本發(fā)明涉及起重機械智能控制與安全檢測，具體為一種起重機械防碰撞檢測方法、系統(tǒng)、設備和介質。

背景技術：

1、起重機械作為工業(yè)生產(chǎn)、物流運輸及建筑施工中的關鍵設備，廣泛應用于港口碼頭、倉儲物流、建筑工地及大型制造企業(yè)等場景。然而，起重機在運行過程中，由于其作業(yè)環(huán)境復雜、負載變化大、運行軌跡非線性，極易發(fā)生碰撞事故，導致設備損壞、人員傷亡及經(jīng)濟損失。因此，如何實現(xiàn)起重機械的智能化防碰撞檢測，保障運行安全，已成為行業(yè)內(nèi)亟需解決的關鍵技術問題。

2、行業(yè)內(nèi)的起重機械防碰撞方法主要包括固定傳感器檢測法、基于規(guī)則的碰撞預警法及手動監(jiān)測法，但這些方法存在傳感器的檢測范圍有限，易受遮擋影響，導致檢測盲區(qū)。傳感器對環(huán)境光照、雨霧天氣、灰塵干擾等適應性較差，影響檢測精度。只能被動感知當前狀態(tài)，無法提前預測軌跡，無法避免高速運動中的碰撞。依賴固定規(guī)則，無法適應不同工況下的動態(tài)變化。無法提前預測未來軌跡，無法有效避免高速運行下的突發(fā)碰撞風險。存在誤報問題，當起重機需要在狹窄區(qū)域精細作業(yè)時，可能頻繁誤觸發(fā)報警，影響作業(yè)效率。依賴人工經(jīng)驗，存在誤判和反應滯后。操作員工作強度大，長時間作業(yè)易疲勞，導致安全隱患。不能在復雜環(huán)境下精準控制起重機，尤其是在多臺起重機協(xié)同作業(yè)場景下，容易發(fā)生誤操作導致碰撞的這一系列問題。

技術實現(xiàn)思路

1、鑒于上述存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術問題是：現(xiàn)有的起重機械防碰撞檢測方法存在感知精度不足、軌跡預測能力弱、防碰撞策略不智能、實時性低，以及如何基于多模態(tài)數(shù)據(jù)融合與人工智能技術，實現(xiàn)高精度軌跡預測與動態(tài)防碰撞控制的問題。

3、為解決上述技術問題，本發(fā)明提供如下技術方案：一種起重機械防碰撞檢測方法，包括采集起重機械的多模態(tài)數(shù)據(jù)，將多模態(tài)數(shù)據(jù)進行預處理。

4、通過卡爾曼濾波對采集的多模態(tài)數(shù)據(jù)進行融合，構建lstm-gru預測模型，將融合數(shù)據(jù)輸入lstm-gru預測模型對起重機械運行軌跡進行預測。

5、根據(jù)軌跡預測結果，通過ai邊緣計算設備動態(tài)生成防碰撞控制指令，plc接受并執(zhí)行防碰撞控制指令。

6、多模態(tài)數(shù)據(jù)融合包括，通過卡爾曼濾波進行數(shù)據(jù)融合，消除測量誤差，提高狀態(tài)估計精度。

7、構建lstm-gru預測模型包括，采用lstm捕捉長期軌跡趨勢，結合gru處理短時軌跡波動，實現(xiàn)短時+長時軌跡預測融合。

8、基于時間序列預測，提前計算起重機未來n個時間步的軌跡，確定潛在的碰撞風險。

9、采用軌跡平滑優(yōu)化方法，優(yōu)化軌跡計算。

10、作為本發(fā)明所述的起重機械防碰撞檢測方法的一種優(yōu)選方案，其中：通過ai攝像頭、激光雷達、絕對值編碼器、慣性傳感器同步采集起重機械的多模態(tài)數(shù)據(jù)，將采集的起重機械多模態(tài)數(shù)據(jù)作為觀測值，構建起重機械運行的時間序列數(shù)據(jù)集。

