[发明专利]一种大吨位装载机的识别、控制数字孪生系统

说明书

本发明公开了一种大吨位装载机的识别、控制数字孪生系统，涉及到机器学习与大数据挖掘技术、面向复杂机电智能化装备数字孪生技术，包括作业环境识别系统、数据扩容系统、孪生模型控制系统以及数据存储系统，其中作业环境识别系统主要是利用激光测距仪、图像传感器、位置传感器等功能器件进行大吨位装置作业环境的识别，将识别获得的数据进行筛选、过滤、分类等工作，获得有用的作业环境数据，数据扩容系统主要用来对当前获得的时序大数据、作业对象形貌大数据、设备形貌小样本数据与历史作业数据进行融合，形成融合多源信息的初始数据集，本发明能够对大吨位装载机的设计、监控、性能预测及全生命周期管理提供科学依据。

技术领域

本发明涉及机电装备数字孪生智能化监控技术领域，具体为一种大吨位装载机的识别、控制数字孪生系统。

背景技术

大吨位装载机广泛应用于矿山等重型用于装载的场合，具有速度快、机动性好、操作轻便等优点；随着人工智能技术的大力发展，用数字化的方式展现物理世界状态的数字孪生技术应运而生；数字孪生技术主要是以虚拟的环境对物理设备进行呈现和性能分析，具有研发成本低、周期短等优点，该技术已被诸多行业进行研制和应用；大吨位装载机通常作业环境复杂，正确快速的对大吨位装载机进行性能预测并实时规划出作业轨迹成为亟待解决的问题；运用数字孪生技术对大吨位装载机进行“识别-控制”模拟，有效的降低系统的作业能耗并提高其效率，对智能化、无人化的装载机研制具有重要意义。

发明内容

本发明要解决的技术问题是克服现有的缺陷，提供一种大吨位装载机的识别、控制数字孪生系统，能够实现大吨位装载机对作业周围环境的识别感知，还能够使大吨位装载机针对当前作业环境自适应的计算其自身的力学性能，规划出当前工况下的最佳装载轨迹，对大吨位装载机的设计、监控、性能预测及全生命周期管理提供科学依据，可以有效解决背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种大吨位装载机的识别、控制数字孪生系统，包括作业环境识别系统、数据扩容系统、孪生模型控制系统以及数据存储系统，其中作业环境识别系统主要是利用激光测距仪、图像传感器、位置传感器等功能器件进行大吨位装置作业环境的识别，将识别获得的数据进行筛选、过滤、分类等工作，获得有用的作业环境数据，数据扩容系统主要用来对当前获得的时序大数据、作业对象形貌大数据、设备形貌小样本数据与历史作业数据进行融合，形成融合多源信息的初始数据集，孪生模型控制系统是将大吨位装载机的物理模型采用高保真技术进行三维虚拟的映射，获得与物理状态性能一致的数字模型，基于融合多源信息的初始数据集，运用先进的群智能优化算法对大吨位装载机进行物理力学性能计算和评估，同时并规划出当前环境下的装载轨迹，数据存储系统是将获得的数据进行存储，并作为重要的重要的历史数据对后续大吨位装载的孪生体模型进行预测和优化提供数据依据。

进一步的，所述作业环境识别系统是包括激光测距仪、图像传感器、位置传感器、激光雷达、惯导传感单元的敏感度特性，建立强振动、大风沙等复杂环境下测量误差的传递模型，将获得的数据进行过滤、清洗等工作，基于最优空间合理布局方式和大尺度多视角点云数据的叠加融合方法，实现大吨位装载机复杂环境的快速重构。

进一步的，所述的数据扩容系统针对不同来源数据结构、类型显著不同的问题，采用逻辑判断法对数据进行转化，将时序数据分割为不同环境、工况的的识别分割，得到特征明显、有效的预处理初始数据集。

进一步的，所述的孪生模型控制系统包括大吨位装载机孪生模型的映射构建和先进群智能算法对装载轨迹的规划，所述的大吨位装载机孪生模型的映射构建是采用几何或物理特性的非均匀虚拟材料等效表征模型，基于实测数据的虚拟材料单元属性动态设置，建立与实测数据动态一致的大吨位装载机数字孪生模型，所述的先进群智能算法对装载轨迹的规划是采用先进的群智能优化方法对其力学性能进行评估，通过长短记忆神经网络等机器学习算法根据历史分析数据得到未来的数据，过构建数字模型对其进行优化，获得当前状态装载机的最佳装载轨迹。