一种大吨位装载机自适应智能装载系统技术方案

本发明专利技术公开了一种大吨位装载机自适应智能装载系统，涉及到一种基于长短记忆神经网络、视觉分析以及结合历史数据联合驱动技术，包括视觉识别系统、数据采样与解码系统、数据融合系统、优化计算系统和存储系统，所述视觉识别系统利用激光雷达和3D扫描仪对装载机的作业环境进行快速识别，获取地形地貌数据，所述数据采样与解码系统是利用不同类型的传感器来获取多源异构数据，以太网将采集的数据传输到计算机进行解码并对其进行清洗和简化处理，所述数据融合系统是基于长短记忆网络等机器学习算法前次装载轨迹的结果和历史数据进行数据扩容，实现不同工况下数据的融合，对提高装载机作业效率、降低系统能耗具有重要意义。义。义。

【技术实现步骤摘要】
一种大吨位装载机自适应智能装载系统


[0001]本专利技术涉及装载机智能装载
，具体为一种大吨位装载机自适应智能装载系统。

技术介绍

[0002]随着智能化技术的发展，智能技术在机械领域中得到了广泛的应用并且取得了高速的发展；帮助诸多企业完成从产品研发、制造到后期运维的全生命周期管理。大吨位装载机是矿山开采中使用的吨位在10吨级以上的大型装载机设备，在我国的矿山开采系统中起着关键的作用，它具有机动性好，操作轻便等优点。复杂多变的作业环境和装载机庞大的自身结构在最小能耗下的运行参数设计和性能评估成为棘手问题；结合我国大吨位装载机的技术现状，目前对各生产要素的模拟、监测、分析等技术不是很完善，影响装载机性能的学科和参数众多，传统的分析和优化方法通常无法实现大吨位装载机自适应智能装载作业。运用提出的视觉分析与历史数据联合驱动技术可以实时规划出装载机的作业轨迹，该方法可以有效降低其系统工作能耗，同时对装载机的性能优化和故障检测具有重要意义。

