(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210816316.2 (22)申请日 2022.07.12 (71)申请人 国能常州发电有限公司 地址 213000 江苏省常州市新北区春江镇 江花路1号 (72)发明人 王博强　孟怀锋　符俊　 (74)专利代理 机构 上海洞见 未来专利代理有限 公司 31467 专利代理师 苗绘 (51)Int.Cl. B66C 15/06(2006.01) B66C 15/04(2006.01) B66C 15/00(2006.01) B66C 13/48(2006.01) G06Q 10/06(2012.01)G06Q 50/28(2012.01) G06V 10/62(2022.01) G06V 20/52(2022.01) G06V 40/20(2022.01) (54)发明名称 一种抓斗卸船机自动作业在线监测系统及 方法 (57)摘要 本发明涉及卸船机监管技术领域， 具体公开 了一种抓斗卸船机自动作业在线监测系统及方 法， 所述方法包括获取抓斗卸船机的装配模型和 维护记录， 对装配模型进行切分， 得到含有风险 阈值的子模 型； 实时获取各子模 型对应的实际设 备中各控制端的输入数据和输出数据， 计算风险 概率； 当任一子模型对应的风险概率达到所述风 险阈值时， 获取该子模型的风险类型， 确定该子 模型的影响范围； 获取含有热源信息的监视图 像， 确定警示信息。 本发明获取抓斗卸船机的设 计模型， 根据设计模型确定抓斗卸船机作业过程 中的风险区域， 通过传统的具有热源监测能力的 监控设备获取工作人员的状态， 实时生成警示信 息， 减少了管理者的工作量， 极大地降低了工作 人员的风险率。 权利要求书3页 说明书9页 附图4页 CN 115057365 A 2022.09.16 CN 115057365 A 1.一种抓斗卸船机自动作业在线监测方法， 其特 征在于， 所述方法包括： 获取抓斗卸船机的装配模型和维护记录， 根据所述维护记录对装配模型进行切分， 得 到含有风险阈值的子模型； 实时获取各子模型对应的实际设备中各控制端的输入数据和输出数据， 根据 所述输入 数据和输出 数据计算 风险概率； 当任一子模型对应的风险概率达到所述风险阈值时， 获取该子模型的风险类型， 根据 风险类型确定该子模型的影响范围； 获取含有热源信息的监视图像， 根据所述影响范围和所述 监视图像确定警示信息 。 2.根据权利要求1所述的抓斗卸船机自动作业在线监测方法， 其特征在于， 所述获取抓 斗卸船机的装配模型和维护记录， 根据所述维护记录对装配模型进行切分， 得到含有风险 阈值的子模型的步骤 包括： 获取抓斗卸船机的装配模型， 依次读取装配模型中各子 部件的额定参数； 获取各子部件的维护记录， 根据所述维护记录对所述额定参数进行修正； 其中， 所述额 定参数用于表征 各子部件正常工作的参数 范围； 将所述修正后的额定参数输入训练好的易达性分析模型， 得到该子部件的易达值； 所 述易达值用于表征 该子部件的额定参数的易满足程度； 将所述易达值与预设的易达阈值进行比对， 当所述易达值达到预设的易达阈值时， 将 修正后的额定参数作为 风险阈值， 生成子模型。 3.根据权利要求2所述的抓斗卸船机自动作业在线监测方法， 其特征在于， 所述实时获 取各子模型对应的实际设备中各控制端的输入 数据和输出数据， 根据所述输入数据和输出 数据计算 风险概率的步骤 包括： 实时获取 各子模型对应的实际设备中各控制端的连接关系； 基于连接关系依次获取 各控制端的输入数据和输出 数据； 将所述输入数据输入预设的理论模型， 得到预测数据； 所述输入数据、 所述输出数据和 所述预测数据均为时间的函数； 比对所述预测数据和所述输出 数据， 根据比对结果计算 风险概率。 4.