방지 장치를 포함하는 타워크레인을 설명하기 위한 도면이다.

도 1 및 도 2에 도시된 바와 같이, 본 발명의 타워크레인 전도 방지 장치(100)는, 타워크레인(10)의 제어장치 및 원격 제어부(400)와 통신 연결될 수 있다.

본 발명의 타워크레인 전도 방지 장치(100)는, 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 타워크레인 전도 방지 장치(100)를 구성할 수도 있다.

타워크레인 전도 방지 장치(100)는, 프로세서(110), 메모리(130), 네트워크부(150), 센서부(160), 카메라부(170), 출력부(180), 알람부(190)를 포함할 수 있다.

본 발명에서, 프로세서(110)는, 타워크레인(10)의 고도에 상응하는 고도 환경 데이터 및 타워크레인(10)의 조종실(12) 고도에서 관측되는 현장 영상 데이터를 수집하고, 수집한 고도 환경 데이터를 가공 처리하여 센서 데이터 전문을 생성하며, 생성한 센서 데이터 전문 및 현장 영상 데이터를 기반으로 타워크레인(10)의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성하고, 전도 가능성 예측 정보를 기반으로 타워크레인(10)의 전도 위험을 판단하며, 타워크레인(10)의 전도 위험으로 판단되면 경고 알람을 생성하고, 타워크레인(10)의 운행 중단을 제어할 수 있다.

여기서, 프로세서(110)는, 고도 환경 데이터 및 현장 영상 데이터를 수집할 때, 타워크레인(10)의 고도에 상응하는 고도 환경을 센싱하도록 센서부(160)를 제어하여 센서부(160)로부터 고도 환경 데이터를 수집하고, 타워크레인(10)의 조종실(12) 고도에서 관측되는 현장을 촬영하도록 카메라부(170)를 제어하여 카메라부(170)로부터 현장 영상 데이터를 수집할 수 있다.

일 예로, 프로세서(110)는, 센서부(160)로부터 고도 환경 데이터를 수집할 때, GPS(Global Positioning System) 센서로부터 타워크레인의 현재 위치 정보를 수집하고, 지자기 센서로부터 타워크레인의 기울기 정보를 수집하며, 고도 센서로부터 타워크레인의 고도 정보를 수집하고, 풍향/풍속 센서로부터 타워크레인의 풍향 및 풍속 정보를 수집하며, 진동 센서로부터 타워크레인의 진동 정보를 수집할 수 있다.

이때, 지자기 센서, 고도 센서, 풍향/풍속 센서 및 진동 센서는, 타워 크레인(10)의 조종실(12) 주변에 배치되어 타워 크레인(10)의 조종실(12)이 위치하는 고도에서 타워크레인(10)의 기울기 정보, 고도 정보, 풍향/풍속 정보, 그리고 진동 정보를 수집할 수 있다.

경우에 따라, 지자기 센서, 고도 센서, 풍향/풍속 센서 및 진동 센서는, 타워크레인(10)의 타워마스트를 따라 고도별로 다수 개가 배치되고, 타워크레인(10)의 고도별로 다수의 기울기 정보, 고도 정보, 풍향/풍속 정보, 그리고 진동 정보를 수집할 수도 있다.

다른 경우로서, 지자기 센서, 고도 센서, 풍향/풍속 센서 및 진동 센서는, 타워크레인(10)의 붐을 따라 다수 개가 배치되고, 타워크레인(10)의 붐 고도별로 다수의 기울기 정보, 고도 정보, 풍향/풍속 정보, 그리고 진동 정보를 수집할 수도 있다.

또한, 프로세서(110)는, 카메라부(170)로부터 현장 영상 데이터를 수집할 때, 카메라부(170)의 이더넷 또는 시리얼 통신 포트를 통해 유선으로 현장 영상 데이터를 수집하거나 또는 네트워크 통신 포트를 통해 무선으로 현장 영상 데이터를 수집할 수 있다.

일 예로, 카메라부(170)는, 타워 크레인(10)의 조종실(12)에서 외부 방향을 향하도록 배치되어 타워크레인(10)의 조종실(12) 고도에서 관측되는 현장을 촬영할 수 있다.

또한, 프로세서(110)는, 고도 환경 데이터 및 현장 영상 데이터를 수집할 때, 동일한 시간대에 고도 환경 데이터 및 현장 영상 데이터를 동시에 수집할 수 있다.

다음, 프로세서(110)는, 전도 가능성 예측 정보를 생성할 때, 센서 데이터 전문 및 현장 영상 데이터를 기반으로 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동이 각각 정상 범위 이내인지를 확인하고, 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소가 비정상이면 비정상인 요소에 대한 비정상 정도와 비정상 횟수를 산출하며, 산출한 비정상 정도와 비정상 횟수를 기반으로 비정상 요소에 대한 미리 설정된 기간 동안의 비정상 발생 지속률, 비정상 발생 주기, 그리고 비정상 발생 증가율 중 적어도 어느 하나를 포함하는 비정상 발생 빈도 추이를 분석하여 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성할 수 있다.

여기서, 프로세서(110)는, 타워크레인의 전도 가능성을 예측할 때, 미리 설정된 기간 동안의 비정상 발생 지속률이 증가할수록 타워크레인의 전도 가능성이 증가하는 것으로 예측할 수 있다.

