[发明专利]一种输水隧洞挖掘机作业状态的识别方法及系统

权利要求书

1.一种输水隧洞挖掘机作业状态的识别方法，其特征在于，所述方法包括：

对挖掘机在t时刻下的实际关节点位置数据l_t进行采集；

基于GRU循环神经网络模型对所述实际关节点位置数据l_t进行估计运算，输出所述挖掘机在t+1时刻下的预测关节点位置数据

结合所述实际关节点位置数据l_t与所述预测关节点位置数据之间的变化关系，识别所述挖掘机在t时刻下的作业状态。

2.根据权利要求1所述的输水隧洞挖掘机作业状态的识别方法，其特征在于，所述对挖掘机在t时刻下的实际关节点位置数据l_t进行采集包括：

基于输水隧洞内部面向所述挖掘机的作业区域架设有摄像头，采集所述挖掘机在t时刻下的图像数据；

在所述图像数据中标注出所述挖掘机的五个关节点位置，统计所述挖掘机在t时刻下的实际关节点位置数据l_t。

3.根据权利要求2所述的输水隧洞挖掘机作业状态的识别方法，其特征在于，所述在所述图像数据中标注出所述挖掘机的五个关节点位置包括：

在所述图像数据中标注出所述挖掘机的机体重心位置为关节点0、所述挖掘机的机体尾部位置为关节点1、所述挖掘机的斗杆起始位置为关节点2、所述挖掘机的斗杆尾部位置为关节点3以及所述挖掘机的铲斗尾部位置为关节点4。

4.根据权利要求1所述的输水隧洞挖掘机作业状态的识别方法，其特征在于，所述基于GRU循环神经网络模型对所述实际关节点位置数据l_t进行估计运算，输出所述挖掘机在t+1时刻下的预测关节点位置数据包括：

获取基于所述GRU循环神经网络模型所预测得到的所述挖掘机在t时刻下的预测关节点位置数据h_t-1；

将所述预测关节点位置数据h_t-1和所述实际关节点位置数据l_t导入所述GRU循环神经网络模型的重置门单元进行矩阵运算，得到应遗忘信息量；

将所述预测关节点位置数据h_t-1、所述实际关节点位置数据l_t和所述应遗忘信息量导入所述GRU循环神经网络模型的隐藏层进行训练，得到记忆更新内容；

将所述预测关节点位置数据h_t-1和所述实际关节点位置数据l_t导入所述GRU循环神经网络模型的更新门单元进行矩阵运算，得到被保留信息量；

对所述预测关节点位置数据h_t-1、所述被保留信息量和所述记忆更新内容进行融合运算，得到所述挖掘机在t+1时刻下的预测关节点位置数据

5.根据权利要求4所述的输水隧洞挖掘机作业状态的识别方法，其特征在于，在获取基于所述GRU循环神经网络模型所预测得到的所述挖掘机在t时刻下的预测关节点位置数据h_t-1之前，还包括：

基于所述挖掘机在历史时刻下的若干组预测关节点位置数据和若干组实际关节点位置数据，确定所述GRU循环神经网络模型使用到的损失函数。