技术实现思路

[0003]本专利技术要解决的技术问题是克服现有的缺陷，提供一种大吨位装载机自适应智能装载系统，实现对大吨位装载机的作业地形地貌进行识别和装载轨迹规划，可以有效解决
技术介绍
中的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种大吨位装载机自适应智能装载系统，包括视觉识别系统、数据采样与解码系统、数据融合系统、优化计算系统和存储系统，所述视觉识别系统利用激光雷达和3D扫描仪对装载机的作业环境进行快速识别，获取地形地貌数据，所述数据采样与解码系统是利用不同类型的传感器来获取多源异构数据，以太网将采集的数据传输到计算机进行解码并对其进行清洗和简化处理，所述数据融合系统是基于长短记忆网络等机器学习算法前次装载轨迹的结果和历史数据进行数据扩容，实现不同工况下数据的融合，所述优化计算系统是对当前融合后的工况进行最优装载轨迹规划，获得最佳的装载轨迹，所述存储系统是将当前装载轨迹数据和历史作业数据进行存储。
[0005]进一步的，所述觉识别系统主要是利用了基于双目视觉的3D视觉检测技术和激光雷达扫描，是一种通过机器学习模型结合摄影几何的约束拟合3D空间中的数据分布，双目视觉会构建出来额外得视觉信息，构建出场景信息，获得场景信息与数据信息之间的映射关系。
[0006]进一步的，所述数据采样与解码系统是将传感器采集到的数据通过蓝牙、 Wifi通讯技术传输至服务器，然后采用机器学习相关智能算法进行滤波有效处理，最大程度上减小数据传递的误差。
[0007]进一步的，所述数据融合系统充分考虑周围环境、矿岩参数以及装载机历史作业数据，使装载机能够辨识当前所处环境的装载条件，装载机控制系统通过分析历史作业数
据，在先进的群智能算法作用下，快速规划出当前的装载轨迹，同时将该数据进行存储，为后续的预测和规划提供数据基础。
[0008]进一步的，所述优化计算系统包括长短记忆神经网络、先进的群智能优化算法，针对装载机复杂的作业环境，建立虑及系统应力、振动频率、可靠性以及系统能耗的装载机装载轨迹列式，通过运用先前群智能优化算法，获得装载机自适应装载轨迹。
[0009]进一步的，所述存储系统为后续的诸多工况自适应装载轨迹规划研究提供数据基础。
[0010]与现有技术相比，本专利技术的有益效果是：
[0011]本专利技术不仅能够实现装载机装载轨迹的自适应控制，还能够保证装载机在装载过程中各零部件的应力均在许应应力范围以内，通过针对大吨位装载机进行自适应控制，可以使装载机在最佳性能下进行装载作业，有效提高了装载机的使用寿命，对装载机在全生命周期范围内进行运维管理具有重要意义。
附图说明
[0012]图1为本专利技术复杂工况下多源异构数据获取方法流程图；
[0013]图2为本专利技术装载轨迹快速规划过程示意图；
[0014]图3为本专利技术装载机自适应装载控制示意图。
具体实施方式
[0015]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。
[0016]实施例一
[0017]请参阅图1
‑
3，本专利技术提供一种技术方案：一种大吨位装载机自适应智能装载系统，包括视觉识别系统、数据采样与解码系统、数据融合系统、优化计算系统和存储系统，视觉识别系统利用激光雷达和3D扫描仪对装载机的作业环境进行快速识别，获取地形地貌数据，觉识别系统主要是利用了基于双目视觉的3D视觉检测技术和激光雷达扫描，是一种通过机器学习模型结合摄影几何的约束拟合3D空间中的数据分布，双目视觉会构建出来额外得视觉信息，构建出场景信息，获得场景信息与数据信息之间的映射关系，数据采样与解码系统是利用不同类型的传感器来获取多源异构数据，以太网将采集的数据传输到计算机进行解码并对其进行清洗和简化处理，数据采样与解码系统是将传感器采集到的数据通过蓝牙、Wifi通讯技术传输至服务器，然后采用机器学习相关智能算法进行滤波有效处理，最大程度上减小数据传递的误差，数据融合系统是基于长短记忆网络等机器学习算法前次装载轨迹的结果和历史数据进行数据扩容，实现不同工况下数据的融合，数据融合系统充分考虑周围环境、矿岩参数以及装载机历史作业数据，使装载机能够辨识当前所处环境的装载条件，装载机控制系统通过分析历史作业数据，在先进的群智能算法作用下，快速规划出当前的装载轨迹，同时将该数据进行存储，为后续的预测和规划提供数据基础，优化计算系统是对当前融合后的工况进行最优装载轨迹规划，获得最佳的装载轨迹，优化计算系统包括
长短记忆神经网络、先进的群智能优化算法，针对装载机复杂的作业环境，建立虑及系统应力、振动频率、可靠性以及系统能耗的装载机装载轨迹列式，通过运用先前群智能优化算法，获得装载机自适应装载轨迹，存储系统是将当前装载轨迹数据和历史作业数据进行存储，存储系统为后续的诸多工况自适应装载轨迹规划研究提供数据基础。
[0018]复杂工况下多源异构数据获取方法：在复杂多变的多层次体系作业环境中，矿岩三维形貌的识别主要依靠激光雷达获得的相对点云信息和惯导
‑
RTK 获得的绝对位姿信息。基于多传感器对不同尺度特征和不同区域形貌畸变的矿岩进行探测，建立单轴和多轴复合振动环境下的多传感技术的误差传递模型。为获得精确的RTK位置和姿态信息，将带有标记的数据发至惯导，精确计算出位姿变换矩阵。从获取的2D点云数据流中提取最佳的匹配参数，根据激光雷达的位姿信息，利用H∞鲁棒滤波方法和数据融合算法解算出高精度的三维形貌点云数据，构造点云特征球空间。
[0019]由于装载机尺寸较大，需要借助多个激光雷达协同工作才能获取足够的信息。基于多层次体系可靠分割技术，将雷达扫描的区域进行分割，并将多视图的数据进行叠加融合，研究点云数据量和离散精度的映射本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大吨位装载机自适应智能装载系统，包括视觉识别系统、数据采样与解码系统、数据融合系统、优化计算系统和存储系统，其特征在于：所述视觉识别系统利用激光雷达和3D扫描仪对装载机的作业环境进行快速识别，获取地形地貌数据，所述数据采样与解码系统是利用不同类型的传感器来获取多源异构数据，以太网将采集的数据传输到计算机进行解码并对其进行清洗和简化处理，所述数据融合系统是基于长短记忆网络等机器学习算法前次装载轨迹的结果和历史数据进行数据扩容，实现不同工况下数据的融合，所述优化计算系统是对当前融合后的工况进行最优装载轨迹规划，获得最佳的装载轨迹，所述存储系统是将当前装载轨迹数据和历史作业数据进行存储。2.根据权利要求1所述的一种大吨位装载机自适应智能装载系统，其特征在于：所述觉识别系统主要是利用了基于双目视觉的3D视觉检测技术和激光雷达扫描，是一种通过机器学习模型结合摄影几何的约束拟合3D空间中的数据分布，双目视觉会构建出来额外得视觉信息，构建出场景信息，获得场景信息与数据信息之间的映射关系。3.根据权利要求1所述的一种大吨位装载机自适...

【专利技术属性】
技术研发人员：原永亮，任建吉，王镇希，范俊锴，赵武，赵亮亮，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：