一种起重机安全风险控制方法及系统技术方案

本发明专利技术涉及一种起重机安全风险控制方法及系统，属于作业车辆安全控制技术领域。本发明专利技术通过获取起重机作业区域的影像数据，采用机器学习算法对获取的影像数据进行处理，进行人体行为识别；当在作业区域检测出人体行为且起重机处于工作状态时，根据起重机的运行速度、高度、方向以及人体的运动状态确定安全等级；根据确定的安全等级控制起重机执行减速绕行、减速报警、减速停车或者紧急停车的操作。本发明专利技术的起重机安全风险控制方法及系统，增强了司机操作起重机的安全性，扩大了司机的视野，能够对起重机周围工况进行全面监控并作出适当的控制，不仅大大降低了安全风险，还提高了工作效率。作效率。作效率。

【技术实现步骤摘要】
一种起重机安全风险控制方法及系统


[0001]本专利技术涉及一种起重机安全风险控制方法及系统，属于作业车辆安全控制


技术介绍

[0002]起重机作为车间内物料搬运的常用设备，在工作过程中不可避免的需要人员参与作业，例如由于作业对象形状不一、作业方式不同，需要现场工作人员从事挂钩、指挥、翻转工件等工作，而起重机司机的视野有限，以及司机的操作失误，特别容易出现安全事故。因此需要增加对工作区域人员和物品的识别手段进行警示和避障，预防安全事故。
[0003]目前较好的空间定位手段是采用电子射频(RFID)、超宽带无线技术(UWB)、无线局域网(WI
‑
FI)等技术，但定位精度差，需要司机经常观察显示画面，易分心，无法根据吊装物的大小确定安全范围。当车间的设备、物料、车辆等种类较多，在高温、粉尘、水雾、复杂光线、高磁等环境，容易对传感器造成干扰，并且很难进行动态感知，漏报误报的几率较大，在起重机快速运行的场合，重物有可能从人员上方经过，很难避免类似风险。

