【摘 要】
:
抓斗卸船机是干散货码头卸船工作中的关键设备,相较于连续卸船设备,如铰链式卸船机等,有着灵活、适应性强和成本低等优点。在目前的人工卸船方式下,生产效率和安全性都依赖于司机的经验和熟练程度。在司机操作视野受限和长时间高强度劳作的情况下,抓斗与船体发生碰撞事故的概率明显提高。处理碰撞事故通常又伴随着停工和修理赔偿等问题,极大地影响码头生产。因此,智能地判断抓斗与船体的位姿关系并在事故发生前发出警报尤为重
论文部分内容阅读
抓斗卸船机是干散货码头卸船工作中的关键设备,相较于连续卸船设备,如铰链式卸船机等,有着灵活、适应性强和成本低等优点。在目前的人工卸船方式下,生产效率和安全性都依赖于司机的经验和熟练程度。在司机操作视野受限和长时间高强度劳作的情况下,抓斗与船体发生碰撞事故的概率明显提高。处理碰撞事故通常又伴随着停工和修理赔偿等问题,极大地影响码头生产。因此,智能地判断抓斗与船体的位姿关系并在事故发生前发出警报尤为重要。本文基于实际生产中的抓斗碰撞问题,提出将光电卸船机应用于码头生产中,对于解决防碰撞问题效果显著。通过在工作现场安装激光雷达扫描系统,捕获正在卸船的舱口及其附近三维空间信息,检测和提取出舱口位置,对料堆进行建模和展示,使得抓斗安全地降落到最佳抓取点。此方法可以降低抓斗与船体发生碰撞的机率,并实现远程监测。本文主要工作内容如下:(1)分析当前以光电卸船机作为防碰撞方案实施手段的特点和优势,介绍了基于光电设备和实际工作条件的防碰撞方案。包括设备的安装、扫描方式、最佳抓取点的选择和报警策略。根据方案实施的要求提出了具体的工作指标,用于指导舱口检测与场景可视化两大主要功能的实现。(2)提出了一套有效的舱口检测方案。包括快速剔除无关区域、基于平面拟合的甲板面提取、基于栅格化后低分辨率图像的舱口初定位和精确边界搜索方法。采用目标区域快速定位和数据降维等措施,减少处理过程的数据量,使得时间与精度指标满足要求。(3)提出场景数据可视化方案,为最佳抓取点的选择提供准确直观的参考。通过场景数据、防碰撞模型和料堆模型的分析与可视化,为安全卸船过程提供主观意见。综合各部分信息与可视化内容,提供完整的图形用户界面。通过在实际生产现场的运行效果来看,该方案能够平稳高效地运行。文中比较了本方案与现有的方案之间的特点,突出了本方案在实时更新货舱口位置和舱内料堆状态的优势,符合码头安全高效生产的实际需求。
其他文献
自从进入21世纪以来,全球变暖一直是人们讨论的热门话题,全球年均气温在十年间仅仅上升0.03℃,正是这个极小数据的出现,使人们对“全球变暖”持怀疑态度。研究全球温度变化需要有长时间的观测数据做支撑,目前主要存在如下问题:一是气候数据搜集面临数据体量大,质量低,技术、勘测等种种困难;二是影响气候属性成分越来越复杂,现有模型难以准确预测气候变化;三是极端天气气温相对整体平均温度差别较大,处理困难,对全
目前大量涉及自动驾驶汽车的事故,表明自动驾驶系统软件仍然存在严重的可靠性和安全性问题,对其进行充分有效的测试具有重要的研究意义。对现有自动驾驶系统测试方法的调研发现,很多测试方法并没有完全覆盖真实的驾驶场景,同时合成测试场景图像质量也有待提高。为此,本文利用深度学习技术合成接近真实的复杂场景图像,应用蜕变测试检测被测试自动驾驶系统的潜在缺陷,以达到有效保障自动驾驶系统软件质量的目标。本文的主要研究
