【技术实现步骤摘要】
矿车驾驶等级识别模型训练方法、装置和终端设备
本专利技术涉及人工智能领域,尤其涉及一种矿车驾驶等级识别模型训练方法、装置和终端设备。
技术介绍
随着车联网和大数据技术的发展,工业互联网的蓬勃发展为工程机械的大数据分析和智能化管理带来发展机遇,矿区车队每天的工作路径相对固定,在相似的驾驶条件下,车队的不同矿车驾驶员的不同驾驶行为可能导致矿车的产能和耗油不同,目前,对矿车的产能统计均靠人工记录,即工作人员记录每一辆矿车固定时间段内的产能和耗油量,根据工作人员的记录,嘉奖高产出低油耗的驾驶员,警示低产出高油耗的驾驶员,能够为矿区降本增效。但是,人工记录不仅浪费人力财力,而且,存在伪造虚假记录的情况。
技术实现思路
鉴于上述内容,本专利技术提出一种矿车驾驶等级识别模型训练方法、装置和终端设备。本专利技术的一个实施例提出一种矿车驾驶等级识别模型训练方法,该训练方法包括:获取所述矿车的工况数据集;根据所述工况数据集内的各个工况数据样本确定多个工况矩阵训练样本;确定各个工况矩阵训练样本对应的驾驶等级标签;利用各个带有驾驶等级标签的工况矩阵训练样本训练所述矿车驾驶等级识别模型,直至所述矿车驾驶等级识别模型的损失函数收敛。上述的矿车驾驶等级识别模型训练方法,所述获取所述矿车的工况数据集,包括:按照所述工况数据集内的各个工况数据样本的采集时间先后顺序依次排列所述各个工况数据样本;若在连续采集时间内包括多条完全相同的工况数据样本,仅保留所述多条完全相同的工 ...
【技术保护点】
1.一种矿车驾驶等级识别模型训练方法,其特征在于,该训练方法包括:/n获取所述矿车的工况数据集;/n根据所述工况数据集内的各个工况数据样本确定多个工况矩阵训练样本;/n确定各个工况矩阵训练样本对应的驾驶等级标签;/n利用各个带有驾驶等级标签的工况矩阵训练样本训练所述矿车驾驶等级识别模型,直至所述矿车驾驶等级识别模型的损失函数收敛;/n所述确定各个工况矩阵训练样本对应的驾驶等级标签,包括:/n根据各个工况矩阵训练样本对应的驾驶员在预定工作时间内的总里程和总油耗确定对应的产出比;/n从预设的产出比与驾驶等级对照表中确定所述对应的产出比对应的驾驶等级标签。/n
【技术特征摘要】
1.一种矿车驾驶等级识别模型训练方法,其特征在于,该训练方法包括:
获取所述矿车的工况数据集;
根据所述工况数据集内的各个工况数据样本确定多个工况矩阵训练样本;
确定各个工况矩阵训练样本对应的驾驶等级标签;
利用各个带有驾驶等级标签的工况矩阵训练样本训练所述矿车驾驶等级识别模型,直至所述矿车驾驶等级识别模型的损失函数收敛;
所述确定各个工况矩阵训练样本对应的驾驶等级标签,包括:
根据各个工况矩阵训练样本对应的驾驶员在预定工作时间内的总里程和总油耗确定对应的产出比;
从预设的产出比与驾驶等级对照表中确定所述对应的产出比对应的驾驶等级标签。
2.根据权利要求1所述的矿车驾驶等级识别模型训练方法,其特征在于,所述获取所述矿车的工况数据集,包括:
按照所述工况数据集内的各个工况数据样本的采集时间先后顺序依次排列所述各个工况数据样本;
若在连续采集时间内包括多条完全相同的工况数据样本,仅保留所述多条完全相同的工况数据样本中的一条工况数据样本。
3.根据权利要求2所述的矿车驾驶等级识别模型训练方法,其特征在于,所述根据所述工况数据集内的各个工况数据样本确定多个工况矩阵训练样本,包括:
以预设的第一时间段作为第一时间窗口、预设的第一时长作为所述第一时间窗口的第一滑动时长,依次遍历所述工况数据集中的各个工况数据样本,所述第一时间窗口按照所述第一滑动时长每滑动一次确定一个第一工况数据子集;
以预设的第二时间段作为第二时间窗口、预设的第二时长作为所述第二时间窗口的第二滑动时长,依次遍历每一个第一工况数据子集中的各个工况数据样本,所述第二时间窗口按照所述第二滑动时长每滑动一次确定一个第二工况数据子集;
依次确定各个第一工况数据子集内的第二工况数据子集中的无效样本数目;
过滤去除所述无效样本数目大于预设的无效数目阈值的第二工况数据子集;
过滤去除第一工况数据子集内剩余的第二工况数据子集的数目小于预设的子集数目的第一工况数据子集;
依次确定剩余的各个第一工况数据子集内剩余的各个第二工况数据子集中的S个预定特征值,所述S个预定特征值组成1*S维的特征向量;
利用每一第一工况数据子集内与剩余的第二工况数据子集数目相同的1*S维的特征向量确定对应的工况矩阵训练样本。
4.根据权利要求3所述的矿车驾驶等级识别模...
【专利技术属性】
技术研发人员:赵淑婷,
申请(专利权)人:长沙树根互联技术有限公司,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。