悬臂起重机的安全智能监管系统及其方法与流程

1.本公开涉及智能监管领域，且更为具体地，涉及一种悬臂起重机的安全智能监管系统及其方法。


背景技术：

2.悬臂起重机是一种常见的工业设备，用于在建筑工地、港口和物流中心等场所进行货物的起卸和搬运工作。然而，由于悬臂起重机在操作过程中会因承载重量大、工作环境复杂等因素的影响，存在一定的安全风险。为了确保悬臂起重机的安全运行，对于悬臂起重机进行安全监管至关重要。
3.然而，传统的悬臂起重机的监管方法主要依赖于操作员的经验和人工周期性或定期性的巡检，容易受到主观因素的影响，产生误差或疏忽。同时，人工周期或定期巡检的方式需要耗费大量时间和人力资源，也无法实时获取悬臂起重机的运行状态信息。这意味着如果在巡检之间发生异常情况，监管系统无法及时察觉和采取措施，增加了事故发生的风险。此外，由于悬臂起重机常常在复杂的工作环境中操作，如高空、狭小空间或恶劣天气条件下。传统的监管方法在应对这些复杂环境和多变工况时存在一定的局限性，无法提供准确的安全评估和控制。
4.因此，期望一种优化的悬臂起重机的安全智能监管方案。


技术实现要素：

5.有鉴于此，本公开提出了一种悬臂起重机的安全智能监管系统及其方法，其可以基于悬臂起重机的运行参数变化情况自动对该悬臂起重机的运行状态进行实时监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整。
6.根据本公开的一方面，提供了一种悬臂起重机的安全智能监管系统，其包括：运行参数数据采集模块，用于采集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷；运行状态监控模块，用于基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整；以及显示管理模块，用于在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能。
7.在上述悬臂起重机的安全智能监管系统中，所述运行状态监控模块，包括：数据采集单元，用于通过传感器网络采集被监控悬臂起重机在预定时间段内多个预定时间点的速度值和载荷值；运行参数数据时序特征交互单元，用于对所述多个预定时间点的速度值和载荷值进行时序协同关联分析以得到运行速度-载荷时序交互特征；以及运行状态检测单元，用于基于所述运行速度-载荷时序交互特征，确定被监控悬臂起重机的运行状态是否正常。
8.在上述悬臂起重机的安全智能监管系统中，所述运行参数数据时序特征交互单元，包括：数据时序排列子单元，用于将所述多个预定时间点的速度值和载荷值分别按照时
间维度排列为运行速度时序输入向量和运行载荷时序输入向量；数据时序特征提取子单元，用于将所述运行速度时序输入向量和所述运行载荷时序输入向量分别通过基于一维卷积层的时序特征提取器以得到运行速度时序特征向量和运行载荷时序特征向量；以及运行参数时序特征交互子单元，用于对所述运行速度时序特征向量和所述运行载荷时序特征向量进行特征交互以得到所述运行速度-载荷时序交互特征。
9.在上述悬臂起重机的安全智能监管系统中，所述运行参数时序特征交互子单元，用于：使用特征间注意力层来对所述运行速度时序特征向量和所述运行载荷时序特征向量进行基于注意力机制的特征交互以得到运行速度-载荷时序交互特征向量作为所述运行速度-载荷时序交互特征。
10.在上述悬臂起重机的安全智能监管系统中，所述运行状态检测单元，包括：交互特征优化子单元，用于对所述运行速度-载荷时序交互特征向量进行特征分布优化以得到优化运行速度-载荷时序交互特征向量；以及运行状态分类判断子单元，用于将所述优化运行速度-载荷时序交互特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控悬臂起重机的运行状态是否正常。
11.在上述悬臂起重机的安全智能监管系统中，所述交互特征优化子单元，包括：密集点分布采样融合二级子单元，用于对所述运行速度时序特征向量和所述运行载荷时序特征向量进行齐次吉尔伯特空间度量式密集点分布采样融合以得到融合特征向量；以及特征融合优化二级子单元，用于将所述融合特征向量和所述运行速度-载荷时序交互特征向量进行融合以得到所述优化运行速度-载荷时序交互特征向量。
12.在上述悬臂起重机的安全智能监管系统中，所述密集点分布采样融合二级子单元，用于：以如下融合优化公式对所述运行速度时序特征向量和所述运行载荷时序特征向量进行齐次吉尔伯特空间度量式密集点分布采样融合以得到所述融合特征向量；其中，所述融合优化公式为：其中，是所述运行速度时序特征向量，是所述运行载荷时序特征向量，表示所述运行载荷时序特征向量的转置向量，表示闵式距离，且为超参数，和分别是所述运行速度时序特征向量和所述运行载荷时序特征向量的全局特征均值，且特征向量和均为行向量，为按位置点乘，为按位置加法，是所述融合特征向量。
