基于人工智能和物联网的叉车智能监测预警系统及方法与流程

本发明涉及监测，具体涉及一种基于人工智能和物联网的叉车智能监测预警系统及方法。

背景技术：

1、叉车是一种工业搬运车辆，是指对成件托盘货物进行装卸、堆垛和短距离运输作业的轮式搬运车辆，叉车在工作中存在一定的安全风险，特别是对于无人驾驶叉车来说，风险更大。

2、亟需一种基于人工智能和物联网的叉车智能监测预警方案。

技术实现思路

1、本发明正是基于上述问题，提出了一种基于人工智能和物联网的叉车智能监测预警系统及方法，通过本发明方案，不仅能提供全方面的智能监测，而且能保证监测的高效和准确。

2、有鉴于此，本发明的一方面提出了一种基于人工智能和物联网的叉车智能监测预警系统，包括：云服务器、物联网服务器、智能感知终端、智能控制终端和智能叉车；所述智能叉车包括车体、蓄电装置、充电装置、驱动装置、用于定位与导航的导向装置、通信装置、包括多个智能感知传感器的监测装置、包括叉臂组件和货叉的移载装置以及中央控制器；所述驱动装置由车轮、减速器、制动器、驱动电机及速度控制器构成；其中，

3、所述云服务器被配置为：

4、获取样本叉车的样本叉车数据、历史搬运货物数据、所工作的历史仓库数据；

5、根据所述样本叉车数据构建第一监测模型和第一预警模型；

6、根据所述历史搬运货物数据构建第二监测模型和第二预警模型；

7、根据所述历史仓库数据构建第三监测模型和第三预警模型；

8、获取所述智能叉车的第一叉车数据和所要执行的第一工作任务的第一工作任务数据；

9、根据所述第一叉车数据和所述第一工作任务数据从所述第一监测模型、所述第二监测模型和所述第三监测模型中确定第一当前监测模型、第一辅助监测模型和第二辅助监测模型；

10、根据所述第一叉车数据和所述第一工作任务数据从所述第一预警模型、所述第二预警模型和所述第三预警模型中确定第一当前预警模型、第一辅助预警模型和第二辅助预警模型；

11、在所述智能叉车执行所述第一工作任务过程中，根据所述第一当前监测模型、所述第一辅助监测模型和所述第二辅助监测模型获取第一监测数据，并根据所述第一监测数据、所述第一当前预警模型、所述第一辅助预警模型和第二辅助预警模型进行预警。

