一种基于GPS和发动机数据的农机作业状态判断方法技术

本发明专利技术公开了一种基于GPS和发动机数据的农机作业状态判断方法，其特征在于：包括训练判别模型的方法S1、调用模型进行预测的方法S2和细化作业状态开始和结束时刻的方法S3；S1)训练判别模型的方法包括以下步骤：S11)获取车辆工作数据：采集农机处于作业状态、田间转移状态和怠速状态不同状态的GPS数据和发动机ECU数据，所述GPS数据包含农机瞬时速度、转向角度，本发明专利技术通过搜集农机不同作业状态的ECU和GPS数据，为每种数据进行标注，利用标注数据训练判别模型，进而用模型判别农机的作业状态；不依赖农机的GPS密度，避免GPS密度变化带来的判别误差；针对数据缺失的情况训练判断模型，避免数据缺失造成判断结果准确率下降。

A Method of Judging Agricultural Machinery Operation Status Based on GPS and Engine Data

【技术实现步骤摘要】
一种基于GPS和发动机数据的农机作业状态判断方法
本专利技术涉及智能农机设备
，具体为一种基于GPS和发动机数据的农机作业状态判断方法。
技术介绍
现代农业体系从人力和畜力为主转变为机械动力为主，最大的区别在于动力形式是否机械化。然而进一步提高农业机械化生产效率，则需要精耕细作，对机械动力实施精确控制、精准运用。农机作业状态与农机故障、传动系统效率、作业质量密切相关。准确识别农机的作业状态，对农机故障识别、农机传动系统、收割系统的改进设计有重要意义，对于实现精准农业、提升农机利用水平有重大价值。现有技术中，基于农机GPS数据密度的判别方法是：把GPS坐标通过UTM(UniversalTransverseMercatorProjection，通用横轴墨卡托投影)投影转换为平面坐标，用一定间隔将平面坐标切分为单元格，对单元格进行聚类，根据聚类的类别判断农机是否处于作业状态。这种方法需要根据农机作业速度等条件设置网格大小，网格大小直接影响到判断的准确度。当作业轨迹有重叠或GPS坐标密度差别较大时，此方法准确率较低。
技术实现思路
本专利技术要解决的技术问题是克服现有的缺陷，本专利技术通过搜集农机不同作业状态的ECU和GPS数据，为每种数据进行标注，利用标注数据训练判别模型，进而用模型判别农机的作业状态；不依赖农机的GPS密度，避免GPS密度变化带来的判别误差；针对数据缺失的情况训练判断模型，避免数据缺失造成判断结果准确率下降。为实现上述目的，本专利技术提供如下技术方案：一种基于GPS和发动机数据的农机作业状态判断方法，包括训练判别模型的方法S1、调用模型进行预测的方法S2和细化作业状态开始和结束时刻的方法S3；S1)训练判别模型的方法包括以下步骤：S11)获取车辆工作数据：采集农机处于作业状态、田间转移状态和怠速状态不同状态的GPS数据和发动机ECU数据，所述GPS数据包含农机瞬时速度、转向角度，ECU数据包含油耗、转速和油门开度；S12)对数据进行分段：对采集到的GPS数据和ECU数据按时间排序，把GPS数据和ECU数据分成每5分钟一段，对GPS和ECU数据的时间段索引进行合并；S13)计算数据的统计值：计算每小段的瞬时速度、油耗、转速和油门开度数据的均值、方差和标准差；S14)给数据打上标签：对每一小段数据以及计算得到的统计数值，按照已知的作业状态，打上数值标签，作业状态对应数字1，田间转移状态对应数字2；S15)用ECU和GPS数据训练模型：把数据分为训练集、测试集、验证集三部分；S16)把打好标签的数据进行归一化，使用线性核函数的支持向量机用训练数据进行训练并保存训练模型；按时间索引加5分钟的时间段获取GPS和ECU数据，对于同一时间段同时具有GPS和ECU数据的，使用GPS和ECU数据对支持向量机进行训练；S17)用单独数据训练模型：单独使用所有的GPS训练数据进行农机作业状态判断的支持向量机的训练并保存；S18)单独使用所有的ECU训练数