[发明专利]基于机器学习的装载机铲装作业过程优化方法

说明书

本发明旨在提供一种基于机器学习的装载机铲装作业过程优化方法，包括以下步骤：A、装载机进行多次实地铲装作业，收集每次作业的15个铲斗位置参数；B、收集每次作业铲装重量、作业能耗、作业时间这三个优化目标参数；C、收集每次作业的15个铲斗位置参数和优化目标参数形成多个铲斗位置参数数据组和优化目标参数数据组，去除数据组中的异常数据并进行归一化处理；D、构建BP神经网络；E、利用代价函数对神经网络进行训练和验证；F、利用训练好的神经网络，输入15个铲斗位置参数进行预测，经实际作业验证后选择最优的铲斗位置参数组，实现装载机铲装作业过程的优化。本发明可以对装载机铲装作业过程进行优化，具有良好的应用前景。

技术领域

本发明涉及装载机设计制造技术领域，具体涉及一种基于机器学习的装载机铲装作业过程优化方法。

背景技术

装载机是一种广泛用于公路、铁路、建筑、水电、港口、矿山等建设工程的土石方施工机械，它主要用于铲装土壤、砂石、石灰、煤炭等散状物料，也可对矿石、硬土等作轻度铲挖作业。换装不同的辅助工作装置还可进行推土、起重和其他物料如木材的装卸作业。在道路、特别是在高等级公路施工中，装载机用于路基工程的填挖、沥青混合料和水泥混凝土料场的集料与装料等作业。此外还可进行推运土壤、刮平地面和牵引其他机械等作业。由于装载机具有作业速度快、效率高、机动性好、操作轻便等优点，因此它成为工程建设中土石方施工的主要机种之一。

目前，铲装作业均是由人工操作进行的，劳动强度大，操作人员易疲劳，工作效率偏低。现有的自动铲装技术还处于新兴阶段，技术不够成熟。装载机铲装轨迹规划是实现装载机自动铲装的基础，同时合理的轨迹规划对对装载机作业过程的能源消耗和作业效率有着非常大的影响，相关轨迹优化方面的研究主要基于理论分析和仿真研究进行，缺乏实践检验。

发明内容

本发明旨在提供一种基于机器学习的装载机铲装作业过程优化方法，该方法能够帮助企业和装载机使用客户根据铲装作业条件进行载机铲装轨迹规划和优化，优化装载机铲装作业过程，实现铲装作业过程节能减排，具有良好的应用前景。

本发明的技术方案如下：

所述的基于机器学习的装载机铲装作业过程优化方法，包括以下步骤：

A、设定铲装物料，装载机进行多次实地铲装作业，收集每次作业全过程的装载机整车位移、动臂油缸位移、转斗油缸位移这三个铲斗位置参数；并记录各次的铲装重量实际值、作业能耗实际值、作业时间实际值；

B、基于每次作业的装载机整车位移、动臂油缸位移、转斗油缸位移这三个铲斗位置参数分析，将铲装作业划分为四个阶段：水平铲装阶段、铲斗翻转铲装阶段、铲装阶段、铲斗提升阶段，各次作业分别获得12个铲斗位置参数；

从各次的装载机整车位移、动臂油缸位移、转斗油缸位移提取出3个位移参数：载机铲入料堆的瞬时速度及动臂油缸初始长度和转斗油缸初始长度；

C、将各次作业的这15个位移参数收集起来，形成多个铲斗位置参数数据组，去除包含异常数据的数据组，然后进行归一化处理，获得多个归一化铲斗位置参数数据组，构建形成归一化铲斗位置参数数据集；对处于归一化位铲斗位置参数数据集中的各组数据所对应的铲装重量实际值、作业能耗实际值和作业时间实际值分别进行归一化处理，获得铲装重量实际归一化值、作业能耗实际归一化值、作业时间实际归一化值；

D、构建BP神经网络，神经网络包括输入层、4个隐藏层以及输出层；输入层包括15个节点；4个隐藏层分别包括11、9、7、5个节点；输出层包括3个节点，分别对应铲装重量、作业能耗、作业时间；

其中，归一化铲斗位置参数数据集中的各组个铲斗位置参数数据组的15个位移参数分别输入第一个隐藏层的各个节点中，由偏置和15个位移参数加权累加，并通过激活函数运算得到计算结果；其他隐藏层和输出层的各个节点均由偏置和上一层输出的所有数据加权累加，并通过激活函数运算得到计算结果；初始的数据权系数和偏置随机生成；