一种岸桥监控方法、系统及岸桥技术方案

本申请涉及岸桥监控技术领域，具体涉及一种岸桥监控方法、系统及岸桥。方法包括：获取岸桥在运行过程中的实时振动信息、姿态信息；获取岸桥在运行过程中的风速信息；根据实时振动信息、姿态信息以及风速信息输入神经网络模型而获取预测状态信息，其中预测状态信息包括预测振动信息；以及当预测振动信息达到第一预设条件时，产生报警信息；通过将姿态信息、实时振动信息与风速信息等环境因素相结合，对岸桥的运行状态进行预测。由于考虑到了岸桥的实际运行环境，可以更加准确预测出岸桥所产生的运行状态，作业人员从而根据预测出的运行状态来及时做出调整岸桥状态的操作，从而改变岸桥的姿态信息，以调整岸桥整体的振动，便于对物体的顺利装卸。顺利装卸。顺利装卸。

【技术实现步骤摘要】
一种岸桥监控方法、系统及岸桥


[0001]本申请涉及岸桥监控
，具体涉及一种岸桥监控方法、系统及岸桥。

技术介绍

[0002]岸桥是一种搭建在港口或者码头的物体起重设备，主要用于将对船舶上的集装箱等物体进行吊运装卸。
[0003]在相关技术中，岸桥自身整体结构比较庞大，在运行过程中，由于惯性或者空气流动的影响，岸桥会产生振动。目前，岸桥的振动强度主要是依靠作业人员的人为判断，导致判断结果容易出现较大偏差，当岸桥的振动幅度较大时，导致悬吊在控制的物体发生偏移，这会影响物体的吊运装卸。
[0004]申请内容
[0005]有鉴于此，本申请提供了一种岸桥监控方法、系统及岸桥，解决了或者改善了岸桥在运行过程中，人为判断岸桥振动强度存在较大偏差而影响物体的吊运装卸。
[0006]第一方面，本申请提供的一种岸桥监控方法，所述方法包括：获取所述岸桥在运行过程中的实时振动信息、姿态信息；获取所述岸桥在运行过程中的风速信息；根据所述实时振动信息、所述姿态信息以及所述风速信息输入神经网络模型而获取预测状态信息，其中所述预测状态信息包括预测振动信息；以及当所述预测振动信息达到第一预设条件时，产生报警信息。
[0007]本申请所提供的岸桥监控方法，在岸桥运行过程中，通过获取岸桥的实时振动信息、姿态信息以及风速信息，再将实时振动信息、姿态信息以及风速信息输入神经网络模型内而获取对岸桥的预测状态信息，从而掌握岸桥在运行过程中的预测振动信息，当预测振动信息达到低于预设条件时，产生报警信息；以此在岸桥运行过程，通过计算机程序来对岸桥的振动进行预测，从而精确判断岸桥的运行状态，当预测振动信息达到第一预设条件时，发出报警信息以提示作业人员。通过将姿态信息、实时振动信息与风速信息等环境因素相结合，对岸桥的运行状态进行预测。由于考虑到了岸桥的实际运行环境，可以更加准确预测出岸桥所产生的运行状态，作业人员从而根据预测出的运行状态来及时做出调整岸桥状态的操作，从而改变岸桥的姿态信息，以调整岸桥整体的振动，便于对物体的顺利装卸。
[0008]结合第一方面，在一种可能的实现方式中，所述预测状态信息进一步包括多个角轮各自的预测轮压信息，其中，所述岸桥监控方法还包括：将多个所述预测轮压信息进行对比而产生对比信息结果；以及当所述对比信息结果达到第二预设条件时，产生报警信息；其中，所述对比信息结果随着所述预测振动信息的变化而变化。
[0009]结合第一方面，在一种可能的实现方式中，所述神经网络的训练过程包括：向所述神经网络模型中输入振动信息样本、姿态信息样本以及风速信息样本所构成的多信息样本，获得所述神经网络模型输出的预测振动训练信息和预测轮压训练信息；基于所述预测振动训练信息和标准振动信息计算损失，基于所述预测轮压训练信息和标准轮压信息计算损失，所述标准振动信息和标准轮压信息均与所述多信息样本对应；以及基于损失计算结
果调整所述神经网络模型的参数。
[0010]结合第一方面，在一种可能的实现方式中，所述获取所述姿态信息包括以下几项中的一种或多种组合：获取所述岸桥的小车信息、吊重信息、大梁位置信息、大车加速度信息。
[0011]结合第一方面，在一种可能的实现方式中，所述获取所述小车信息包括：获取小车位置信息和小车加速度信息。
[0012]结合第一方面，在一种可能的实现方式中，获取所述实时振动信息包括：获取所述岸桥的前大梁实时振动信息、上横梁实时振动信息以及后大梁实时振动信息。
[0013]结合第一方面，在一种可能的实现方式中，所述获取所述实时振动信息具体包括：获取岸桥在运行过程中的初始振动信息；对所述初始振动信息进行滤波处理而获取所述实时振动信息。
[0014]结合第一方面，在一种可能的实现方式中，所述岸桥监控方法还包括：获取所述预测振动信息并进行实时显示。
