haku: @supervisor Kyrki, Ville / yhteensä: 45
viite: 43 / 45
Tekijä: | Laitasalmi, Heikki |
Työn nimi: | Konenäköön perustuva nosturin käytön ja turvallisuuden seuranta |
Machine Vision based Supervision of Crane Safety and Operation | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2013 |
Sivut: | (14) + 99 s. + liitt. 8 Kieli: fin |
Koulu/Laitos/Osasto: | Automaatio- ja systeemitekniikan laitos |
Oppiaine: | Automaatiotekniikka (AS-84) |
Valvoja: | Kyrki, Ville |
Ohjaaja: | Eriksson, Lasse |
Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201401101091 |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto 4986 | Arkisto |
Avainsanat: | EOT machine vision machine learning operation supervision safety supervision siltanosturi konenäkö koneoppiminen käytönvalvonta turvallisuudenvalvonta |
Tiivistelmä (fin): | Työn tavoitteena on ottaa käyttöön konenäköön perustuva prototyyppijärjestelmä ja kehittää menetelmiä nosturin käytönaikaisen turvallisuuden, tehokkuuden ja luotettavuuden määrittämiseen. Menetelmäkehityksen lisäksi tavoitteena on mitata järjestelmän suorituskyky. Saatujen tuloksien perusteella pohditaan jatkokehityksen vaiheita. Työn teoriaosuuden teemoiksi on valittu nosturitekniikka, konenäkö ja koneoppiminen. Nosturitekniikasta tutustutaan siltanosturin toimintaympäristöön, käyttöön, mitoitukseen sekä kunnon- ja turvallisuudenvalvontaan. Koneoppimisesta esitellään piilo-Markov-mallinnukseen perustuva nostotyön mallinnusmenetelmä. Konenäön perusteet käsitellään lyhyesti, jotta prototyyppilaitteiston toimintaperiaate ja mittaustuloksissa esiintyvät ilmiöt voidaan ymmärtää paremmin. Käytännön osuudessa esitellään konenäköön perustuva mittausjärjestelmä, joka koostuu konenäkökamerasta, stereokamerasta ja rajapinnasta nosturin logiikkaan. Työssä kehitetään prototyyppijärjestelmää hyödyntäviä algoritmeja, jotka kykenevät muodostamaan arvioita nosturin käytöstä ja sen turvallisuudesta. Tämän lisäksi työssä määritellään käyttöraportti, joka on yksi työn keskeisimpiä tuloksia, koska se kuvaa nosturin käytönaikaista tehokkuutta helppotajuisessa muodossa. Prototyyppijärjestelmän teknistä suorituskykyä arvioidaan vertaamalla mittaustuloksia referenssijärjestelmiin. Työn tulokset koostuvat prototyyppijärjestelmän suorituskykymittauksista sekä kehitetyistä nosturin käytön- ja turvallisuudenvalvontamenetelmistä. Nostotyön mallintaminen avaa merkittäviä mahdollisuuksia käytönaikaisen tehokkuuden määrittämiseen. Tämän lisäksi esimerkiksi konenäköpohjainen taakan heilahduskulman laskenta yhdistettynä videokuvan tallentamiseen mahdollistaa vaaratilanteiden syiden selvittämisen. Tulevaisuuden kannalta työn tärkeimmät tulokset ovat tuotekonseptihahmotelmat, jotka toimivat vahvana perustana työn tulosten jatkokehitykselle ja kaupalliselle hyödyntämiselle. |
Tiivistelmä (eng): | The aim of the thesis is to utilize a machine vision based prototype system (MVPS) and to develop techniques for the supervision of an electric overhead travelling crane (EOT). These methods aim at assessing safety, performance and reliability of the EOT crane operation. Moreover, the thesis aims to measure the performance of MVPS. With the knowledge of acquired results, further development is considered. The essential themes of the theory section are crane technology, machine vision (MV) and machine learning. In crane technology part operation environment, operation, design principles, condition monitoring and safety monitoring of EOT are covered. Machine learning part introduces a Hidden Markov Model (HMM) based method for the duty cycle modeling of EOT crane. Further, a brief introduction to MV is given in order to increase awareness of the working principle of the MVPS and the underlying measurement and image processing methods. In the practical part of the thesis, the MVPS is introduced. The system is composed of a MV camera, a stereo camera and an interface to EOT crane logic controller. Moreover, algorithms utilizing MVPS are developed. These algorithms are capable of analyzing crane safety and operation. In addition, a crane operative report which intuitively reveals the crane performance is defined. MVPS performance is evaluated by comparing measurements with reference systems. Results of the thesis consist of MVPS performance measurements, developed algorithms and techniques for crane safety and operation supervision. Duty cycle modeling expands opportunities for EOT crane performance evaluation. Furthermore, MV based sway angle computation combined with video recording enables examination of hazardous situations. However, for the future steps the most important results are product concept sketches which are enablers for commercialization. |
ED: | 2014-01-19 |
INSSI tietueen numero: 48425
+ lisää koriin
INSSI