一种基于卡尔曼滤波的塔吊轨迹预测方法技术

一种基于卡尔曼滤波的塔吊轨迹预测方法，通过以塔吊吊臂的转动角度与塔吊的转动速度、塔吊小车的位移幅度与塔吊小车的移动速度、起吊重物的高度与起吊重物的上升速度分别建立角度、幅度、高度三个子系统，每个子系统根据空间状态方程以及观测方程建立系统模型；利用卡尔曼滤波算法对被测物理量进行预测与矫正，输出当前时刻的最优估计值，再通过将最优估计值代入系统状态空间方程计算出下一时刻的状态预测值，将该值与系统设置的安全阈值进行比对，以判定是否报警，对未来的塔吊位置进行预测，以提高轨迹预测精度，减少误判报警，通过对预测时间范围进行延长，大大提高了预警的性能，提高系统的安全性。提高系统的安全性。提高系统的安全性。

【技术实现步骤摘要】
一种基于卡尔曼滤波的塔吊轨迹预测方法


[0001]本专利技术涉及塔吊信号处理
，具体涉及一种基于卡尔曼滤波的塔吊轨迹预测方法。

技术介绍

[0002]塔吊是工地中的基本建筑设备，被广泛应用到商品楼、办公楼、构筑物的建设中。然而，在塔吊的运行过程中，受视野及视距限制，塔吊操作员往往不能及时跟踪起吊物。若塔吊司机和地面指挥员沟通不及时，则容易造成碰撞事故。在此背景下，很多塔吊防碰撞设施应运而生。一般来说，塔吊防碰撞的工作原理是根据塔吊的速度预测塔吊的轨迹。当预测轨迹和已知障碍物有可能重合时，防碰撞设施即进行报警，但由于预测的不准确，防碰撞设施经常发生误报或漏报的情况。

技术实现思路

[0003]本专利技术所要克服的是现有技术中塔吊防撞预测不准确，容易出现误报的问题，目的是提供一种基于卡尔曼滤波的塔吊轨迹预测方法。
[0004]本专利技术所要解决的技术问题采用以下的技术方案来实现：
[0005]一种基于卡尔曼滤波的塔吊轨迹预测方法，包括以下步骤：
[0006](1)读取传感器数据：通过传感器实时采集塔吊吊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卡尔曼滤波的塔吊轨迹预测方法，其特征在于，包括以下步骤：(1)读取传感器数据：通过传感器实时采集塔吊吊臂的转动角度、塔吊吊臂的转动速度、塔吊小车的位移幅度、塔吊小车的移动速度、起吊重物的高度以及起吊重物的移动速度；(2)建立系统模型：分别以塔吊吊臂的转动角度与塔吊吊臂的转动速度、塔吊小车的位移幅度与塔吊小车的移动速度、起吊重物的高度与起吊重物的移动速度分别建立角度、幅度、高度三个子系统，每个子系统根据空间状态方程以及观测方程建立系统模型；空间状态方程：X(k)＝AX(k
‑
1)+Bu(k
‑
1)+W(k
‑
1)观测方程：Y(k)＝HX(k)+V(k)其中：X(k)为k时刻系统的真实状态，Y(k)为k时刻传感器观测到的状态，A为状态转移矩阵，H为量测矩阵，W为系统状态的随机干扰噪声，V为观测噪声，B为控制变量矩阵，u(k
‑
1)为k
‑
1时刻的状态控制向量；(3)卡尔曼滤波算法进行计算：利用卡尔曼滤波算法进行预测与矫正，输出k时刻的系统状态最优估计值以及t+k时刻的系统状态预测值；(4)结果判定：每个子系统中分别设定安全阈值，通过将步骤(3)中输出的系统状态预测值与安全阈值进行比较，当系统状态预测值小于安全阈值时，系统进行报警，否则重复步骤(1)
‑
(3)的操作。2.根据权利要求1所述的一种基于卡尔曼滤波的塔吊轨迹预测方法，其特征在于，所述卡尔曼滤波算法进行预算与矫正，过程如下：预测过程：基于k
‑
1时刻的系统最优估计值，通过下述方程，对k时刻的系统状态进行预测得出X(k)，以及X(k)状态下对应的系统预估误差协方差矩阵P(k)；X(k)＝AX(k
‑
1)+Bu(k
...

【专利技术属性】
技术研发人员：阮仁祥，汪晴容，李欣蓉，郭道福，
申请(专利权)人：安徽悠然云端科技有限公司，
类型：发明
国别省市：