[发明专利]一种无人值守螺旋卸船机船型数据库构建方法

说明书

本发明涉及一种无人值守螺旋卸船机船型数据库构建方法。它解决了现有技术中建立卸船机数据库效率且精度不佳的问题。它包括S 1、在卸船机上设置若干标记点，在标记点处安装北斗位姿定位系统；S2、扫描船型数据；S3、对扫描数据进行可视化修正；S4、导入数据库搭建系统并生成船型数据库。本发明的优点在于：提高了构建卸船机数据库的效率且数据精确度高。

技术领域

本发明涉及卸船机设备技术领域，具体涉及一种无人值守螺旋卸船机船型数据库构建方法。

背景技术

卸船机是企业港口生产中重要的大型散料卸货工具，具有抓斗起升和开闭、小车行走、前大梁仰俯及整机沿轨道行走的功能，在日常实际生产中占有很重要的地位。卸船机发生故障会影响到原来的功能，有可能带来严重的事故，造成经济损失。因此有必要对卸船机系统的健康状态进行监测、故障分析和故障预测，以确保卸船机安全稳定地运行，提早预警，减少因突发故障产生的经济损失以及避免人员伤亡等重大事故的发生。故障趋势预测方法作为短时预测方法主要包括基于机理模型和基于数据驱动的故障预测方法，卸船机这种工作环境比较恶劣，易受到载荷、工况变化等不确定因素影响的设备，其运行过程状态呈现出动态的、实时变化的特征，因此采用法并不适用于卸船机的实际工况，难以实现有效的故障预测效果；除此之外，在建立卸船机船型数据库时，通常需要进行人工手动测量，不仅效率低下，而且测量的数据精度不足，影响卸船机船型数据库对于障碍的判断。

为了解决现有技术存在的不足，人们进行了长期的探索，提出了各式各样的解决方案。例如，中国专利文献公开了一种基于改进关联规则的桥式抓斗卸船机故障预测模型方法 [CN201810545101.5]，它包括将桥式抓斗卸船机状态监测的特征参数作为模型输入，采样获得卸船机的关联内部特征信息和故障类别作为模型输出；对原始监测数据进行预处理；选取聚类算法对数据根据其属性值域离散为非线性聚类区间；对兴趣度关联规则算法进行改进并获得能表征卸船机运行状态的关联规则组；构建状态监测数据关联规则指向性特征约束函数模型；输入数据集利用训练得到的模型进行预测；将卸船机故障发生历史数据用于卸船机故障预测模型，将预测结果和历史故障进行对比，分析预测结果。

上述方案在一定程度上解决了现有技术中卸船机故障趋势预测方法的模型和数据库计算精度低且实用性不佳的问题，但是该方案依然存在着诸多不足，例如：建立卸船机船型数据库时，通常需要进行人工手动测量，不仅效率低下，而且测量的数据精度不足，影响卸船机船型数据库对于障碍的判断。

发明内容

本发明的目的是针对上述问题，提供一种设计合理、效率高的一种无人值守螺旋卸船机船型数据库构建方法。

为达到上述目的，本发明采用了下列技术方案：一种无人值守螺旋卸船机船型数据库构建方法，本方法包括以下步骤：

S1、在卸船机上设置若干标记点，在标记点处安装北斗位姿定位系统；

S2、扫描设备扫描船型数据；

S3、对扫描数据进行可视化修正；

S4、导入数据库搭建系统并生成船型数据库。

在上述的一种无人值守螺旋卸船机船型数据库构建方法中，在步骤1中，标记点设置在甲板上、船舱内以及卸船机周向外壁，且在标记点上生成与码头坐标系平行的标记点坐标系。这样可以实现对船型内外的全面扫描，获取整体船型数据，有利于提高构建船型数据库的准确度。

在上述的一种无人值守螺旋卸船机船型数据库构建方法中，步骤S2具体分为以下步骤：

S21、扫描设备扫描卸船机甲板数据，提取船型甲板面数据；

S22、扫描设备扫描卸船机舱内数据，提取标记点坐标系下的船舱位置坐标；

S23、扫描设备扫描卸船机外壁数据，提取卸船机的外壁轮廓尺寸和形状。