-
题名基于电机数据图像化的多时序变量间接卡车误吊起检测
- 1
-
-
作者
刘嘉杰
刘国平
胡文山
-
机构
武汉大学电气与自动化学院
南方科技大学控制科学技术中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第10期370-380,共11页
-
基金
国家自然科学基金(62173255,62073247,62103308)。
-
文摘
自动化集装箱码头的装卸作业中经常发生集装箱与卡车同时被吊起的安全事故,导致人员伤亡及货品、车辆的损坏。为解决该问题,提出一种基于电机数据图像化处理的多时序变量间接卡车误吊起检测方法(MEIN)。该方法通过神经网络分析异步电机在吊起集装箱和卡车的过程中产生的电流和电压异常,从而判断是否发生了误吊起事故。采集吊机的三相电流和电压数据,并基于物理公式进行特征工程计算出多个相关时序物理量,采用滑动窗口、SMOTE-Tomek综合采样的方式扩大样本总数并平衡类别数量,最后将多时序变量转换为图像的形式以EfficientNet进行分类。实验结果表明,该方法能在复杂的环境下(例如雨雾天气或轮胎被遮挡)保持稳定的检测性能,各测试地区的AUC均在0.997以上。相较于传统的基于激光雷达和计算机视觉的检测方法,MEIN方法具有成本低、精度高、计算量小并且抗环境干扰能力强等优点。该方法已在武汉、青岛、钦州、梅山等多地部署,为提高自动化集装箱码头的作业安全提供一种有效的解决方案。
-
关键词
时间序列分类
卷积神经网络
合成少数类样本的过采样技术
Tomek
Links欠采样技术
卡车误吊起检测
-
Keywords
time-series classification
Convolutional Neural Network(CNN)
Synthetic Minority Oversampling Technique(SMOTE)
Tomek Links downsampling technique
truck lifting detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