경우에 따라, 프로세서(110)는, 타워크레인의 전도 가능성을 예측할 때, 미리 설정된 기간 동안의 비정상 발생 주기가 짧아질수록 타워크레인의 전도 가능성이 증가하는 것으로 예측할 수도 있다.

다른 경우로서, 프로세서(110)는, 타워크레인의 전도 가능성을 예측할 때, 미리 설정된 기간 동안의 비정상 발생 증가율이 빨라질수록 타워크레인의 전도 가능성이 증가하는 것으로 예측할 수도 있다.

또 다른 경우로서, 프로세서(110)는, 타워크레인의 전도 가능성을 예측할 때, 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소에 대한 비정상 정도와 비정상 횟수를 사전 학습된 뉴럴 네트워크 모델에 입력하여 비정상 요소에 대한 비정상 발생 빈도 추이를 분석하고 타워크레인의 전도 가능성을 예측할 수도 있다.

여기서, 사전 학습된 뉴럴 네트워크 모델은, 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소에 대한 비정상 정도와 비정상 횟수를 입력으로 미리 설정된 기간 동안의 비정상 발생 지속률, 비정상 발생 주기, 그리고 비정상 발생 증가율 중 적어도 어느 하나 요소를 포함하는 비정상 발생 빈도 추이를 분석하여 타워크레인의 전도 가능성을 예측하도록 사전 학습할 수 있다.

예를 들면, 프로세서(110)는, 전도 가능성 예측 정보를 생성할 때, 0 ~ 4% 범위를 갖는 정상 레벨, 5% ~ 29% 범위를 갖는 주의 레벨, 30% ~ 69% 범위를 갖는 경고 레벨, 그리고 70% ~ 100% 범위를 갖는 위험 레벨 중 어느 하나의 전도 가능 확률을 포함하는 전도 가능성 예측 정보를 생성할 수 있다.

또한, 프로세서(110)는, 전도 가능성 예측 정보를 생성할 때, 전도 가능성 예측 정보가 생성되면 타워크레인의 제어설정을 확인하고, 타워크레인의 제어설정이 원격제어설정이면 센서 데이터 전문, 전도 가능성 예측 정보 및 현장 영상 데이터를 외부의 원격제어부로 전송하도록 네트워크부(150)를 제어하며, 타워크레인의 제어설정이 원격제어설정이 아니면 센서 데이터 전문, 전도 가능성 예측 정보 및 현장 영상 데이터를 출력하도록 출력부(180)를 제어할 수 있다.

여기서, 프로세서(110)는, 센서 데이터 전문, 전도 가능성 예측 정보 및 현장 영상 데이터를 외부의 원격제어부로 전송할 때, 네트워크부(150)의 고속 통신 모뎀을 통해 원격제어부(400)와의 통신 연결을 수행하고, 원격제어부(400)와 통신 연결되면 고속 통신 모뎀을 통해 센서 데이터 전문, 전도 가능성 예측 정보 및 현장 영상 데이터를 외부의 원격제어부(400)로 전송할 수 있다.

일 예로, 고속 통신 모뎀은, 5G 또는 LTE를 포함하는 이동 통신망에 접속 가능한 고속 통신 모뎀일 수 있다.

다음, 프로세서(110)는, 경고 알람을 생성할 때, 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성 및 제공하여 타워크레인의 전도 위험을 알릴 수 있다.

여기서, 프로세서(110)는, 경고 알람을 생성할 때, 스피커로 특정 소리를 출력하는 제1 경고 알람 방식, 진동기를 진동시키는 제2 경고 알람 방식, 경고등을 온/오프시키는 제3 경고 알람 방식, 디스플레이 화면에 문자, 영상, 그림, 도안, 메시지를 적어도 하나 포함하는 경고 표시를 출력하는 제4 경고 알람 방식 중 적어도 어느 한 경고 알람 방식으로 타워크레인의 전도 위험을 알릴 수 있다.

또한, 프로세서(110)는, 경고 알람을 생성할 때, 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성하면 타워크레인의 제어설정을 확인하고, 타워크레인의 제어설정이 원격제어설정이면 경고 알람 정보를 외부의 원격제어부로 전송하도록 네트워크부(150)를 제어하며, 타워크레인의 제어설정이 원격제어설정이 아니면 경고 알람 정보를 출력하도록 알람부(190)를 제어할 수 있다.

여기서, 프로세서(110)는, 경고 알람 정보를 외부의 원격제어부로 전송할 때, 네트워크부(150)의 고속 통신 모뎀을 통해 원격제어부(400)와의 통신 연결을 수행하고, 원격제어부(400)와 통신 연결되면 고속 통신 모뎀을 통해 경고 알람 정보를 외부의 원격제어부(400)로 전송할 수 있다.

일 예로, 고속 통신 모뎀은, 5G 또는 LTE를 포함하는 이동 통신망에 접속 가능한 고속 통신 모뎀일 수 있다.

이어, 프로세서(110)는, 타워크레인의 운행 중단을 제어할 때, 경고 알람이 생성되면 타워크레인의 운행 중단 제어 명령을 생성하여 생성한 운행 중단 제어 명령을 타워크레인의 PLC(Programmable Logic Controller)에 전송할 수 있다.

여기서, 프로세서(110)는, 생성한 운행 중단 제어 명령을 타워크레인의 PLC에 전송할 때, 생성된 운행 중단 제어 명령에 상응하는 타워크레인 제어장치의 PLC와의 통신 연결을 수행하고, 타워크레인 제어장치의 PLC와 통신 연결되면 운행 중단 제어 명령을 PLC로 전송할 수 있다.

