【摘要】 本发明公开了一种挖掘机工作循环阶段自动识别方法，其实现过程为：压力传感器采集挖掘机工作过程中主泵压力，传输至控制单元，经过滤波等预处理；读取预处理后的压力数据，提取其特征向量，输入事先建立好的神经网络模型中；神经网络模型的输出结果经过优化后输入显示单元，最终在显示单元上显示挖掘机所处工作阶段。该方法通过一小段数据即可识别出挖掘机工作于循环哪一阶段，满足在线识别的实时性要求，同时为挖掘机分阶段控制奠定基础。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310058 浙江省杭州市西湖区余杭塘路866号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210378919.5 【申请日】2012-09-29 【申请年份】2012 【公开公告号】CN102877500B 【公开公告日】2014-10-29 【公开公告年份】2014 【授权公告号】CN102877500B 【授权公告日】2014-10-29 【授权公告年份】2014.0 【IPC分类号】E02F9/20 【发明人】彭贝; 高宇; 冯培恩; 赵峰; 潘军威 【主权项内容】1.一种挖掘机工作循环阶段自动识别方法，其特征在于，该方法包括以下步骤： 步骤1：建立神经网络模型：以作业循环挖掘阶段开始后0.4秒内两个主泵压力波形、作业循环提升回转阶段开始后0.4秒内两个主泵压力波形、作业循环卸载阶段开始后0.4秒内两个主泵压力波形、作业循环空斗返回阶段开始后0.4秒内两个主泵压力波形及作业循环空斗返回结束前0.4秒内两个主泵压力波形作为分段标志，对作业循环进行分段；在PC机上建立一个ＢＰ神经网络模型，实现分段标志与循环阶段之间映射；映射关系为：作业循环挖掘阶段开始后0.4秒内两个主泵压力波形对应挖掘阶段；作业循环提升回转阶段开始后0.4秒内两个主泵压力波形对应提升回转阶段；作业循环卸载阶段开始后0.4秒内两个主泵压力波形对应卸载阶段；作业循环空斗返回阶段开始后0.4秒内两个主泵压力波形对应空斗返回阶段；作业循环空斗返回结束前0.4秒内两个主泵压力波形对应挖掘准备阶段；该步骤包括以下子步骤： 子步骤1.1：设计输入和输出向量：提取分段标志的特征向量，作为神经网络的输入；分段标志包括前后泵两个压力波形，其特征向量由以下8个特征值构成：1、前泵压力的平均值；2、前泵压力的均方差；3、后泵压力的平均值；4、后泵压力的均方差；5、前泵与后泵压力之差的平均值；6、前泵与后泵压力之差的均方差；7、前泵压力最后三个数据与最初三个数据之差的平均值；8、后泵压力最后三个数据与最初三个数据之差的平均值；神经网络的输出为挖掘循环的5个段，分别用向量表示如下：挖掘：[1 0 0 0 0]；提升回转：[0 1 0 0 0]；卸载：[0 0 1 0 0]；空斗返回：[0 0 0 1 0]；挖掘准备：[0 0 0 0 1]； 子步骤1.2：创建神经网络模型：采用3层神经网络，输入层神经元个数为8，输出层神经元个数为5，隐含层神经元个数为10；隐含层和输出层传递函数均选用tansig函数； 子步骤1.3：训练神经网络：采集挖掘机实际挖掘过程中主泵压力，从中挑选200个挖掘循环的的压力波形，每个循环对应波形上截取5个分段标志；提取分段标志的特征值，得到1000个特征向量，与对应输出一起构成训练样本空间；在PC机上对神经网络进行训练；将训练好后的网络模型输入控制单元； 步骤2：采集主泵压力信号，传输至控制单元中：挖掘机工作过程中，两个压力传感器分别采集挖掘机的两个主泵上的压力信号，并将压力信号传送至控制单元中； 步骤3：对压力数据进行预处理：控制单元首先对压力信号作预处理，通过加权递推均值滤波算法去除压力信号中的噪声干扰；具体算法为： 其中，为滤波后的压力，(i=0, 1, 2, 3)为原始压力数据； 步骤4：读取预处理后的压力传感器头0.4秒采集的压力数据； 步骤5：提取读取的压力数据的特征向量，输入神经网络模型，根据输出结果判断挖掘机对应的工作阶段；该步骤包括以下子步骤： 子步骤5.1：提取压力数据的特征向量：计算压力数据以下特征值：1、前泵压力的平均值；2、前泵压力的均方差；3、后泵压力的平均值；4、后泵压力的均方差；5、前泵与后泵压力之差的平均值；6、前泵与后泵压力之差的均方差；7、前泵压力最后三个数据与最初三个数据之差的平均值；8、后泵压力最后三个数据与最初三个数据之差的平均值；这8个特征值构成压力数据的特征向量； 