System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及升船机,尤其涉及一种水电站升船机船闸系统的监测方法、系统及相关装置。
技术介绍
1、水电站升船机船闸系统用于升降船只和调节水位,通常由升船机、船闸和相关控制设备组成。其中,升船机是一种用于将船只从较低水位升至较高水位或从较高水位降至较低水位的设备,船只通过升船机可以在水电站之间进行升降,以适应不同水位的需求。船闸是用于调节水位和船只通行的设施,通常由水闸门、水闸室和控制系统等组成,船闸可以通过开启或关闭水闸门来调节水位,以便船只可以安全通过水电站。控制设备包括传感器、控制器、液压系统和电气系统等,用于监测和控制升船机和船闸的运行,确保船只安全通行和水位调节。
2、但是现有的船闸系统在监测船只运动和控制船闸门升降方面存在一定的局限性,无法根据船只的实际运行情况及时调节船闸门的升降,进而影响船只通过的安全性和效率。
3、因此,寻找一种既能够根据船只的实时情况升降船闸门,又能够提高船只通过安全性的方法,是本领域技术人员亟待解决的技术问题。
技术实现思路
1、有鉴于此,本专利技术提出了一种水电站升船机船闸系统的监测方法,其能够实时获取船只位置、姿态、速度和航向信息实现对船只运动的实时监测,并通过深度学习方法为水电站升船机船闸系统提供准确的船只运动信息,提高船只通过的安全性和效率。
2、本专利技术的技术方案是这样实现的:
3、第一方面,本专利技术提供了水电站升船机船闸系统的监测方法,包括以下步骤:
4、s1、利用3d激
5、s2、对所述初始运动信息进行预处理,得到第一处理数据;
6、s3、使用边缘检测算法对所述第一处理数据进行边缘检测,得到形状特征;
7、s4、基于深度学习方法将形状特征与运动模型结合,预测船只下一时刻的运行信息;
8、s5、水电站升船机船闸系统根据船只下一时刻的运行信息调整船闸门的升降。
9、在以上技术方案的基础上,优选的,步骤s4具体包括:
10、根据形状特征记录对应的位置和姿态信息作为真实标签;
11、设计一个视觉里程计的卷积神经网络模型;
12、将形状特征、真实标签和运动模型输入中至卷积神经网络模型进行训练,并通过损失函数计算卷积神经网络模型输出与真实标签之间的差异;
13、根据差异使用反向传播算法和优化器对卷积神经网络模型进行优化,调整卷积神经网络模型的参数;
14、使用优化后的卷积神经网络预测船只下一时刻的运行信息。
15、在以上技术方案的基础上,优选的,
16、卷积神经网络模型包括3个卷积层、2个池化层和3个全连接层,其中,3个卷积层的卷积核均为13×13,2个池化层的池化大小分别为3×3和6×6的,3个全连接层的神经元依次为128、64和32。
17、更进一步优选的,步骤s3具体包括:
18、s31、将第一处理数据转换为灰度图像;
19、s32、使用sobel算子对灰度图像每个像素进行像素梯度值计算,得到图像的梯度幅值和梯度幅值的方向;
20、s33、根据图像的梯度幅值的方向对梯度幅值进行非极大值抑制,得到局部梯度幅值;
21、s34、将局部梯度幅值与第一阈值进行比较,若梯度幅值大于第一阈值,则将梯度幅值对应像素点记为边缘像素;其中第一阈值根据实际情况进行设置,本申请并不对此做具体限制;
22、s35、根据边缘像素得到形状特征。
23、在以上技术方案的基础上,优选的,步骤s32包括:
24、将灰度图像表示为一个二维矩阵,每个元素代表一个像素的灰度值;
25、对每个像素应用sobel算子进行卷积计算,分别计算水平方向和垂直方向的梯度值;
26、对于每个像素,将sobel算子模板与其周围的像素灰度值进行卷积计算,得到水平方向和垂直方向的梯度值;
27、根据水平方向和垂直方向的梯度值计算每个像素点的梯度幅值和梯度幅值的方向。
28、在以上技术方案的基础上,优选的,所述梯度值的计算过程如下:
29、对当前像素i(x,y)进行平移,得到图像i(x+i,y+j);
30、将图像i(x+i,y+j)与卷积核中对应元素相乘,并将所有乘积的结果相加得到梯度值;其中i表示卷积核中第i行,j表示卷积核中第j列。
31、在以上技术方案的基础上,优选的,步骤s33具体包括:
32、对于灰度图像中每个像素点,确定其梯度方向,并找到该方向上的两个相邻像素点;