또한, 프로세서(110)는, 생성한 운행 중단 제어 명령을 타워크레인의 PLC에 전송할 때, 생성된 운행 중단 제어 명령에 상응하는 타워크레인 제어장치가 다수이면 다수의 제어장치들에 대한 우선순위를 결정하고, 결정된 우선순위에 상응하여 운행 중단 제어 명령을 제어장치의 PLC로 전송할 수 있다.

일 예로, 프로세서(110)는, 다수의 제어장치들에 대한 우선순위를 결정할 때, 운행 중단 제어 명령에 상응하는 다수의 제어장치들에 대한 중요도를 산출하고, 산출한 중요도에 기반하여 제어장치들의 우선순위를 결정할 수 있다.

여기서, 프로세서(110)는, 중요도를 산출할 때, 제어장치의 작동 시간, 작동 위험도, 작동 오류 비율 중 적어도 어느 한 조건에 기반하여 중요도를 산출할 수 있다.

즉, 프로세서(110)는, 작동 시간이 많은 제어장치가 작동 시간이 적은 제어장치보다 중요도가 더 높도록 산출할 수 있다.

경우에 따라, 프로세서(110)는, 작동 위험도가 높은 제어장치가 작동 위험도가 낮은 제어장치보다 중요도가 더 높도록 산출할 수도 있다.

다른 경우로서, 프로세서(110)는, 작동 오류 비율이 높은 제어장치가 작동 오류 비율이 낮은 제어장치보다 중요도가 더 높도록 산출할 수도 있다.

다음, 프로세서(110)는, 타워크레인의 운행 중단을 제어할 때, 네트워크부(150)의 고속 통신 모뎀을 통해, 원격제어부(400)로부터 타워크레인의 운행 중단 제어 명령을 수신하고, 수신한 운행 중단 제어 명령을 워크레인의 PLC(Programmable Logic Controller)에 전송할 수 있다.

일 예로, 고속 통신 모뎀은, 5G 또는 LTE를 포함하는 이동 통신망에 접속 가능한 고속 통신 모뎀일 수 있다.

여기서, 프로세서(110)는, 수신한 운행 중단 제어 명령을 타워크레인의 PLC에 전송할 때, 수신된 운행 중단 제어 명령에 상응하는 타워크레인 제어장치의 PLC와의 통신 연결을 수행하고, 타워크레인 제어장치의 PLC와 통신 연결되면 운행 중단 제어 명령을 PLC로 전송할 수 있다.

또한, 프로세서(110)는, 수신한 운행 중단 제어 명령을 타워크레인의 PLC에 전송할 때, 수신된 운행 중단 제어 명령에 상응하는 타워크레인 제어장치가 다수이면 다수의 제어장치들에 대한 우선순위를 결정하고, 결정된 우선순위에 상응하여 운행 중단 제어 명령을 제어장치의 PLC로 전송할 수 있다.

일 예로, 프로세서(110)는, 다수의 제어장치들에 대한 우선순위를 결정할 때, 운행 중단 제어 명령에 상응하는 다수의 제어장치들에 대한 중요도를 산출하고, 산출한 중요도에 기반하여 제어장치들의 우선순위를 결정할 수 있다.

또한, 전술한 본 발명의 뉴럴 네트워크 모델은, 딥 뉴럴 네트워크일 수 있다. 본 명세서에 걸쳐, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는, 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크 (CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다.

컨벌루셔널 뉴럴 네트워크는, 딥 뉴럴 네트워크의 일종으로서, 컨벌루셔널 레이어를 포함하는 신경망을 포함한다. 컨벌루셔널 뉴럴 네트워크는, 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은, 하나 또는 여러 개의 컨벌루셔널 레이어와 이와 결합된 인공 신경망 계층들로 구성될 수 있다. CNN은, 가중치와 풀링 레이어(pooling layer)들을 추가로 활용할 수 있다. 이러한 구조 덕분에 CNN은, 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 컨벌루셔널 뉴럴 네트워크는, 이미지에서 오브젝트를 인식하기 위하여 사용될 수 있다. 컨벌루셔널 뉴럴 네트워크는, 이미지 데이터를 차원을 가진 행렬로 나타내어 처리할 수 있다. 예를 들어 RGB(red-green-blue)로 인코딩 된 이미지 데이터의 경우, R, G, B 색상별로 각각 2차원(예를 들어, 2 차원 이미지 인 경우) 행렬로 나타내 질 수 있다. 즉, 이미지 데이터의 각 픽셀의 색상 값이 행렬의 성분이 될 수 있으며 행렬의 크기는 이미지의 크기와 같을 수 있다. 따라서, 이미지 데이터는, 3개의 2차원 행렬로(3차원의 데이터 어레이)로 나타내질 수 있다.