13.在上述悬臂起重机的安全智能监管系统中，所述运行状态分类判断子单元，用于：使用所述分类器的全连接层对所述优化运行速度-载荷时序交互特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。
14.根据本公开的另一方面，提供了一种悬臂起重机的安全智能监管方法，其包括：采
集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷；基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整；以及在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能。
15.在上述悬臂起重机的安全智能监管方法中，基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整，包括：通过传感器网络采集被监控悬臂起重机在预定时间段内多个预定时间点的速度值和载荷值；对所述多个预定时间点的速度值和载荷值进行时序协同关联分析以得到运行速度-载荷时序交互特征；以及基于所述运行速度-载荷时序交互特征，确定被监控悬臂起重机的运行状态是否正常。
16.根据本公开的实施例，其首先采集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷，接着，基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整，然后，在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能。这样，可以避免人工周期或定期巡检带来的低效率以及低精准度和及时性差的问题，从而提高监管效果，减少事故风险，并提高工作效率。
17.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
18.包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
19.图1示出根据本公开的实施例的悬臂起重机的安全智能监管系统的框图。
20.图2示出根据本公开的实施例的悬臂起重机的安全智能监管系统中所述运行状态监控模块的框图。
21.图3示出根据本公开的实施例的悬臂起重机的安全智能监管系统中所述运行参数数据时序特征交互单元的框图。
22.图4示出根据本公开的实施例的悬臂起重机的安全智能监管系统中所述运行状态检测单元的框图。
23.图5示出根据本公开的实施例的悬臂起重机的安全智能监管系统中所述交互特征优化子单元的框图。
24.图6示出根据本公开的实施例的悬臂起重机的安全智能监管方法的流程图。
25.图7示出根据本公开的实施例的悬臂起重机的安全智能监管方法的子步骤s120的架构示意图。
26.图8示出根据本公开的实施例的悬臂起重机的安全智能监管系统的应用场景图。
具体实施方式
27.下面将结合附图对本公开实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本公开的部分实施例，而不是全部的实施例。基于本公开实施
例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本公开保护的范围。
28.如本公开和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
29.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
30.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
31.图1示出根据本公开的实施例的悬臂起重机的安全智能监管系统的框图示意图。如图1所示，根据本公开实施例的悬臂起重机的安全智能监管系统100，包括：运行参数数据采集模块110，用于采集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷；运行状态监控模块120，用于基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整；以及，显示管理模块130，用于在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能。
32.针对上述技术问题，本公开的技术构思为通过传感器网络采集悬臂起重机在多个时间点的运行参数数据，例如速度值和载荷值，并在后端引入数据处理和分析算法来进行速度值和载荷值的时序交互特征分析，以基于悬臂起重机的运行参数变化情况自动对该悬臂起重机的运行状态进行实时监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整。通过这样的方式，能够避免人工周期或定期巡检带来的低效率以及低精准度和及时性差的问题，从而提高监管效果，减少事故风险，并提高工作效率。
