【技術實現步驟摘要】
本專利技術涉及軌道變形監測，尤其涉及碼頭設備軌道變形智能監測方法。
技術介紹
1、隨著全球貿易量的持續增長，港口碼頭作為貨物運輸的關鍵節點，其設備的安全性和可靠性變得尤為重要。特別是在軌道式起重機等重型機械設備的應用中，軌道的變形不僅影響作業效率，還可能帶來嚴重的安全隱患。因此，對碼頭設備軌道變形進行智能監測成為了確保港口運營安全的重要環節。
2、當前，碼頭設備軌道變形的監測主要依賴于傳統的定期人工巡檢和基于傳感器的自動檢測系統。這些方法各有特點：
3、定期人工巡檢：這種方法依賴于專業技術人員使用測量工具，如水準儀、全站儀等，對軌道進行全面檢查。雖然能夠發現一些明顯的變形問題，但由于人力成本高、耗時長且難以覆蓋所有細節，對于早期或細微變形往往無法及時察覺。
4、基于傳感器的自動檢測系統：近年來，隨著物聯網技術的發展，越來越多的碼頭開始采用安裝在軌道上的各類傳感器，如位移傳感器、加速度計等，來實現對軌道狀態的連續監控。這類系統可以實時收集數據并通過無線網絡上傳至數據中心進行分析處理。然而，現有系統的缺陷主要體現在以下幾個方面：
5、一、現有技術中僅僅依靠某一類傳感器提供的數據來進行決策易忽略其他重要的參考指標，如環境溫度、傾斜角度等因素也會對軌道變形產生影響，且即便現有技術是在使用多種類型的數據源的情況下，但在缺乏合理地賦予各因素相應的權重的前提下，同樣會影響到最終識別結論的準確性；
6、二、現有技術中，大部分系統皆具備閾值判定的報警功能，即利用閾值進行最終識別結論的判定
7、因此，現有技術急需碼頭設備軌道變形智能監測方法的技術方案。
技術實現思路
1、為了解決上述技術問題，本專利技術提供了碼頭設備軌道變形智能監測方法，其特征在于，具體包括以下步驟：
2、步驟s1、通過在軌道的關鍵位置部署的傳感器采集軌道實時數據，并將實時數據通過無線通信的方式傳輸至云端服務器，再由云端服務器對采集到的實時數據進行預處理；
3、步驟s2、利用經過預處理后的實時數據，獲取當前時刻的軌道變形預測值；
4、步驟s21、調用云端服務器中存儲的軌道歷史數據，進行預處理，并對經過預處理的軌道歷史數據進行特征工程，提取軌道變形的關鍵特征；
5、步驟s22、將經過預處理的軌道歷史數據及關鍵特征集合成數據集，并對數據集按預設比例進行劃分，獲取任意一部分劃分完畢的數據集作為樣本集；
6、步驟s23、構建預測模型，并采用樣本集對預測模型進行訓練，得到訓練完畢的預測模型；
7、步驟s24、將經過預處理后的實時數據輸入至訓練完畢的預測模型中，得到當前時刻的軌道變形預測值；
8、步驟s3、獲取當前時刻的軌道變形實際測量值，并與當前時刻的軌道變形預測值進行比對，得到當前時刻的軌道變形殘差值，利用當前時刻的軌道變形殘差值結合閾值識別得到當前時刻是否存在軌道變形異常點；
9、步驟s3a1、通過獲取的實時數據，并進行測算，得到當前時刻的軌道變形實際測量值；
10、步驟s3a2、調用步驟s24中得到的當前時刻的軌道變形預測值，并分析當前時刻的軌道變形預測值對當前軌道變形狀態的影響程度，基于分析結果，對當前時刻的軌道變形預測值賦予評分，并基于評分對當前時刻的軌道變形預測值賦予權重；
11、步驟s3a3、綜合當前時刻的軌道變形預測值的評分、權重，得到當前時刻的軌道變形預測值的綜合權重；
12、步驟s3a4、根據當前時刻的軌道變形預測值的權重、當前時刻的軌道變形預測值的綜合權重、當前時刻的軌道變形預測值，得到當前時刻的軌道變形預測均值；
13、其中，得到當前時刻的軌道變形預測均值的計算公式為：
14、；
15、其中，代表當前時刻的軌道變形預測均值；代表當前時刻的軌道變形預測值；代表當前時刻的軌道變形預測值的權重；代表當前時刻的軌道變形預測值的綜合權重；
16、步驟s3a5、根據當前時刻的軌道變形預測均值、當前時刻的軌道變形實際測量值，得到當前時刻的軌道變形殘差值；
17、其中，得到當前時刻的軌道變形殘差值的計算公式為：
18、；