컨벌루셔널 뉴럴 네트워크에서, 컨벌루셔널 필터를 이동해가며 컨벌루셔널 필터와 이미지의 각 위치에서의 행렬 성분끼리 곱하는 것으로 컨벌루셔널 과정(컨벌루셔널 레이어의 입출력)을 수행할 수 있다. 컨벌루셔널 필터는, n*n 형태의 행렬로 구성될 수 있다. 컨벌루셔널 필터는, 일반적으로 이미지의 전체 픽셀의 수보다 작은 고정된 형태의 필터로 구성될 수 있다. 즉, m*m 이미지를 컨벌루셔널 레이어(예를 들어, 컨벌루셔널 필터의 사이즈가 n*n인 컨벌루셔널 레이어)입력시키는 경우, 이미지의 각 픽셀을 포함하는 n*n 픽셀을 나타내는 행렬이 컨벌루셔널 필터와 성분 곱 (즉, 행렬의 각 성분끼리의 곱) 될 수 있다. 컨벌루셔널 필터와의 곱에 의하여 이 미지에서 컨벌루셔널 필터와 매칭되는 성분이 추출될 수 있다. 예를 들어, 이미지에서 상하 직선 성분을 추출하기 위한 3*3 컨벌루셔널 필터는 [[0,1,0], [0,1,0], [0,1,0]] 와 같이 구성될 수 있다. 이미지에서 상하 직선 성분을 추출하기 위한 3*3 컨벌루셔널 필터가 입력 이미지에 적용되면 이미지에서 컨벌루셔널 필터와 매칭되는 상하 직선 성분이 추출되어 출력될 수 있다. 컨벌루셔널 레이어는 이미지를 나타낸 각각의 채널에 대한 각각의 행렬(즉, R, G, B 코딩 이미지의 경우, R, G, B 색상)에 컨벌루셔널 필터를 적용할 수 있다. 컨벌루셔널 레이어는 입력 이미지에 컨벌루셔널 필터를 적용하여 입력 이미지에서 컨벌루셔널 필터와 매칭되는 피쳐를 추출할 수 있다. 컨벌루셔널 필터의 필터 값(즉, 행렬의 각 성분의 값)은 컨벌루셔널 뉴럴 네트워크의 학습 과정에서 역전파에 의하여 업데이트 될 수 있다.

컨벌루셔널 레이어의 출력에는, 서브샘플링 레이어가 연결되어 컨벌루셔널 레이어의 출력을 단순화하여 메모리 사용량과 연산량을 줄일 수 있다. 예를 들어, 2*2 맥스 풀링 필터를 가지는 풀링 레이어에 컨벌루셔널 레이어의 출력을 입력시키는 경우, 이미지의 각 픽셀에서 2*2 패치마다 각 패치에 포함되는 최대값을 출력하여 이미지를 압축할 수 있다. 전술한 풀링은 패치에서 최소값을 출력하거나, 패치의 평균값을 출력하는 방식일 수도 있으며 임의의 풀링 방식이 본 발명에 포함될 수 있다.

컨벌루셔널 뉴럴 네트워크는, 하나 이상의 컨벌루셔널 레이어, 서브 샘플링 레이어를 포함할 수 있다. 컨벌루셔널 뉴럴 네트워크는 컨벌루셔널 과정과 서브샘플링 과정(예를 들어, 전술한 맥스 풀링 등)을 반복적으로 수행하여 이미지에서 피쳐를 추출할 수 있다. 반복적인 컨벌루션널 과정과 서브샘플링 과정을 통해 뉴럴 네트워크는 이미지의 글로벌 피쳐를 추출할 수 있다.

컨벌루셔널 레이어 또는 서브샘플링 레이어의 출력은 풀 커넥티드 레이어(fully connected layer)에 입력될 수 있다. 풀 커넥티드 레이어는 하나의 레이어에 있는 모든 뉴런과 이웃한 레이어에 있는 모든 뉴런이 연결되는 레이어이다. 풀 커넥티드 레이어는 뉴럴 네트워크에서 각 레이어의 모든 노드가 다른 레이어의 모든 노드에 연결된 구조를 의미할 수 있다.

본 발명의 일 실시예에 따르면, 프로세서(110)는, 하나 이상의 코어로 구성될 수 있으며, 타워크레인 전도 방지 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(110)는, 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 발명의 일실시예에 따라 프로세서(110)는, 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는, 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에서 복수의 타워크레인 전도 방지 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에 따른 타워크레인 전도 방지 장치에서 수행되는 컴퓨터 프로그램은, CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

본 발명의 일 실시예에 따르면, 메모리(130)는, 타워크레인 전도 방지 장치의 원격제어 결과를 제공하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(120)에 의하여 판독되어 구동될 수 있다. 메모리(130)는, 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다.

본 발명의 일 실시예에 따르면, 메모리(130)는, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

타워크레인 전도 방지 장치(100)는, 인터넷(internet) 상에서 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 이에 제한되지 않는다.

본 발명의 일 실시예에 따른 네트워크부(150)는, 고속통신 모뎀을 통한 무선통신과 통신부를 통한 유선 통신으로 타워크레인(10)의 제어장치 및 원격제어부(400)와 통신 연결될 수 있다.

그리고, 네트워크부(150)는, 제어 장치의 원격제어 결과 정보 등을 다른 원격제어 장치 및 서버 등과 송수신할 수 있다. 또한, 네트워크부(150)는, 복수의 타워크레인 전도 방지 장치들 사이의 통신을 가능하게 하여 복수의 타워크레인 전도 방지 장치들 각각에서 제어장치의 원격제어 또는 모델의 학습을 위한 동작들이 분산 수행되도록 할 수 있다. 네트워크부(150)는, 복수의 타워크레인 전도 방지 장치들 사이의 통신을 가능하게 하여 제어장치의 원격제어 또는 네트워크 함수를 사용한 모델 학습을 위한 연산을 분산 처리하도록 할 수 있다.