33.相应地，如图2所示，所述运行状态监控模块120，包括：数据采集单元121，用于通过传感器网络采集被监控悬臂起重机在预定时间段内多个预定时间点的速度值和载荷值；运行参数数据时序特征交互单元122，用于对所述多个预定时间点的速度值和载荷值进行时序协同关联分析以得到运行速度-载荷时序交互特征；以及，运行状态检测单元123，用于基于所述运行速度-载荷时序交互特征，确定被监控悬臂起重机的运行状态是否正常。
34.具体地，在本公开的技术方案中，首先，获取由传感器网络采集的被监控悬臂起重机在预定时间段内多个预定时间点的速度值和载荷值。接着，考虑到由于所述被监控悬臂起重机的速度值和载荷值在时间维度上具有着时序的动态变化规律，并且，这两者之间还会相互影响以决定起重机的运行状态，也就是说，所述被监控悬臂起重机的速度值和载荷值在时间维度上还具有着时序的协同关联关系，共同对于该悬臂起重机的运行状态监测产生影响。因此，在本公开的技术方案中，为了能够进行所述被监控悬臂起重机的速度值和载荷值的时序协同关联特征交互，以此来进行运行状态监测，需要进一步将所述多个预定时间点的速度值和载荷值分别按照时间维度排列为运行速度时序输入向量和运行载荷时序
输入向量，以此来分别整合所述被监控悬臂起重机的速度值和载荷值的时序分布信息。
35.继而，再将所述运行速度时序输入向量和所述运行载荷时序输入向量分别通过基于一维卷积层的时序特征提取器进行特征挖掘，以分别提取出所述被监控悬臂起重机的速度值和载荷值在时间维度上的时序关联特征信息，即所述载荷值和所述速度值在时间维度上的时序变化特征，从而得到运行速度时序特征向量和运行载荷时序特征向量。
36.进一步地，使用特征间注意力层来对所述运行速度时序特征向量和所述运行载荷时序特征向量进行基于注意力机制的特征交互以得到运行速度-载荷时序交互特征向量，以此来捕捉所述运行速度时序变化特征和所述运行载荷时序变化特征之间的关联和相互影响。应可以理解，由于传统的注意力机制的目标是学习一个注意力权重矩阵，将较大的权重赋予重要的特征，较小的权重赋予次要的特征，从而选择出对当前任务目标更关键的信息。这种方式更侧重于对各个特征的重要性进行加权，而忽略了特征之间的依赖关系。而所述特征间注意层能够通过基于注意力机制的特征交互，可以捕捉到所述运行速度时序变化特征和所述运行载荷时序变化特征之间的相关性和相互影响，可以学习到不同特征之间的依赖关系，并根据这些依赖关系对特征进行交互和整合，从而得到运行速度-载荷时序交互特征向量。
37.相应地，如图3所示，所述运行参数数据时序特征交互单元122，包括：数据时序排列子单元1221，用于将所述多个预定时间点的速度值和载荷值分别按照时间维度排列为运行速度时序输入向量和运行载荷时序输入向量；数据时序特征提取子单元1222，用于将所述运行速度时序输入向量和所述运行载荷时序输入向量分别通过基于一维卷积层的时序特征提取器以得到运行速度时序特征向量和运行载荷时序特征向量；以及，运行参数时序特征交互子单元1223，用于对所述运行速度时序特征向量和所述运行载荷时序特征向量进行特征交互以得到所述运行速度-载荷时序交互特征。应可以理解，数据时序排列子单元1221的作用是将多个预定时间点的速度值和载荷值按照时间维度排列为运行速度时序输入向量和运行载荷时序输入向量，它将输入的速度和载荷数据按时间顺序进行排列，以便后续的特征提取和交互操作。数据时序特征提取子单元1222的作用是通过基于一维卷积层的时序特征提取器，对运行速度时序输入向量和运行载荷时序输入向量进行处理，以得到运行速度时序特征向量和运行载荷时序特征向量，一维卷积层可以捕捉时序数据中的局部模式和特征，从而提取有用的时序特征。运行参数时序特征交互子单元1223的作用是对运行速度时序特征向量和运行载荷时序特征向量进行特征交互，以得到运行速度-载荷时序交互特征，这个子单元可能使用一些特定的方法或操作，例如连接、加权相加、逐元素相乘等，将速度和载荷的时序特征进行交互，以获得它们之间的关联和相互作用。这些子单元在整个运行参数数据时序特征交互单元中起到不同的作用，用于处理和提取输入数据的时序特征，并进行特征交互，以获得运行速度和载荷之间的时序交互特征，这些特征可以用于进一步的分析、建模或决策。
38.值得一提的是，一维卷积层是深度学习中常用的一种神经网络层。它用于处理具有时序或序列结构的数据，例如时间序列数据、文本数据等。一维卷积层可以有效地提取输入数据中的局部特征，并保留输入数据的时序信息。一维卷积层的输入是一个一维向量，类似于时间序列数据中的时间步或文本数据中的单词序列。它通过定义一组可学习的卷积核（也称为滤波器）来对输入进行卷积操作。卷积核在输入上滑动，并在每个位置上与输入进
