矿车驾驶等级识别模型训练方法、装置和终端设备制造方法及图纸

本发明专利技术实施例公开了矿车驾驶等级识别模型训练方法、装置和终端设备，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。本发明专利技术的技术方案可以训练获得矿车驾驶等级识别模型，利用矿车驾驶等级识别模型可以根据工况数据自动确定矿车驾驶等级，利用矿车驾驶等级识别模型，能够为矿区降本增效，节省人力财力。

【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况数据样本中的一条工况数据样本。本专利技术的另一个实施例所述的矿车驾驶等级识别模型训练方法，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。本专利技术实施例所述的矿车驾驶等级识别模型训练方法，所述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，包括：确定所述剩余的第二工况数据子集数目是否等于预设的个数阈值；若所述剩余的第二工况数据子集数目小于所述个数阈值，则利用预定填充样本填充对应的第一工况数据子集至所述剩余的第二工况数据子集数目等于所述个数阈值，以保证所述对应的工况矩阵训练样本的维度为个数阈值*S。本专利技术实施例所述的矿车驾驶等级识别模型训练方法，所述S个预定特征值中包括矿车产量均值和矿车耗油均值，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。本专利技术实施例所述的矿车驾驶等级识别模型训练方法，所述损失函数利用以下公式确定：，Llog表示损失值，K表示所述驾驶等级标签的总类别数，N表示工况矩阵训练样本的总本数，yi,k是第i个工况矩阵训练样本的第k类驾驶等级标签，pi,k是第i个工况矩阵训练样本属于第k类驾驶等级标签的预测概率。本专利技术再一个实施例提出一种矿车驾驶等级识别模型训练装置，该训练装置包括：工况数据集获取模块，用于获取所述矿车的工况数据集；矩阵训练样本确定模块，用于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；驾驶等级标签确定模块，用于确定各个工况矩阵训练样本对应的驾驶等级标签；识别模型训练模块，用于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。本专利技术实施例提出一种矿车驾驶等级识别方法，将矿车的工况数据集输入利用本专利技术实施例所述的矿车驾驶等级识别模型训练方法获得的矿车驾驶等级识别模型进行矿车驾驶等级识别。本专利技术实施例提出一种终端设备，包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器上运行时本专利技术实施例所述的矿车驾驶等级识别模型训练方法或本专利技术实施例所述的矿车驾驶等级识别方法。本专利技术实施例提出一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行本专利技术实施例所述的矿车驾驶等级识别模型训练方法或本专利技术实施例所述的矿车驾驶等级识别方法。本专利技术公开的矿车驾驶等级识别模型训练方法包括：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。本专利技术的技术方案可以训练获得矿车驾驶等级识别模型，利用矿车驾驶等级识别模型可以根据工况数据自动确定矿车驾驶等级，利用矿车驾驶等级识别模型，能够为矿区降本增效，节省人力财力。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。图1示出了本专利技术的一个实施例提出的一种矿车驾驶等级识别模型训练方法的流程示意图；图2示出了本专利技术的一个实施例提出的一种确定多个工况矩阵训练样本方法的流程示意图；图3示出了本专利技术的一个实施例提出的一种矿车驾驶等级识别模型训练装置的结构示意图。主要元件符号说明：1-矿车驾驶等级识别模型训练装置；10-工况数据集获取模块；20-矩阵训练样本确定模块；30-驾驶等级标签确定模块；40-识别模型训练模块。具体实施方式下面将结合本专利技术实施例中附图，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。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本文档来自技高网...

【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