發(fā)布時間：2022-07-11 13:46

　　近年來,我國電梯數(shù)量連年高速增長,體現(xiàn)了電梯在現(xiàn)代生活中占據(jù)的地位越來越重要,在人們的日常生活中,電梯已經(jīng)成為每天出入最為頻繁的場所之一,因此針對如何確保電梯穩(wěn)定運(yùn)行安全、改善乘客在電梯內(nèi)部乘坐環(huán)境問題成為了社會關(guān)注的熱點問題之一。電梯的安全穩(wěn)定運(yùn)行是重中之重,通過實時監(jiān)測電梯運(yùn)行狀態(tài),采集電梯運(yùn)行信息就可以基于大數(shù)據(jù)分析提前預(yù)測電梯故障,避免潛在的安全隱患,同時由于電梯內(nèi)部是一個相對封閉的狹小空間,乘客乘坐時可能面臨各種突發(fā)狀況,及時準(zhǔn)確地識別乘客異常行為是電梯安全防范的必然發(fā)展趨勢;除此之外,現(xiàn)有電梯多媒體顯示系統(tǒng)畫面小,播放內(nèi)容單一,乘客獲取信息不便,加之在狹小的電梯空間內(nèi)容易產(chǎn)生煩躁、壓抑的心情,乘坐體驗差。針對上述問題,本文提出了基于ARM嵌入式的電梯信息采集及微投系統(tǒng)優(yōu)化與研究,主要探討研究了一種獨(dú)立式的集電梯運(yùn)行信息采集、乘客異常行為識別、投影顯示多媒體信息為一體的系統(tǒng)實現(xiàn)方法。根據(jù)設(shè)計需求,引入邊緣計算概念,分配部署了三塊邊緣計算設(shè)備,保證系統(tǒng)各個模塊的算力需求。在電梯運(yùn)行信息采集部分,首先提出利用JY901B十軸高精度傳感器檢測電梯加速度、所處位置的大氣壓,利用PT1... 