技术实现思路

[0004]本专利技术的目的是提供一种起重机安全风险控制方法及系统，以解决目前起重机安全风险控制中存在无法在起重机作业区及时、准确识别出人员导致的安全风险大的问题。
[0005]本专利技术为解决上述技术问题而提供1.一种起重机安全风险控制方法，该控制方法包括以下步骤：
[0006]1)获取起重机作业区域的影像数据，采用机器学习算法对获取的影像数据进行处理，进行人体行为识别；
[0007]2)当在作业区域检测出人体行为且起重机处于工作状态时，根据起重机的运行速度、高度、方向以及识别出的人体的运动方向确定安全等级；
[0008]3)根据确定的安全等级按照最优化控制策略控制起重机，所述的控制策略包括有减速绕行、减速报警、减速停车、紧急停车、后退。
[0009]本专利技术通过获取起重机作业区域的影像数据，采用机器学习算法对获取的影像数据进行处理，进行人体行为识别；当在作业区域检测出人体行为且起重机处于工作状态，根据起重机的运行速度、高度、方向以及人体的运动状态确定安全等级；根据确定的安全等级控制起重机执行减速绕行、减速报警、减速停车或者紧急停车的操作。通过上述过程，本专利技术能够增强司机操作的起重机的安全性，扩大了司机的视野，能够对起重机周围工况进行全面监控并作出适当的控制，不仅降低了安全风险，还提高了工作的效率。
[0010]进一步地，所述步骤3)最优化控制策略中的减速的幅度根据起重机的特点、安全距离要求和安全运行空间大小确定；绕行的距离根据起重机的特点、安全距离要求和安全运行空间大小确定。
[0011]本专利技术根据起重机自身的特点以及安全距离和安全运行空间的要求制定最优化
控制策略，使得对起重机的控制既能够满足安全要求，又能够保证起重机的工作效率。
[0012]进一步地，所述步骤1)中的的人体行为识别采用神经网络模型实现，该神经网络模型在训练时所用的训练集中包含有不同条件下的影像数据，所述的不同条件包括有粉尘、水雾和复杂光源。
[0013]本专利技术采用神经网络模型进行人体行为识别时，采用各种状况下图像数据作为训练样本对神经网络模型进行训练，进一步地提高了人体行为识别的精度。
[0014]进一步地，该方法还包括在对起重机控制过程中启动自动抑摆功能，以避免起重机所吊物体过大摆动而导致的撞击问题。
[0015]本专利技术在对起重机进行控制时还进行抑摆操作，避免了吊装物甩动带来的安全风险。
[0016]进一步地，当在作业区域检测出人体行为而起重机处于未工作状态时，则进行报警。
[0017]本专利技术还提供了一种起重机安全风险控制系统，该控制系统包括用于获取起重机作业区域图像数据的图像采集装置、分类识别模块和控制模块，所述分类识别模块用于采用机器学习算法对获取的影像数据进行处理，进行人体行为识别；所述的控制模块用于根据起重机的运行速度、高度、方向以及识别出的人体的运动方向确定安全等级，并根据确定的安全等级按照最优化控制策略控制起重机，所述的控制策略包括有减速绕行、减速报警、减速停车、紧急停车、后退。
[0018]本专利技术通过获取起重机作业区域的影像数据，采用机器学习算法对获取的影像数据进行处理，进行人体行为识别；当在作业区域检测出人体行为且起重机处于工作状态，根据起重机的运行速度、高度、方向以及人体的运动状态确定安全等级；根据确定的安全等级控制起重机执行减速绕行、减速报警、减速停车或者紧急停车的操作。通过上述过程，本专利技术能够增强司机操作的起重机的安全性，扩大了司机的视野，能够对起重机周围工况进行全面监控并作出适当的控制，不仅降低了安全风险，还提高了工作的效率。
[0019]进一步地，所述的最优化控制策略中的减速的幅度根据起重机的特点、安全距离要求和安全运行空间大小确定；绕行的距离根据起重机的特点、安全距离要求和安全运行空间大小确定。
[0020]本专利技术根据起重机自身的特点以及安全距离和安全运行空间的要求制定最优化控制策略，使得对起重机的控制既能够满足安全要求，又能够保证起重机的工作效率。
[0021]进一步地，所述分类识别模块采用神经网络模型进行人体识别，该神经网络模型在训练时所用的训练集中包含有不同条件下的影像数据，所述的不同条件包括有粉尘、水雾和复杂光源。
[0022]本专利技术采用神经网络模型进行人体行为识别时，采用各种状况下图像数据作为训练样本对神经网络模型进行训练，进一步地提高了人体行为识别的精度。
[0023]进一步地，所述控制模块在对起重机控制过程中启动自动抑摆功能，以避免起重机所吊物体过大摆动而导致的撞击问题。
[0024]本专利技术在对起重机进行控制时还进行抑摆操作，避免了吊装物甩动带来的安全风险。
[0025]进一步地，当在作业区域检测出人体行为而起重机处于未工作状态时，所述控制
模块进行报警。
附图说明
[0026]图1是本专利技术起重机安全风险控制方法的流程图；
[0027]图2是本专利技术实施例中未检测到人体行为的监控界面图；
[0028]图3是本专利技术实施例中检测到人体行为的监控界面图。
具体实施方式
[0029]下面结合附图对本专利技术的具体实施方式作进一步地说明。
[0030]系统实施例
[0031]本专利技术起重机安全风险控制系统设置图像采集装置用于获取起重机作业区域的图像数据，利用图像分类识别模块对该图像数据进行分类识别处理，以此判断起重机作业区域是否有人员；最后由控制模块根据识别结果对起重机进行安全风险控制，当在作业区域检测出人体行为且起重机处于工作状态，控制模块根据起重机的运行速度、高度、方向以及人体的运动状态确定安全等级，根据确定的安全等级控制起重机执行相应的动作，以确保人员安全。
[0032]具体而言，本实施例中的图像采集装置采用摄像头，由于起重机的作业区域一般比较大，所以本实施例中设置的摄像头也有多个(例如小车上1个，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种起重机安全风险控制方法，其特征在于，该控制方法包括以下步骤：1)获取起重机作业区域的影像数据，采用机器学习算法对获取的影像数据进行处理，进行人体行为识别；2)当在作业区域检测出人体行为且起重机处于工作状态时，根据起重机的运行速度、高度、方向以及识别出的人体的运动方向确定安全等级；3)根据确定的安全等级按照最优化控制策略控制起重机，所述的控制策略包括有减速绕行、减速报警、减速停车、紧急停车、后退。2.根据权利要求1所述的起重机安全风险控制方法，其特征在于，所述步骤3)最优化控制策略中的减速的幅度根据起重机的特点、安全距离要求和安全运行空间大小确定；绕行的距离根据起重机的特点、安全距离要求和安全运行空间大小确定。3.根据权利要求1或2所述的起重机安全风险控制方法，其特征在于，所述步骤1)中的的人体行为识别采用神经网络模型实现，该神经网络模型在训练时所用的训练集中包含有不同条件下的影像数据，所述的不同条件包括有粉尘、水雾和复杂光源。4.根据权利要求1或2所述的起重机安全风险控制方法，其特征在于，该方法还包括在对起重机控制过程中启动自动抑摆功能，以避免起重机所吊物体过大摆动而导致的撞击问题。5.根据权利要求1所述的起重机安全风险控制方法，其特征在于，当在作业区域检测出人体行为而起重机处于未工作状态时，则进行报警。6.一种起...

【专利技术属性】
技术研发人员：崔红哲，马文波，马利娟，鲍仕钦，彭清贵，
申请(专利权)人：河南省矿山起重机有限公司，
类型：发明
国别省市：