据进行农机作业状态判断的支持向量机训练并保存；S19)用测试集进行测试，在准确率达到90％以上后停止训练；S110)调整支持向量机参数，提高结果准确度；S2)调用模型进行预测的方法包括以下步骤：S21)对新的需要判断农机作业状态的数据，从数据库获取GPS和ECU数据，把GPS数据和ECU数据进行5分钟的分段，合并GPS数据和ECU数据的索引；S22)计算每段GPS数据和ECU数据的方差、均值、标准差；S23)按照索引查询GPS数据和ECU数据,如时间段内只有GPS数据而无ECU数据，并且时间段内GPS速度均值大于0.5m/s，则用GPS支持向量机进行判断，如只有ECU数据而无GPS数据，则用ECU支持向量机进行判断，如有GPS数据和ECU数据，则用GPS和ECU支持向量机进行判断，结果得到每一段5分钟的数据一个工作状态的标签，作业状态对应1，田间转移状态对应状态2；S24)把时间索引和判断得到的分类标签合并，相同标签的连续时间索引合并，组成一个作业或转移的时间段；S3)细化作业状态开始和结束时刻的方法包括以下步骤：S31)细化原因：开始和结束作业的判断单位为5分钟，开始作业或结束作业的5分钟内可能同时存在作业和转移状态，因此进行细化；S32)细化步骤：S321)对于一段作业的时间，取其开始作业的时刻为T,将T后移5分钟，作为T1,然后T1以30秒为粒度向前递进，并向前、后各获取5分钟作为用于判断的时间段,分别为P1,P2,按照调用模型进行预测的方法步骤S21-S23进行预测，获取作业类别标签；S322)重复步骤1，直到P1和P2的作业类别标签出现不同，则此时所取的T1即为开始作业的时刻；S323)对结束作业的时刻进行步骤S321-S322的操作，把“后移5分钟”改为“向前移5分钟”，把“以30秒为粒度向前递进”改为“以30秒为粒度向后递进”，得到细化后结束作业的时刻T2。与现有技术相比，本专利技术通过搜集农机不同作业状态的ECU和GPS数据，为每种数据进行标注，利用标注数据训练判别模型，进而用模型判别农机的作业状态；不依赖农机的GPS密度，避免GPS密度变化带来的判别误差；针对数据缺失的情况训练判断模型，避免数据缺失造成判断结果准确率下降。附图说明图1为农机状态判别模型的训练方法的流程图；图2为调用模型进行作业状态判断的流程图；图3为细化作业开始时刻的流程图；图4为支持向量机根据数据特征判断农机作业状态示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-4，本专利技术提供一种技术方案：一种基于GPS和发动机数据的农机作业状态判断方法，包括训练判别模型的方法S1、调用模型进行预测的方法S2和细化作业状态开始和结束时刻的方法S3；S1)训练判别模型的方法包括以下步骤：S11)获取车辆工作数据：采集农机处于作业状态、田间转移状态和怠速状态不同状态的GPS数据和发动机ECU数据，所述GPS数据包含农机瞬时速度、转向角度，ECU数据包含油耗、转速和油门开度；S12)对数据进行分段：对采集到的GPS数据和ECU数据按时间排序，把GPS数据和ECU数据分成每5分钟一段，对GPS和ECU数据的时间段索引进行合并；S13)计算数据的统计值：计算每小段的瞬时速度、油耗、转速和油门开度数据的均值、方差和标准差；S14)给数据打上标签：对每一小段数据以及计算得到的统计数值，按照已知的作业状态，打上数值标签，作业状态对应数字1，田间转移状态对应数字2；S15)用ECU和GPS数据训练模型：把数据分为训练集、测试集、验证集三部分；S16)把打好标签的数据进行归一化，使用线性核函数的支持向量机用训练数据进行训练并保存训练模型；按时间索引加5分钟的时间段获取GPS和ECU数据，对于同一时间段同时具有GPS和ECU数据的，使用GPS和ECU数据对支持向量机进行训练；S17)用单独数据训练模型：单独使用所有的GPS训练数据进行农机作业状态判断的支持向量机的训练并保存；S本文档来自技高网...

