[发明专利]一种基于深度学习训练模型的工程叉车迁移学习系统

权利要求书

1.一种基于深度学习训练模型的工程叉车迁移学习系统，其特征在于，包括中央处理模块，中央处理模块用于处理整个系统的数据信息，并发送指令命令到各个处理模块中，用于控制系统的各个处理模块；

数据采集模块，用于采集工程叉车的各类数据信息；

模型搭建模块，用于搭建深度学习训练模型；

训练学习模块，利用模型搭建模块所搭建的深度学习训练模型，结合数据采集模块所采集的叉车数据信息，将数据信息与深度学习训练模型相结合，实现对叉车的训练学习。

2.根据权利要求1所述的一种基于深度学习训练模型的工程叉车迁移学习系统，其特征在于，还包括有数据分析模块，对训练学习模块获得的学习数据进行统计，同时分析数据采集模块中所采集的物理数据信息，对比分析获得叉车实际使用的最优数据信息；

输出模块，对系统的数据信息结构进行输出。

3.根据权利要求2所述的一种基于深度学习训练模型的工程叉车迁移学习系统，其特征在于，数据采集模块包括物理数据采集和仿真数据采集，物理数据采集为真实环境下工程叉车在实际工作过程中各类数据信息的采集，仿真数据采集为计算机仿真环境下，工程叉车在仿真模拟状态下各类数据的采集。

4.根据权利要求3所述的一种基于深度学习训练模型的工程叉车迁移学习系统，其特征在于，数据采集模块采集工程叉车的能源损耗数据和能源回收数据，用于对工程叉车能源回收进行学习训练。

5.根据权利要求4所述的一种基于深度学习训练模型的工程叉车迁移学习系统，其特征在于，工程叉车能源回收包括叉车工作装置势能回收和叉车行走装置制动能回收。

6.根据权利要求2所述的一种基于深度学习训练模型的工程叉车迁移学习系统，其特征在于，数据采集模块采集工程叉车使用寿命数据，用于对工程叉车使用寿命进行学习训练，从而确定叉车易损件的更换时间。

7.根据权利要求1-6任一项所述的一种基于深度学习训练模型的工程叉车迁移学习系统，其特征在于，该迁移学习系统具体工作流程为：

第一阶段为工程叉车仿真训练阶段，利用工程叉车仿真软件仿真得到计算机仿真样本，采用计算机仿真样本对预设的深度学习训练模型进行训练，得到第一阶段深度学习训练模型；

第二阶段为物理样本训练阶段，将第一阶段深度学习训练模型与预设深度学习训练模型进行模型融合，采用物理样本对融合后的深度学习训练模型进行训练，得到第二阶段深度学习训练模型，其中物理样本为数据采集模块所采集的物理数据信息样本；

第三阶段为混合样本训练阶段，将第二阶段深度学习训练模型与预设深度学习训练模型进行模型融合，采用计算机仿真样本和物理样本混合得到混合样本对融合后的深度学习训练模型进行训练，得到最终的深度学习训练模型，训练过程结束。