行逐元素相乘并求和，从而生成输出特征图。一维卷积层的主要作用是提取输入数据中的局部模式和特征。通过不同大小和数量的卷积核，一维卷积层可以捕捉不同尺度的特征。卷积层还可以通过共享权重参数来减少模型的参数量，从而提高模型的效率和泛化能力。在数据时序特征提取子单元中，基于一维卷积层的时序特征提取器用于对运行速度时序输入向量和运行载荷时序输入向量进行处理，提取它们的时序特征。这些时序特征可以帮助模型理解输入数据的动态变化和模式，从而更好地对运行参数进行建模和预测。
39.更具体地，所述运行参数时序特征交互子单元1223，用于：使用特征间注意力层来对所述运行速度时序特征向量和所述运行载荷时序特征向量进行基于注意力机制的特征交互以得到运行速度-载荷时序交互特征向量作为所述运行速度-载荷时序交互特征。值得一提的是，特征间注意力层（feature-wise attention layer）是一种注意力机制的应用，用于在神经网络中对不同特征之间进行交互和加权，它可以帮助网络在特征级别上自适应地关注和选择最相关的特征，以提高模型的表达能力和性能。特征间注意力层基于输入特征的相互作用和相关性，通过计算注意力权重来调整特征的重要性。这些权重可以用于对特征进行加权求和，从而获得特征间的交互表示。在运行参数时序特征交互子单元中，特征间注意力层被用于对运行速度时序特征向量和运行载荷时序特征向量进行特征交互。通过计算注意力权重，它可以自动地确定哪些时序特征在特定情况下更重要，从而增强运行速度和载荷之间的时序交互特征。这有助于模型更好地理解和捕捉运行参数之间的相关性和依赖关系。特征间注意力层可以提高模型的表达能力，使模型能够更好地适应不同的输入数据和任务。通过自适应地学习特征之间的关系，它可以提供更丰富和有针对性的特征表示，从而提高模型的性能和泛化能力。
40.然后，将所述运行速度-载荷时序交互特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控悬臂起重机的运行状态是否正常。也就是说，以所述被监控悬臂起重机的速度时序变化特征和载荷时序变化特征之间的时序交互特征来进行分类处理，以此来基于悬臂起重机的运行参数变化情况自动对该悬臂起重机的运行状态进行实时监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整。
41.相应地，如图4所示，所述运行状态检测单元123，包括：交互特征优化子单元1231，用于对所述运行速度-载荷时序交互特征向量进行特征分布优化以得到优化运行速度-载荷时序交互特征向量；以及，运行状态分类判断子单元1232，用于将所述优化运行速度-载荷时序交互特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控悬臂起重机的运行状态是否正常。应可以理解，运行状态检测单元是用于对被监控悬臂起重机的运行状态进行检测和分类的模块，它包括交互特征优化子单元和运行状态分类判断子单元。交互特征优化子单元1231的目的是通过对交互特征进行优化，提取更有区分性和表达力的特征表示，这有助于减少特征中的冗余信息，并增强对运行状态的判别能力。运行状态分类判断子单元1232的作用是将优化后的特征向量映射到不同的运行状态类别，例如正常状态和异常状态，分类器可以是常见的机器学习算法，如支持向量机（svm）、随机森林（random forest）或深度学习模型，如卷积神经网络（cnn）或循环神经网络（rnn）。通过交互特征优化子单元和运行状态分类判断子单元的组合，运行状态检测单元能够从优化后的特征中提取关键信息，并对悬臂起重机的运行状态进行准确的分类判断。这有助于实时监测和识别悬臂起重机的异常运行状态，以及采取相应的措施进行干预和维修。
42.更具体地，如图5所示，所述交互特征优化子单元1231，包括：密集点分布采样融合二级子单元12311，用于对所述运行速度时序特征向量和所述运行载荷时序特征向量进行齐次吉尔伯特空间度量式密集点分布采样融合以得到融合特征向量；以及，特征融合优化二级子单元12312，用于将所述融合特征向量和所述运行速度-载荷时序交互特征向量进行融合以得到所述优化运行速度-载荷时序交互特征向量。应可以理解，交互特征优化子单元1231包括密集点分布采样融合二级子单元12311和特征融合优化二级子单元12312两个二级子单元。密集点分布采样融合二级子单元12311用于对运行速度时序特征向量和运行载荷时序特征向量进行齐次吉尔伯特空间度量式密集点分布采样融合，以得到融合特征向量，齐次吉尔伯特空间度量式密集点分布采样是一种特征提取方法，它通过在时序特征向量上进行密集采样，并使用齐次吉尔伯特变换对采样点进行变换和融合，从而获得更具表达力和区分性的融合特征向量，这个子单元的作用是通过采样和融合操作，提取时序特征的本质信息，减少冗余和噪声。特征融合优化二级子单元12312用于将融合特征向量和运行速度-载荷时序交互特征向量进行融合，以得到优化的运行速度-载荷时序交互特征向量，这个子单元的目的是将来自密集点分布采样融合的融合特征和时序交互特征进行优化融合，以提升特征的表达能力和判别性，融合可以通过简单的向量拼接、加权求和或其他特定的融合策略来实现，具体方法取决于任务和数据的特点。通过密集点分布采样融合二级子单元和特征融合优化二级子单元的组合，交互特征优化子单元能够对运行速度和载荷的时序特征进行融合和优化，从而获得更具有区分性和表达力的特征表示，这有助于提高运行状态检测的准确性和鲁棒性。
