一种面向粮食仓储场景的AI驱动型虚实融合运维系统的制作方法

本发明涉及粮食仓储，具体为一种面向粮食仓储场景的ai驱动型虚实融合运维系统。

背景技术：

1、仓储粮食是指将粮食储存于仓库或其他储粮设施中，以确保粮食的数量和质量，满足未来的需求，现有的粮食仓储设施主要有平房仓、浅圆仓、立筒仓和楼房仓，面向平房仓储场景的日常运维主要依赖传统的传感器采集加人工监控，传统传感器主要布设区域为粮仓墙壁或者顶棚。

2、上述部署方式获取的数据仅能反映粮食外部的实际情况，数据维度过于片面，无法全面深入了解到粮食内部的实际状态，并且人工监控或者简单的数据监测，无法直观的从数据中提取特征，无法满足越来越细致化的仓储运维管理，需要进行更细致化的部署拓宽数据采集范围，相比较传统的数据分析方式，利用云端ai的数据分析优势可以实现自动部署运维计划或者主动发现异常，因此开发一款面向粮食仓储场景的ai驱动型虚实融合运维系统是本领域技术人员需要解决的技术问题。

技术实现思路

1、针对现有技术的不足，本发明提供了一种面向粮食仓储场景的ai驱动型虚实融合运维系统，解决了上述背景技术中提出的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种面向粮食仓储场景的ai驱动型虚实融合运维系统，包括云端ai、控制中枢、监控台、立杆、卷收装置、感知终端和平仓机器人，若干所述卷收装置安装于立杆周侧，若干所述立杆固定于粮仓内且靠近墙壁一侧，所述卷收装置周侧缠绕有数据线，若干所述感知终端通过数据线电连接；

3、所述云端ai的端口通过互联网与控制中枢的端口建立双向通信，所述感知终端的输出端与控制中枢的输入端电连接，所述控制中枢的输出端分别与监控台和卷收装置的输入端电连接，所述平仓机器人的端口通过无线局域网与控制中枢的端口建立双向通信；

4、所述控制中枢搭建感知模型，所述控制中枢通过感知模型获取粮堆的状态信息并上传至云端ai，所述状态信息包括温湿度数据、压力数据、振动数据和空间数据，所述控制中枢建立数字孪生模型并传输至监控台显示，所述云端ai分析状态信息分别得到综合异常得分和维护优先级指数mpi，制定维护计划和建立异常事件，维护计划与异常事件下发至控制中枢由监控台显示，供运维人员查看。

5、进一步地，所述控制中枢搭建感知模型，包括粮食转入时平仓机器人完成粮食表面整平作业，控制中枢控制平仓机器人部署感知层，粮食转出时控制中枢控制卷收装置收纳感知层；

6、所述感知模型由若干感知层上下堆叠组成，当粮仓内转入足够的粮食时，平仓机器人再次执行粮食表面整平作业，当整平后的粮食高度再次等于感知层上下层的间距时，所述控制中枢再次控制平仓机器人部署感知层，感知层由下到上重复部署得到感知模型，所述感知层由若干感知终端呈网格状排列组成，所述感知终端上集成了温湿度传感器、压力传感器、振动传感器和无线模块，所述感知层上下层间距、立杆之间相邻距离和单个数据线上感知终端之间相邻距离均相等，在感知模型中，立杆相邻间距相等可以保障感知终端x轴方向上间距相等，单个数据线上感知终端间距相等可以保障感知终端在y轴方向上距离相等，感知层上下层间距相等可以保障感知终端在z轴方向上间距相等，所述感知终端之间间距范围为1米-3米，感知终端之间间距小于1米或者大于3米会提高无线模块计算误差，小于1米信号连接强度的变化幅度会减小，大于3米后无线模块连接的信号稳定性会下降，可能存在断连或者干扰的风险，同时粮堆中感知层间距过小会导致粮食高度过低，即单个感知层上方的粮食厚度过薄，平仓机器人的驱动机构体积较大，在粮食表面移动时驱动机构可能会穿过粮食对粮食下方覆盖的感知层造成破坏，覆盖的粮食无法起到隔绝平仓机器人和感知层的作用。