子步骤5.2：识别压力数据对应阶段：将子步骤5.1中得到的特征向量输入步骤1建立好的神经网络模型中，得到一个输出向量；根据输出向量判别挖掘机所处工作阶段，判别方法如下： a、输出向量中只有一项大于0.95：若第一项大于0.95，输出为挖掘阶段；若第二项大于0.95，输出为提升回转阶段；若第三项大于0.95，输出为卸载阶段；若第四项大于0.95，输出为空斗返回阶段；若第五项大于0.95，输出为挖掘准备阶段； b、输出向量没有一项大于0.95或超过一项大于0.95，按照前一个输出结果输出；若之前没有输出结果，则输出为挖掘准备阶段； 步骤6：优化神经网络输出结果，构建产生式系统，对神经网络输出结果进行优化，该步骤包括以下子步骤： 子步骤6.1：构建产生式规则库：产生式规则库包含一系列与优化有关的规则，用IF-THEN表示；IF部分说明应用这条规则必须满足的条件，THEN部分为执行的操作；对于本发明，规则的包括三个方面：一是挖掘机作业过程中必须遵守的操作规范；二是挖掘循环的作业顺序；三是作业过程中主泵压力特征；将所有规则列出，构成规则库： 规则一：IF当前输出为挖掘，AND前一个输出为提升回转，THEN当前输出为提升回转； 规则二：IF当前输出为挖掘，AND前一个输出为卸载，AND此挖掘与上一次挖掘之间存在提升回转或空斗返回阶段，THEN当前输出为卸载； 规则三：IF当前输出为挖掘，AND前一个输出为空斗返回，AND此挖掘与上一次挖掘之间没有挖掘准备，THEN当前输出挖掘为卸载； 规则四：IF当前输出为挖掘，AND前一个输出为挖掘准备，AND主泵压力均小于100bar，THEN当前输出为挖掘准备； 规则五：IF当前输出为提升回转，AND两泵压力之差大于10bar，THEN当前输出与前一个输出相同； 规则六：IF当前输出为提升回转，AND前一个输出为挖掘，AND挖掘时间小于2秒，THEN当前输出为挖掘； 规则七：IF当前输出为提升回转，AND前一个输出为卸载，AND卸载时间大于1秒，THEN当前输出为卸载； 规则八：IF当前输出为提升回转，AND前一个输出为挖掘准备，THEN当前输出为挖掘准备； 规则九：IF当前输出为卸载，AND前一个输出为挖掘，THEN当前输出为挖掘； 规则十：IF当前输出为卸载，AND前一个输出为挖掘准备，THEN当前输出为挖掘准备； 规则十一：IF当前输出为空斗返回，AND前一个输出为提升回转，THEN当前输出为提升回转； 规则十二：IF当前输出为空斗返回，AND前一个输出为挖掘准备，THEN当前输出为挖掘准备； 规则十三：IF当前输出为挖掘准备，AND前一个输出为挖掘，THEN当前输出为挖掘； 规则十四：IF当前输出为挖掘准备，AND前一个输出为提升回转，THEN当前输出为提升回转； 规则十五：IF当前输出为挖掘准备，AND前一个输出为卸载，THEN当前输出为卸载； 子步骤6.2：优化神经网络输出结果：产生式系统的数据库中存储了当前神经网络输出结果、当前主泵的压力大小及所有优化后的输出结果；推理机将数据库中的数据与产生式规则库中规则的IF部分相匹配，以决定优化后系统的输出结果； 步骤7：显示输出结果：两个主泵压力及优化后的输出结果通过CAN总线传输至显示单元，绘成曲线后显示在显示屏上；用点来表示输出结果，点的横坐标为当前时刻，点的纵坐标与输出结果对应如下：纵坐标等于0时，为挖掘阶段；纵坐标等于100时，为提升回转阶段；纵坐标等于200时，为卸载阶段；纵坐标等于300时，为空斗回转阶段；纵坐标等于400时，为挖掘准备阶段；将所有表示输出结果的点连接起来，构成一条曲线； 步骤8：顺序读取数据并在显示屏上实时显示挖掘机的工作循环：从前一次读取结束的位置继续读入预处理后的压力传感器0.02秒采集的压力数据，并将最早读入的预处理后的压力传感器0.02秒采集的压力数据剔除，保持总数据量不变；重复步骤5、步骤6、步骤7，直至没有数据读入，优化后的输出结果顺序输出至显示单元，从而在显示屏上实时显示挖掘机的工作循环。。该数据由<>整理 【当前权利人】浙江大学 【当前专利权人地址】浙江省杭州市西湖区余杭塘路866号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】5.0 【被引证次数】2 【他引次数】5.0 【被他引次数】2.0 【家族引证次数】5.0 【家族被引证次数】23

未经允许不得转载：http://www.zhongzhencnc.com/1791587034.html