【文章頁數(shù)】：111 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 電梯狀態(tài)信息采集研究現(xiàn)狀
        1.2.2 電梯乘客異常行為檢測研究現(xiàn)狀
        1.2.3 電梯微投系統(tǒng)及多媒體系統(tǒng)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 論文的主要結(jié)構(gòu)安排
2 系統(tǒng)整體方案
    2.1 系統(tǒng)研究主體框架
    2.2 系統(tǒng)感知層
        2.2.1 電梯狀態(tài)信息采集傳感器
        2.2.2 電梯異常行為采集攝像頭
        2.2.3 微型投影光機(jī)
    2.3 系統(tǒng)邊緣計算層
        2.3.1 邊緣計算
        2.3.2 分布式邊緣計算設(shè)備
    2.4 系統(tǒng)應(yīng)用層
        2.4.1 應(yīng)用控制中心
        2.4.2 移動應(yīng)用端
    2.5 本章小結(jié)
3 電梯狀態(tài)信息采集模塊
    3.1 電梯運(yùn)行狀態(tài)檢測硬件搭建
        3.1.1 電梯運(yùn)行狀態(tài)檢測硬件設(shè)計框圖
        3.1.2 電梯運(yùn)行狀態(tài)檢測電路設(shè)計
    3.2 電梯運(yùn)行狀態(tài)檢測算法實現(xiàn)
        3.2.1 電梯運(yùn)行狀態(tài)檢測主控板環(huán)境配置
        3.2.2 電梯運(yùn)行狀態(tài)檢測軟件設(shè)計流程
        3.2.3 傳感器數(shù)據(jù)解算
        3.2.4 優(yōu)化氣壓-海拔轉(zhuǎn)換算法
        3.2.5 電梯啟停檢測算法
        3.2.6 電梯樓層識別算法
        3.2.7 自適應(yīng)基準(zhǔn)標(biāo)定實現(xiàn)
    3.3 電梯環(huán)境溫度檢測原理及方案設(shè)計
        3.3.1 PT100溫度測量原理
        3.3.2 電梯環(huán)境溫度測量方案
    3.4 溫度測量電路硬件設(shè)計
        3.4.1 信號采集電路
        3.4.2 U_1/I轉(zhuǎn)換電路
        3.4.3 I/U_2轉(zhuǎn)換電路
        3.4.4 A/D轉(zhuǎn)換電路
    3.5 溫度轉(zhuǎn)化算法與補(bǔ)償
        3.5.1 溫度轉(zhuǎn)換算法
        3.5.2 溫度分段補(bǔ)償算法
    3.6 模塊測試
        3.6.1 電梯信息采集測試
        3.6.2 電梯溫度檢測測試
    3.7 本章小結(jié)
4 電梯乘客異常行為信息檢測模塊
    4.1 電梯乘客異常行為分類
        4.1.1 電梯乘客行為模式說明
        4.1.2 本文乘客異常行為分類
    4.2 現(xiàn)有異常行為檢測算法
        4.2.1 Hausdorff距離度量
        4.2.2 投影子窗檢測方法
        4.2.3 三步運(yùn)動搜索算法
    4.3 三級級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)模型
        4.3.1 基于深度學(xué)習(xí)的圖像算法發(fā)展
        4.3.2 三級級聯(lián)神經(jīng)網(wǎng)絡(luò)架構(gòu)
    4.4 電梯乘客異常行為樣本集
    4.5 數(shù)據(jù)預(yù)處理
    4.6 乘客異常行為檢測模型訓(xùn)練
    4.7 乘客異常行為識別實驗測試
        4.7.1 模型評估指標(biāo)
        4.7.2 實驗測試
    4.8 乘客異常行為采集環(huán)境配置
    4.9 本章小節(jié)
5 電梯微投系統(tǒng)研究
    5.1 微投系統(tǒng)搭建
        5.1.1 微投系統(tǒng)硬件設(shè)計框圖
        5.1.2 微投系統(tǒng)主控板、光機(jī)驅(qū)動聯(lián)調(diào)
        5.1.3 微投系統(tǒng)主控板系統(tǒng)配置
    5.2 投影顯示界面設(shè)計
        5.2.1 電梯整體投影界面設(shè)計
        5.2.2 多媒體主畫面設(shè)計
        5.2.3 電梯信息畫面設(shè)計
        5.2.4 滾動字幕和畫中畫窗口設(shè)計
    5.3 微投系統(tǒng)內(nèi)容更新功能實現(xiàn)
    5.4 系統(tǒng)整體集成電路設(shè)計
        5.4.1 電源模塊設(shè)計
        5.4.2 模塊電路集成板
    5.5 本章小結(jié)
6 系統(tǒng)融合測試與分析
    6.1 樣機(jī)外殼設(shè)計
    6.2 樣機(jī)制作
    6.3 現(xiàn)測試
    6.4 測試數(shù)據(jù)及結(jié)果分析
    6.5 本章小結(jié)
7 總結(jié)與展望
    7.1 本文工作總結(jié)
    7.2 展望
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]電梯內(nèi)異常行為檢測系統(tǒng)設(shè)計[J]. 錢國華,程芳芳,朱孝慈,丁力,岳友,陸一洲,牛丹.  工業(yè)控制計算機(jī). 2019(11)
[2]一種改進(jìn)的Mask RCNN特征融合實例分割方法[J]. 溫堯樂,李林燕,尚欣茹,胡伏原.  計算機(jī)應(yīng)用與軟件. 2019(10)
[3]基于Linux Qt的機(jī)器視覺軟件架構(gòu)設(shè)計[J]. 林君健,邱清昉,張玉春,李思捷.  機(jī)床與液壓. 2019(17)
[4]基于QT的工業(yè)機(jī)器人人機(jī)交互系統(tǒng)的設(shè)計[J]. 徐建明,甘萬正,張文安,俞立.  高技術(shù)通訊. 2019(06)
[5]儀表程控異步Socket通信方法研究[J]. 龔成瑩,何輝,蘭聰花,梁金榮.  電氣自動化. 2019(02)
[6]基于大數(shù)據(jù)的電梯故障診斷與預(yù)測研究[J]. 陳志平,汪贊,張國安,李春光,李哲威,何平.  機(jī)電工程. 2019(01)
[7]深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的研究進(jìn)展[J]. 姚群力,胡顯,雷宏.  計算機(jī)工程與應(yīng)用. 2018(17)
[8]基于Android平臺的無線局域網(wǎng)通信APP設(shè)計與實現(xiàn)[J]. 王霄翔.  電子制作. 2018(13)
[9]基于PT100的高精度溫度測量電路的設(shè)計[J]. 顧吉林,劉淼,耿楊,湯宏山,王聆語,于月,吳茜.  測控技術(shù). 2018(05)
[10]基于遷移學(xué)習(xí)的無參考視頻質(zhì)量評價[J]. 張浩,桑慶兵.  激光與光電子學(xué)進(jìn)展. 2018(09)

碩士論文
[1]基于數(shù)據(jù)挖掘的電梯故障預(yù)測研究[D]. 盛山山.廣東工業(yè)大學(xué) 2018
[2]基于視頻的電梯轎廂內(nèi)乘客異常行為檢測研究[D]. 馬志偉.東南大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的電梯轎廂內(nèi)人數(shù)統(tǒng)計研究[D]. 劉堯.西南科技大學(xué) 2018
[4]電梯轎廂內(nèi)乘客異常行為檢測[D]. 朱玉杰.中國科學(xué)技術(shù)大學(xué) 2017
[5]基于視頻的電梯乘客異常狀態(tài)檢測算法研發(fā)[D]. 王雨晴.浙江大學(xué) 2017
[6]基于監(jiān)控視頻的人體異常行為檢測研究[D]. 吳揚(yáng).哈爾濱工業(yè)大學(xué) 2015
[7]電梯轎廂內(nèi)異常行為識別研究[D]. 付高靜.哈爾濱理工大學(xué) 2015
[8]基于ZigBee的電梯狀態(tài)信息無線監(jiān)測系統(tǒng)[D]. 刁莎.東華大學(xué) 2013
[9]基于視頻分析的電梯轎廂內(nèi)異常行為檢測研究[D]. 靳海燕.重慶大學(xué) 2012
[10]基于計算機(jī)視覺的電梯轎廂內(nèi)異常行為檢測[D]. 陸海峰.浙江工業(yè)大學(xué) 2009



本文編號：3658275