본 발명의 일 실시예에 따른 네트워크부(150)는, 근거리(단거리), 원거리, 유선 및 무선 등과 같은 현재 사용 및 구현되는 임의의 형태의 유무선 통신 기술에 기반하여 동작할 수 있으며, 다른 네트워크들에서도 사용될 수 있다.

본 발명의 타워크레인 전도 방지 장치(100)는, 출력부 및 입력부를 더 포함할 수도 있다.

본 발명의 일 실시예에 따른 출력부(180)는, 제어장치의 원격제어 결과를 제공하기 위한 사용자 인터페이스(UI, user interface)를 표시할 수 있다. 출력부는, 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 출력할 수 있다.

본 발명의 일 실시예에서, 출력부는, 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 이들 중 일부 디스플레이 모듈은, 그를 통해 외부를 볼 수 있도록 투명형 또는 광 투과형으로 구성될 수 있다. 이는 투명 디스플레이 모듈이라 지칭될 수 있는데, 상기 투명 디스플레이 모듈의 대표적인 예로는 TOLED(Transparent OLED) 등이 있다.

본 발명의 일 실시예에 따른 입력부는, 사용자 입력을 수신할 수 있다. 입력부는, 사용자 입력을 수신받기 위한 사용자 인터페이스 상의 키 및/또는 버튼들, 또는 물리적인 키 및/또는 버튼들을 구비할 수 있다. 입력부를 통한 사용자 입력에 따라 본 발명의 실시예들에 따른 디스플레이를 제어하기 위한 컴퓨터 프로그램이 실행될 수 있다.

본 발명의 실시예들에 따른 입력부는, 사용자의 버튼 조작 또는 터치 입력을 감지하여 신호를 수신하거나, 카메라 또는 마이크로폰을 통하여 사용자 등의 음성 또는 동작을 수신하여 이를 입력 신호로 변환할 수도 있다. 이를 위해 음성 인식(Speech Recognition) 기술 또는 동작 인식(Motion Recognition) 기술들이 사용될 수 있다.

본 발명의 실시예들에 따른 입력부는, 원격제어 장치(100)와 연결된 외부 입력 장비로서 구현될 수도 있다. 예를 들어, 입력 장비는 사용자 입력을 수신하기 위한 터치 패드, 터치 펜, 키보드 또는 마우스 중 적어도 하나일 수 있으나, 이는 예시일 뿐이며 이에 제한되는 것은 아니다.

본 발명의 일 실시예에 따른 입력부는, 사용자 터치 입력을 인식할 수 있다. 본 발명의 일 실시예에 따른 입력부는, 출력부와 동일한 구성일 수도 있다. 입력부는, 사용자의 선택 입력을 수신하도록 구현되는 터치 스크린으로 구성될 수 있다. 터치 스크린은, 접촉식 정전용량 방식, 적외선 광 감지 방식, 표면 초음파(SAW) 방식, 압전 방식, 저항막 방식 중 어느 하나의 방식이 사용될 수 있다. 전술한 터치 스크린에 대한 자세한 기재는, 본 발명의 일 실시예에 따른 예시일 뿐이며, 다양한 터치 스크린 패널이 타워크레인 전도 방지 장치(100)에 채용될 수 있다. 터치 스크린으로 구성된 입력부는, 터치 센서를 포함할 수 있다. 터치 센서는, 입력부의 특정 부위에 가해진 압력 또는 입력부의 특정 부위에 발생하는 정전 용량 등의 변화를 전기적인 입력신호로 변환하도록 구성될 수 있다. 터치 센서는, 터치 되는 위치 및 면적뿐만 아니라, 터치 시의 압력까지도 검출할 수 있도록 구성될 수 있다. 터치 센서에 대한 터치입력이 있는 경우, 그에 대응하는 신호(들)는 터치 제어기로 보내진다. 터치 제어기는, 그 신호(들)를 처리한 다음 대응하는 데이터를 프로세서(110)로 전송할 수 있다. 이로써, 프로세서(110)는 입력부의 어느 영역이 터치 되었는지 여부 등을 인식할 수 있게 된다.

본 발명의 일 실시예에서, 서버는, 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 서버는 임의의 형태의 장치는 모두 포함할 수 있다. 서버는, 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다.

본 발명의 일 실시예에 따른 제어장치의 원격제어 결과를 표시하는 사용자 인터페이스를 사용자 단말로 제공하기 위한 동작을 수행하는 서버(미도시)는, 네트워크부, 프로세서 및 메모리를 포함할 수 있다.

서버는, 본 발명의 실시예들에 따른 사용자 인터페이스를 생성할 수 있다. 서버는, 클라이언트(예를 들어, 사용자 단말)에게 네트워크를 통해 정보를 제공하는 컴퓨팅 시스템일 수 있다. 서버는, 생성한 사용자 인터페이스를 사용자 단말로 전송할 수 있다. 이러한 경우, 사용자 단말은, 서버에 액세스할 수 있는 임의의 형태의 타워크레인 전도 방지 장치(100)일 수 있다. 서버의 프로세서는, 네트워크부를 통해 사용자 단말로 사용자 인터페이스를 전송할 수 있다. 본 발명의 실시예들에 따른 서버는 예를 들어, 클라우드 서버일 수 있다. 서버는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 이에 제한되지 않는다.

