本發明屬于數字化生產，尤其涉及一種煤炭班組的數字化生產運行方法。

背景技術：

1、傳統的煤炭生產監測主要依賴人工巡檢，存在巡檢周期長、效率低、準確性不高的問題。人工巡檢難以實時、全面地掌握設備狀態，對于一些潛在故障可能無法及時發現，導致設備故障風險增加，影響電網的安全穩定運行。此外，生產設備故障多發于班組人員的違規操作，對于人員管控，傳統的監控辦法極度依賴監測人員的細心程度，這往往滯后于事故發生的時間。

技術實現思路

1、為了解決背景技術中所述的傳統的監控辦法極度依賴監測人員的細心程度，這往往滯后于事故發生的時間的問題，本發明提出了如下技術方案：

2、一種煤炭班組的數字化生產運行方法，包括：

3、分別在站內各區域內部署多類感知元件，以構建監控系統；

4、獲取云地圖信息并根據所述云地圖信息在站內分別設置機器人和無人機以形成巡檢網絡；

5、實時采集監控網絡和巡檢網絡生成的狀態數據流；

6、對班組人員和各生產設備分別進行圖像采集以構建數據庫；

7、根據所述數據庫對所述回歸模型進行訓練以生成自學習模型；

8、當所述自學習模型判斷所述班組人員觸發違規動作或所述生產設備出現故障時，所述監控系統發出警報。

9、其中，所述云地圖信息通過所述無人機采集站內各目標點的點云數據數經過數據配準后拼接獲取。

10、進一步地，當所述點云數據完成拼接后，智能中樞通過三角網格化算法構建地圖模型，在對所述地圖模型進行紋理映射后簡化分割，從而形成云地圖信息。

11、進一步地，所述回歸模型在進行數據訓練時，所述智能中樞需要對所述狀態數據流進行預處理以生成樣本數據；在所述自學習模型生成后，所述自學習模型根據所述數據庫內的違規數據進行更新迭代。

12、進一步地，所述智能中樞在對所述狀態數據流進行預處理時，需要對所述狀態數據流進行下采樣處理、降幀處理、降噪優化、以及頻域轉換，從而形成所述樣本數據。

13、進一步地，所述數據庫內存儲有各所述班組人員的圖像信息和所述生產設備的安全運行信息；當所述巡檢網絡運行時，所述自學習模型根據所述圖像信息對個站點內的所述班組人員進行動作識別和人員匹配，所述自學習模型根據所述安全運行信息對所述生產設備進行故障判斷，以在所述地圖模型內可視化地實時顯示。

14、進一步地，在對所述班組人員進行動作識別或人員匹配時，所述自學習模型通過殘差時移網絡對所述狀態數據流進行所述特征提取以獲取特征向量，進而通過相似度算法對所述特征向量進行相似度計算，進而判斷所述班組人員是否觸發違規動作。

15、有益效果：本發明通過多類感知元件搭建監控系統，在無人機和機器人的協同作用下形成巡檢網絡，以采集整個生產區域的狀態數據流，基于數據庫和狀態數據流訓練生成自學習模型，從而引導整個生產區域的安全運行。

技術特征：

1.一種煤炭班組的數字化生產運行方法，其特征在于，包括：

2.根據權利要求1中所述的一種煤炭班組的數字化生產運行方法，其特征在于，所述云地圖信息通過所述無人機采集站內各目標點的點云數據數經過數據配準后拼接獲取。

3.根據權利要求2中所述的一種煤炭班組的數字化生產運行方法，其特征在于，當所述點云數據完成拼接后，智能中樞還需要通過三角網格化算法構建地圖模型，在對所述地圖模型進行紋理映射后簡化分割，從而形成云地圖信息。

4.根據權利要求3中所述的一種煤炭班組的數字化生產運行方法，其特征在于，所述回歸模型在進行數據訓練時，所述智能中樞需要對所述狀態數據流進行預處理以生成樣本數據；在所述自學習模型生成后，所述自學習模型根據所述數據庫內的違規數據進行更新迭代。

5.根據權利要求4中所述的一種煤炭班組的數字化生產運行方法，其特征在于，所述智能中樞在對所述狀態數據流進行預處理時，需要對所述狀態數據流進行下采樣處理、降幀處理、降噪優化、以及頻域轉換，從而形成所述樣本數據。

6.根據權利要求4中所述的一種煤炭班組的數字化生產運行方法，其特征在于，所述數據庫內存儲有各所述班組人員的圖像信息和所述生產設備的安全運行信息；當所述巡檢網絡運行時，所述自學習模型根據所述圖像信息對個站點內的所述班組人員進行動作識別和人員匹配，所述自學習模型根據所述安全運行信息對所述生產設備進行故障判斷，以在所述地圖模型內可視化地實時顯示。

7.根據權利要求4中所述的一種煤炭班組的數字化生產運行方法，其特征在于，在對所述班組人員進行動作識別或人員匹配時，所述自學習模型通過殘差時移網絡對所述狀態數據流進行所述特征提取以獲取特征向量，進而通過相似度算法對所述特征向量進行相似度計算，進而判斷所述班組人員是否觸發違規動作。

技術總結
本發明提出了一種煤炭班組的數字化生產運行方法，包括：分別在站內各區域內部署多類感知元件，以構建監控系統；獲取云地圖信息并根據云地圖信息在站內分別設置機器人和無人機以形成巡檢網絡；實時采集監控網絡和巡檢網絡生成的狀態數據流；對班組人員和各生產設備分別進行圖像采集以構建數據庫；根據數據庫對回歸模型進行訓練以生成自學習模型；當自學習模型判斷班組人員觸發違規動作或生產設備出現故障時，監控系統發出警報。本發明通過多類感知元件搭建監控系統，在無人機和機器人的協同作用下形成巡檢網絡，以采集整個生產區域的狀態數據流，基于數據庫和狀態數據流訓練生成自學習模型，從而引導整個生產區域的安全運行。

技術研發人員：楊占海,院鵬春,趙海平,張偉明,張炳,孟繁博,李昕奇,郭忠愷,袁偉,張玉江,張旭宇,徐浩宇,張義,張偉志,劉德明,張霞龍,王圣賢,薄慶瑤,趙志鵬
受保護的技術使用者：北京中企時代科技有限公司
技術研發日：
技術公布日：2025/4/24