12、可选地，所述根据所述样本叉车数据构建第一监测模型和第一预警模型的步骤，所述云服务器被配置为：

13、对所述样本叉车数据进行清洗、去噪、归一化预处理，得到第一样本叉车数据；

14、从所述第一样本叉车数据中提取描述叉车状态的特征数据并进行标注，得到第一特征集，并将所述第一特征集划分为第一训练集与第一测试集；

15、根据所述第一特征集构建第一监测目标，并根据所述第一监测目标确定第一神经网络；

16、使用所述第一训练集对所述第一神经网络进行训练，使其学习表示叉车状态的特征模式，得到第一模型；

17、使用所述第一测试集评估所述第一模型的性能，调整算法和特征以提高监测精度，得到所述第一监测模型；

18、确定需要预警的第一预警场景；

19、根据所述第一预警场景和所述第一样本叉车数据确定影响所述第一预警场景的第一关键变量集；

20、根据所述第一预警场景、所述第一样本叉车数据、所述第一关键变量集和预设的第二神经网络得到所述第一关键变量集中各个第一关键变量的第一阈值模型；

21、结合所述第一关键变量的阈值判定规则和所述第一阈值模型，确定多个具有不同预警级别的所述第一预警模型。

22、可选地，所述根据所述历史搬运货物数据构建第二监测模型和第二预警模型的步骤，所述云服务器被配置为：

23、从所述历史搬运货物数据中提取包括货物类型、重量、体积、存储位置的货物静态数据，以及包括运输批次、装卸时间、运输路线的货物动态数据；

24、分别对所述货物静态数据和所述货物动态数据进行规范化、处理缺失值、转换为统一格式后，得到第一货物静态数据和第一货物动态数据；

25、根据所述第一货物静态数据生成第一货物静态特征；

26、根据所述第一货物动态数据，生成第一货物动态特征；

27、根据所述第一货物静态特征和所述第一货物动态特征构建第二监测目标，并根据所述第二监测目标确定第三神经网络；

28、根据所述第一货物静态特征、所述第一货物动态特征和所述第三神经网络训练模型，学习各类特征对应的正常和异常模式，得到所述第二监测模型；

29、从所述第一货物静态数据和所述第一货物动态数据中提取影响货物安全的第二关键变量集；

30、从不同的货物危险预警场景数据中提取对应的第一危险特征；

31、根据所述第一危险特征、所述第一货物静态数据、所述第一货物动态数据、所述第二关键变量集和预设的第四神经网络得到所述第二关键变量集中各个第二关键变量的第二阈值模型；

32、结合所述第二关键变量的阈值判定规则和所述第二阈值模型，确定多个具有不同预警级别的所述第二预警模型。

33、可选地，所述根据所述历史仓库数据构建第三监测模型和第三预警模型的步骤，所述云服务器被配置为：

34、从所述历史仓库数据中提取仓库结构数据、仓库动态数据；

35、根据所述仓库结构数据，确定多条可选叉车行驶路线；

36、根据所述仓库动态数据，评估各条所述可选叉车行驶路线的拥堵状态，确定拥堵状态最小的路线为最优行驶路线；

37、分别对所述仓库结构数据和所述仓库动态数据进行规范化、处理缺失值、转换为统一格式后，得到第一仓库结构数据和第一仓库动态数据；

38、根据所述第一仓库结构数据生成第一仓库结构特征；

39、根据所述第一仓库动态数据，生成第一仓库动态特征；

40、根据所述第一仓库结构特征和所述第一仓库动态特征构建第三监测目标，并根据所述第三监测目标确定第五神经网络；

41、根据所述第一仓库结构特征、所述第一仓库动态特征、所述最优行驶路线和所述第五神经网络训练模型，学习各类特征对应的正常和异常模式，得到所述第三监测模型；

42、从所述第一仓库结构数据和所述第一仓库动态数据提取影响仓库安全的第三关键变量集；

43、从不同的仓库危险预警场景数据中提取对应的第二危险特征；

44、根据所述第二危险特征、所述第一仓库结构数据、所述第一仓库动态数据、所述第三关键变量集和预设的第六神经网络得到所述第三关键变量集中各个第三关键变量的第三阈值模型；

45、结合所述第三关键变量的阈值判定规则和所述第三阈值模型，确定多个具有不同预警级别的所述第三预警模型。

46、可选地，所述根据所述第一叉车数据和所述第一工作任务数据从所述第一监测模型、所述第二监测模型和所述第三监测模型中确定第一当前监测模型、第一辅助监测模型和第二辅助监测模型的步骤，所述云服务器被配置为：

47、从所述第一工作任务数据中提取待搬运货物的第一货物数据、工作场所涉及的第一仓库的第一仓库数据；

48、根据所述第一叉车数据、所述第一货物数据、所述第一仓库数据分别确定所述智能叉车、所述待搬运货物、所述第一仓库的监测重要级排序；

49、根据所述监测重要级排序从所述第一监测模型、所述第二监测模型和所述第三监测模型中确定第一当前监测模型、第一辅助监测模型和第二辅助监测模型。

50、本发明的另一方面提供一种基于人工智能和物联网的叉车智能监测预警方法，应用于一种基于人工智能和物联网的叉车智能监测预警系统，所述叉车智能监测预警系统包括云服务器、物联网服务器、智能感知终端、智能控制终端和智能叉车；所述智能叉车包括车体、蓄电装置、充电装置、驱动装置、用于定位与导航的导向装置、通信装置、包括多个智能感知传感器的监测装置、包括叉臂组件和货叉的移载装置以及中央控制器；所述驱动装置由车轮、减速器、制动器、驱动电机及速度控制器构成；所述叉车智能监测预警方法包括：

