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】
本申请涉及计算机,特别是涉及一种起吊设备的异常吊起检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、起吊设备在现代社会中扮演着愈加重要的作用,为生产和建设提供了便利。随着起吊设备在各行各业的广泛应用,也暴露出一个极其严重的问题,就是起吊设备在起吊过程中,有可能将装载重物的车辆连同重物一同吊起,将会导致车辆破坏,起吊设备发生故障等一系列安全隐患。因此,十分有必要对起吊设备的起吊过程进行检测。
2、然而,目前对于起吊设备在起吊过程的检测,往往依赖激光、红外和摄像头等设备的协同作用,除了具有检测过程复杂、投入成本高、受环境影响等明显缺陷外,还需要吊起后悬停一段时间,无法满足实时检测的需求,严重制约了装卸效率。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高装卸效率、简化检测过程、降低投入成本以及消除环境影响的起吊设备的异常吊起检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种起吊设备的异常吊起检测方法。所述方法包括:
3、在起吊设备吊起位于装载对象上的重物的情况下,获取所述起吊设备在多个采样时间点下的电流数据和电压数据;
4、获取电机静态参数的值,根据所述电机静态参数的值、所述电流数据和所述电压数据,确定所述多个采样时间点下的第一可变参数的值;所述电机静态参数,为反映起吊设备中电机的内部性质的参数;所述第一可变参数,为表征重物吊起状态的参数;
6、基于所述第一预设拟合函数,并根据所述多个采样时间点下的第一可变参数的值,确定所述起吊设备的第一异常检测结果。
7、在其中一个实施例中,所述电机静态参数,包括电源相数、电机转子电阻、电机气隙功率和转换系数;所述第一可变参数包括提升高度和提升重量;所述根据所述电机静态参数的值、所述电流数据和所述电压数据,确定所述多个采样时间点下的第一可变参数的值,包括:
8、将所述三相电流和所述三相电压转换成有效电流和有效电压,根据电流数据或所述电压数据中的至少一种,确定电机同步角频率的值;根据所述有效电流、所述有效电压、所述定子电阻的值和所述铁心损耗电阻的值,确定所述电机气隙功率的值,确定所述电机气隙功率的值和所述电机同步角频率的值的比值,所述比值为电机转矩的值;根据所述有效电流、所述有效电压、所述电源相数的值、所述电机转子电阻的值、所述定子电阻的值和所述电机气隙功率的值,确定电机转差率的值;根据所述电机气隙功率的值和所述电机转差率的值,确定电机输出功率的值;根据所述电机同步角频率的值、所述电机极数的值和所述电机转差率的值,确定电机转速的值;根据所述转换系数的值、采样时间点的间隔和与所述多个采样时间点对应的采样时间段内的电机转速和,确定提升高度的值;获取第二预设拟合函数,将所述电机输出功率的值和所述电机转速的值输入所述第二预设拟合函数,确定提升重量的值。
9、在其中一个实施例中,所述电流数据为三项电流的值;所述电压数据为三项电压的值;所述根据电流数据或所述电压数据中的至少一种,确定电机同步角频率的值,包括:
10、查找所述三相电流的值或所述三相电压的值中的多个过零点;根据所述多个过零点确定相邻两个过零点之间的时间差;对所述时间差取倒数,确定电机同步角频率的值。
11、在其中一个实施例中,所述的第一可变参数至少包括提升高度和提升重量中的一种;所述基于所述第一预设拟合函数,并根据所述多个采样时间点下的第一可变参数的值,确定所述起吊设备的第一异常检测结果,包括:
12、针对所述多个采样时间点中的每个采样时间点,将所针对的采样时间点下的第一可变参数的值输入至所述第一预设拟合函数,并确定输入第一可变参数的值的第一预设拟合函数是否成立;当输入有第一可变参数的值的第一预设拟合函数不成立时,生成表征起吊设备异常吊起的第一异常检测结果。
13、在其中一个实施例中,当所述第一异常检测结果表征所述起吊设备异常吊起所述重物的情况下,获取所述多个采样时间点下的第二可变参数的值;所述第二可变参数,为表征电机内部运行状态的参数;根据所述多个采样时间点下的第一可变参数的值、第二可变参数的值、所述电流数据和所述电压数据,生成数据灰度图像;通过异常吊起检测神经网络,并基于所述数据灰度图像,确定所述起吊设备的第二异常检测结果。
14、在其中一个实施例中,所述第二可变参数至少包括电机输出功率、电机转矩、电机频率、电机转速、电机转差率中的一种。
15、在其中一个实施例中,所述根据所述多个采样时间点下的第一可变参数的值、第二可变参数的值、所述电流数据和所述电压数据,生成数据灰度图像,包括:
16、获取初始灰度图像矩阵;根据第一可变参数、第二可变参数、电流和电压之间的换算关系,确定第一可变参数、第二可变参数、电流和电压,在所述初始灰度图像矩阵的列中的第一排序关系;根据所述多个采样时间点的时间先后关系,确定所述多个采样时间点在所述初始灰度图像矩阵的行中的第二排序关系;根据所述第一排序关系和所述第二排序关系,将所述多个采样时间点下的电流数据、电压数据、第一可变参数的值和第二可变参数的值,填充至所述初始灰度图像矩阵,得到目标灰度图像矩阵;根据所述目标灰度图像矩阵生成数据灰度图像。