43.特别地，在本公开的技术方案中，所述特征间注意力层可以提取表达所述运行速度时序特征向量和所述运行载荷时序特征向量之间的依赖关系的交互特征，从而获得所述运行速度-载荷时序交互特征向量，因此，如果能够进一步增强所述运行速度-载荷时序交互特征向量对于所述运行速度时序特征向量和所述运行载荷时序特征向量各自表达的速度值和载荷值的一维时序局部关联特征的表示，则可以提升所述运行速度-载荷时序交互特征向量的表达效果。
44.并且，本公开的申请人考虑到所述运行速度时序特征向量和所述运行载荷时序特征向量分别为速度值和载荷值的基于一维卷积层的时序特征齐次编码的一维卷积核尺度下的密集采样式局部关联特征表达，因此对所述运行速度时序特征向量，例如记为和所述运行载荷时序特征向量，例如记为进行齐次吉尔伯特空间度量式密集点分布采样融合。
45.相应地，在一个具体示例中，所述密集点分布采样融合二级子单元12311，用于：以如下融合优化公式对所述运行速度时序特征向量和所述运行载荷时序特征向量进行齐次吉尔伯特空间度量式密集点分布采样融合以得到所述融合特征向量；其中，所述融合优化
公式为：其中，是所述运行速度时序特征向量，是所述运行载荷时序特征向量，表示所述运行载荷时序特征向量的转置向量，表示闵式距离，且为超参数，和分别是所述运行速度时序特征向量和所述运行载荷时序特征向量的全局特征均值，且特征向量和均为行向量，为按位置点乘，为按位置加法，是所述融合特征向量。
46.这里，通过对所述运行速度时序特征向量和所述运行载荷时序特征向量的特征分布中心的齐次吉尔伯特空间度量，来对所述运行速度时序特征向量和所述运行载荷时序特征向量的融合特征分布进行高维特征空间内的融合特征流形超平面的真实（ground-truth）几何中心约束，并以交叉式距离约束的逐点特征关联作为偏置项，来实现特征分布的关联约束界限内的特征密集点采样式分布融合，从而增强向量间的齐次采样关联融合性。然后，再将融合特征向量与所述运行速度-载荷时序交互特征向量融合，就可以改进所述运行速度-载荷时序交互特征向量的特征表达，从而提升其通过分类器得到的分类结果的准确性。这样，能够基于悬臂起重机的运行参数变化情况自动对该悬臂起重机的运行状态进行实时监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整，以此来提高监管效果，减少事故风险，并提高工作效率。
47.进一步地，所述运行状态分类判断子单元1232，用于：使用所述分类器的全连接层对所述优化运行速度-载荷时序交互特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。
48.也就是，在本公开的技术方案中，所述分类器的标签包括被监控悬臂起重机的运行状态正常(第一标签)，以及，被监控悬臂起重机的运行状态不正常(第二标签)，其中，所述分类器通过软最大值函数来确定所述优化运行速度-载荷时序交互特征向量属于哪个分类标签。值得注意的是，这里的所述第一标签p1和所述第二标签p2并不包含人为设定的概念，实际上在训练过程当中，计算机模型并没有“被监控悬臂起重机的运行状态是否正常”这种概念，其只是有两种分类标签且输出特征在这两个分类标签下的概率，即p1和p2之和为一。因此，被监控悬臂起重机的运行状态是否正常的分类结果实际上是通过分类标签转化为符合自然规律的二分类的类概率分布，实质上用到的是标签的自然概率分布的物理意义，而不是“被监控悬臂起重机的运行状态是否正常”的语言文本意义。
49.应可以理解，分类器的作用是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类（或预测）。逻辑回归（logistics）、svm等常用于解决二分类问题，对于多分类问题（multi-class classification），同样也可以用逻辑回归或
svm，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有softmax分类函数。
