基于物联网的行车作业安全预警系统及方法

1.本发明属于行车作业安全领域，涉及基于物联网的行车作业安全预警技术，具体是基于物联网的行车作业安全预警系统及方法。


背景技术：

2.生产车间的施工维护作业要求在不停产且施工单位不能改变现有生产设备位置、结构、操作以及运作方式的情况下进行，加上施工地点、施工时间的不固定性、施工任务的随机性以及工程作业、机械设备检修任务的临时性使得维护作业难度增大。特别是生产车间中的行车，其重载、长距离、不定时、无规律来回作业的特点，无论在运输途中还是卸货时，货物的坠落、钢水的溢出等情况都可能对施工地点的工作人员造成一定的威胁。目前很多施工地行车作业时，主要是靠着行车操作员来观察地面区域从而控制行车运动，保证自己和地面人员的安全，还有一些施工地通过树立警示牌来提醒现场工作人员禁止在行车在卸货时进入施工区域。但是这些方式都存在很大弊端，因为无论是靠人为判断还是树立警示牌，都可能出现判断失误、工作人员忽略警示牌等情况发生，所以需要一种行车作业预警系统来保证施工作业人员的安全。
3.目前，已经存在多种行车作业预警系统，但是这些预警系统都存在着预警机制单一问题、电磁干扰情况下测距数据异常问题，还有只针对单一施工地，而无法对多个施工地的预警数据进行集中管理等问题。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于物联网的行车作业安全预警系统及方法，用于解决现有技术预警机制单一，抗干扰能力弱，导致应用范围窄，无法准确进行安全预警的技术问题。
5.为实现上述目的，本发明的第一方面提供了基于物联网的行车作业安全预警系统，包括主节点和子节点，主节点包括主节点mcu、zigbee协调器模块、lcd触摸屏和通讯模块；子节点包括子节点mcu、激光测距模块、zigbee终端模块、按键控制模块、oled显示屏和声光报警模块；主节点分别与云平台和设置在施工现场的子节点通信连接；
6.激光测距模块基于节能算法计算测距频率δt；基于测距频率δt测量施工区域左右行车与施工区域的距离，将测量数据通过串口传输至子节点mcu中；
7.子节点mcu对测量数据进行数据预处理之后，通过卡尔曼滤波算法对测距数据进行处理，之后的测量数据显示在oled显示屏，同时进行预警策略判断获取预警数据；将预警数据和测距数据通过zigbee终端模块传输至主节点；
8.主节点将接收到的预警数据和测距数据通过lcd触摸屏进行显示，同时主节点通过通讯模块将预警数据上传至云平台。
9.优选的，将所述子节点分别固定在施工区域的相对两侧，且所述子节点与行车处于同一高度，各所述子节点中的激光测距模块对准行车的车架。
10.优选的，所述子节点mcu为stm32芯片，激光测距模块与子节点mcu串口连接；且所述子节点mcu以测距频率δt向激光测距模块发送测距指令。
11.优选的，所述主节点mcu为i.max6ul芯片，lcd触摸屏通过lcd接口与主节点mcu相连，zigbee协调器模块通过串口与主节点mcu相连。
12.优选的，所述子节点中设置了看门狗模块，在所述子节点受到电磁干扰无法正常工作时，通过看门狗模块进行复位操作；以及
13.所述oled显示屏通过iic协议与所述子节点mcu进行通信；所述zigbee终端模块与所述子节点mcu通过串口连接。
14.优选的，所述节能算法根据若干次连续的行车运载任务的平均速度动态调整，包括：
15.根据公式v＝(l-l1)/(n
×
δt)计算每次运载人物的平均速度v；其中，l-l1为行车运载任务中起始位置到预警位置的路程，n为采样次数，δt为测距频率；
16.设若干次连续运载任务的平均速度为v1，v2，
…
，vi；根据公式v
′
＝∑(vi)/i获取若干次运载任务的平均速度为v
′
；其中，i为正整数，∑为求和符号；
17.当v
′
大于速度阈值时，则将测距频率δt调整为0.3s/次，否则将测距频率δt调整为1s/次；其中，测距频率δt默认为0.3s/次；其中，速度阈值根据经验设定。
18.优选的，在对所述测距数据进行数据预处理过程中，通过线性预测算法处理毛刺型异常数据；其中，毛刺型异常数据根据前后两次测距数据之差进行识别。
19.优选的，所述主节点与所述子节点通过zigbee网络相互通信；所述主节点在通讯模块的基础上通过4g网络与所述云平台进行数据交互。
20.本发明的第二方面提供了基于物联网的行车作业安全预警方法，包括：
21.激光测距模块基于节能算法计算测距频率δt；基于测距频率δt测量施工区域左右行车与施工区域的距离，将测量数据通过串口传输至子节点mcu中；