따라서, 본 발명은, 본 발명은, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하여 타워크레인의 전도 가능성을 예측하고, 전도 가능성 예측 정보를 기반으로 타워크레인의 전도 위험을 판단함으로써, 타워크레인의 전도를 방지할 수 있다.

도 3은, 본 발명에 따른 타워크레인 전도 방지 방법을 설명하기 위한 흐름도이다.

도 3에 도시된 바와 같이, 본 발명은, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집할 수 있다(S110).

여기서, 본 발명은, 고도 환경 데이터를 수집할 때, GPS(Global Positioning System) 센서로부터 타워크레인의 현재 위치 정보를 수집하고, 지자기 센서로부터 타워크레인의 기울기 정보를 수집하며, 고도 센서로부터 타워크레인의 고도 정보를 수집하고, 풍향/풍속 센서로부터 타워크레인의 풍향 및 풍속 정보를 수집하며, 진동 센서로부터 타워크레인의 진동 정보를 수집할 수 있다.

또한, 본 발명은, 현장 영상 데이터를 수집할 때, 카메라부의 이더넷 또는 시리얼 통신 포트를 통해 유선으로 현장 영상 데이터를 수집하거나 또는 네트워크 통신 포트를 통해 무선으로 현장 영상 데이터를 수집할 수 있다.

일 예로, 카메라부는, 타워 크레인의 조종실에서 외부 방향을 향하도록 배치되어 타워크레인의 조종실 고도에서 관측되는 현장을 촬영할 수 있다.

또한, 본 발명은, 고도 환경 데이터 및 현장 영상 데이터를 수집할 때, 동일한 시간대에 고도 환경 데이터 및 현장 영상 데이터를 동시에 수집할 수 있다.

그리고, 본 발명은, 수집한 고도 환경 데이터를 가공 처리하여 센서 데이터 전문을 생성할 수 있다(S120).

다음, 본 발명은, 생성한 센서 데이터 전문 및 현장 영상 데이터를 기반으로 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성할 수 있다(S130).

여기서, 본 발명은, 센서 데이터 전문 및 현장 영상 데이터를 기반으로 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동이 각각 정상 범위 이내인지를 확인하고, 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소가 비정상이면 비정상인 요소에 대한 비정상 정도와 비정상 횟수를 산출하며, 산출한 비정상 정도와 비정상 횟수를 기반으로 비정상 요소에 대한 미리 설정된 기간 동안의 비정상 발생 지속률, 비정상 발생 주기, 그리고 비정상 발생 증가율 중 적어도 어느 하나를 포함하는 비정상 발생 빈도 추이를 분석하여 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성할 수 있다.

또한, 본 발명은, 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소에 대한 비정상 정도와 비정상 횟수를 사전 학습된 뉴럴 네트워크 모델에 입력하여 비정상 요소에 대한 비정상 발생 빈도 추이를 분석하고 타워크레인의 전도 가능성을 예측할 수도 있다.

또한, 본 발명은, 전도 가능성 예측 정보가 생성되면 타워크레인의 제어설정을 확인하고, 타워크레인의 제어설정이 원격제어설정이면 센서 데이터 전문, 전도 가능성 예측 정보 및 현장 영상 데이터를 외부의 원격제어부로 전송하며, 타워크레인의 제어설정이 원격제어설정이 아니면 센서 데이터 전문, 전도 가능성 예측 정보 및 현장 영상 데이터를 출력할 수 있다.

이어, 본 발명은, 전도 가능성 예측 정보를 기반으로 타워크레인의 전도 위험을 판단할 수 있다(S140).

그리고, 본 발명은, 타워크레인의 전도 위험으로 판단되면 경고 알람을 생성할 수 있다(S150).

여기서, 본 발명은, 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성 및 제공하여 타워크레인의 전도 위험을 알릴 수 있다.

또한, 본 발명은, 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성하면 타워크레인의 제어설정을 확인하고, 타워크레인의 제어설정이 원격제어설정이면 경고 알람 정보를 외부의 원격제어부로 전송하며, 타워크레인의 제어설정이 원격제어설정이 아니면 경고 알람 정보를 출력할 수 있다.

다음, 본 발명은, 타워크레인의 운행 중단을 제어할 수 있다(S160).

여기서, 본 발명은, 경고 알람이 생성되면 타워크레인의 운행 중단 제어 명령을 생성하여 생성한 운행 중단 제어 명령을 타워크레인의 PLC(Programmable Logic Controller)에 전송할 수 있다.

일 예로, 본 발명은, 생성된 운행 중단 제어 명령에 상응하는 타워크레인 제어장치의 PLC와의 통신 연결을 수행하고, 타워크레인 제어장치의 PLC와 통신 연결되면 운행 중단 제어 명령을 PLC로 전송할 수 있다.

또한, 본 발명은, 생성된 운행 중단 제어 명령에 상응하는 타워크레인 제어장치가 다수이면 다수의 제어장치들에 대한 우선순위를 결정하고, 결정된 우선순위에 상응하여 운행 중단 제어 명령을 제어장치의 PLC로 전송할 수도 있다.

또한, 본 발명은, 네트워크부의 고속 통신 모뎀을 통해, 원격제어부로부터 타워크레인의 운행 중단 제어 명령을 수신하고, 수신한 운행 중단 제어 명령을 워크레인의 PLC(Programmable Logic Controller)에 전송할 수도 있다.

