基于多维运行特征的挖掘机工作量识别方法和装置制造方法及图纸

本申请公开一种基于多维运行特征的挖掘机工作量识别方法和装置，通过从挖掘机车机终端接收多维运行特征时间序列，按照多个不同的时间窗口分别对多维运行特征时间序列进行切分，获得与多个不同的时间窗口分别对应的多个子时间序列，将多个子时间序列分别输入与多个不同的时间窗口分别对应的多个分类器进行分类，得到多个工作模式分类序列，对所述多个工作模式分类序列进行合并，得到挖掘机的合并工作模式分类序列，根据合并工作模式分类序列是否满足挖掘机的工作周期条件和工作量计算条件，确定挖掘机的实际工作量。本申请可以防止挖掘机工作量计算中的作弊行为，提高挖掘机工作量计算的准确性和可信度，有效节省实施成本。本。本。

【技术实现步骤摘要】
基于多维运行特征的挖掘机工作量识别方法和装置


[0001]本申请涉及计算机信息
，具体而言，涉及一种基于多维运行特征的挖掘机工作量识别方法和装置。

技术介绍

[0002]在建筑工地、矿产开采等作业现场，通常采用挖掘机和配套的工程运输车辆协同进行渣土、矿产等资源的挖掘和运输作业，需要对每台挖掘机的作业工作量进行准确计量。传统的挖掘机工作量计量方法使用人工计量的方式统计挖掘机工作量，无法防止挖掘机工作量计量中的作弊行为，导致作业现场的挖掘机工作量信息与实际情况严重不符，挖掘机工作量计量缺乏可信度。此外，现有方案还可以采用在作业现场布置视频采集设备，利用监控视频进行图像识别的手段来计算挖掘机工作量，但是这种方式需要布设覆盖作业现场范围的视频采集设备，成本高且挖掘机工作量计量的准确性也难以保证。因此，亟需一种改进的技术方案来解决上述问题。