51、获取样本叉车的样本叉车数据、历史搬运货物数据、所工作的历史仓库数据；

52、根据所述样本叉车数据构建第一监测模型和第一预警模型；

53、根据所述历史搬运货物数据构建第二监测模型和第二预警模型；

54、根据所述历史仓库数据构建第三监测模型和第三预警模型；

55、获取所述智能叉车的第一叉车数据和所要执行的第一工作任务的第一工作任务数据；

56、根据所述第一叉车数据和所述第一工作任务数据从所述第一监测模型、所述第二监测模型和所述第三监测模型中确定第一当前监测模型、第一辅助监测模型和第二辅助监测模型；

57、根据所述第一叉车数据和所述第一工作任务数据从所述第一预警模型、所述第二预警模型和所述第三预警模型中确定第一当前预警模型、第一辅助预警模型和第二辅助预警模型；

58、在所述智能叉车执行所述第一工作任务过程中，根据所述第一当前监测模型、所述第一辅助监测模型和所述第二辅助监测模型获取第一监测数据，并根据所述第一监测数据、所述第一当前预警模型、所述第一辅助预警模型和第二辅助预警模型进行预警。

59、可选地，所述根据所述样本叉车数据构建第一监测模型和第一预警模型的步骤，包括：

60、对所述样本叉车数据进行清洗、去噪、归一化预处理，得到第一样本叉车数据；

61、从所述第一样本叉车数据中提取描述叉车状态的特征数据并进行标注，得到第一特征集，并将所述第一特征集划分为第一训练集与第一测试集；

62、根据所述第一特征集构建第一监测目标，并根据所述第一监测目标确定第一神经网络；

63、使用所述第一训练集对所述第一神经网络进行训练，使其学习表示叉车状态的特征模式，得到第一模型；

64、使用所述第一测试集评估所述第一模型的性能，调整算法和特征以提高监测精度，得到所述第一监测模型；

65、确定需要预警的第一预警场景；

66、根据所述第一预警场景和所述第一样本叉车数据确定影响所述第一预警场景的第一关键变量集；

67、根据所述第一预警场景、所述第一样本叉车数据、所述第一关键变量集和预设的第二神经网络得到所述第一关键变量集中各个第一关键变量的第一阈值模型；

68、结合所述第一关键变量的阈值判定规则和所述第一阈值模型，确定多个具有不同预警级别的所述第一预警模型。

69、可选地，所述根据所述历史搬运货物数据构建第二监测模型和第二预警模型的步骤，包括：

70、从所述历史搬运货物数据中提取包括货物类型、重量、体积、存储位置的货物静态数据，以及包括运输批次、装卸时间、运输路线的货物动态数据；

71、分别对所述货物静态数据和所述货物动态数据进行规范化、处理缺失值、转换为统一格式后，得到第一货物静态数据和第一货物动态数据；

72、根据所述第一货物静态数据生成第一货物静态特征；

73、根据所述第一货物动态数据，生成第一货物动态特征；

74、根据所述第一货物静态特征和所述第一货物动态特征构建第二监测目标，并根据所述第二监测目标确定第三神经网络；

75、根据所述第一货物静态特征、所述第一货物动态特征和所述第三神经网络训练模型，学习各类特征对应的正常和异常模式，得到所述第二监测模型；

76、从所述第一货物静态数据和所述第一货物动态数据中提取影响货物安全的第二关键变量集；

77、从不同的货物危险预警场景数据中提取对应的第一危险特征；

78、根据所述第一危险特征、所述第一货物静态数据、所述第一货物动态数据、所述第二关键变量集和预设的第四神经网络得到所述第二关键变量集中各个第二关键变量的第二阈值模型；

