[发明专利]一种高空作业臂低频振动视觉检测装置及方法有效

专利信息
申请号: 201810493484.6 申请日: 2018-05-22
公开(公告)号: CN108731788B 公开(公告)日: 2020-06-09
发明(设计)人: 张霖;纪爱敏;张磊 申请(专利权)人: 河海大学常州校区
主分类号: G01H9/00 分类号: G01H9/00
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 丁涛
地址: 213022 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 高空作业 低频 振动 视觉 检测 装置 方法
【权利要求书】:

1.一种高空作业臂低频振动视觉检测装置,其特征在于:所述装置包括数据采集层、核心处理层以及通信接口层;

所述数据采集层包括两个双模摄像头和一个视觉处理SOC;所述视觉处理SOC通过广播网络绝对时间和相对时间,实现两个双模摄像头的视频数据分布式同步;所述视觉处理SOC内置图像预处理程序,能实现双树对偶复小波图像实时去噪与增强;

所述核心处理层包括:MCU、底座惯性测量模块、人机交互模块、欧拉影像放大模块以及深度神经网络训练模块;MCU与底座惯性测量模块通过SPI通信总线通信, MCU与人机交互模块通过RS485进行通信,所述深度神经网络训练模块与欧拉影像放大模块直接通过DMA在MCU内存进行数据交换;

所述底座惯性测量模块用于对本装置的本体振动惯性信息进行采集处理,处理后数据用于底座惯性消除,通过计算装置本体处的振动幅度与频率,消除高空作业臂最大振动幅度处由底座安装间隙造成的振动干扰,所述底座惯性测量模块的数据也用于深度神经网络训练模块训练模型;

所述人机交互模块用于提供按键输入,显示和音频输出功能,用于初始安装时的部分设置与显示工作;

所述欧拉影像放大模块利用数据采集层的图像预处理程序进行图像序列的微应变放大,提取微应变极值时的图像特征参量,并将特征参量传输至深度神经网络训练模型;

所述深度神经网络训练模块,以微应变极值图像特征参量为输入,相应的振动幅度与频率为输出,进行进化训练并通过欧拉影像放大处理模型的结果,估计当前高空作业臂的振动幅度与频率;

所述通信接口层用于装置提供数据传输的通信接口。

2.根据权利要求1所述的一种高空作业臂低频振动视觉检测装置,其特征在于:所述通信接口层包括TCP/IP模块、Powerlink模块以及CAN模块。

3.一种高空作业臂低频振动视觉检测方法,其特征在于利用权利要求1所述的装置,包括如下步骤:

(1)将两个双模摄像头进行编号,分为双模摄像头1和双模摄像头2,并根据高空作业车的底座安装位置,确定固定位置处与高空作业臂薄弱待测点之间的相对距离;

(2)通过人机交互模块,设置当前双模摄像头与高空作业臂测量方向,以及当前固定点与实际待测点沿高空作业臂伸缩方向上的理论距离,对于多级伸缩机构,提供各级伸缩最大长度;

(3)装置安装完毕后,将高空作业臂待机静止,进入装置的校准阶段;

(4)装置通过数据采集层获取双模摄像头1和双模摄像头2的数据,并进行预处理,同时,通过通信接口层的通信模块与高空作业车主控制器进行通信,接受来自于主控制器的信号,提供当前高空作业臂的伸缩长度;

(5)欧拉影像放大模块利用数据采集层的预处理图像,建立图像序列的滑动时间窗并进行欧拉影像放大,实时检测放大影像中高空作业臂角点坐标集合,最后根据坐标集合检测并统计高空作业臂单位时间窗内角点坐标集组成曲线的变化幅度与频次;

(6)底座惯性测量模块实时进行数据采集与预处理,并将振动幅度与频率数据传输至深度神经网络训练模块;

(7)深度神经网络训练模块将欧拉影像放大处理模块结果作为神经网络模型输入,底座惯性测量模块的数据为输出进行训练,并存储网络模型,当训练完成之后,完成装置的校准工作;

(8)如果装置未完成校准,将重复步骤(4)至步骤(7)进行校准;如果装置已经完成校准,重复步骤(4)至步骤(6),并进入步骤(9);

(9)利用已经存储的神经网络模型,将欧拉影像放大处理模块结果作为神经网络模型输入,底座惯性测量模块的数据为输出进行预测并估计获取振动幅度与频率数据;

(10)重复步骤(8)和(9)开始进行高空作业臂的在线实时振动检测流程。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河海大学常州校区,未经河海大学常州校区许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810493484.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top