買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉邦澤起重設備股份有限公司申請的專利一種起重機械防碰撞檢測方法、系統(tǒng)、設備和介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120024817B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510497510.2，技術(shù)領(lǐng)域涉及：B66C13/16；該發(fā)明授權(quán)一種起重機械防碰撞檢測方法、系統(tǒng)、設備和介質(zhì)是由宋詩振;殷志海;高璇璇設計研發(fā)完成，并于2025-04-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種起重機械防碰撞檢測方法、系統(tǒng)、設備和介質(zhì)在說明書摘要公布了：本發(fā)明公開了一種起重機械防碰撞檢測方法、系統(tǒng)、設備和介質(zhì)，涉及計算機平臺負載平衡技術(shù)領(lǐng)域，包括采集起重機械的多模態(tài)數(shù)據(jù)，將多模態(tài)數(shù)據(jù)進行預處理；通過卡爾曼濾波對采集的多模態(tài)數(shù)據(jù)進行融合，構(gòu)建LSTM?GRU預測模型，將融合數(shù)據(jù)輸入LSTM?GRU預測模型對起重機械運行軌跡進行預測；根據(jù)軌跡預測結(jié)果，通過AI邊緣計算設備動態(tài)生成防碰撞控制指令，PLC接受并執(zhí)行防碰撞控制指令。本發(fā)明所述方法基于多模態(tài)數(shù)據(jù)融合，提高起重機運行狀態(tài)感知精度，基于LSTM?GRU軌跡預測，實現(xiàn)精準的未來軌跡計算，基于AI邊緣計算設備，實現(xiàn)動態(tài)防碰撞控制，有效提升了防碰撞檢測的智能化水平。

本發(fā)明授權(quán)一種起重機械防碰撞檢測方法、系統(tǒng)、設備和介質(zhì)在權(quán)利要求書中公布了：1.一種起重機械防碰撞檢測方法，其特征在于，包括： 采集起重機械的多模態(tài)數(shù)據(jù)，將多模態(tài)數(shù)據(jù)進行預處理； 通過卡爾曼濾波對采集的多模態(tài)數(shù)據(jù)進行融合，構(gòu)建LSTM-GRU預測模型，將融合數(shù)據(jù)輸入LSTM-GRU預測模型對起重機械運行軌跡進行預測； 根據(jù)軌跡預測結(jié)果，通過AI邊緣計算設備動態(tài)生成防碰撞控制指令，PLC接受并執(zhí)行防碰撞控制指令； 多模態(tài)數(shù)據(jù)融合包括，通過卡爾曼濾波進行數(shù)據(jù)融合，消除測量誤差，提高狀態(tài)估計精度； 構(gòu)建LSTM-GRU預測模型包括，采用LSTM捕捉長期軌跡趨勢，結(jié)合GRU處理短時軌跡波動，實現(xiàn)短時+長時軌跡預測融合； 基于時間序列預測，提前計算起重機未來N個時間步的軌跡，確定潛在的碰撞風險； 采用軌跡平滑優(yōu)化方法，優(yōu)化軌跡計算； 所述采集起重機械的多模態(tài)數(shù)據(jù)包括， 通過AI攝像頭、激光雷達、絕對值編碼器、慣性傳感器同步采集起重機械的多模態(tài)數(shù)據(jù)，將采集的起重機械多模態(tài)數(shù)據(jù)作為觀測值，構(gòu)建起重機械運行的時間序列數(shù)據(jù)集； 多模態(tài)數(shù)據(jù)包括，物體類別、位置坐標、反射強度、目標距離、吊鉤高度、運行速度、角速度、加速度； 所述將多模態(tài)數(shù)據(jù)進行預處理包括， 將傳感器的數(shù)據(jù)按照最高頻率對齊，對于低頻傳感器數(shù)據(jù)，采用線性插值法填充； 