本技術(shù)涉及智能控制，具體地，涉及一種塔機(jī)大腦控制系統(tǒng)、方法、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著科技技術(shù)的飛速發(fā)展和城市建設(shè)的擴(kuò)大，塔機(jī)作為建筑工地上最常用的起重設(shè)備，其數(shù)量和使用頻率不斷增加。然而，現(xiàn)有技術(shù)在塔機(jī)智能管理方面存在一些明顯的技術(shù)缺點。首先，塔機(jī)的監(jiān)控和操作高度依賴于操作人員的經(jīng)驗和技能，這不僅增加了人力成本，也因人為因素而增加了操作失誤的風(fēng)險。其次，隨著城市建筑樓宇的密集型施工，塔機(jī)作業(yè)環(huán)境變得復(fù)雜，視線遮擋和空間限制等問題使得管理效率低下，安全隱患增多。此外，現(xiàn)有的塔機(jī)管理系統(tǒng)在數(shù)據(jù)收集和分析方面存在不足，無法充分利用收集到的數(shù)據(jù)來提高管理效率和作業(yè)安全性。維護(hù)成本高昂，且現(xiàn)有的塔機(jī)控制系統(tǒng)在緊急情況下響應(yīng)速度慢，缺乏智能化決策支持，難以適應(yīng)快速變化的作業(yè)環(huán)境和需求。

2、針對現(xiàn)有技術(shù)的不足，亟待解決的技術(shù)問題主要集中在如何提高塔機(jī)智能管理的自動化和智能化水平，減少對人工操作的依賴。需要開發(fā)一種能夠?qū)崟r監(jiān)控塔機(jī)狀態(tài)、分析作業(yè)環(huán)境并自動調(diào)整作業(yè)策略的智能控制系統(tǒng)。此外，該系統(tǒng)應(yīng)能夠有效地收集和利用數(shù)據(jù)，通過先進(jìn)的數(shù)據(jù)分析技術(shù)來預(yù)測和降低作業(yè)風(fēng)險，同時提高管理效率和響應(yīng)速度。通過整合最新的科技成果，如人工智能和物聯(lián)網(wǎng)技術(shù)，可以進(jìn)一步提升塔機(jī)的智能化管理水平，確保作業(yè)的安全性和效率，降低維護(hù)成本，并為施工工地提供更加可靠和高效的起重設(shè)備管理解決方案。

技術(shù)實現(xiàn)思路

1、本技術(shù)旨在提供一種塔機(jī)大腦控制系統(tǒng)、方法、設(shè)備及存儲介質(zhì)，至少在一定程度上解決上述技術(shù)問題中的技術(shù)問題之一。

2、本技術(shù)第一方面提供了一種塔機(jī)大腦控制系統(tǒng)，包括大腦控制系統(tǒng)、數(shù)據(jù)采集系統(tǒng)、學(xué)習(xí)系統(tǒng)、服務(wù)系統(tǒng)以及交互系統(tǒng)，所述數(shù)據(jù)采集系統(tǒng)、服務(wù)系統(tǒng)以及交互系統(tǒng)均連接所述大腦控制系統(tǒng)；

3、所述數(shù)據(jù)采集系統(tǒng)連接至少一個塔機(jī)控制系統(tǒng)，獲取所述塔機(jī)控制系統(tǒng)的塔機(jī)實時感知數(shù)據(jù)；

4、所述學(xué)習(xí)系統(tǒng)基于所述塔機(jī)實時感知數(shù)據(jù)訓(xùn)練預(yù)設(shè)大腦模型，通過訓(xùn)練好的預(yù)設(shè)大腦模型生成第一塔機(jī)圖譜，并基于所述交互系統(tǒng)發(fā)送的塔機(jī)圖譜更新所述預(yù)設(shè)大腦模型且得到第二塔機(jī)圖譜；

5、所述服務(wù)系統(tǒng)獲取用戶信息，并針對不同用戶開設(shè)不同信息權(quán)限以及不同控制權(quán)限；

6、所述交互系統(tǒng)根據(jù)預(yù)設(shè)塔機(jī)數(shù)據(jù)以及不同信息權(quán)限，接收和/或展示相應(yīng)的塔機(jī)圖譜；