【技术保护点】
1.一种基于GPS和发动机数据的农机作业状态判断方法，其特征在于：包括训练判别模型的方法S1、调用模型进行预测的方法S2和细化作业状态开始和结束时刻的方法S3；S1)训练判别模型的方法包括以下步骤：S11)获取车辆工作数据：采集农机处于作业状态、田间转移状态和怠速状态不同状态的GPS数据和发动机ECU数据，所述GPS数据包含农机瞬时速度、转向角度，ECU数据包含油耗、转速和油门开度；S12)对数据进行分段：对采集到的GPS数据和ECU数据按时间排序，把GPS数据和ECU数据分成每5分钟一段，对GPS和ECU数据的时间段索引进行合并；S13)计算数据的统计值：计算每小段的瞬时速度、油耗、转速和油门开度数据的均值、方差和标准差；S14)给数据打上标签：对每一小段数据以及计算得到的统计数值，按照已知的作业状态，打上数值标签，作业状态对应数字1，田间转移状态对应数字2；S15)用ECU和GPS数据训练模型：把数据分为训练集、测试集、验证集三部分；S16)把打好标签的数据进行归一化，使用线性核函数的支持向量机用训练数据进行训练并保存训练模型；按时间索引加5分钟的时间段获取GPS和ECU数据，对于同一时间段同时具有GPS和ECU数据的，使用GPS和ECU数据对支持向量机进行训练；S17)用单独数据训练模型：单独使用所有的GPS训练数据进行农机作业状态判断的支持向量机的训练并保存；S18)单独使用所有的ECU训练数据进行农机作业状态判断的支持向量机训练并保存；S19)用测试集进行测试，在准确率达到90％以上后停止训练；S110)调整支持向量机参数，提高结果准确度；S2)调用模型进行预测的方法包括以下步骤：S21)对新的需要判断农机作业状态的数据，从数据库获取GPS和ECU数据，把GPS数据和ECU数据进行5分钟的分段，合并GPS数据和ECU数据的索引；S22)计算每段GPS数据和ECU数据的方差、均值、标准差；S23)按照索引查询GPS数据和ECU数据,如时间段内只有GPS数据而无ECU数据，并且时间段内GPS速度均值大于0.5m/s，则用GPS支持向量机进行判断，如只有ECU数据而无GPS数据，则用ECU支持向量机进行判断，如有GPS数据和ECU数据，则用GPS和ECU支持向量机进行判断，结果得到每一段5分钟的数据一个工作状态的标签，作业状态对应1，田间转移状态对应状态2；S24)把时间索引和判断得到的分类标签合并，相同标签的连续时间索引合并，组成一个作业或转移的时间段；S3)细化作业状态开始和结束时刻的方法包括以下步骤：S31)细化原因：开始和结束作业的判断单位为5分钟，开始作业或结束作业的5分钟内可能同时存在作业和转移状态，因此进行细化；S32)细化步骤：S321)对于一段作业的时间，取其开始作业的时刻为T,将T后移5分钟，作为T1,然后T1以30秒为粒度向前递进，并向前、后各获取5分钟作为用于判断的时间段,分别为P1,P2,按照调用模型进行预测的方法步骤S21‑S23进行预测，获取作业类别标签；S322)重复步骤1，直到P1和P2的作业类别标签出现不同，则此时所取的T1即为开始作业的时刻；S323)对结束作业的时刻进行步骤S321‑S322的操作，把“后移5分钟”改为“向前移5分钟”，把“以30秒为粒度向前递进”改为“以30秒为粒度向后递进”，得到细化后结束作业的时刻T2。...

【技术特征摘要】
1.一种基于GPS和发动机数据的农机作业状态判断方法，其特征在于：包括训练判别模型的方法S1、调用模型进行预测的方法S2和细化作业状态开始和结束时刻的方法S3；S1)训练判别模型的方法包括以下步骤：S11)获取车辆工作数据：采集农机处于作业状态、田间转移状态和怠速状态不同状态的GPS数据和发动机ECU数据，所述GPS数据包含农机瞬时速度、转向角度，ECU数据包含油耗、转速和油门开度；S12)对数据进行分段：对采集到的GPS数据和ECU数据按时间排序，把GPS数据和ECU数据分成每5分钟一段，对GPS和ECU数据的时间段索引进行合并；S13)计算数据的统计值：计算每小段的瞬时速度、油耗、转速和油门开度数据的均值、方差和标准差；S14)给数据打上标签：对每一小段数据以及计算得到的统计数值，按照已知的作业状态，打上数值标签，作业状态对应数字1，田间转移状态对应数字2；S15)用ECU和GPS数据训练模型：把数据分为训练集、测试集、验证集三部分；S16)把打好标签的数据进行归一化，使用线性核函数的支持向量机用训练数据进行训练并保存训练模型；按时间索引加5分钟的时间段获取GPS和ECU数据，对于同一时间段同时具有GPS和ECU数据的，使用GPS和ECU数据对支持向量机进行训练；S17)用单独数据训练模型：单独使用所有的GPS训练数据进行农机作业状态判断的支持向量机的训练并保存；S18)单独使用所有的ECU训练数据进行农机作业状态判断的支持向量机训练并保存；S19)用测试集进行测试，在准确率达到90％以上后停止训练；S110)调整支持向量机参数，提高结果准确度；S2)调用模型进行预测的方法包括以下...

【专利技术属性】
技术研发人员：李盈盈，冯云鹤，王志端，李松松，
申请(专利权)人：洛阳智能农业装备研究院有限公司，
类型：发明
国别省市：河南,41