买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东港口日照港集团有限公司;日照港集装箱发展有限公司

摘要：本发明涉及港口工程与管理技术领域，尤其是涉及干散货港口工况监测方法及系统，所述方法包括如下步骤：使用数据采集设备对干散货港口进行多模态数据采集，并将采集到的原始多模态数据利用物联网传输至云端；云端对原始多模态数据进行储存，并对原始多模态数据进行数据处理得到多种数据特征；云端采用基于模糊逻辑的多模态数据集成方案实现数据特征的融合，得到干散货港口的工况稳定特性；云端通过物联网将原始多模态数据和工况稳定特性传输至数据输出装置。本发明能够实现对大宗干散货港口运行工况监测与早期诊断，保障港口运行的安全性与可靠性，有效避免作业中断，降低港口作业维护成本和安全风险。

主权项：1.干散货港口工况监测方法，其特征在于，包括如下步骤：使用数据采集设备对干散货港口进行多模态数据采集，并将采集到的原始多模态数据利用物联网传输至云端，所述原始多模态数据包括图像数据、数量数据和文本数据，所述数量数据包括连续时间序列数据和离散时间序列数据，所述图像数据为港口全景图，所述连续时间序列数据包括港口声学数据、港口温度、港口湿度、港口风速、港口降水量、港口波浪高度、设备运行温度和设备振动，所述离散时间序列数据包括货物装卸次数、设备故障频次、设备维护频次、堆场货物存储量、机械设备使用率和船舶等待时间，所述文本数据为设备状态；所述云端将接收到的所有所述原始多模态数据储存在云端数据库中，得到港口原始数据集；识别所述港口全景图中的非固定目标，并计算所述非固定目标占所述港口全景图的像素点比例，作为港口繁忙度参考值；对各种所述连续时间序列数据进行等时间间隔选取，得到相应的连续时间离散化数据；将所述离散时间序列数据直接作为部分预处理多模态数据，进而结合所述港口繁忙度参考值和所述连续时间离散化数据建立港口预处理数据集，所述预处理多模态数据包括所述港口繁忙度参考值、所述连续时间离散化数据和所述离散时间序列数据；以所述设备状态、干散货港口工艺规则和专家经验为基础，从所述港口预处理数据集中挑选多组历史港口预处理数据作为对比模态数据；利用所述对比模态数据组建对比模态数据集，进而根据所述港口预处理数据集中的当前港口预处理数据计算繁忙度特征特征和离散数据特征；所述繁忙度特征满足如下关系： ，其中，为所述繁忙度特征，M为所述对比模态数据的组数，为所述当前港口预处理数据中的港口繁忙度参考值，为第i组所述对比模态数据中的港口繁忙度参考值；所述离散数据特征满足如下关系： ，其中，为所述离散数据特征，N为离散数据的种类数，为第j种所述离散数据的融合权重，M为所述对比模态数据的组数，为所述当前港口预处理数据中的第j种离散数据，为第i组所述对比模态数据中第j种离散数据，所述离散数据包括所述连续时间离散化数据和所述离散时间序列数据；当所述繁忙度特征不小于繁忙上限值且所述离散数据特征不小于离散融合上限值时，干散货港口的工况稳定特性为，工况表现为不稳定；当所述繁忙度特征不大于繁忙下限值且所述离散数据特征不大于离散融合下限值时，干散货港口的工况稳定特性为，工况表现为稳定；当所述繁忙度特征与所述离散数据特征中存在任意一个处于上限值与下限值之间时，对所述繁忙度特征和所述离散数据特征进行融合，进而得到干散货港口的工况稳定特性，获取规则包括规则1至规则4：规则1：当且时，干散货港口的工况稳定特性为；规则2：当且时，干散货港口的工况稳定特性为；规则3：当且时，干散货港口的工况稳定特性为；规则4：当且时，干散货港口的工况稳定特性为；其中，为繁忙下限值，为繁忙上限值，为离散融合下限值，为离散融合上限值；干散货港口的工况稳定特性时，干散货港口的工况表现为不稳定，干散货港口的工况稳定特性时，干散货港口的工况表现为稳定；所述云端通过物联网将所述原始多模态数据和所述工况稳定特性传输至数据输出装置。

全文数据：

权利要求：

百度查询： 山东港口日照港集团有限公司 日照港集装箱发展有限公司 干散货港口工况监测方法及系统