技术实现思路

[0003]有鉴于此，本申请提出一种基于多维运行特征的挖掘机工作量识别方法和装置，可以适应不同型号挖掘机的复杂工作模式下的工作量自动处理需求，防止作业现场的挖掘机工作量计算中的作弊行为，提高挖掘机工作量计算的准确性和可信度，同时有效节省实施成本。
[0004]第一方面，本申请提出一种基于多维运行特征的挖掘机工作量识别方法，所述方法包括：从挖掘机车机终端接收多维运行特征时间序列，所述多维运行特征时间序列包括按照预定周期的时间戳顺序排列的挖掘机的多维运行特征数据；按照多个不同的时间窗口，分别对所述多维运行特征时间序列进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列，所述子时间序列包含以对应的时间窗口切分的一组多维运行特征数据段；将所述多个子时间序列分别输入多个分类器中的对应分类器进行分类，得到与所述多个子时间序列分别对应的挖掘机的多个工作模式分类序列，并对所述多个工作模式分类序列进行合并，得到挖掘机的合并工作模式分类序列；根据所述合并工作模式分类序列是否满足挖掘机的工作周期条件和工作量计算条件，确定所述挖掘机的实际工作量。
[0005]在一些实施方式中，所述方法包括：按照所述预定周期的时间戳采集挖掘机的多维运行特征时间序列的历史样本数据；按照所述多个不同的时间窗口分别对所述历史样本数据进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列样本集，所述子时间序列样本集包含以对应
的时间窗口切分的一组多维运行特征数据段样本以及与所述一组多维运行特征数据段样本对应的工作模式分类标签；分别以所述多个子时间序列样本集为训练集，基于有监督的神经网络模型分别训练与所述多个不同的时间窗口分别对应的所述多个分类器。
[0006]在一些实施方式中，所述按照多个不同的时间窗口，分别对所述多维运行特征时间序列进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列，所述子时间序列包含以对应的时间窗口切分的一组多维运行特征数据段，包括：按照多个不同的时间窗口，以对应的步长分别对所述多维运行特征时间序列进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列，使得所述多个子时间序列中每个子时间序列包含的一组多维运行特征数据段的数量相同。
[0007]在一些实施方式中，所述将所述多个子时间序列分别输入多个分类器中的对应分类器进行分类，得到与所述多个子时间序列分别对应的挖掘机的多个工作模式分类序列，并对所述多个工作模式分类序列进行合并，得到挖掘机的合并工作模式分类序列，包括：将所述多个子时间序列中每个子时间序列包含的一组多维运行特征数据段依次输入与所述每个子时间序列对应的时间窗口对应的分类器进行分类，得到与所述一组多维运行特征数据段对应的工作模式分类序列；获取所述多个子时间序列对应的多个工作模式分类序列中至少两个工作模式分类序列之间的重叠工作模式分类序列，得到挖掘机的合并工作模式分类序列。
[0008]在一些实施方式中，所述获取所述多个子时间序列对应的多个工作模式分类序列中至少两个工作模式分类序列之间的重叠工作模式分类序列，得到挖掘机的合并工作模式分类序列，包括：将所述重叠工作模式分类序列中的时间连续的同一工作模式分类进行合并处理， 得到所述挖掘机的合并工作模式分类序列。
[0009]在一些实施方式中，所述根据所述合并工作模式分类序列是否满足挖掘机的工作周期条件和工作量计算条件，确定所述挖掘机的实际工作量，包括：识别所述合并工作模式分类序列中包含指定工作模式和指定工作模式时序的连续工作周期， 得到包含所述连续工作周期的工作周期序列；确定所述工作周期序列中符合工作量计算条件的一组连续工作周期的起始工作周期和结束工作周期，确定为该挖掘机的一次合格的实际工作量。
[0010]在一些实施方式中，所述确定所述工作周期序列中符合工作量计算条件的一组连续工作周期的起始工作周期和结束工作周期，确定为该挖掘机的一次合格的实际工作量，包括：获得包含所述工作周期序列中的每个工作周期对应的时间戳信息的工作周期时间戳序列；获得所述工作周期时间戳序列对应的所述挖掘机的第一地理位置序列和关联的至少一辆运输车辆的第二地理位置序列；根据所述第一地理位置序列和第二地理位置序列呈现的所述挖掘机与所述至少一辆运输车辆中的同一运输车辆之间的持续邻近关系，确定所述工作周期序列中对应的一组连续工作周期的起始工作周期和结束工作周期，作为所述符合工作量计算条件的一组连
续工作周期的起始工作周期和结束工作周期。