33、比较当前像素点的梯度幅值与两个相邻像素点的梯度幅值,如果当前像素点的梯度幅值最大,则保留该像素点的梯度幅值,否则将该像素点的梯度幅值置为0;
34、重复以上步骤,直到对图像中的所有像素点都进行了非极大值抑制,保留图像中的局部极大值点,得到局部梯度幅值。
35、第二方面,本专利技术提供了一种水电站升船机船闸系统的监测系统,采用如上述所述的监测方法,包括:
36、信息获取模块,用于利用3d激光雷达建立船只的运动模型,并实时获取船只当前时刻的初始运动信息;所述初始运动信息包括船只的位置、姿态、速度和航向;
37、数据处理模块,用于对所述初始运动信息进行预处理,得到第一处理数据;所述预处理包括去除噪声、滤波和坐标转换的其中一种或多种;
38、检测模块,用于使用边缘检测算法对所述第一处理数据进行边缘检测,得到形状特征;
39、预测模块,用于基于深度学习方法将形状特征与运动模型结合,预测船只下一时刻的运行信息;
40、控制模块,用于水电站升船机船闸系统根据船只下一时刻的运行信息调整船闸门的升降。
41、第三方面,本专利技术提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现如上述所述的监测方法。
42、第四方面,本专利技术提供了一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器、通信接口和总线;
43、其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
44、所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现如上述所述的监测方法。
45、本专利技术的监测方法相对于现有技术具有以下有益效果:
46、(1)通过3d激光雷达实时获取船只的位置、姿态、速度和航向信息通过边缘检测算法可以提取船只的形状特征,并基于深度学习方法可以将形状特征与运动模型结合,预测船只下一时刻的运行信息,根据预测得到的船只下一时刻的运行信息,智能地调整水电站升船机船闸系统中船闸门的升降操作,提高水电站升船机船闸系统船只通过的安全性和效率;
4本文档来自技高网...
【技术保护点】
1.一种水电站升船机船闸系统的监测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种水电站升船机船闸系统的监测方法,其特征在于,步骤S4具体包括:
3.如权利要求2所述的一种水电站升船机船闸系统的监测方法,其特征在于,
4.如权利要求1所述的一种水电站升船机船闸系统的监测方法,其特征在于,步骤S3具体包括:
5.如权利要求4所述的一种水电站升船机船闸系统的监测方法,其特征在于,步骤S32包括:
6.如权利要求5所述的一种水电站升船机船闸系统的监测方法,其特征在于,所述梯度值的计算过程如下:
7.如权利要求4所述的一种水电站升船机船闸系统的监测方法,其特征在于,步骤S33具体包括:
8.一种水电站升船机船闸系统的监测系统,其特征在于,采用如权利要求1-7任一项所述的监测方法,包括:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现如权利要求1-7任一项所述的监测方法。
10.一种电子设备,其特征在于,包括:
...【技术特征摘要】
1.一种水电站升船机船闸系统的监测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种水电站升船机船闸系统的监测方法,其特征在于,步骤s4具体包括:
3.如权利要求2所述的一种水电站升船机船闸系统的监测方法,其特征在于,
4.如权利要求1所述的一种水电站升船机船闸系统的监测方法,其特征在于,步骤s3具体包括:
5.如权利要求4所述的一种水电站升船机船闸系统的监测方法,其特征在于,步骤s32包括:
6.如权利要求5所述的一种水电站升船机船闸系统的监测方...
【专利技术属性】
技术研发人员:夏小鹏,张聪,
申请(专利权)人:武汉慧测电力科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。