一种耙吸船智能挖掘工艺参数的计算方法技术

一种耙吸船智能挖掘工艺参数的计算方法，具体包括以下步骤：收集日报表和历史数据；统计施工数据范围；生成学习样本数据；计算神经网络；选取工艺参数。本发明专利技术通过搭建耙头角度、对地航速、波浪补偿器压力和下耙管角度等四个因素共同对泥浆密度、流速的模型，进一步求出产量最大化，通过产量模型反过来求出稳定、高效的施工工艺参数组合，最终指导耙吸船高效疏浚施工，填补国内关于智能寻找最优施工参数组合技术空白。

【技术实现步骤摘要】
一种耙吸船智能挖掘工艺参数的计算方法
本专利技术涉及耙吸挖泥船挖掘参数计算
，具体涉及一种耙吸船智能挖掘工艺参数的计算方法。
技术介绍
近几年，疏浚行业随着自动化集成技术的快速发展，特别是新造的耙吸挖泥船数据采集与监控系统日趋成熟，耙吸挖泥船繁多的传感器实现了数据采集、传输和本地存储功能；同时近两年，随着商用卫星宽带技术在移动耙吸挖泥船的成功应用，使得疏浚公司耙吸挖泥船的历史与实时数据得以远程传输并存储到岸基终端服务器上，因此施工企业具备了大量疏浚数据的资源。然而，已经积累的以及还在源源不断增加的疏浚数据，还只是停留在提供数据查阅或简单的数据统计分析层面，未真正实现施工数据深度分析、研究和利用层面上，疏浚施工数据资产的宝藏还未真正被发掘出来，并未成功地应用到生产实践过程中。通过一种耙吸船智能挖掘工艺参数数据库方法关键技术的研究，可实现实时在线分析施工工艺参数的关联性，及时发现有价值的施工参数组合，及时应用到疏浚施工中。根据施工边界条件及时提出变化要求，改变人工测试滞后的现状，提升施工效率及时间的有效利用率，降低能耗。<br>综上所述，国内本文档来自技高网...

【技术保护点】
1.一种耙吸船智能挖掘工艺参数的计算方法，其特征在于，包括以下步骤：/n步骤1：收集日报表和历史数据；/n步骤2：统计施工数据范围，将非施工时间段的数据舍弃，统计施工数据为：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，泥砂流速，泥砂密度；/n步骤3：生成学习样本数据，根据步骤2的数据类型将他们进行步进设置，根据施工数据范围和步进为依据进行分组，根据设置的门槛进行数据过滤，反推算耙头密度，最后对数据进行筛选；/n步骤4：计算神经网络，将步骤3的样本数据输入神经网络模型，输入层信号为：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，隐含层为4个隐层，输出层信号为流速...

【技术特征摘要】
1.一种耙吸船智能挖掘工艺参数的计算方法，其特征在于，包括以下步骤：
步骤1：收集日报表和历史数据；
步骤2：统计施工数据范围，将非施工时间段的数据舍弃，统计施工数据为：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，泥砂流速，泥砂密度；
步骤3：生成学习样本数据，根据步骤2的数据类型将他们进行步进设置，根据施工数据范围和步进为依据进行分组，根据设置的门槛进行数据过滤，反推算耙头密度，最后对数据进行筛选；
步骤4：计算神经网络，将步骤3的样本数据输入神经网络模型，输入层信号为：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，隐含层为4个隐层，输出层信号为流速和密度；
步骤5：选取工艺参数，选用误差小的神经网络来提取方案用的数据，对数据进行统计、划分区段及提取，最后在施工参数组合中选取。


2.根据权利要求1所述的一种耙吸船智能挖掘工艺参数的计算方法，其特征在于：所述步骤2中，非施工时间段的计算方法为：
pi＝ni/nzong，
式中，nzong为施工期间总点数，ni为各个区段的点数，pi为各个区段概率大小，pi>70％范围认为在有效施工数据范围内。


3.根据权利要求1所述的一种耙吸船智能挖掘工艺参数的计算方法，其特征在于：所述步骤3中，包括以下步骤，
步骤3.1：提取信号：对地航速，波浪补偿器压力，耙头角度，下耙管角度，泥泵吸口深度，对地航速、波浪补偿器压力、耙头角度、下耙管角度及泥泵吸口深度的步进分别为0.1、0.5、2、2、5进行设置，分组数量则是由施工数据范围和步进得到；
步骤3.2：数据过滤，第一层对施工时间段数据进行过滤，要求在指定的施工时间段内，第二层对施工数据进行过滤，要求对地航速>1kn且补偿器行程>0.1m，第三层对有效施工数据过滤，要求要在这之间且不包含设置值：泥浆密度(1.025,1.6)且流速(4.5,6)；
步骤3.3：反推，反推算耙头泥砂密度，该施工数据中密度是该段时间点流量计测得密度，由于施工密度存在时间延迟效益，根据公式耙管长...

【专利技术属性】
技术研发人员：张戟，郑金龙，石启正，张启亮，许洪文，李晟，朱时茂，杨春雷，闻长生，沈伟平，刘凯锋，焦鹏，陈旭，滕翔，周丙浩，谷祥瑞，
申请(专利权)人：中港疏浚有限公司，
类型：发明
国别省市：上海;31