이와 같이, 본 발명은, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하여 타워크레인의 전도 가능성을 예측하고, 전도 가능성 예측 정보를 기반으로 타워크레인의 전도 위험을 판단함으로써, 타워크레인의 전도를 방지할 수 있다.

본 발명은, GPS, 지자기(자이로스코프), 고도, 풍속/풍향 센서와 원격에서도 상황을 파악할 수 있기 위한 CCTV 카메라가 장착되어 타워크레인 조종실에 설치될 수 있다.

여기서, 수집데이터의 종류는, GPS에 의한 위치 정보 (타워크레인의 최초 설치위치 정보를 전송), 지자기(자이로스코프) 센서에 의한 기울기정보(타워크레인의 기울기를 전자적으로 측정), 고도 센서에 의한 타워크레인에 설치되는 장치의 현재 고도정보(타워크레인 제어실 높이정보), 진동 센서에 의한 타워크레인의 고도가 높아짐에 따라 바람 또는 지진 등 진동발생요소에 의한 진동정보 수집, 풍속/풍향 센서에 의한 현재 고도에서의 풍속 및 풍향 정보, CCTV 카메라에 의한 현재 조종실에서 관측되는 현장 영상 정보일 수 있다.

그리고, 본 발명은, 조종사가 탑승한 캐노피를 기준으로 카메라를 설치하여 현재 조종사가 보고 있는 방향(전방 및 하방)의 CCTV 카메라 데이터를 수집하여 실시간으로 조종사에게 전달하거나, 원격 통신 장치를 이용하여 원격에 설치되어 있는 종합모니터링시스템으로 전송하여 조종사 및 제3 자의 현장상황 모니터링을 지원할 수도 있다.

또한, 본 발명은, 무인원격크레인의 경우, 계속해서 크레인의 고도가 높아짐에 따라 지상으로부터 일정 거리 이상의 고도의 상황을 알 수 없는 바, 이에 대한 풍향/풍속, 지자기 센서를 이용한 기울기, 진동센서를 이용한 크레인의 진동상태를 측정하여 전도 및 기울어짐 등의 위험요소를 미리 파악할 수 있도록 한다.

일 예로, 본 발명의 크레인 전도 방지를 위한 분석은, 센서로부터 수신된 데이터의 기준초과여부를 데이터가 수신되는 주기마다 계속 분석할 수 있다.

지자기센서의 경우, 9축 각도 센서(3축 가속도, 3축 자이로, 3축 지자기센서 통합)를 이용하여 x축 지자기 및 y축 지자기 측정값을 기준으로 지면과 수평(중력과 수직방향)으로 유지시켜 기울기가 ±10 이상(또는 사용자가 지정한 특정값) 범위에서 기울기가 지속적으로 기울기가 증가 또는 감소하는 경향을 탐지할 경우, 경고 전문 생성 및 시청각 경보를 발생할 수 있다.

GPS의 경우, 현재의 위치와 GPS로부터 수신되는 위도 및 경도 값을 지속적으로 비교하여 위치가 지정된 위/경도를 벗어날 경우, 경고 전문 생성 및 시청각 경보를 발생할 수 있다.

고도센서의 경우, 고도센서로부터 수신된 값의 변위가 급격히 증가 또는 감소의 경향을 보일 경우 경고 전문 및 시청각 경보를 발생할 수 있다.

풍속/풍향 센서의 경우, 풍속 데이터를 수신하며, 풍속데이터와 지자기/GPS 및 고도 데이터를 상관 분석하고, 상관 분석된 데이터로부터 이상징후가 감지될 경우에 경고 전문생성 및 시청각 경보를 발생할 수 있다.

CCTV 카메라의 경우, 수집된 외부영상정보는, 조종실 내의 조종사와 원격으로 감시업무를 수행하는 작업자에게 공유되고, 위급상황이 발생할 경우, 작업자 또는 원격관리자는, 즉시 작업을 중지하거나 중지시킬 수 있도록 조치를 시행할 수 있다.

이상에서 본 발명들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

또한, 이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

100: 타워크레인 전도 방지 장치
110: 프로세서
130: 메모리
150: 네트워크부
160: 센서부
170: 카메라부
180: 출력부
190: 알람부
400: 원격제어부

Claims (10)

