[发明专利]一种钢包车停车系统及方法

权利要求书

1.一种钢包车停车方法，其特征在于：包括如下步骤：

1)获取多辆历史钢包车的历史车辆数据；

2)根据历史车辆数据，通过机器学习算法进行模型训练，形成基础自学习模型，通过更改基础自学习模型的参数，获得准确性达到要求的基础自学习模型；

3)将当前钢包车的输入数据输入符合要求的基础自学习模型进行训练，获得当前钢包车的输出目标数据，根据当前钢包车的输出目标数据，完成当前钢包车的停车。

2.如权利要求1所述的钢包车停车方法，其特征在于：所述机器学习算法采用基于Xgboost算法的机器学习。

3.如权利要求1所述的钢包车停车方法，其特征在于：所述历史车辆数据包括历史钢包车起始位置数据、历史钢包车重量数据、历史钢包车行驶过程中的实时位置数据、历史停车误差补偿值和历史钢包车位置设定数据；

所述模型训练时的训练数据包括模型训练的历史输出目标数据和模型训练的历史输入数据；

所述历史停车误差补偿值和历史钢包车位置设定数据为模型训练的历史输出目标数据；

所述历史钢包车起始位置数据、历史钢包车重量数据、历史钢包车行驶过程中的实时位置数据为模型训练的历史输入数据。

4.如权利要求1所述的钢包车停车方法，其特征在于：所述通过机器学习算法进行模型训练，形成基础自学习模型的步骤为：将训练数据分为模型训练组和模型测试组，针对模型训练组运用最小化目标函数的方法找到最佳的参数组，形成基础自学习模型。

5.如权利要求4所述的钢包车停车方法，其特征在于：所述模型训练组数据和模型测试组数据的比例为10-5:1-4。

6.如权利要求4所述的钢包车停车方法，其特征在于：所述获得准确性达到要求的基础自学习模型的步骤为：将模型测试组输入基础自学习模型中，通过机器学习算法计算输出目标数据与真实输出目标数据的误差，根据误差更改基础自学习模型的参数，使其达到准确性要求。

7.一种钢包车停车系统，其特征在于，包括：

获取模块，用于获取多辆历史钢包车的历史车辆数据；

学习模块，用于根据历史车辆数据，通过机器学习算法进行模型训练，形成基础自学习模型，通过更改基础自学习模型的参数，获得准确性达到要求的基础自学习模型，再将当前钢包车的输入数据输入准确性达到要求的基础自学习模型进行训练，获得当前钢包车的输出目标数据；

停车模块，用于根据当前钢包车的输出目标数据，完成当前钢包车的停车。

8.如权利要求7所述的钢包车停车系统，其特征在于：

所述获取模块包括钢包车位置检测仪和钢包车重量检测仪，停车模块包括行车控制器、驱动器、执行机构和抱闸，学习模块第一路电连接钢包车位置检测仪，学习模块第二路电连接钢包车重量检测仪，学习模块第三路依次电连接行车控制器、驱动器、执行机构和抱闸，抱闸安装在钢包车上。

9.如权利要求8所述的钢包车停车系统，其特征在于：所述获取模块还包括数字滤波器，钢包车位置检测仪通过数字滤波器电连接学习模块。

10.如权利要求8所述的钢包车停车系统，其特征在于：所述停车模块的停车方法包括如下步骤：行车控制器接收学习模块的停车信号，将接收的信号发送至驱动器，驱动器向执行机构发送控制信号，执行机构接收控制信号并执行相应动作；抱闸用于钢包车的制动。