7、所述大腦控制系統(tǒng)根據(jù)所述不同控制權(quán)限的用戶控制數(shù)據(jù)，向所述數(shù)據(jù)采集系統(tǒng)、至少一個塔機(jī)控制系統(tǒng)以及交互系統(tǒng)發(fā)送控制指令，并根據(jù)所述第一塔機(jī)圖譜或所述第二塔機(jī)圖譜進(jìn)行決策。

8、在本技術(shù)的一些實施例中，所述大腦控制系統(tǒng)包括速度決策模塊、力矩決策模塊、路徑?jīng)Q策模塊和安全決策模塊。

9、在本技術(shù)的一些實施例中，所述實時感知數(shù)據(jù)包括速度感知數(shù)據(jù)、力矩感知數(shù)據(jù)和路徑感知數(shù)據(jù)。

10、在本技術(shù)的一些實施例中，所述速度感知數(shù)據(jù)包括塔機(jī)負(fù)載、環(huán)境風(fēng)速、周圍障礙物分布和塔機(jī)設(shè)備狀態(tài)；

11、所述通過訓(xùn)練好的預(yù)設(shè)大腦模型生成第一塔機(jī)圖譜，包括：

12、所述訓(xùn)練好的預(yù)設(shè)大腦模型通過分析所述塔機(jī)負(fù)載、環(huán)境風(fēng)速、周圍障礙物分布、塔機(jī)設(shè)備狀態(tài)和所述預(yù)設(shè)塔機(jī)數(shù)據(jù)，預(yù)測出最優(yōu)運行速度；

13、基于所述最優(yōu)運行速度生成初始速度圖譜。

14、在本技術(shù)的一些實施例中，所述力矩感知數(shù)據(jù)包括驅(qū)動的功率、驅(qū)動的運行狀態(tài)；

15、所述通過訓(xùn)練好的預(yù)設(shè)大腦模型生成第一塔機(jī)圖譜，包括：

16、所述訓(xùn)練好的預(yù)設(shè)大腦模型通過分析所述驅(qū)動的功率、驅(qū)動的運行狀態(tài)、所述速度感知數(shù)據(jù)和所述預(yù)設(shè)塔機(jī)數(shù)據(jù)，預(yù)測出最優(yōu)力矩；

17、基于所述最優(yōu)力矩生成初始力矩圖譜。

18、在本技術(shù)的一些實施例中，所述路徑感知數(shù)據(jù)包括起始地點；

19、所述通過訓(xùn)練好的預(yù)設(shè)大腦模型生成第一塔機(jī)圖譜，包括：

20、所述訓(xùn)練好的預(yù)設(shè)大腦模型通過分析所述起始地點、所述速度感知數(shù)據(jù)和所述預(yù)設(shè)塔機(jī)數(shù)據(jù)，預(yù)測出最優(yōu)路徑；

21、基于所述最優(yōu)路徑生成初始路徑圖譜。

22、在本技術(shù)的一些實施例中，所述通過訓(xùn)練好的預(yù)設(shè)大腦模型生成第一塔機(jī)圖譜，包括：

23、基于所述速度感知數(shù)據(jù)、所述力矩感知數(shù)據(jù)和所述路徑感知數(shù)據(jù)確定安全數(shù)據(jù)；

24、所述訓(xùn)練好的預(yù)設(shè)大腦模型通過分析所述安全數(shù)據(jù)，預(yù)測出最優(yōu)安全數(shù)據(jù)；

25、基于所述最優(yōu)安全數(shù)據(jù)生成初始安全圖譜。

26、在本技術(shù)的一些實施例中，所述交互系統(tǒng)發(fā)送的塔機(jī)圖譜包括用戶發(fā)送的目標(biāo)圖譜和/或針對第一塔機(jī)圖譜的反饋圖譜；