50.值得一提的是，全连接编码是指将输入数据通过全连接层进行线性变换和非线性激活，得到编码后的特征向量。在运行状态分类判断子单元中，优化运行速度-载荷时序交互特征向量经过全连接编码得到编码分类特征向量，然后将该特征向量输入到分类器的softmax分类函数中进行分类。全连接编码的作用是将输入特征向量映射到一个更高维度的特征空间，并通过非线性激活函数引入非线性关系，从而提取更丰富、更抽象的特征表示。全连接层中的权重参数可以通过训练过程进行学习和优化，使得编码后的特征向量更好地适应具体的分类任务。通过全连接编码，可以将原始的优化运行速度-载荷时序交互特征向量转化为更具判别性和表达力的编码分类特征向量。编码分类特征向量经过softmax分类函数后，会通过softmax函数的归一化操作将向量的每个元素映射为概率值，表示该样本属于不同分类类别的概率。最终，根据概率值大小可以确定被监控悬臂起重机的运行状态分类结果。全连接编码在深度学习中被广泛应用于特征提取和分类任务，它能够通过多层的全连接层堆叠和非线性激活函数的引入，从低级特征逐渐提取高级特征，提升模型的表达能力和分类性能。
51.综上，基于本公开实施例的悬臂起重机的安全智能监管系统100被阐明，其可以避免人工周期或定期巡检带来的低效率以及低精准度和及时性差的问题，从而提高监管效果，减少事故风险，并提高工作效率。
52.如上所述，根据本公开实施例的所述悬臂起重机的安全智能监管系统100可以实现在各种终端设备中，例如具有悬臂起重机的安全智能监管算法的服务器等。在一个示例中，悬臂起重机的安全智能监管系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该悬臂起重机的安全智能监管系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该悬臂起重机的安全智能监管系统100同样可以是该终端设备的众多硬件模块之一。
53.替换地，在另一示例中，该悬臂起重机的安全智能监管系统100与该终端设备也可以是分立的设备，并且该悬臂起重机的安全智能监管系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
54.图6示出根据本公开的实施例的悬臂起重机的安全智能监管方法的流程图。如图6所示，根据本公开实施例的悬臂起重机的安全智能监管方法，其包括：s110，采集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷；s120，基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整；以及，s130，在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能。
55.在一种可能的实现方式中，图7示出根据本公开的实施例的悬臂起重机的安全智能监管方法的子步骤s120的系统架构的示意图。如图7所示，基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整，包括：通过传感器网络采集被监控悬臂起重机在预定时间段内多个预定时间点的速度值和载荷值；对所述多个预定时间点的速度值和载荷值进行时序协同关联分析以得到运行速度-载荷时序交互特征；以及，基于所述运行速度-载荷时序交
互特征，确定被监控悬臂起重机的运行状态是否正常。
56.这里，本领域技术人员可以理解，上述悬臂起重机的安全智能监管方法中的各个步骤的具体操作已经在上面参考图1到图5的悬臂起重机的安全智能监管系统的描述中得到了详细介绍，并因此，将省略其重复描述。
57.图8示出根据本公开的实施例的悬臂起重机的安全智能监管系统的应用场景图。如图8所示，在该应用场景中，首先，采集悬臂起重机的运行参数（例如，图8中所示意的d），其中，所述运行参数为速度和载荷，然后，将所述运行参数输入至部署有悬臂起重机的安全智能监管算法的服务器中（例如，图8中所示意的s），其中，所述服务器能够使用所述悬臂起重机的安全智能监管算法对所述运行参数进行处理以得到用于表示被监控悬臂起重机的运行状态是否正常的分类结果。
58.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
59.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

技术特征：