7、进一步地，所述控制中枢控制平仓机器人部署感知层，包括平仓机器人尾部一侧设置有拖钩，所述数据线末端设置有与拖钩相匹配的挂环，所述控制中枢通过无线局域网发送指令至平仓机器人，执行立杆上卷收装置的展开工作；

8、所述控制中枢通过无线局域网再次发送指令至平仓机器人重复执行卷收装置的展开工作，依次将所有立杆上卷收装置全部展开，完成感知层的部署。

9、进一步地，所述粮食转出时控制中枢控制卷收装置收纳感知层，包括感知层将压力数据传输至控制中枢，具体为感知终端通过内部的压力传感器获取压力数据，再由数据线将压力数据传输至控制中枢，所述控制中枢基于压力数据通过公式计算每个感知终端所在区域上方的粮食高度h，其中，p为感知终端内置压力传感器获取的垂直压力值，为粮食的堆积密度，单位为千克/立方米，不同粮种数值不同，g为重力加速度，一般取值为9.8n/kg，k为粮食压力修正系数，无量纲，由于粮食为非流体，存在内摩擦力，导致实测压力不完全等于理论静水压，所以需要修正系数k进行适当修正，当粮食高度低于40厘米或者低于上下感知层间距的30%时，两者取最小值，代表卷收装置旋转时的驱动力可以克服感知终端受到周身粮食挤压带来的阻力，控制中枢执行卷收进程控制对应的卷收装置完成卷收流程；

10、卷收进程执行时，控制中枢发送指令至卷收装置，卷收装置反转卷收数据线，数据线同步带动对应的感知终端移动收纳进卷收装置，卷收装置完成卷收流程，卷收进程停止；

11、待同一水平高度的所有卷收装置均完成卷收流程，完成感知层的收纳，下次装入粮食时再次由平仓机器人展开。

12、进一步地，所述空间数据具体通过以下方式获得：

13、控制中枢执行信号转化进程，控制中枢通过数据线分别给每个感知终端发送空间测量的指令，每个感知终端通过无线模块对外发送无线连接请求，感知终端将自身编号与对外建立连接的信号连接强度通过数据线反馈给控制中枢，感知终端的编号用于区分，每个感知终端的编号具备唯一性，控制中枢根据公式计算每个感知终端之间的距离d，其中g为感知终端接收到的信号连接强度，单位为dbm，q为参考距离处的信号连接强度，为出厂参数标定，n为路径损耗指数，根据无线模块所在环境确定具体数值；

14、控制中枢重复执行信号转化进程直至所有感知终端所连信号均完成距离计算，建立空间坐标系，单位为米，以最底部感知层中第一个卷收装置展开的感知终端作为原点，依次计算每个感知终端的坐标，控制中枢将所有感知终端的坐标合并为数据集，将数据集标记为空间数据。

15、进一步地，所述控制中枢建立数字孪生模型，包括控制中枢基于webgl建立空白模型，将空间数据输入空白模型中对齐展开得到第一模型，将每个感知终端标记为监测点，将温湿度数据与对应的监测点绑定生成3d热力图标记为第二模型，将压力数据与对应的监测点绑定得到压力分布图标记为第三模型，建立基于振动数据的第四模型，使用傅里叶变换提取振动数据中的频谱图，在频谱图中设定振动阈值，振动阈值需要维护人员在监控台中手动设置，当振动数据中的数值大于振动阈值时，第四模型中对应监测点显示点扩散波形，通过显示点扩散波形来直观显示粮堆内部的振动能量分布；

