[发明专利]一种基于人工智能的起重机车轮控制方法

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的起重机车轮控制方法。该方法首先获取起重车每个车轮的轮轨接触面的第一图像，并得到踏面接触边缘图；根据踏面接触边缘图得到融合边缘图及其对应的横移程度和咬合风险程度，将横移程度大于预设横移阈值的融合边缘图输入第一风险网络得到危险速度；将横移程度小于预设横移阈值的融合边缘图输入第二风险网络输出安全速度；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。本发明利用了控制双主动轮的速度差来反向抵消咬合风险程度和横移偏差，达到减少咬合事件发生的目的。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的起重机车轮控制方法。

背景技术

桥式起重机作为机车、车辆检修的一项重要设备，在铁路运输企业中得到广泛的应用。桥式起重机的车轮在轨道上运行时车轮与轨道发生磨损，导致车轮踏面和轨道行车面发生变形，进而导致轮轨接触面发生变化，使车轮和轨道发生横移，车轮轮缘接触车轨，产生挤压，这种情况称为车轮咬轨，车轮咬轨会导致车轮和轨道发生磨损。如果存在车轮轮缘偏磨的隐患，轻则毁坏设备，重则引起伤亡事故，故必须重视车轮轮缘偏磨的处理。

目前，对于起重机车轮轮缘偏磨咬合情况的控制检测采用实时监测每个车轮踏面磨损量的变化，监测车轮踏面磨损量变化的方法，不能评估车轮发生咬合的咬合风险程度，且只有当磨损量达到阈值时才能够检测到车轮的磨损状态，且无法在车轮咬合初期就避免咬合事件的发生。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的起重机车轮控制方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于人工智能的起重机车轮控制方法，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；

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。

优选的，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。

优选的，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。

优选的，所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。

优选的，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：