[0015]第二方面，本申请还提供一种岸桥监控系统，用于实现上述所述的岸桥监控方法，所述岸桥监控系统包括：振动监测模块，用于监测所述岸桥在运行过程中的所述实时振动信息；姿态监测模块，用于监测所述岸桥在运行过程中的所述姿态信息；风速监测模块，用于监测所述岸桥在运行过程中的所述风速信息；计算模块，分别与所述振动监测模块、姿态监测模块以及风速监测模块通讯连接以获取所述振动信息、所述姿态信息以及所述风速信息，所述计算模块用于输入所述振动信息、所述姿态信息以及所述风速信息后根据神经网络模型而获取预测状态信息，其中所述预测状态信息包括预测振动信息；以及预警模块，与所述计算模块通讯连接以获取所述预测振动信息，所述预警模块构造为当所述预测振动信息达到第一预设条件时发出报警信息。
[0016]结合第二方面，一种岸桥监控系统，通过设置振动监测模块、姿态监测模块以及风速监测模块而分别岸桥在运行过程中实时振动信息、姿态信息以及风速信息，再将实时振动信息、姿态信息以及风速信息传输至计算模块内，计算模块从而根据神经网络模型来获取预测状态信息，从而顺利得到岸桥运行过程中的预测振动信息，从而根据预测振动信息，利用预警模块相作业人员发出警报，以提示作业人员，以此通过计算机程序来实现对岸桥振动的监测，提高对岸桥振动监测的精确度，方便岸桥对物体的顺利装卸。
[0017]第三方面，本申请还提供一种岸桥，包括：上述所述的岸桥监控系统；以及主体，用于安装所述岸桥监控系统。
[0018]结合第三方面，一种岸桥，通过设置岸桥监控系统，在岸桥运行过程中，岸桥监控系统对岸桥的运行状态进行监控，以方便岸桥顺利对物体进行装卸。
附图说明
[0019]图1所示为本申请一些实施例中岸桥监控方法的构成示意图。
[0020]图2所示为本申请一些实施例中预测轮压信息的构成示意图。
[0021]图3所示为本申请一些实施例中神经网络的训练过程的构成示意图。
[0022]图4所示为本申请一些实施例中实时振动信息处理的构成示意图。
[0023]图5所示为本申请一些实施例中岸桥监控系统的构成示意图。
[0024]图6所示为本申请一些实施例中振动检测模块的构成示意图。
[0025]图7所示为在本申请一些实施例中姿态监测模块的构成示意图。
[0026]图8所示为在本申请一些实施例中计算模块的构成示意图。
[0027]图9所示为在本申请一些实施例中预警模块的构成示意图。
[0028]图10所示为本申请一些实施例中岸桥的结构示意图。
[0029]图11所示为本申请一些实施例提供的电子设备的结构示意图。
具体实施方式
[0030]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0031]申请概述
[0032]岸桥在运行过程中，由于惯性或者环境中空气流动的影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种岸桥监控方法，其特征在于，所述方法包括：获取所述岸桥在运行过程中的实时振动信息、姿态信息；获取所述岸桥在运行过程中的风速信息；根据所述实时振动信息、所述姿态信息以及所述风速信息输入神经网络模型而获取预测状态信息，其中所述预测状态信息包括预测振动信息；以及当所述预测振动信息达到第一预设条件时，产生报警信息。2.根据权利要求1所述的所述岸桥监控方法，其特征在于，所述预测状态信息进一步包括多个角轮各自的预测轮压信息，其中，所述岸桥监控方法还包括：将多个所述预测轮压信息进行对比而产生对比信息结果；以及当所述对比信息结果达到第二预设条件时，产生报警信息；其中，所述对比信息结果随着所述预测振动信息的变化而变化。3.根据权利要求2所述的所述岸桥监控方法，其特征在于，所述神经网络的训练过程包括：向所述神经网络模型中输入振动信息样本、姿态信息样本以及风速信息样本所构成的多信息样本，获得所述神经网络模型输出的预测振动训练信息和预测轮压训练信息；基于所述预测振动训练信息和标准振动信息计算损失，基于所述预测轮压训练信息和标准轮压训练信息计算损失，所述标准振动信息和标准轮压信息均与所述多信息样本对应；以及基于损失计算结果调整所述神经网络模型的参数。4.根据权利要求1至3中任一项所述的岸桥监控方法，其特征在于，所述获取所述姿态信息包括以下几项中的一种或多种组合：获取所述岸桥的小车信息、吊重信息、大梁位置信息、大车加速度信息。5.根据权利要求4所述的岸桥监控方法，其特征在于，所述获取所述小车信息包括：获取...

【专利技术属性】
技术研发人员：刘心远，曾艳祥，
申请(专利权)人：三一海洋重工有限公司，
类型：发明
国别省市：