[发明专利]一种基于LSTM神经网络的挖掘机分阶段功率匹配方法

权利要求书

1.一种基于LSTM神经网络的挖掘机分阶段功率匹配方法，其特征在于，该方法分为两个方面：挖掘机工作阶段识别方法以及功率匹配方法；

所述的挖掘机工作阶段识别方法包括以下步骤：

S1：收集原始数据，对原始数据进行去噪处理，提取压力数据信号；

S2：将提取的压力数据信号进行预处理，构建输入的特征向量；

S3：将需要输入LSTM神经网络模型的数据与挖掘机各阶段相对应，使得数据带有关于各阶段的标签，构建样本空间；

S4：将带标签的数据划分为训练集、交叉验证集和测试集；

S5：设计LSTM神经网络模型，将标签数据输入LSTM神经网络模型进行训练；

S6：在交叉验证集上不断调整学习速率、采样间隔参数，选择准确度最高的模型对应的参数值；

S7：确定LSTM神经网络模型的最终参数值，将LSTM神经网络模型运行在测试集数据上，运行结果即为最终挖掘机工作阶段识别准确率；

功率匹配方法具体过程为：LSTM神经网络模型识别出挖掘机当前处于哪种工作阶段，对应当前阶段按照预设的功率进行发动机泵阀功率匹配。

2.根据权利要求1所述的一种基于LSTM神经网络的挖掘机分阶段功率匹配方法，其特征在于：所述步骤S1中的收集原始数据包括采集挖掘机主泵1和主泵2的泵出口压力，其采样频率为100Hz，滤波去噪之后间隔一定时间用一定宽度的窗口滑动提取信号。

3.根据权利要求1所述的一种基于LSTM神经网络的挖掘机分阶段功率匹配方法，其特征在于：所述步骤S2的预处理包括计算数据的均值和方差；所述的构建输入特征向量包括：计算主泵1压力平均值x₁；计算主泵2压力平均值x₂；计算主泵1压力均方差x₃；计算主泵2压力均方差x₄；计算主泵1和主泵2压力差的平均值x₅；计算主泵1和主泵2压力差的均方值x₆；构建输入特征向量为：x_t＝[x₁,x₂,x₃,x₄,x₅,x₆]。

4.根据权利要求1所述的一种基于LSTM神经网络的挖掘机分阶段功率匹配方法，其特征在于：所述步骤S3数据标签包括挖掘机工作过程五个阶段：挖掘准备阶段、挖掘阶段、提升回转阶段、卸载阶段、空斗返回阶段；构建的输入LSTM神经网络模型的标签使用如下向量表示：挖掘准备阶段[1,0,0,0,0]；挖掘阶段[0,1,0,0,0]；提升回转阶段[0,0,1,0,0]；卸载阶段[0,0,0,1,0]；空斗返回阶段[0,0,0,0,1]。