11、多模態(tài)數(shù)據(jù)包括，物體類別、位置坐標、反射強度、目標距離、吊鉤高度、運行速度、角速度、角速度。

12、作為本發(fā)明所述的起重機械防碰撞檢測方法的一種優(yōu)選方案，其中：將傳感器的數(shù)據(jù)按照最高頻率對齊，對于低頻傳感器數(shù)據(jù)，采用線性插值法填充。

13、將對齊后的數(shù)據(jù)基于粒子濾波進行去噪處理，對去噪處理后的傳感器數(shù)據(jù)通過均值-標準差法進行異常值檢測，去除異常部分并再次使用線性插值法進行填充，重復多模態(tài)數(shù)據(jù)預處理過程直至異常值檢測過程未檢測出異常值數(shù)據(jù)。

14、粒子濾波去噪包括，通過多個粒子模擬系統(tǒng)狀態(tài)，動態(tài)估計真實信號值，消除測量噪聲。

15、異常值檢測包括，計算所有數(shù)據(jù)點的平均值，衡量數(shù)據(jù)的中心趨勢，通過標準差衡量數(shù)據(jù)的離散程度，根據(jù)離散程度判斷數(shù)據(jù)點與均值的偏差，將偏差過大的數(shù)據(jù)確定為異常值。

16、作為本發(fā)明所述的起重機械防碰撞檢測方法的一種優(yōu)選方案，其中：基于卡爾曼濾波對預處理后的多模態(tài)傳感數(shù)據(jù)進行融合，通過預處理后的多模態(tài)數(shù)據(jù)，設定起重機械的位置、速度和加速度信息，將設定的起重機械的位置、速度和加速度信息作為輸入數(shù)據(jù)，根據(jù)牛頓運動學方程對起重機械的運行狀態(tài)進行預測。

17、采用狀態(tài)轉移模型輸入前一時刻的狀態(tài)信息，結合預處理后的加速度，計算起重機在下一時刻的位置、速度和加速度，定義運動規(guī)律。

18、計算卡爾曼增益，根據(jù)卡爾曼增益利用測量數(shù)據(jù)對預測狀態(tài)進行修正，得到融合后的位置信息、速度信息、加速度信息。

19、計算卡爾曼增益包括，通過測量矩陣、測量噪聲協(xié)方差、狀態(tài)估計的協(xié)方差矩陣輸入卡爾曼增益計算公式，得到卡爾曼增益。

20、狀態(tài)估計的協(xié)方差矩陣衡量預測值的不確定性，動態(tài)調(diào)整預測的置信程度。

21、測量矩陣將狀態(tài)變量映射到測量空間，計算修正值。

22、測量噪聲協(xié)方差矩陣根據(jù)傳感器自身誤差特性進行設置，反映測量數(shù)據(jù)的不確定性，優(yōu)化狀態(tài)修正的準確性。

23、作為本發(fā)明所述的起重機械防碰撞檢測方法的一種優(yōu)選方案，其中：將融合后的位置信息、速度信息、加速度信息數(shù)據(jù)作為輸入，將輸入的位置信息、速度信息、加速度信息數(shù)據(jù)進行歸一化處理，通過歸一化處理后的位置信息、速度信息、加速度信息數(shù)據(jù)組成時間序列。

24、將傳統(tǒng)lstm預測模型引入gru計算，構建gru層與全連接層。

25、將時間序列作為輸入，通過gru層適應起重機械即時運動變化，通過lstm層輸出起重機械的整體軌跡趨勢，結合gru層與lstm層的輸出結果進行軌跡預測計算，輸出預測軌跡點。

26、將歷史位置、速度、加速度數(shù)據(jù)輸入預測模型，在均方誤差計算的基礎上引入軌跡平滑懲罰項，構建均方誤差損失函數(shù)，將歷史軌跡預測結果輸入均方誤差損失函數(shù)，計算歷史預測軌跡與真實軌跡之間的誤差。

27、將多模態(tài)數(shù)據(jù)進行融合的融合結果輸入lstm-gru預測模型，輸出起重機械運行軌跡。

28、作為本發(fā)明所述的起重機械防碰撞檢測方法的一種優(yōu)選方案，其中：將預測模型輸出的軌跡數(shù)據(jù)與障礙物的位置信息作為輸入，計算起重機械與障礙物之間的最小安全距離，根據(jù)最小安全距離設定安全距離閾值。