1. 센서부, 카메라부, 네트워크부 및 출력부를 제어하는 프로세서를 포함하는 타워크레인 전도 방지 장치의 타워크레인 전도 방지 방법에 있어서,
   상기 프로세서가, 타워크레인의 고도에 상응하는 고도 환경 데이터 및 상기 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하는 단계;
   상기 프로세서가, 상기 수집한 고도 환경 데이터를 가공 처리하여 센서 데이터 전문을 생성하는 단계;
   상기 프로세서가, 상기 생성한 센서 데이터 전문 및 현장 영상 데이터를 기반으로 상기 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성하는 단계;
   상기 프로세서가, 상기 전도 가능성 예측 정보를 기반으로 상기 타워크레인의 전도 위험을 판단하는 단계;
   상기 프로세서가, 상기 타워크레인의 전도 위험으로 판단되면 경고 알람을 생성하는 단계; 및
   상기 프로세서가, 상기 타워크레인의 운행 중단을 제어하는 단계를 포함하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
2. 제1 항에 있어서,
   상기 고도 환경 데이터 및 상기 현장 영상 데이터를 수집하는 단계는,
   상기 타워크레인의 고도에 상응하는 고도 환경을 센싱하도록 상기 센서부를 제어하여 상기 센서부로부터 고도 환경 데이터를 수집하고, 상기 타워크레인의 조종실 고도에서 관측되는 현장을 촬영하도록 상기 카메라부를 제어하여 상기 카메라부로부터 상기 현장 영상 데이터를 수집하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
3. 제2 항에 있어서,
   상기 센서부로부터 고도 환경 데이터를 수집하는 단계는,
   GPS(Global Positioning System) 센서로부터 상기 타워크레인의 현재 위치 정보를 수집하고, 지자기 센서로부터 상기 타워크레인의 기울기 정보를 수집하며, 고도 센서로부터 상기 타워크레인의 고도 정보를 수집하고, 풍향/풍속 센서로부터 상기 타워크레인의 풍향 및 풍속 정보를 수집하며, 진동 센서로부터 상기 타워크레인의 진동 정보를 수집하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
4. 제1 항에 있어서,
   상기 고도 환경 데이터 및 상기 현장 영상 데이터를 수집하는 단계는,
   동일한 시간대에 상기 고도 환경 데이터 및 현장 영상 데이터를 동시에 수집하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
5. 제1 항에 있어서,
   상기 전도 가능성 예측 정보를 생성하는 단계는,
   상기 센서 데이터 전문 및 현장 영상 데이터를 기반으로 상기 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동이 각각 정상 범위 이내인지를 확인하고, 상기 타워크레인의 위치, 기울기, 고도, 풍향/풍속, 그리고 진동 중 적어도 어느 한 요소가 비정상이면 상기 비정상인 요소에 대한 비정상 정도와 비정상 횟수를 산출하며, 상기 산출한 비정상 정도와 비정상 횟수를 기반으로 상기 비정상 요소에 대한 미리 설정된 기간 동안의 비정상 발생 지속률, 비정상 발생 주기, 그리고 비정상 발생 증가율 중 적어도 어느 하나를 포함하는 비정상 발생 빈도 추이를 분석하여 상기 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
6. 제1 항에 있어서,
   상기 전도 가능성 예측 정보를 생성하는 단계는,
   상기 전도 가능성 예측 정보가 생성되면 상기 타워크레인의 제어설정을 확인하는 단계;
   상기 타워크레인의 제어설정이 원격제어설정이면 상기 센서 데이터 전문, 전도 가능성 예측 정보 및 상기 현장 영상 데이터를 외부의 원격제어부로 전송하도록 상기 네트워크부를 제어하는 단계;
   상기 타워크레인의 제어설정이 원격제어설정이 아니면 상기 센서 데이터 전문, 전도 가능성 예측 정보 및 상기 현장 영상 데이터를 출력하도록 상기 출력부를 제어하는 단계를 더 포함하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
7. 제1 항에 있어서,
   상기 경고 알람을 생성하는 단계는,
   상기 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성 및 제공하여 상기 타워크레인의 전도 위험을 알리는 것을 특징으로 하는 타워크레인 전도 방지 방법.
8. 제1 항에 있어서,
   상기 경고 알람을 생성하는 단계는,
   상기 타워크레인의 전도 확률 정보를 포함하는 경고 알람 정보를 생성하면 상기 타워크레인의 제어설정을 확인하는 단계;
   상기 타워크레인의 제어설정이 원격제어설정이면 상기 경고 알람 정보를 외부의 원격제어부로 전송하도록 상기 네트워크부를 제어하는 단계;
   상기 타워크레인의 제어설정이 원격제어설정이 아니면 상기 경고 알람 정보를 출력하도록 알람부를 제어하는 단계를 더 포함하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
9. 제1 항에 있어서,
   상기 타워크레인의 운행 중단을 제어하는 단계는,
   상기 경고 알람이 생성되면 상기 타워크레인의 운행 중단 제어 명령을 생성하여 상기 생성한 운행 중단 제어 명령을 상기 타워크레인의 PLC(Programmable Logic Controller)에 전송하는 것을 특징으로 하는 타워크레인 전도 방지 방법.
10. 타워크레인 전도 방지 방법을 제공하기 위한 타워크레인 전도 방지 장치로서,
    타워크레인의 고도에 상응하는 고도 환경을 센싱하는 센서부;
    상기 타워크레인의 조종실 고도에서 관측되는 현장을 촬영하는 카메라부;
    원격제어부와 통신 연결되는 네트워크부;
    하나 이상의 코어를 포함하는 프로세서; 및
    메모리를 포함하고,
    상기 프로세서는,
    상기 타워크레인의 고도에 상응하는 고도 환경 데이터 및 상기 타워크레인의 조종실 고도에서 관측되는 현장 영상 데이터를 수집하고,
    상기 수집한 고도 환경 데이터를 가공 처리하여 센서 데이터 전문을 생성하며,
    상기 생성한 센서 데이터 전문 및 현장 영상 데이터를 기반으로 상기 타워크레인의 전도 가능성을 예측하여 전도 가능성 예측 정보를 생성하고,
    상기 전도 가능성 예측 정보를 기반으로 상기 타워크레인의 전도 위험을 판단하며,
    상기 타워크레인의 전도 위험으로 판단되면 경고 알람을 생성하고,
    상기 타워크레인의 운행 중단을 제어하는 것을 특징으로 하는 타워크레인 전도 방지 장치.

Images