16、控制中枢将第一模型、第二模型、第三模型和第四模型叠加融合得到数字孪生模型。

17、进一步地，所述云端ai建立异常事件，包括云端ai基于状态信息计算每个感知终端的综合异常得分，具体如下：

18、所述云端ai记录控制中枢上传的状态信息并针对每项数据建立每个感知终端的曲线图，即温湿度曲线图、压力曲线图、振动曲线图和空间曲线图，温湿度曲线图用于反映对应感知终端的温湿度变化情况，压力曲线图用于反映对应感知终端的压力变化情况，振动曲线图用于反映对应感知终端的振动幅度变化情况，空间曲线图用于反映对应感知终端位移幅度变化情况，计算每个曲线图的历史滑动平均基准值，每个曲线图均为时间序列数据，计算每项数据的历史标准差，用于衡量波动的合理性，设定状态信息中每项数据的权重系数e，权重系数e可以动态调整不同种类数据的优先程度，根据粮仓内实际存储情况设定具体数值，根据公式计算每个感知终端的综合异常得分，其中为第j项数据种类的权重值，为当前该项数据的实测数值，综合异常得分可以量化当前数值偏离正常的程度，云端ai针对每项数据设定异常阈值，云端ai基于状态信息进行数据训练后智能设定每项数据异常阈值的具体数值，当综合异常得分数值大于异常阈值时，云端ai建立异常事件并将触发异常阈值的感知终端编号与异常事件下发至控制中枢，由控制中枢转发至监控台在数字孪生模型中显示。

19、进一步地，所述云端ai制定维护计划，包括云端ai分别记录每个感知终端的运行时间和无异常事件累计时间，云端ai设定未来7天内感知终端触发异常事件的概率，根据公式计算每个感知终端的维护优先级指数mpi，云端ai将所有感知终端按照维护优先级指数mpi数值由大到小进行排列得到维护计划，mpi数值越大需要维护的优先级越高，概率由云端ai通过数据训练获得，用于数据训练的数据集为所有感知终端的状态信息，云端ai为开源的deepseek-r1通用大语言模型。

20、进一步地，所述卷收装置完全展开后，所述平仓机器人将展开后的粮食表面标记为禁行区域，此时数据线裸露在粮食表面，平仓机器人的驱动机构在经过数据线时会破坏数据线和感知终端的部署，待下次转入粮食时，平仓机器人在转入粮堆由内而外进行粮食表面整平作业，整平后的区域从禁行区域标记为正常区域，粮食转入时一般采用粮食输送机往粮仓内输送，输送完成后粮食会形成圆锥形的粮堆，此时控制平仓机器人从粮堆顶部开始由内而外进行粮食整平作业，平仓机器人整平作业为现有技术，在此不再赘述，所述平仓机器人将圆锥形的粮堆逐渐摊平的过程中，摊平后的粮食存在一定的厚度，可以隔绝平仓机器人与感知层，因此可以将标记的禁行区域改回正常区域。

21、进一步地，所述卷收装置的展开工作执行时，包括平仓机器人移动至立杆所在区域，将尾部拖钩伸入数据线末端的挂环中，所述平仓机器人朝远离立杆的另一侧墙壁移动，拖钩拉动挂环带动数据线移动，数据线带动卷收装置正转依次将感知终端拉出，所述平仓机器人在移动过程中，通过无线局域网定位确定自身在粮仓内的位置，平仓机器人的无线定位同样基于uwb技术，粮仓内墙壁上设置了定位基站，平仓机器人通过分析自身与每个定位基站的无线信号连接强度得到自身的位置信息，因uwb定位技术在平仓机器人上早已应用，具体定位实现原理在此不再赘述，平仓机器人根据自身定位判断自身到达远离立杆的另一侧墙壁时，完成单个立杆上卷收装置的展开工作。

22、本发明具有以下有益效果：

23、1、通过使用平仓机器人部署感知层，精准的从粮堆内部获取全面细致的状态信息，相比较现有的采集方案，本发明拓宽数据采集的种类和范围，使得粮食状态监测变得更加全面，同时，本发明利用非作业状态下的平仓机器人铺设感知终端，根据压力数据自动判断卷收装置的收纳条件，实现感知终端的自动部署与收纳，不额外增加建设成本，减少人工的投入，提高部署效率。

24、2、通过建立数字孪生模型，可以将感知终端获取的状态信息转化为直观的立体模型，运维人员通过监控台即可查看粮堆的实时状态，相比较传统的数据分析加图表，本发明的数据特征表达更加简单直观，通过云端ai制定运维计划，可以提高粮食维护的决策效率和异常预警的及时性。

25、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。