27、所述基于所述交互系統(tǒng)發(fā)送的塔機(jī)圖譜更新所述預(yù)設(shè)大腦模型且得到第二塔機(jī)圖譜，包括：

28、對所述目標(biāo)圖譜和/或反饋圖譜進(jìn)行預(yù)處理；

29、對預(yù)處理后的圖譜進(jìn)行特征提取，得到特征提取結(jié)果；

30、基于所述特征提取結(jié)果重新訓(xùn)練所述訓(xùn)練好的預(yù)設(shè)大腦模型，得到雙重訓(xùn)練后的大腦模型；

31、通過所述雙重訓(xùn)練后的大腦模型預(yù)測出第二塔機(jī)圖譜。

32、在本技術(shù)的一些實施例中，所述預(yù)設(shè)塔機(jī)數(shù)據(jù)包括管理條例數(shù)據(jù)、塔機(jī)的工作參數(shù)數(shù)據(jù)及作業(yè)需求數(shù)據(jù)。

33、本技術(shù)第二方面提供了一種應(yīng)用所述的塔機(jī)大腦控制系統(tǒng)的塔機(jī)大腦控制方法，具體包括以下步驟：

34、獲取塔機(jī)實時感知數(shù)據(jù)，基于所述塔機(jī)實時感知數(shù)據(jù)訓(xùn)練預(yù)設(shè)大腦模型，通過訓(xùn)練好的預(yù)設(shè)大腦模型生成第一塔機(jī)圖譜，并基于所述交互系統(tǒng)發(fā)送的塔機(jī)圖譜更新所述預(yù)設(shè)大腦模型且得到第一塔機(jī)圖譜第二塔機(jī)圖譜；

35、獲取用戶信息，并針對不同用戶開設(shè)不同信息權(quán)限以及不同控制權(quán)限；

36、根據(jù)預(yù)設(shè)塔機(jī)數(shù)據(jù)以及不同信息權(quán)限，接收和/或展示相應(yīng)的塔機(jī)圖譜；

37、根據(jù)所述不同控制權(quán)限的用戶控制數(shù)據(jù)發(fā)送控制指令，并根據(jù)所述第一塔機(jī)圖譜或所述第二塔機(jī)圖譜進(jìn)行決策。

38、本技術(shù)實施例中提供的技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

39、本技術(shù)各實施例中的塔機(jī)大腦控制系統(tǒng)及方法相比于現(xiàn)有技術(shù)，至少具備下述三點有益效果：

40、第一，通過使用預(yù)設(shè)大腦模型，系統(tǒng)能夠根據(jù)收集到的實時感知數(shù)據(jù)生成第一塔機(jī)圖譜。這圖譜不僅包括了塔機(jī)的運行狀態(tài)和環(huán)境因素，還能預(yù)測最優(yōu)的運行參數(shù)，如速度、力矩和路徑。并且本技術(shù)能夠根據(jù)交互系統(tǒng)發(fā)送的目標(biāo)圖譜和反饋圖譜更新預(yù)設(shè)大腦模型，生成第二塔機(jī)圖譜，即動態(tài)地調(diào)整其決策模型以適應(yīng)環(huán)境變化和用戶需求，從而實現(xiàn)更高效和安全的塔機(jī)操作。

41、第二，本系統(tǒng)設(shè)計了服務(wù)系統(tǒng)和交互系統(tǒng)，能夠根據(jù)不同用戶的信息開設(shè)不同的信息權(quán)限和控制權(quán)限。這不僅保證了操作的安全性，還能根據(jù)用戶的具體需求提供個性化的服務(wù)。例如，不同的操作員會根據(jù)其權(quán)限看到不同的塔機(jī)圖譜，這樣可以確保每個用戶都能接收到他們需要的、適合他們權(quán)限級別的信息。

42、第三，大腦控制系統(tǒng)集成了多個決策模塊，如速度決策模塊、力矩決策模塊、路徑?jīng)Q策模塊和安全決策模塊。這些模塊能夠利用從塔機(jī)實時感知數(shù)據(jù)中提取的信息，結(jié)合預(yù)設(shè)大腦模型的分析結(jié)果，生成關(guān)于塔機(jī)操作的最優(yōu)決策。這些決策支持不僅提高了操作的效率，還極大地增強(qiáng)了作業(yè)的安全性，尤其是在復(fù)雜和變化多端的工作環(huán)境中。

43、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本技術(shù)。