[发明专利]基于特征向量去正交化的用于线缆收卷的控制方法

说明书

本申请公开了一种基于特征向量去正交化的用于线缆收卷的控制方法，其以深度神经网络来挖掘线缆所施加的应力与是否应该停止线缆收卷之间的映射关系，并且为了避免过拟合，以去正交化处理来降低特征向量之间的相关性。

技术领域

本申请涉及人工智能领域，且更为具体地，涉及一种基于特征向量去正交化的用于线缆收卷的控制方法、基于特征向量去正交化的用于线缆收卷的控制系统和电子设备。

背景技术

在煤矿巷道中工作时，一般都会在煤矿巷道中架设绞车，通过绞车从而方便在煤矿巷道中收放线缆。随着煤矿作业的复杂性增加，现有的煤矿巷道中的绞车在使用的过程中，都会分层地对多股线缆进行收卷。

因为在对线缆进行收卷时，线缆的一端会固定在绞车上，即固定在收卷辊的外壁上，如果在收卷时不注意控制，则由收卷的线缆所施加的应力可能造成绞车的晃动，严重情况下还会导致绞车的翻覆，一方面影响工作进度，另一方面也会造成安全隐患。

因此，期望一种优化的用于煤矿巷道的绞车的线缆收卷控制的技术方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

近年来，深度学习以及神经网络的发展为线缆收卷控制提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于特征向量去正交化的用于线缆收卷的控制方法、基于特征向量去正交化的用于线缆收卷的控制系统和电子设备，其以深度神经网络来挖掘线缆所施加的应力与是否应该停止线缆收卷之间的映射关系，并且为了避免过拟合，以去正交化处理来降低特征向量之间的相关性。

根据本申请的一个方面，提供了一种基于特征向量去正交化的用于线缆收卷的控制方法，其包括：

获取待控制的第一收卷辊对应的线缆在当前时刻之前的预定时间段内的应力值并将所述预定时间内的应力值构造为第一应力向量；

将所述第一应力向量通过第一深度神经网络以获得第一特征向量；

获取当前时刻的其他多个收卷辊对应的线缆的应力值并将所述其他多个收卷辊对应的线缆的应力值构造为第二应力向量；

将所述第二应力向量通过第二深度神经网络以获得第二特征向量；

将所述第二特征向量进行去正交化处理以获得去正交化矩阵，其中，对所述第二特征向量进行去正交化处理，包括：将所述第二特征向量乘以其转置再减去单位矩阵；

将所述去正交化矩阵通过全连接层以转化为与所述第一特征向量具有相同维度的第三特征向量；

将所述第三特征向量与所述第一特征向量进行按元素点乘，以获得分类特征向量；以及

将所述分类特征向量通过分类函数以获得分类结果，所述分类结果用于表示是否控制所述第一收卷辊停止收卷线缆。

在上述基于特征向量去正交化的用于线缆收卷的控制方法中，获取待控制的第一收卷辊对应的线缆在当前时刻之前的预定时间段内的应力值并将所述预定时间内的应力值构造为第一应力向量，包括：将所述预定时间内的应力值进行归一化处理；以及，将归一化处理后的所述预定时间内的应力值以时间顺序进行排列以获得所述第一应力向量。

在上述基于特征向量去正交化的用于线缆收卷的控制方法中，获取当前时刻的其他多个收卷辊对应的线缆的应力值并将所述其他多个收卷辊对应的线缆的应力值构造为第二应力向量，包括：以相同归一化函数对所述其他多个收卷辊对应的线缆的应力值进行归一化处理；以及，将归一化处理后的所述其他多个收卷辊对应的线缆的应力值按照预定顺序进行排列，以获得所述第二应力向量。