[0011]在一些实施方式中，所述根据所述第一地理位置序列和第二地理位置序列呈现的所述挖掘机与所述至少一辆运输车辆中的同一运输车辆之间的持续邻近关系，确定所述工作周期序列中对应的一组连续工作周期的起始工作周期和结束工作周期，包括：根据所述第一地理位置序列和第二地理位置序列，获取所述工作周期时间戳序列中的所述挖掘机与所述至少一辆运输车辆中的同一运输车辆之间的地理位置距离持续低于预定阈值的区间序列；根据所述区间序列，获得所述工作周期序列中对应的一组连续工作周期的起始工作周期和结束工作周期。
[0012]在一些实施方式中，所述有监督的神经网络模型包括循环神经网络模型或者时间卷积神经网络模型。
[0013]第二方面，本申请还提出一种基于多维运行特征的挖掘机工作量识别装置，所述装置包括：运行特征获取单元，用于从挖掘机车机终端接收多维运行特征时间序列，所述多维运行特征时间序列包括按照预定周期的时间戳顺序排列的挖掘机的多维运行特征数据；时间序列切分单元，用于按照多个不同的时间窗口，分别对所述多维运行特征时间序列进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列，所述子时间序列包含以对应的时间窗口切分的一组多维运行特征数据段；时间序列分类单元，用于将所述多个子时间序列分别输入多个分类器中的对应分类器进行分类，得到与所述多个子时间序列分别对应的挖掘机的多个工作模式分类序列，并对所述多个工作模式分类序列进行合并，得到挖掘机的合并工作模式分类序列；工作量计算单元，用于根据所述合并工作模式分类序列是否满足挖掘机的工作周期条件和工作量计算条件，确定所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维运行特征的挖掘机工作量识别方法，其特征在于，所述方法包括：从挖掘机车机终端接收多维运行特征时间序列，所述多维运行特征时间序列包括按照预定周期的时间戳顺序排列的挖掘机的多维运行特征数据；按照多个不同的时间窗口，分别对所述多维运行特征时间序列进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列，所述子时间序列包含以对应的时间窗口切分的一组多维运行特征数据段；将所述多个子时间序列分别输入多个分类器中的对应分类器进行分类，得到与所述多个子时间序列分别对应的挖掘机的多个工作模式分类序列，并对所述多个工作模式分类序列进行合并，得到挖掘机的合并工作模式分类序列；根据所述合并工作模式分类序列是否满足挖掘机的工作周期条件和工作量计算条件，确定所述挖掘机的实际工作量。2.根据权利要求1所述的基于多维运行特征的挖掘机工作量识别方法，其特征在于，所述方法包括：按照所述预定周期的时间戳采集挖掘机的多维运行特征时间序列的历史样本数据；按照所述多个不同的时间窗口分别对所述历史样本数据进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列样本集，所述子时间序列样本集包含以对应的时间窗口切分的一组多维运行特征数据段样本以及与所述一组多维运行特征数据段样本对应的工作模式分类标签；分别以所述多个子时间序列样本集为训练集，基于有监督的神经网络模型分别训练与所述多个不同的时间窗口分别对应的所述多个分类器。3.根据权利要求2所述的基于多维运行特征的挖掘机工作量识别方法，其特征在于，所述按照多个不同的时间窗口，分别对所述多维运行特征时间序列进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列，所述子时间序列包含以对应的时间窗口切分的一组多维运行特征数据段，包括：按照多个不同的时间窗口，以对应的步长分别对所述多维运行特征时间序列进行切分，获得与所述多个不同的时间窗口分别对应的多个子时间序列，使得所述多个子时间序列中每个子时间序列包含的一组多维运行特征数据段的数量相同。4.根据权利要求3所述的基于多维运行特征的挖掘机工作量识别方法，其特征在于，所述将所述多个子时间序列分别输入多个分类器中的对应分类器进行分类，得到与所述多个子时间序列分别对应的挖掘机的多个工作模式分类序列，并对所述多个工作模式分类序列进行合并，得到挖掘机的合并工作模式分类序列，包括：将所述多个子时间序列中每个子时间序列包含的一组多维运行特征数据段依次输入与所述每个子时间序列对应的时间窗口对应的分类器进行分类，得到与所述一组多维运行特征数据段对应的工作模式分类序列；获取所述多个子时间序列对应的多个工作模式分类序列中至少两个工作模式分类序列之间的重叠工作模式分类序列，得到挖掘机的合并工作模式分类序列。5.根据权利要求4所述的基于多维运行特征的挖掘机工作量识别方法，其特征在于，所述获取所述多个子时间序列对应的多个工作模式分类序列中至少两个工作模式分类序列之间的重叠工作模式分类序列，得到挖掘机的合并工作模式分类序列，包括：
将所述重叠工作模式分类序列中的时间连续的同一工作模式分类进行合并处理， 得到...

【专利技术属性】
技术研发人员：李明亮，姜丽萍，朱新宇，李家伟，翟怡萌，杨成武，冶永锋，
申请(专利权)人：徐工汉云技术股份有限公司，
类型：发明
国别省市：