【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及礦用電動輪自卸車牽引控制領(lǐng)域,尤其涉及一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法。
技術(shù)介紹
1、礦用電動輪自卸車是大型露天礦山開采和大規(guī)模土方建設(shè)中的關(guān)鍵運輸設(shè)備。作業(yè)特點是承載重,彎道多,頻繁上、下坡(下坡路面占總路面的20%-30%),車輛需要在啟動加速和減速制動之間不斷的切換行駛。在這個過程中,需要精確制動距離和大牽引功率在不同礦場環(huán)境的輸出，以確保不同礦場環(huán)境需求的穩(wěn)定和可靠。
2、現(xiàn)有的不同礦場環(huán)境礦用電動輪自卸車的狀態(tài)自適應控制方法僅僅是通過對礦用電動輪自卸車的牽引功率、制動距離參數(shù)進行自適應控制，來判斷大型不同礦場環(huán)境礦用電動輪自卸車的狀態(tài)；由于不同類型的不同礦場環(huán)境電機扭矩變化所引發(fā)的牽引功率或制動距離波動可能存在相似情況，因此無法快速的確定礦用電動輪自卸車的電機扭矩變化類型，以及對礦用電動輪自卸車制動的有效自適應控制，最終可能導致危險等緊急情況的發(fā)生，因此，亟需一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法。
技術(shù)實現(xiàn)思路
1、為解決上述技術(shù)問題，本專利技術(shù)提供一種利用多種牽引參數(shù)和超圖神經(jīng)網(wǎng)絡(luò)技術(shù)，實現(xiàn)了對大型不同礦場環(huán)境礦用電動輪自卸車狀態(tài)的自適應控制和電機扭矩變化調(diào)整，保證了礦場安全以及對礦用電動輪自卸車牽引系統(tǒng)實時準確監(jiān)控的大型不同礦場環(huán)境礦用電動輪自卸車的狀態(tài)自適應控制方法。
2、初始方面，本專利技術(shù)提供了一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，所述方法包括：
3、集成礦用電動輪自卸車的不同路況制動數(shù)據(jù)
4、所述礦用電動輪自卸車不同路況牽引參數(shù)包括礦用電動輪自卸車在運行過程中的牽引功率、制動距離、牽引速度、制動反應時間、牽引重量、制動方式和制動溫度；
5、其中，所述牽引功率和制動距離實時集成，所述牽引速度、制動反應時間、牽引重量、制動方式和制動溫度按預設(shè)車輛負載集成；
6、根據(jù)牽引參數(shù)檢測特性，對礦用電動輪自卸車不同路況牽引參數(shù)進行分類，獲得單位時間不同礦場環(huán)境牽引參數(shù)指標和牽引參數(shù)指標聚類結(jié)果，所述單位時間不同礦場環(huán)境牽引參數(shù)指標包括牽引功率和制動距離，所述牽引參數(shù)指標聚類結(jié)果包括牽引速度、制動反應時間、牽引重量、制動方式和制動溫度；
7、將單位時間不同礦場環(huán)境牽引參數(shù)指標、牽引參數(shù)指標聚類結(jié)果和對應的礦用電動輪自卸車不同路況電機扭矩變化類型上傳至超圖神經(jīng)網(wǎng)絡(luò)算法，建立自然環(huán)境狀況牽引效率監(jiān)控算法和非自然環(huán)境狀況牽引效率監(jiān)控算法；
8、其中，所述自然環(huán)境狀況牽引效率監(jiān)控算法的輸入為單位時間不同礦場環(huán)境牽引參數(shù)指標，輸出為非自然環(huán)境狀況牽引效率監(jiān)控算法的監(jiān)控矩陣；所述非自然環(huán)境狀況牽引效率監(jiān)控算法的輸入為牽引參數(shù)指標聚類結(jié)果和確定的監(jiān)控矩陣，輸出為礦用電動輪自卸車的電機扭矩變化類型；
9、在實際應用中，實時集成礦用電動輪自卸車的單位時間不同礦場環(huán)境牽引參數(shù)指標，并輸入至自然環(huán)境狀況牽引效率監(jiān)控算法中，獲得非自然環(huán)境狀況牽引效率監(jiān)控算法的監(jiān)控矩陣；
10、將非自然環(huán)境狀況牽引效率監(jiān)控算法的監(jiān)控矩陣與預設(shè)矩陣維度進行對比：
11、在監(jiān)控矩陣維度低于預設(shè)矩陣維度時，則無需集成牽引參數(shù)指標聚類結(jié)果，并繼續(xù)保持對單位時間不同礦場環(huán)境牽引參數(shù)指標的集成與分析；