29、根據(jù)設定的安全距離閾值，生成控制策略并將控制策略轉化為控制指令數(shù)據(jù)。

30、設定安全距離閾值包括，當起重機到障礙物的距離小于警告距離，發(fā)出預警信號。

31、當起重機到障礙物的距離小于制動距離，判斷執(zhí)行剎車操作。

32、生成控制策略包括，根據(jù)設定的安全距離閾值，進行控制狀態(tài)設置，當起重機到障礙物的距離大于警告距離，起重機械正常運行。

33、當起重機到障礙物的距離處于制動距離與警告距離之間，進行聲光報警。

34、當起重機到障礙物的距離等于制動距離，向plc發(fā)送減速指令，降低起重機運行速度。

35、當起重機到障礙物的距離小于制動距離，向plc發(fā)送剎車指令，停止起重機械工作。

36、作為本發(fā)明所述的起重機械防碰撞檢測方法的一種優(yōu)選方案，其中：將控制指令數(shù)據(jù)作為輸入，輸入plc控制執(zhí)行單元。

37、起重機械正常運行指令下plc控制執(zhí)行單元保持原有運行速度，不觸發(fā)報警，不調(diào)整變頻器頻率，不觸發(fā)剎車系統(tǒng)。

38、進行聲光報警指令下plc控制執(zhí)行單元觸發(fā)led指示燈閃爍，蜂鳴器鳴響，在控制面板或遠程監(jiān)控系統(tǒng)上顯示警告信息，不調(diào)整起重機速度，不觸發(fā)剎車系統(tǒng)。

39、降低起重機運行速度指令下plc控制執(zhí)行單元進行速度調(diào)整，調(diào)整變頻器輸出頻率，保持聲光報警，不觸發(fā)剎車系統(tǒng)。

40、停止起重機械工作指令下plc控制執(zhí)行單元切斷起重機驅動電機電源，觸發(fā)剎車系統(tǒng)，執(zhí)行緊急制動，保持聲光報警，發(fā)送停機報告。

41、本發(fā)明的另外一個目的是提供一種起重機械防碰撞檢測系統(tǒng)，其能通過基于多模態(tài)數(shù)據(jù)融合與lstm-gru軌跡預測的ai邊緣計算方案，解決了目前的起重機械防碰撞檢測技術含有感知精度不足、軌跡預測能力弱、防碰撞控制策略不智能、實時性低的問題。

42、作為本發(fā)明所述的起重機械防碰撞檢測系統(tǒng)的一種優(yōu)選方案，其中：包括數(shù)據(jù)采集與預處理模塊，數(shù)據(jù)融合與預測模塊，指令生成與執(zhí)行模塊。所述采集與預處理模塊用于采集起重機械的多模態(tài)數(shù)據(jù)，將多模態(tài)數(shù)據(jù)進行預處理。所述數(shù)據(jù)融合與預測模塊用于通過卡爾曼濾波對采集的多模態(tài)數(shù)據(jù)進行融合，構建lstm-gru預測模型，將融合數(shù)據(jù)輸入lstm-gru預測模型對起重機械運行軌跡進行預測。所述指令生成與執(zhí)行模塊用于根據(jù)軌跡預測結果，通過ai邊緣計算設備動態(tài)生成防碰撞控制指令，plc接受并執(zhí)行防碰撞控制指令。

43、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序是實現(xiàn)起重機械防碰撞檢測方法的步驟。

44、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)起重機械防碰撞檢測方法的步驟。

45、本發(fā)明的有益效果：本發(fā)明提供的起重機械防碰撞檢測方法基于多模態(tài)數(shù)據(jù)融合，提高起重機運行狀態(tài)感知精度，基于lstm-gru軌跡預測，實現(xiàn)精準的未來軌跡計算，基于ai邊緣計算設備，實現(xiàn)動態(tài)防碰撞控制，有效提升了防碰撞檢測的智能化水平，本發(fā)明在起重機運行安全性、軌跡預測精度以及防碰撞響應速度方面都取得更加良好的效果。