[发明专利]一种钢包车停车系统及方法

说明书

本发明属于工业技术领域，具体提供了一种钢包车停车系统及方法，该方法包括如下步骤：获取多辆历史钢包车的历史车辆数据；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；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；解决了现有技术中钢包车停车不准，需要在到达处理位后通过人工进行位置调整，影响生产效率和生产节奏的问题，本发明的方法能够控制钢包车精准停车，避免人工调整、降低运维成本、提高设备的稳定性和生产效率。

技术领域

本发明属于工业技术领域，具体涉及一种钢包车停车系统及方法。

背景技术

钢铁冶炼过程中，钢包从吊包位被置于钢包车上，随钢包车一起行驶到多个工位完成冶炼作业。由于钢包车钢水重量的差异，惯性也不同；同时随着使用的时间，钢包车抱闸老化导致停车距离变长；行车轨道磨损或不平整等多种问题；以上多种原因使得钢包车停车位置不够精准。如果钢包车停车不准，需要在到达处理位后通过人工进行位置调整，因此钢包车精准停车直接影响生产效率和生产节奏。

公布号为CN105527963A，公布日为2016年4月27日的中国文献公开了一种侧方位停车方法及系统,属于车辆主动安全领域。该方法用于侧方位停车系统，包括：获取本车的车辆状态信息,车辆状态信息包括：本车在停车环境中的位置信息和目标车位在停车环境中的位置信息；根据车辆状态信息,采用机器学习算法确定离散停车行驶路径；对离散停车行驶路径进行曲线拟合，得到目标停车行驶路径；根据目标停车行驶路径控制本车完成侧方位停车。上述专利用于侧方位停车，解决了侧方位停车系统的稳定性较低，灵活性较差的问题，达到了提高侧方位停车系统的稳定性、灵活性的效果。并没有解决上述多种原因使得钢包车停车位置不够精准，需要在到达处理位后通过人工进行位置调整，影响生产效率和生产节奏的问题。

发明内容

本发明提供的一种钢包车停车系统及方法目的是克服现有技术中钢包车停车不准，需要在到达处理位后通过人工进行位置调整，影响生产效率和生产节奏的问题。

为此，本发明提供了一种钢包车停车方法，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。

优选的，所述机器学习算法采用基于Xgboost算法的机器学习算法。

优选的，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。

优选的，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。

优选的，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。