22.子节点mcu对测量数据进行数据预处理之后，通过卡尔曼滤波算法对测距数据进行处理，之后的测量数据显示在oled显示屏，同时进行预警策略判断获取预警数据；将预警数据和测距数据通过zigbee终端模块传输至主节点；
23.主节点将接收到的预警数据和测距数据通过lcd触摸屏进行显示，同时主节点通过通讯模块将预警数据上传至云平台。
24.与现有技术相比，本发明的有益效果是：
25.本发明采用了子节点+主节点的组合，方便了现场工作人员远程监测和控制，通过通讯模块将各个施工区域的预警数据上传云平台，解决了施工区域的预警数据无法集中管理的问题；利用卡尔曼滤波算法解决了施工现场电磁干扰导致测距数据波动过大问题以及设计节能算法以解决子节点设备在外接电源情况下功耗过大问题。此外本发明采用的元器件价格低、体积小，具有易安装、易扩展、便携式的优点，当然除了用于行车作业预警外，该发明也可适用于其他需要测距的场合，因此应用范围较广。
附图说明
26.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
27.图1为本发明的硬件结构示意图；
28.图2为本发明的主节点和子节点安装示意图；
29.图3为本发明的行车车架和驾驶室位置示意图；
30.图4为本发明的激光测距模块工作示意图；
31.图5为本发明的工作原理示意图；
32.图6为本发明的整体框架示意图。
具体实施方式
33.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
34.请参阅图1-图6，本发明第一方面实施例提供了基于物联网的行车作业安全预警系统，包括主节点和子节点，主节点包括主节点mcu、zigbee协调器模块、lcd触摸屏和通讯模块；子节点包括子节点mcu、激光测距模块、zigbee终端模块、按键控制模块、oled显示屏和声光报警模块；主节点分别与云平台和设置在施工现场的子节点通信连接；激光测距模块基于节能算法计算测距频率δt；基于测距频率δt测量施工区域左右行车与施工区域的距离，将测量数据通过串口传输至子节点mcu中；子节点mcu对测量数据进行数据预处理之后，通过卡尔曼滤波算法对测距数据进行处理，之后的测量数据显示在oled显示屏，同时进行预警策略判断获取预警数据；将预警数据和测距数据通过zigbee终端模块传输至主节点；主节点将接收到的预警数据和测距数据通过lcd触摸屏进行显示，同时主节点通过通讯模块将预警数据上传至云平台。
35.在一个优选的实施例中，将所述子节点分别固定在施工区域的相对两侧，且所述子节点与行车处于同一高度，各所述子节点中的激光测距模块对准行车的车架。可以理解的是，行车是在车架上做来回往复的直线运动，所以只要将子节点固定在施工区域左右两侧(左右两侧需要结合行车的直线运动轨迹来理解)，并与行车处于同一高度上，然后将激光测距模块对准行车的车架上，激光束就会打在行车车架，那么子节点就能得到施工地与行车的实时距离了。
36.在一个优选的实施例中，所述子节点mcu为stm32芯片，激光测距模块与子节点mcu通过串口2连接；且所述子节点mcu以测距频率δt向激光测距模块发送测距指令，激光测距模块接收到测距指令之后则进行一次测距。
37.在一个优选的实施例中，所述子节点中设置了看门狗模块，在所述子节点受到电磁干扰无法正常工作时，通过看门狗模块进行复位操作；以及所述oled显示屏通过iic协议与所述子节点mcu进行通信，并用于显示测距数据以及施工区域的基本信息；所述zigbee终端模块(cc2530终端)与所述子节点mcu通过串口1连接。
38.在一个优选的实施例中，所述主节点mcu为i.max6ul芯片，lcd触摸屏通过lcd接口与主节点mcu相连，zigbee协调器模块(cc2530协调器)通过串口2与主节点mcu相连，通讯模
块通过串口3与主节点mcu相连接。而且，通过主节点中的lce触摸屏可以查看各子节点的测距数据以及下发修改阈值指令、控制节点模式的开启和关闭(即节能算法是否调用)。主节点设置在施工区域不远处，方便工作人员监测子节点的运行状态。
39.在一个优选的实施例中，所述节能算法根据若干次连续的行车运载任务的平均速度动态调整，包括：根据公式v＝(l-l1)/(n
×
δt)计算每次运载人物的平均速度v；其中，l-l1为行车运载任务中起始位置到预警位置的路程，n为采样次数，δt为测距频率；设若干次连续运载任务的平均速度为v1，v2，
…
，vi；根据公式v
′
＝∑(vi)/i获取若干次运载任务的平均速度为v
′
；其中，i为正整数，∑为求和符号；当v