聚类算法是机器学习中最常见的无监督学习算法之一,在现代数据科学中发挥着重要的作用。传统聚类算法的主要任务是根据某些特定的规则将相似度高的数据对象划分到相同的簇。当数据对象的某些属性(例如性别,种族等)需要在每个簇中保持平衡时,传统的聚类算法不再适用,这种聚类任务被称为公平聚类。尽管机器学习界近些年在算法公平性问题上做了大量的研究工作,但是对于聚类算法公平性的认识仍处于起步阶段。针对当前公平聚类研究
根据2021年《全球移动市场报告》调查所示,2021年全球的手机用户达到了39亿。大量的手机用户,产生了大规模的通信数据;主要包括网络接入数据、呼叫详情记录(Call Detail Record,CDR)等。其中CDR数据中包含了用户的时间和空间信息。这些为研究城市中公民的移动行为分析提供了基础。但是CDR数据有着规模大、时间跨度长、离散程度大等特点,很难直接进行研究分析。可视分析技术可以将数据映
流场数据中往往包含了速度、涡量、压力和温度等多方面的流场信息,它们之间的关系是理解流体流动问题的关键,并且不同空间区域的流场特征、规律存在差异,致使单个用户进行流场数据分析的质量和效率不容乐观,需要团队共同提供新的思路和解决方案,以提高流场分析的效率和结果的正确性。现有工业级流场可视化软件(Ensight,Paraview等)虽然具备一定的团队协同能力,但是其支持的协同模式单一,不能满足现阶段流场
视觉故事生成是最近兴起的一个研究方向,旨在从一个离散图像序列生成主题一致、情节连贯和表达丰富的故事,并在文学创作及教育行业具有广泛的应用价值,不仅可以减少文字工作者的工作量,同时也可以为少儿教育及考试提供丰富的素材;研究视觉故事生成对多模态文本生成任务的发展也有促进作用。由于图像序列中的各图像间可能不具有直接相关性,挖掘图像之间的关联性较为困难,目前方法生成的故事主要存在主题不一致、情节连贯性差、
随着网络科学的不断发展,网络分析被广泛应用于各个领域,帮助分析复杂系统中的实体关联、异常勘探、传播模式、预测等,而网络可视化是进行网络分析高效直观的途径。复杂系统中实体间的关联模式与属性密切相关,对于由实体对象及其属性共同构成多元网络(multivariate networks,MVNs)进行可视分析也相较于仅考虑拓扑结构或单一属性的网络存在更多挑战。多元网络可视分析在网络布局和交互分析中面临以下
层次数据广泛存在于实际生活中如图书馆目录、分类学和物种发展史等。其将数据组织成不同细粒度层次的特点,有利于人们对数据的理解和认知。但伴随大数据时代的到来,现有层次数据不仅结构庞大同时各节点蕴含丰富的多维属性信息,这给数据的认知带来挑战。可视化和可视分析作为探索认知数据的有效手段,但现有的可视化方法对于探索现有的复杂层次数据的方法较少,如何快速探索分析大且复杂的层次数据,为决策者进行辅助判断,是一个
实时操作系统(Real-Time Operating System,RTOS)有着定制性强、实时性高、占用资源少等优点,被广泛的应用于智慧家庭、智慧农业、智慧城市等领域。微内核是将操作系统的文件系统、网络协议栈等组件隔离在内核之外,内核只保留任务调度、内存管理、进程间通信等组件,这样能够提高设备的可拓展性、灵活性与稳定性,并提供模块化的设计。随着物联网(Internet of Things,IoT
在人的成长各个阶段,其注意力状态都对日常生活有着巨大的影响,利用注意力状态识别结果进行神经反馈,可以辅助治疗注意缺陷多动症、提升成年人的专注状态、改善健康老年人的记忆力以及预防阿尔茨海默病等,具有重要的理论研究和临床应用价值。因此,注意力状态识别越来越引起研究者的重视。利用脑-机接口进行注意力状态识别是目前最常用的方法。但由于脑电的非平稳性,不管是传统方法,还是深度学习方法,识别精度都较低。此外,