將對齊后的數(shù)據(jù)基于粒子濾波進行去噪處理，對去噪處理后的傳感器數(shù)據(jù)通過均值-標準差法進行異常值檢測，去除異常部分并再次使用線性插值法進行填充，重復多模態(tài)數(shù)據(jù)預處理過程直至異常值檢測過程未檢測出異常值數(shù)據(jù)； 粒子濾波去噪包括，通過多個粒子模擬系統(tǒng)狀態(tài)，動態(tài)估計真實信號值，消除測量噪聲； 異常值檢測包括，計算所有數(shù)據(jù)點的平均值，衡量數(shù)據(jù)的中心趨勢，通過標準差衡量數(shù)據(jù)的離散程度，根據(jù)離散程度判斷數(shù)據(jù)點與均值的偏差，將偏差過大的數(shù)據(jù)確定為異常值； 所述多模態(tài)數(shù)據(jù)進行融合包括， 基于卡爾曼濾波對預處理后的多模態(tài)傳感數(shù)據(jù)進行融合，通過預處理后的多模態(tài)數(shù)據(jù)，設定起重機械的位置、速度和加速度信息，將設定的起重機械的位置、速度和加速度信息作為輸入數(shù)據(jù)，根據(jù)牛頓運動學方程對起重機械的運行狀態(tài)進行預測； 對起重機械的運行狀態(tài)進行預測具體表示為： ； ； ； ； 其中，表示當前時間步的狀態(tài)估計向量，表示狀態(tài)轉(zhuǎn)移矩陣，表示控制輸入矩陣，表示過程噪聲，表示當前時間步的控制輸入，表示時間步長，、、表示在三個軸上的加速度值； 采用狀態(tài)轉(zhuǎn)移模型輸入前一時刻的狀態(tài)信息，結(jié)合預處理后的加速度，計算起重機在下一時刻的位置、速度和加速度，定義運動規(guī)律； 計算卡爾曼增益，根據(jù)卡爾曼增益利用測量數(shù)據(jù)對預測狀態(tài)進行修正，得到融合后的位置信息、速度信息、加速度信息； 計算卡爾曼增益包括，通過測量矩陣、測量噪聲協(xié)方差、狀態(tài)估計的協(xié)方差矩陣輸入卡爾曼增益計算公式，得到卡爾曼增益； 狀態(tài)估計的協(xié)方差矩陣衡量預測值的不確定性，動態(tài)調(diào)整預測的置信程度； 測量矩陣將狀態(tài)變量映射到測量空間，計算修正值； 測量噪聲協(xié)方差矩陣根據(jù)傳感器自身誤差特性進行設置，反映測量數(shù)據(jù)的不確定性，優(yōu)化狀態(tài)修正的準確性； 所述構(gòu)建LSTM-GRU預測模型包括， 將融合后的位置信息、速度信息、加速度信息數(shù)據(jù)作為輸入，將輸入的位置信息、速度信息、加速度信息數(shù)據(jù)進行歸一化處理，通過歸一化處理后的位置信息、速度信息、加速度信息數(shù)據(jù)組成時間序列； 將傳統(tǒng)LSTM預測模型引入GRU計算，構(gòu)建GRU層與全連接層； 將時間序列作為輸入，通過GRU層適應起重機械即時運動變化，通過LSTM層輸出起重機械的整體軌跡趨勢，結(jié)合GRU層與LSTM層的輸出結(jié)果進行軌跡預測計算，輸出預測軌跡點； 將歷史位置、速度、加速度數(shù)據(jù)輸入預測模型，在均方誤差計算的基礎上引入軌跡平滑懲罰項，構(gòu)建均方誤差損失函數(shù)，將歷史軌跡預測結(jié)果輸入均方誤差損失函數(shù)，計算歷史預測軌跡與真實軌跡之間的誤差； 將多模態(tài)數(shù)據(jù)進行融合的融合結(jié)果輸入LSTM-GRU預測模型，輸出起重機械運行軌跡。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人邦澤起重設備股份有限公司，其通訊地址為：710000 陜西省西安市經(jīng)開區(qū)鳳城九路北側(cè)未央路西側(cè)海榮名城5樓2單元22608室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。