′
大于速度阈值时，则将测距频率δt调整为0.3s/次，否则将测距频率δt调整为1s/次；其中，测距频率δt默认为0.3s/次；其中，速度阈值根据经验设定。
40.举例说明本实施例：以连续五次运载任务作为基准调整测距频率，即五次连续运载任务的平均速度分别为v1，v2，v3，v4，v5，计算平均速度v
′
；当v
′
大于2m/s时，则认为行车在该段时间内速度较快，采样频率调整为0.3s/次，否则调整为1s/次。需要注意的是，激光测距模块的初始测距频率为0.3s/次，当运载任务小于五次时，则保持初始测距频率不变。
41.在一个可选的实施例中，子节点采集的异常测距数据，通过线性预测算法处理毛刺型异常数据，然后通过卡尔曼滤波算法尽可能减小电磁干扰和激光测距模块测距误差带来的数据波动。毛刺型数据判断依据是前后两次测距值之差若超过一个合理值，则判定为毛刺型数据，这个合理值与行车运动速度有关。线性预测算法首先建立线性预测方程yi＝k
×
xi+b，其中xi为测距时间点，yi为不同测距时间点下测距的距离，通过已知的两次测距值求得斜率k，继而得到预测方程，然后将所预测的时间点带入即可求得预测值，并将异常值进行替换。卡尔曼滤波算法是根据相关公式把测距数据带入进行迭代，以求得一个最佳估计值。卡尔曼滤波经典公式如下所示，分为预测三个公式和更新两个公式。
42.预测：
[0043][0044]
p
k-＝ap
k-1at
+q
[0045]
更新：
[0046][0047][0048][0049]
下面就是通过行车的运动状态建立运动方程，从而求得卡尔曼滤波公式中各个参数值。利用卡尔曼滤波算法会测距数据进行优化，优化过程如下：
[0050]
行车在其运动轨道上做来回往复的直线运动，k时刻行车的状态可以由一个向量xk表示，该向量是由行车的位置和速度组成，那么该向量xk可以表示为xk＝[x
1,k x
2,k
]
t
，其中x
1,k
表示k时刻的位置，x
2,k
表示k时刻的速度，由行车前后两次测距间隔内位移计算机得出。那么系统状态方程为：
[0051]
x
1,k
＝x
1,k-1
+x
2,k-1
δt+ω
1,k-1
，x
2,k
＝x
2,k-1
+ω
2,k-1
；
[0052]
其中，δt为测距间隔时间这里设定为1秒，ω
t
为系统过程噪声，它是服从期望为0，方差为协方差矩阵q的高斯分布，即服从p(ω)～n(0,q)。所以上式写成矩阵形式为：
[0053][0054]
通过上式可以得到状态转移矩阵a为同理观测向量zk可以表示为
[0055]
zk＝[z
1,k
,z
2,k
]
t
,那么观测方程如下：
[0056]z1,k
＝x
1,k
+v
1,k
，z
2,k
＝x
2,k
+v
2,k
；
[0057]vt
为观测过程噪声，它是服从期望为0，方差为协方差矩阵r的高斯分布，即服从p(ω)～n(0,q)。所以上式写成矩阵形式为：
[0058][0059]
通过上式可以得到状态量到测量量的转换矩阵h为到此卡尔曼滤波所需要的参数基本都得到了，值得注意的是q和r的值是可变参数，需要去调试，这里q取值为r取值为另外和pk需要设置一个初始值，由于和pk的初始值并不会影响卡尔曼滤波算法的后续数据迭代，所以一般需要保证与理想值在一个数量级下或者是较小的数即可，这里初始取值为1，pk初始取值为单位矩阵有了卡尔曼滤波的相关参数，就可以对采集的测距数据进行滤波优化了。
[0060]
在一个可选的实施例中，子节点设计了多级预警机制，如图4所示。在预警阈值上设置了两个等级，分别是i级和ii级，用l1和l2分别表示触发i级和ii级预警时所对应的距离值,d表示激光模块的测距值其中l1《l2，所用单位为米。所以，系统报警策略设计如下：当测量距离值d》l2时，节点处于安全状态，此时绿灯亮起；当l1《d≤l2时，此时节点处于ii预警状态，黄灯亮，绿灯灭；当d≤l1时，此时节点处于i级预警状态，红灯亮，黄灯灭，警报器响起。举例说明：当测距值大于等于40米，则报警模块绿色led等亮起，代表安全的状态，当测距值大于等于20米小于40米，则触发了ii级预警，led等由绿色变为了黄色，当测距值小于20米是，则触发i级预警，此时led灯红色闪烁，报警器响起，提醒工作人员注意行车即将靠近施工地，请注意避让。
[0061]
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
[0062]
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。