[发明专利]一种耙吸船智能挖掘工艺参数的计算方法

权利要求书

1.一种耙吸船智能挖掘工艺参数的计算方法，其特征在于，包括以下步骤：

步骤1：收集日报表和历史数据；

步骤2：统计施工数据范围，将非施工时间段的数据舍弃，统计施工数据为：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，泥砂流速，泥砂密度；

步骤3：生成学习样本数据，根据步骤2的数据类型将他们进行步进设置，根据施工数据范围和步进为依据进行分组，根据设置的门槛进行数据过滤，反推算耙头密度，最后对数据进行筛选；

步骤4：计算神经网络，将步骤3的样本数据输入神经网络模型，输入层信号为：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，隐含层为4个隐层，输出层信号为流速和密度；

步骤5：选取工艺参数，选用误差小的神经网络来提取方案用的数据，对数据进行统计、划分区段及提取，最后在施工参数组合中选取。

2.根据权利要求1所述的一种耙吸船智能挖掘工艺参数的计算方法，其特征在于：所述步骤2中，非施工时间段的计算方法为：

p_i＝n_i/n_zong，

式中，n_zong为施工期间总点数，n_i为各个区段的点数，p_i为各个区段概率大小，p_i70％范围认为在有效施工数据范围内。

3.根据权利要求1所述的一种耙吸船智能挖掘工艺参数的计算方法，其特征在于：所述步骤3中，包括以下步骤，

步骤3.1：提取信号：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，对地航速、波浪补偿器压力、耙头角度、下耙管角度及泥泵吸口深度的步进分别为0.1、0.5、2、2、5进行设置，分组数量则是由施工数据范围和步进得到；

步骤3.2：数据过滤，第一层对施工时间段数据进行过滤，要求在指定的施工时间段内，第二层对施工数据进行过滤，要求对地航速1kn且补偿器行程0.1m，第三层对有效施工数据过滤，要求要在这之间且不包含设置值：泥浆密度(1.025,1.6)且流速(4.5,6)；

步骤3.3：反推，反推算耙头泥砂密度，该施工数据中密度是该段时间点流量计测得密度，由于施工密度存在时间延迟效益，根据公式耙管长度/泥砂速度，获得一个密度的提前时间，根据时间点要反算到耙头泥砂密度；

步骤3.4：筛选，任何样本数据中的有效点数量必须大于等于5才会被认为是有效样本数据。

4.根据权利要求1所述的一种耙吸船智能挖掘工艺参数的计算方法，其特征在于：所述步骤4中，包括以下步骤，

步骤4.1：对施工数据进行归一化处理min-max标准化，其中max为样本数据的最大值，min为样本数据的最小值；

步骤4.2：输入层为4个节点：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，输出层为2个节点：流速和密度，设定好隐层数量、神经节点数量和误差，其中隐含层数量为4，调整各个节点的均方差和迭代，按序递减至万分至二，当达到每一个设置误差时，系统会保存该误差下的神经网络，神经网络计算完成之后，选用不同精度的神经网络计算对比数据，统计比选统计数据和学习数据误差，选用误差小的神经网络。

5.根据权利要求1所述的一种耙吸船智能挖掘工艺参数的计算方法，其特征在于：所述步骤5中，包括以下步骤，

步骤5.1：逆向筛选数据，施工数据首先要降维处理：首先对泥泵吸口深度进行降维，以5米为步进进行降维，分为两组泥泵吸口深度数据；

步骤5.2：每组泥泵吸口深度分12种组合，12个组合能够对4个维度信号进行降维：对地航速、波浪补偿器压力、耙头角度、下耙管角度，加上泥泵吸口深度2组，形成5个维度的信号；

步骤5.3：对数据进行筛选和提取，对2组泥泵吸口深度数据分别进行该组合中一组方案的最大点数和高点区域点数超过总点数7.5％的方案个数统计，并且选择其中满足上述要求最多的一组数据；

步骤5.4：对其中一组方案数据统计出泥浆密度的上下限值，以这个区域范围作为基础，再次统计这个区域中80％的泥浆密度数目，并且统计出这些施工数据；

步骤5.5：再次判断统计出来泥浆密度高点数目，规则是点数超过总点数的80％，同时纵横列都大于其点数的开平方，依据点面积较大，斜率较小，根据上述依据最终产生施工参数，以项目名称、土质参数，来命名施工参数组合，这些参数组合用来指导船舶施工状态。