79、结合所述第二关键变量的阈值判定规则和所述第二阈值模型，确定多个具有不同预警级别的所述第二预警模型。

80、可选地，所述根据所述历史仓库数据构建第三监测模型和第三预警模型的步骤，包括：

81、从所述历史仓库数据中提取仓库结构数据、仓库动态数据；

82、根据所述仓库结构数据，确定多条可选叉车行驶路线；

83、根据所述仓库动态数据，评估各条所述可选叉车行驶路线的拥堵状态，确定拥堵状态最小的路线为最优行驶路线；

84、分别对所述仓库结构数据和所述仓库动态数据进行规范化、处理缺失值、转换为统一格式后，得到第一仓库结构数据和第一仓库动态数据；

85、根据所述第一仓库结构数据生成第一仓库结构特征；

86、根据所述第一仓库动态数据，生成第一仓库动态特征；

87、根据所述第一仓库结构特征和所述第一仓库动态特征构建第三监测目标，并根据所述第三监测目标确定第五神经网络；

88、根据所述第一仓库结构特征、所述第一仓库动态特征、所述最优行驶路线和所述第五神经网络训练模型，学习各类特征对应的正常和异常模式，得到所述第三监测模型；

89、从所述第一仓库结构数据和所述第一仓库动态数据提取影响仓库安全的第三关键变量集；

90、从不同的仓库危险预警场景数据中提取对应的第二危险特征；

91、根据所述第二危险特征、所述第一仓库结构数据、所述第一仓库动态数据、所述第三关键变量集和预设的第六神经网络得到所述第三关键变量集中各个第三关键变量的第三阈值模型；

92、结合所述第三关键变量的阈值判定规则和所述第三阈值模型，确定多个具有不同预警级别的所述第三预警模型。

93、可选地，所述根据所述第一叉车数据和所述第一工作任务数据从所述第一监测模型、所述第二监测模型和所述第三监测模型中确定第一当前监测模型、第一辅助监测模型和第二辅助监测模型的步骤，包括：

94、从所述第一工作任务数据中提取待搬运货物的第一货物数据、工作场所涉及的第一仓库的第一仓库数据；

95、根据所述第一叉车数据、所述第一货物数据、所述第一仓库数据分别确定所述智能叉车、所述待搬运货物、所述第一仓库的监测重要级排序；

96、根据所述监测重要级排序从所述第一监测模型、所述第二监测模型和所述第三监测模型中确定第一当前监测模型、第一辅助监测模型和第二辅助监测模型。

97、采用本发明的技术方案，基于人工智能和物联网的叉车智能监测预警方法包括获取样本叉车的样本叉车数据、历史搬运货物数据、所工作的历史仓库数据；根据所述样本叉车数据构建第一监测模型和第一预警模型；根据所述历史搬运货物数据构建第二监测模型和第二预警模型；根据所述历史仓库数据构建第三监测模型和第三预警模型；获取所述智能叉车的第一叉车数据和所要执行的第一工作任务的第一工作任务数据；根据所述第一叉车数据和所述第一工作任务数据从所述第一监测模型、所述第二监测模型和所述第三监测模型中确定第一当前监测模型、第一辅助监测模型和第二辅助监测模型；根据所述第一叉车数据和所述第一工作任务数据从所述第一预警模型、所述第二预警模型和所述第三预警模型中确定第一当前预警模型、第一辅助预警模型和第二辅助预警模型；在所述智能叉车执行所述第一工作任务过程中，根据所述第一当前监测模型、所述第一辅助监测模型和所述第二辅助监测模型获取第一监测数据，并根据所述第一监测数据、所述第一当前预警模型、所述第一辅助预警模型和第二辅助预警模型进行预警。通过本发明方案，不仅能提供全方面的智能监测，而且能保证监测的高效和准确。