12、在監(jiān)控矩陣維度等于或高于預設(shè)矩陣維度時，則集成牽引參數(shù)指標聚類結(jié)果，并將牽引參數(shù)指標聚類結(jié)果與監(jiān)控矩陣輸入至非自然環(huán)境狀況牽引效率監(jiān)控算法中，獲得礦用電動輪自卸車的電機扭矩變化類型。
13、進一步地，所述非自然環(huán)境狀況牽引效率監(jiān)控算法利用超圖神經(jīng)網(wǎng)絡(luò)模型進行訓練，表達式為：其中，表示牽引速度對電機扭矩變化類型判斷的誤差系數(shù)，為超圖卷積核，為卷積核參數(shù)，表示制動反應時間對電機扭矩變化類型判斷的誤差系數(shù)，為超圖卷積操作運算符，表示牽引重量對電機扭矩變化類型判斷的誤差系數(shù)，為超圖信號，為特征向量矩陣，表示制動方式對電機扭矩變化類型判斷的誤差系數(shù)，為矩陣的hadamard乘積，表示制動溫度對電機扭矩變化類型判斷的誤差系數(shù)，t表示矩陣的轉(zhuǎn)置運算。
14、進一步地，所述自然環(huán)境狀況牽引效率監(jiān)控算法的建立步驟為：
15、根據(jù)不同路況制動數(shù)據(jù)，整理礦用電動輪自卸車的不同路況牽引參數(shù)和對應的電機扭矩變化類型數(shù)據(jù)；
16、對單位時間不同礦場環(huán)境牽引參數(shù)指標進行處理和提取特征，將原始數(shù)據(jù)轉(zhuǎn)化為實用的特征，供超圖神經(jīng)網(wǎng)絡(luò)算法使用；
17、利用超圖神經(jīng)網(wǎng)絡(luò)算法，根據(jù)準備好的卷積數(shù)據(jù)，使用選定的算法進行模型卷積，并對模型進行參數(shù)調(diào)整；
18、在卷積完成后，提取模型的相關(guān)參數(shù)作為自然環(huán)境狀況牽引效率監(jiān)控算法的輸出。
19、進一步地，所述非自然環(huán)境狀況牽引效率監(jiān)控算法的建立步驟為：
20、根據(jù)不同路況制動數(shù)據(jù)，整理礦用電動輪自卸車的牽引參數(shù)指標聚類結(jié)果和對應的電機扭矩變化類型數(shù)據(jù)；
21、利用超圖神經(jīng)網(wǎng)絡(luò)模型進行訓練，將牽引參數(shù)指標聚類結(jié)果作為自變量，電機扭矩變化類型參數(shù)作為因變量，降低數(shù)據(jù)維度，并對模型進行卷積；
22、卷積完成后，通過非自然環(huán)境狀況牽引效率監(jiān)控算法來預測礦用電動輪自卸車的電機扭矩變化類型參數(shù)；非自然環(huán)境狀況牽引效率監(jiān)控算法的表達式為：其中，表示礦用電動輪自卸車的電機扭矩變化類型參數(shù)，表示噪聲矩陣，，，分別為項目嵌入矩陣通過變換得到的可學習的矩陣，對應于query、key和value，為多頭自注意力輸出位置的可學習矩陣，ln（layernorm）為層歸一化，output()為非自然環(huán)境狀況牽引效率，表示自注意力機制，、、、、分別表示牽引速度、制動反應時間、牽引重量、制動方式、制動溫度。
23、對不同路況制動數(shù)據(jù)進行超圖神經(jīng)網(wǎng)絡(luò)，計算電機扭矩變化類型參數(shù)與實際電機扭矩變化類型之間的皮爾遜相關(guān)系數(shù)。
24、進一步地，所述牽引參數(shù)指標聚類結(jié)果的數(shù)據(jù)采集方法，包括：
25、利用光學式速度傳感器監(jiān)測并采集礦用電動輪自卸車的牽引速度情況；基于紅外熱像儀監(jiān)控并采集礦用電動輪自卸車的制動反應時間；對礦用電動輪自卸車的制動溫度進行監(jiān)控與采集，分析溫度變化的峰值和波動區(qū)間；利用牽引力測試儀監(jiān)控并采集礦用電動輪自卸車產(chǎn)生的牽引重量信號；采用車機交互系統(tǒng)轉(zhuǎn)換礦用電動輪自卸車周圍的制動方式，并統(tǒng)計不同制動方式的效果。
26、進一步地，所述預設(shè)矩陣維度的預設(shè)影響原因包括天氣環(huán)境、路面坡度、牽引負載區(qū)間、路面平整度和負載種類。
27、另一方面，本申請還提供了一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法的操控界面，包括：信息庫集成界面，用于集成礦用電動輪自卸車的不同路況制動數(shù)據(jù)，所述不同路況制動數(shù)據(jù)包括不同的礦用電動輪自卸車不同路況電機扭矩變化類型以及電機扭矩變化發(fā)生前預設(shè)時間內(nèi)的礦用電動輪自卸車不同路況牽引參數(shù)；...