1.一种悬臂起重机的安全智能监管系统，其特征在于，包括：运行参数数据采集模块，用于采集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷；运行状态监控模块，用于基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整；以及显示管理模块，用于在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能；其中，所述运行状态监控模块，包括：数据采集单元，用于通过传感器网络采集被监控悬臂起重机在预定时间段内多个预定时间点的速度值和载荷值；运行参数数据时序特征交互单元，用于对所述多个预定时间点的速度值和载荷值进行时序协同关联分析以得到运行速度-载荷时序交互特征；以及运行状态检测单元，用于基于所述运行速度-载荷时序交互特征，确定被监控悬臂起重机的运行状态是否正常。2.根据权利要求1所述的悬臂起重机的安全智能监管系统，其特征在于，所述运行参数数据时序特征交互单元，包括：数据时序排列子单元，用于将所述多个预定时间点的速度值和载荷值分别按照时间维度排列为运行速度时序输入向量和运行载荷时序输入向量；数据时序特征提取子单元，用于将所述运行速度时序输入向量和所述运行载荷时序输入向量分别通过基于一维卷积层的时序特征提取器以得到运行速度时序特征向量和运行载荷时序特征向量；以及运行参数时序特征交互子单元，用于对所述运行速度时序特征向量和所述运行载荷时序特征向量进行特征交互以得到所述运行速度-载荷时序交互特征。3.根据权利要求2所述的悬臂起重机的安全智能监管系统，其特征在于，所述运行参数时序特征交互子单元，用于：使用特征间注意力层来对所述运行速度时序特征向量和所述运行载荷时序特征向量进行基于注意力机制的特征交互以得到运行速度-载荷时序交互特征向量作为所述运行速度-载荷时序交互特征。4.根据权利要求3所述的悬臂起重机的安全智能监管系统，其特征在于，所述运行状态检测单元，包括：交互特征优化子单元，用于对所述运行速度-载荷时序交互特征向量进行特征分布优化以得到优化运行速度-载荷时序交互特征向量；以及运行状态分类判断子单元，用于将所述优化运行速度-载荷时序交互特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控悬臂起重机的运行状态是否正常。5.根据权利要求4所述的悬臂起重机的安全智能监管系统，其特征在于，所述交互特征优化子单元，包括：密集点分布采样融合二级子单元，用于对所述运行速度时序特征向量和所述运行载荷时序特征向量进行齐次吉尔伯特空间度量式密集点分布采样融合以得到融合特征向量；以及特征融合优化二级子单元，用于将所述融合特征向量和所述运行速度-载荷时序交互特征向量进行融合以得到所述优化运行速度-载荷时序交互特征向量。6.根据权利要求5所述的悬臂起重机的安全智能监管系统，其特征在于，所述密集点分布采样融合二级子单元，用于：以如下融合优化公式对所述运行速度时序特征向量和所述运行载荷时序特征向量进行齐次吉尔伯特空间度量式密集点分布采样融合以得到所述融合特征向量；其中，所述融合优化公式为：
其中，是所述运行速度时序特征向量，是所述运行载荷时序特征向量，表示所述运行载荷时序特征向量的转置向量，表示闵式距离，且为超参数，和分别是所述运行速度时序特征向量和所述运行载荷时序特征向量的全局特征均值，且特征向量和均为行向量，为按位置点乘，为按位置加法，是所述融合特征向量。7.根据权利要求6所述的悬臂起重机的安全智能监管系统，其特征在于，所述运行状态分类判断子单元，用于：使用所述分类器的全连接层对所述优化运行速度-载荷时序交互特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。8.一种悬臂起重机的安全智能监管方法，其特征在于，包括：采集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷；基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整；以及在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能；其中，基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整，包括：通过传感器网络采集被监控悬臂起重机在预定时间段内多个预定时间点的速度值和载荷值；对所述多个预定时间点的速度值和载荷值进行时序协同关联分析以得到运行速度-载荷时序交互特征；以及基于所述运行速度-载荷时序交互特征，确定被监控悬臂起重机的运行状态是否正常。

技术总结
公开了一种悬臂起重机的安全智能监管系统及其方法。其首先采集悬臂起重机的运行参数，其中，所述运行参数为速度和载荷，接着，基于所述运行参数对所述悬臂起重机的运行状态进行监测和评估，并在发现异常或危险情况时，发出警报和指令以控制所述悬臂起重机停止或调整，然后，在屏幕上显示所述悬臂起重机的运行状态和安全评级信息，并提供相应的操作和管理功能。这样，可以避免人工周期或定期巡检带来的低效率以及低精准度和及时性差的问题，从而提高监管效果，减少事故风险，并提高工作效率。率。率。


技术研发人员：何新庄 任兆国 芦东亮 梁宸 芦东辉 王金平 杨叶青 刘航 张国强 任小锋 郭磊 李德江
受保护的技术使用者：新疆塔林投资（集团）有限责任公司
技术研发日：2023.08.16
技术公布日：2023/9/14