19、其中，代表當前時刻的軌道變形殘差值；代表當前時刻的軌道變形預測均值；代表當前時刻的軌道變形實際測量值；
20、步驟s3b1、獲取多組軌道變形殘差值，并計算得到多組軌道變形殘差值的均值，再通過均值得到多組軌道變形殘差值的標準差；
21、步驟s3b2、通過多組軌道變形殘差值的均值、標準差，分別得到軌道變形殘差值的閾值下限及閾值上限；
22、其中，得到軌道變形殘差值的閾值下限及閾值上限的公式組為：
23、；
24、；
25、其中，代表軌道變形殘差值的閾值下限；代表軌道變形殘差值的閾值上限；代表多組軌道變形殘差值的均值；代表多組軌道變形殘差值的標準差；k代表常數；
26、步驟s3b3、若當前時刻的軌道變形殘差值小于軌道變形殘差值的閾值下限或大于軌道變形殘差值的閾值上限，則識別得到當前時刻存在軌道變形異常點；若當前時刻的軌道變形殘差值大于等于軌道變形殘差值的閾值下限且小于等于軌道變形殘差值的閾值上限，則識別得到當前時刻不存在軌道變形異常點；利用當前時刻的軌道變形殘差值結合閾值識別得到當前時刻的軌道變形異常點；
27、步驟s4、若識別得到當前時刻存在軌道變形異常點，則觸發警報機制，并生成詳細的異常報告，若識別得到當前時刻不存在軌道變形異常點，則無需觸發警報機制。
28、本專利技術實施例具有以下技術效果：
29、本專利技術旨在實現對碼頭設備軌道變形狀態的高精度監控，首先通過預測模型得到當前時刻的軌道變形預測值，為了確保當前時刻的軌道變形預測值的穩定性及可靠性，本申請通過利用評分及加權的方式得到更為可靠的當前時刻的軌道變形預測均值，這樣的方式可以使得即使是在復雜多變的環境下，也能夠得到相對穩定可靠的預測均值，為后續計算分析提供高精度標準，接著通過比較預測均值與實際測量值之間的差異，得到當前時刻的軌道變形殘差值，再通過計算得到合理且科學的雙閾值，利用雙閾值形式對當前時刻的軌道變形殘差值進行識別，能夠更有效、準確得識別出當前時刻的軌道變形異常點，從而為后續警報機制的觸發提供良好的先遣條件，確保不會出現誤判的現象，進而能夠在有效提高數據利用的科學性及準確性的前提下，有效預防了潛在的安全隱患，保障運營順暢及人員安全。
本文檔來自技高網...【技術保護點】
1.碼頭設備軌道變形智能監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的碼頭設備軌道變形智能監測方法，其特征在于，所述獲取當前時刻的軌道變形實際測量值，并與當前時刻的軌道變形預測值進行比對，得到當前時刻的軌道變形殘差值，包括：
3.根據權利要求1所述的碼頭設備軌道變形智能監測方法，其特征在于，所述利用當前時刻的軌道變形殘差值結合閾值識別得到當前時刻是否存在軌道變形異常點，包括：
4.根據權利要求2所述的碼頭設備軌道變形智能監測方法，其特征在于，所述得到當前時刻的軌道變形預測均值的計算公式為：
5.根據權利要求2所述的碼頭設備軌道變形智能監測方法，其特征在于，所述得到當前時刻的軌道變形殘差值的計算公式為：
6.根據權利要求3所述的碼頭設備軌道變形智能監測方法，其特征在于，所述得到軌道變形殘差值的閾值下限及閾值上限的公式組為：
【技術特征摘要】
1.碼頭設備軌道變形智能監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的碼頭設備軌道變形智能監測方法，其特征在于，所述獲取當前時刻的軌道變形實際測量值，并與當前時刻的軌道變形預測值進行比對，得到當前時刻的軌道變形殘差值，包括：
3.根據權利要求1所述的碼頭設備軌道變形智能監測方法，其特征在于，所述利用當前時刻的軌道變形殘差值結合閾值識別得到當前時刻是否存在軌道變形...
【專利技術屬性】
技術研發人員：孫單，洪亦霖，楊旭，喬小利，李明玉，韓冉冉，張勇，王路遙，郭暢，
申請(專利權)人：交通運輸部天津水運工程科學研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。