【技術(shù)保護點】
1.一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述非自然環(huán)境狀況牽引效率監(jiān)控算法利用超圖神經(jīng)網(wǎng)絡(luò)模型進行訓練，表達式為：
3.如權(quán)利要求2所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述非自然環(huán)境狀況牽引效率監(jiān)控算法的表達式為：其中，表示礦用電動輪自卸車的電機扭矩變化類型參數(shù)，表示噪聲矩陣，，，分別為項目嵌入矩陣通過變換得到的可學習的矩陣，對應于query、key和value，為多頭自注意力輸出位置的可學習矩陣，LN（LayerNorm）為層歸一化，output()為非自然環(huán)境狀況牽引效率，表示自注意力機制，、、、、分別表示牽引速度、制動反應時間、牽引重量、制動方式、制動溫度。
4.如權(quán)利要求2所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述自然環(huán)境狀況牽引效率監(jiān)控算法的建立步驟為：
5.如權(quán)利要求3所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述非自然環(huán)境狀況牽引效率監(jiān)控
6.如權(quán)利要求1所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述牽引參數(shù)指標聚類結(jié)果的數(shù)據(jù)采集方法，包括：利用光學式速度傳感器監(jiān)測并采集礦用電動輪自卸車的牽引速度情況；基于紅外熱像儀監(jiān)控并采集礦用電動輪自卸車的制動反應時間；對礦用電動輪自卸車的制動溫度進行監(jiān)控與采集，分析溫度變化的峰值和波動區(qū)間；利用牽引力測試儀監(jiān)控并采集礦用電動輪自卸車產(chǎn)生的牽引重量信號；采用車機交互系統(tǒng)轉(zhuǎn)換礦用電動輪自卸車周圍的制動方式，并統(tǒng)計不同制動方式的效果。
7.如權(quán)利要求1所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述預設(shè)矩陣維度的預設(shè)影響原因包括天氣環(huán)境、路面坡度、牽引負載區(qū)間、路面平整度和負載種類。
8.如權(quán)利要求1-7所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，該方法通過不同操控界面實現(xiàn)，包括：
...【技術(shù)特征摘要】
1.一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述非自然環(huán)境狀況牽引效率監(jiān)控算法利用超圖神經(jīng)網(wǎng)絡(luò)模型進行訓練，表達式為：
3.如權(quán)利要求2所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述非自然環(huán)境狀況牽引效率監(jiān)控算法的表達式為：其中，表示礦用電動輪自卸車的電機扭矩變化類型參數(shù)，表示噪聲矩陣，，，分別為項目嵌入矩陣通過變換得到的可學習的矩陣，對應于query、key和value，為多頭自注意力輸出位置的可學習矩陣，ln（layernorm）為層歸一化，output()為非自然環(huán)境狀況牽引效率，表示自注意力機制，、、、、分別表示牽引速度、制動反應時間、牽引重量、制動方式、制動溫度。
4.如權(quán)利要求2所述的一種礦用電動輪自卸車牽引系統(tǒng)自適應控制方法，其特征在于，所述自然環(huán)境狀況牽引效率監(jiān)控算法的建立步驟為：
5.如權(quán)利要...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳曉可，石踐，梁宵，石利，謝偉，譚啟，唐偉，汪健，劉旭，
申請(專利權(quán))人：湘潭開元機電制造有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。