根据权利要求3所述的抓斗卸船机自动作业在线监测方法， 其特征在于， 所述比对所 述预测数据和所述输出 数据， 根据比对结果计算 风险概率的步骤 包括： 读取所述预测数据和所述输出数据， 根据所述预测数据和所述输出数据计算差值数 据； 根据所述预测数据、 输出数据和差值数据在同一坐标系中生成预测曲线、 输出曲线和 差值曲线； 计算所述差值曲线的导函数曲线， 根据预设的变化率阈值线截取所述导函数， 确定特 征段； 获取所述特征段对应的输出 数据， 根据所述输出 数据标记所述特 征段； 统计标记的特 征段， 计算风险概率。 5.根据权利要求1所述的抓斗卸船机自动作业在线监测方法， 其特征在于， 所述当任一 子模型对应的风险概率达到所述风险阈值时， 获取该子模型 的风险类型， 根据风险类型确 定该子模型的影响范围的步骤 包括：权　利　要　求　书 1/3 页 2 CN 115057365 A 2当任一子模型对应的风险概率达到所述风险阈值时， 获取该子模型的风险类型； 所述 风险类型至少包括 坠落风险类型； 当所述风险类型为坠落风险类型时， 获取该子模型相对于整个装配模型的安装高度及 工作区间； 获取该子模型的重力和聚集度， 根据所述重力和所述安装高度计算坠落冲量， 根据所 述坠落冲量和所述聚集度计算单点影响范围； 其中， 所述聚集度用于表征该子模型中各零 件的连接紧密度； 所述连接紧密度用冲量阈值表示； 根据所述单点影响范围和所述工作区间确定该子模型的影响范围。 6.根据权利要求5所述的抓斗卸船机自动作业在线监测方法， 其特征在于， 所述当任一 子模型对应的风险概率达到所述风险阈值时， 获取该子模型 的风险类型， 根据风险类型确 定该子模型的影响范围的步骤 还包括： 根据所述安装高度标记所述装配模型中相对于该子模型的碰撞模型； 其中， 所述碰撞 模型在子模型的坠 落过程中， 装配模型中与它发生碰撞关系的其 他子模型； 根据碰撞模型和该子模型修 正单点影响范围。 7.根据权利要求1所述的抓斗卸船机自动作业在线监测方法， 其特征在于， 所述获取含 有热源信息的监视图像， 根据所述影响范围和所述 监视图像确定警示信息的步骤 包括： 获取含有热源信息的监视图像， 根据监视图像的时间信息对监视图像进行排序； 读取排序后的监视图像中的热源信息， 根据热源信息确定 工作人员的运动路径； 获取监视图像与实际环境之间的映射关系， 根据 所述映射关系将影响范围转换为监视 图像中的理论影响范围； 计算运动路径与所述理论影响范围的交叉参数， 根据所述交叉参数确定警示信息； 其 中， 所述交叉参数包括交叉次数和单次交叉时长 。 8.一种抓斗卸船机自动作业在线监测系统， 其特 征在于， 所述系统包括： 模型切分模块， 用于获取抓斗卸船机的装配模型和维护记录， 根据所述维护记录对装 配模型进行切分， 得到含有风险阈值的子模型； 风险概率计算模块， 用于实时获取各子模型对应的实际设备中各控制端的输入数据和 输出数据， 根据所述输入数据和输出 数据计算 风险概率； 影响范围确定模块， 用于当任一子模型对应的风险概率达到所述风险阈值时， 获取该 子模型的风险类型， 根据风险类型确定该子模型的影响范围； 警示信息生成模块， 用于获取含有热源信息的监视 图像， 根据所述影响范围和所述监 视图像确定警示信息 。 9.根据权利要求8所述的抓斗卸船机自动作业在线监测系统， 其特征在于， 所述模型切 分模块包括： 额定参数读取单元， 用于获取抓斗卸船机的装配模型， 依次读取装配模型中各子部件 的额定参数； 额定参数修正单元， 用于获取各子部件的维护记录， 根据所述维护记录对所述额定参 数进行修 正； 其中， 所述 额定参数用于表征 各子部件正常工作的参数 范围； 易达值计算单元， 用于将所述修正后的额定参数输入训练好的易达性分析模型， 得到 该子部件的易达值； 所述 易达值用于表征 该子部件的额定参数的易满足程度；权　利　要　求　书 2/3 页 3 CN 115057365 A 3