[发明专利]一种基于人工智能的起重机车轮控制方法

权利要求书

1.一种基于人工智能的起重机车轮控制方法，其特征在于，该方法包括以下步骤：

分别获取起重机每个车轮的轮轨接触面的第一图像，检测所述第一图像得到所述轮轨接触面中踏面和行车面的踏面接触边缘图；

获取所述踏面接触边缘图中踏面和行车面的接触边缘，对所述接触边缘上的像素点进行主成分分析得到主方向单位向量；根据所述踏面接触边缘图和所述接触边缘的所述主方向单位向量得到横移程度；根据所述主方向单位向量和预设单位向量的相似度得到咬合概率，由所述咬合概率和所述横移程度计算咬合风险程度；根据所述踏面接触边缘图得到融合边缘图及其对应的横移程度；将所述横移程度大于预设横移阈值的所述融合边缘图输入第一风险网络得到危险速度；将所述横移程度小于预设横移阈值的所述融合边缘图输入第二风险网络输出安全速度；当第二风险网络训练完毕之后，实时采集踏面接触边缘图，将该踏面接触边缘图输入第二风险网络输出双主动轮的安全速度，在起重机工作过程中，使车轮组中的主动轮以该安全速度运行；

所述第二风险网络的损失函数为差速损失项、经验损失项和速度损失项之和；所述差速损失项为双主动轮之间的速度差和所述咬合风险程度的完全平方差；所述经验损失项由车轮的实时速度和所述危险速度的绝对差值得到；所述速度损失项为所述实时速度和车轮的平均速度的完全平方差；

其中，所述由所述咬合概率和所述横移程度计算咬合风险程度，包括：

将所述咬合概率和所述横移程度相乘得到初始咬合程度；对所述咬合概率、所述横移程度和对应的所述初始咬合程度进行直线拟合，得到拟合直线的斜率；

根据所述咬合概率、所述横移程度和所述斜率得到咬合风险程度。

2.根据权利要求1所述的一种基于人工智能的起重机车轮控制方法，其特征在于，所述踏面接触边缘图的获取方法，包括：

利用语义分割网络获取所述第一图像中的车轮感兴趣区域和轨道感兴趣区域；

检测所述车轮感兴趣区域的轮廓作为踏面边缘、所述轨道感兴趣区域的轮廓作为行车面边缘，得到踏面接触边缘图。

3.根据权利要求1所述的一种基于人工智能的起重机车轮控制方法，其特征在于，所述根据所述踏面接触边缘图得到融合边缘图，包括：

堆叠同一时间段内所有车轮的所述踏面接触边缘图，得到融合边缘图。

4.根据权利要求2所述的一种基于人工智能的起重机车轮控制方法，其特征在于，所述根据所述踏面接触边缘图和所述接触边缘的所述主方向单位向量得到横移程度，包括：

获取所述踏面接触边缘图中所述踏面边缘的中心坐标和所述行车面边缘的中心坐标的位移向量；根据所述位移向量和所述主方向单位向量得到横移程度。

5.根据权利要求1所述的一种基于人工智能的起重机车轮控制方法，其特征在于，所述对所述接触边缘上的像素点进行主成分分析得到主方向单位向量，包括：

对所述接触边缘上的所有像素点进行主成分分析得到两个主成分单位向量；将每个像素点对应的像素坐标在两个所述主成分单位向量上进行投影得到两个投影方差，将较大的所述投影方差对应的主成分单位向量作为主方向单位向量。

6.根据权利要求1所述的一种基于人工智能的起重机车轮控制方法，其特征在于，所述根据所述咬合概率、所述横移程度和所述斜率得到咬合风险程度，包括：所述咬合风险程度的计算公式为：

其中，为第个车轮的所述咬合风险程度；为第个车轮的所述咬合概率；为第个车轮的所述横移程度；为第个车轮的所述斜率。

7.根据权利要求1所述的一种基于人工智能的起重机车轮控制方法，其特征在于，所述第一风险网络的损失函数采用均方差损失函数。