17、在其中一个实施例中,所述通过异常吊起检测神经网络,并基于所述数据灰度图像,确定所述起吊设备的第二异常检测结果包括:
18、通过所述异常吊起检测神经网络,将所述数据灰度图像转换成预设维度的特征向量;确定所述特征向量在预设极坐标系中的极径;在所述极径小于所述预设极径阈值的情况下,生成表征起吊设备异常吊起的第二异常检测结果。
19、在其中一个实施例中,所述确定所述特征向量在预设极坐标系中的极径,包括:
20、确定所述特征向量在多个预设维度下的向量分量;将所述特征向量在每一预设维度下的向量分量分别取平方,得到每一向量分量各自对应的平方值;将每一向量分量各自对应的平方值进行累加,得到累加值;对所述累加值取平方根,得到所述特征向量在预设极坐标系中的极径。
21、在其中一个实施例中,所述异常吊起检测神经网络的训练步骤,包括:
22、获取待训练神经网络;通过所述待训练神经网络,对多个无标注灰度图像正样本和多个已标注灰度图像正样本进行特征提取,得到每个所述无标注灰度图像正样本分别在每个预设维度下的第一样本特征向量、以及每个所述已标注灰度图像正样本在每个预设维度下的第二样本特征向量;根据每个所述无标注灰度图像正样本分别在每个预设维度下的第一样本特征向量、以及每个所述已标注灰度图像正样本在每个预设维度下的第二样本特征向量,对所述待训练神经网络进行调节,得到异常吊起检测神经网络。
23、在其中本文档来自技高网...
【技术保护点】
1.一种起吊设备的异常吊起检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述电机静态参数,包括电源相数、电机转子电阻、电机气隙功率和转换系数;所述第一可变参数包括提升高度和提升重量;
3.根据权利要求2所述的方法,其特征在于,所述电流数据为三项电流的值;所述电压数据为三项电压的值;所述根据电流数据或所述电压数据中的至少一种,确定电机同步角频率的值,包括:
4.根据权利要求1所述的方法,其特征在于,所述的第一可变参数至少包括提升高度和提升重量中的一种;
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述第二可变参数至少包括电机输出功率、电机转矩、电机频率、电机转速、电机转差率中的一种。
7.根据权利要求5所述的方法,其特征在于,所述根据所述多个采样时间点下的第一可变参数的值、第二可变参数的值、所述电流数据和所述电压数据,生成数据灰度图像,包括:
8.根据权利要求5所述的方法,其特征在于,所述通过异常吊起检测神经
9.根据权利要求8所述的方法,其特征在于,所述确定所述特征向量在预设极坐标系中的极径,包括:
10.根据权利要求5所述的方法,其特征在于,所述异常吊起检测神经网络的训练步骤,包括:
11.根据权利要求10所述的方法,其特征在于,所述根据每个所述无标注灰度图像正样本分别在每个预设维度下的第一样本特征向量、以及每个所述已标注灰度图像正样本在每个预设维度下的第二样本特征向量,对所述待训练神经网络进行调节,得到异常吊起检测神经网络,包括:
12.根据权利要求11所述的方法,其特征在于,所述根据所述损失函数,对所述待训练神经网络进行调节,得到异常吊起检测神经网络,包括:
13.根据权利要求10所述的方法,其特征在于,所述待训练神经网络的生成步骤,包括:
14.一种起吊设备的异常吊起检测装置,其特征在于,所述装置包括:
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至13中任一项所述的方法的步骤。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
17.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种起吊设备的异常吊起检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述电机静态参数,包括电源相数、电机转子电阻、电机气隙功率和转换系数;所述第一可变参数包括提升高度和提升重量;
3.根据权利要求2所述的方法,其特征在于,所述电流数据为三项电流的值;所述电压数据为三项电压的值;所述根据电流数据或所述电压数据中的至少一种,确定电机同步角频率的值,包括:
4.根据权利要求1所述的方法,其特征在于,所述的第一可变参数至少包括提升高度和提升重量中的一种;
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述第二可变参数至少包括电机输出功率、电机转矩、电机频率、电机转速、电机转差率中的一种。
7.根据权利要求5所述的方法,其特征在于,所述根据所述多个采样时间点下的第一可变参数的值、第二可变参数的值、所述电流数据和所述电压数据,生成数据灰度图像,包括:
8.根据权利要求5所述的方法,其特征在于,所述通过异常吊起检测神经网络,并基于所述数据灰度图像,确定所述起吊设备的第二异常检测结果包括:
9.根据权利要求8所述的方法,其特征在于,所述确定所述特征向量在预设极坐标系中的极...
【专利技术属性】
技术研发人员:刘嘉杰,张峰,吴念,魏勇超,吴邦春,魏来巍,魏勇豪,周航宇,李少兵,
申请(专利权)人:深圳市测力佳控制技术有限公司,
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。