[发明专利]地下矿运输作业状态识别方法、系统、存储介质及设备在审

专利信息
申请号: 202210905094.1 申请日: 2022-07-29
公开(公告)号: CN115330151A 公开(公告)日: 2022-11-11
发明(设计)人: 李宁;吴亚辉;毕建春;霍成全;王李管;王其洲;贾明滔;郭宇航;谭发坤 申请(专利权)人: 武汉理工大学
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/30;G06Q50/02;G06K9/62;G06N3/04;G06N3/08;G01D21/02
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 张辰
地址: 430070 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 地下 运输 作业 状态 识别 方法 系统 存储 介质 设备
【权利要求书】:

1.一种地下矿运输作业状态识别方法,所述方法包括以下步骤:

对运输卡车循环作业过程进行作业状态分类,基于作业状态分类进行识别状态判定,确定不同识别状态的特征参数;

根据识别状态的特征参数布置相应的数据采集传感器;

根据数据采集传感器采集的特征参数构建运输卡车作业状态识别模型;

将采集的特征参数组代入训练好的运输卡车作业状态识别模型中,根据作业状态识别模型识别的结果进行作业状态判断,并记录作业时间,直至运输卡车作业任务结束。

2.根据权利要求1所述的方法,其特征在于:所述对运输卡车循环作业过程进行作业状态分类,基于作业状态分类进行识别状态判定,通过以下步骤实施:

将作业状态分为6种不同的作业状态,分别为空车状态、重车状态、地表状态、地下状态、平路状态和斜坡道状态;根据其6种不同的作业状态,可将识别过程分为空车/重车状态识别、地表/地下状态识别、平路/斜坡道状态识别。

3.根据权利要求2所述的方法,其特征在于:所述确定不同识别状态的特征参数,包括:

对于空车/重车状态的识别,选取运输卡车的卡车压力、卡车胎压作为特征参数;对于地表/地下状态的识别,分别选取亮度、行车视距作为特征参数;对于平路/斜坡道状态的识别,选取运输卡车前后部承受的压力之差以及卡车车体倾角作为特征参数。

4.根据权利要求1所述的方法,其特征在于:所述根据识别状态的特征参数布置相应的数据采集传感器包括:

在运输卡车车头、车斗前端以及车斗后端底部受力位置安装压力传感器;在运输卡车车头部分安装红外传感测距仪,在运输卡车车头底部以及运输卡车车斗后端底部安装压力传感器,获取压力传感器数据。

5.根据权利要求1所述的方法,其特征在于:所述根据数据采集传感器采集的特征参数构建运输卡车作业状态识别模型包括以下步骤:

将运输卡车的作业状态分别用二进制数0和1表示,形成多个二进制数组成的数组;

根据运输卡车作业状态,采集每种作业状态下的各种特征参数值,得到每种作业状态下对应的特征参数组,即每一个二进制数组对应一组特征向量。

6.根据权利要求5所述的方法,其特征在于:所述构建运输卡车作业状态识别模型包括:

将采集的特征参数作为训练数据,以特征参数组作为输入、与作业状态对应的二进制数组作为输出,对概率神经网络进行训练,得到训练后的运输卡车作业状态智能识别模型。

7.根据权利要求1所述的方法,其特征在于:所述根据作业状态识别模型识别的结果进行作业工时判断包括,对作业工时进行自动采集,在作业状态第一次发生改变时开始计时,当作业状态再次发生改变时,停止计时并记录运行时间。

8.一种地下矿运输作业状态识别系统,应用于权利要求1-7任一所述的一种地下矿运输作业状态识别方法,其特征在于,包括数据采集单元、识别单元、计时单元和数据储存单元;其中,

数据采集单元,用于集成各传感器采集到的数据,并将同时采集的一组特征参数划为一个特征参数组;

识别单元,用于将数据采集单元的特征参数数据输入至训练完的运输卡车作业状态智能识别模型中,对运输卡车的当前状态进行识别;

计时单元,用于接收运输卡车作业状态智能识别模型的识别结果,并根据识别结果的变化实现计时的开始与停止,进而实现不同工作状态作业工时的自动采集;

数据储存单元,用于储存运输卡车作业状态智能识别模型的识别结果以及计时单元采集的各作业状态的作业工时数据。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一所述的一种地下矿运输作业状态识别方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一所述的一种地下矿运输作业状态识别方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210905094.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top