纯电动智能立杆作业车的耗电量控制方法技术

本发明专利技术提供了一种纯电动智能立杆作业车的耗电量控制方法，包括如下步骤：采集所述纯电动智能立杆作业车在不同环境参数下的实际耗电数据形成数据集，根据环境参数对数据集进行分类，并将环境参数作为数据集的标签进行标注；将所述数据集送入深度学习模型进行训练，针对任意一次立杆作业，输入该次立杆作业下的环境参数，输出执行该次立杆作业所需的耗电量的预测值；构建电量控制模型，对使用工具所需电量及系统辅助电量进行优化，将耗电量的预测值代入所述电量控制模型，输出使用工具所需电量及系统辅助电量的最优解；基于得到的使用工具所需电量的最优解计算得到可保障完成的完整立杆作业工序。本申请采用模型可为立杆作业的执行提供决策依据。的执行提供决策依据。

【技术实现步骤摘要】
纯电动智能立杆作业车的耗电量控制方法


[0001]本专利技术属于电网施工
，具体涉及一种纯电动智能立杆作业车的耗电量控制方法。

技术介绍

[0002]立杆作业车，是电网施工过程中的新型设备，可以极大的提升电线杆的安装效率。立杆作业车的动力源仍是传统的燃油，存在油耗高、尾气排放大的缺点。随着纯电动力技术的发展，其相比于燃料，可以大幅降低油耗及尾气排放，将其应用于立杆作业车可以大幅降低施工成本，并且满足节能环保的发展理念。在执行立杆作业之前，施工电池的剩余电量能够满足完成立杆作业的要求是需要重点关注的问题。
[0003]相关技术中，对于电量的预测多是基于标准的施工环境来进行的，但是在实际应用中，施工环境的参数往往是多样的，施工环境的不同会带来耗电量的变化，例如黏质土的土体相比于砂质土更为紧实，在黏质土上施工的耗电量会明显大于砂质土的耗电量。不考虑施工环境对耗电量的影响，往往会使得电量的预测准确性不高，无法为立杆作业的决策提供良好的指导作用。
[0004]因此，有必要提供一种纯电动智能立杆作业车的耗电量控制方法，以解决上述
技术介绍
中提出的问题。

技术实现思路

[0005]本专利技术的目的是提供一种纯电动智能立杆作业车的耗电量控制方法，以输出不同环境参数下的耗电量，为立杆作业的执行提供决策依据。
[0006]为了解决上述技术问题，本申请是这样实现的：一种纯电动智能立杆作业车的耗电量控制方法，所述纯电动智能立杆作业车包括功能模块及施工电池，所述施工电池为所述功能模块供电，所述功能模块包括执行立杆作业的多种工具，所述纯电动智能立杆作业车的耗电量控制方法包括如下步骤：S1：采集所述纯电动智能立杆作业车在不同环境参数下的实际耗电数据形成数据集，根据环境参数对数据集进行分类，并将环境参数作为数据集的标签进行标注；S2：将所述数据集送入深度学习模型进行训练，针对任意一次立杆作业，输入该次立杆作业下的环境参数，输出执行该次立杆作业所需的耗电量的预测值；S3：构建电量控制模型，对使用工具所需电量及系统辅助电量进行优化，将耗电量的预测值代入所述电量控制模型，输出使用工具所需电量及系统辅助电量的最优解，所述电量控制模型表示为：
式中，表示执行立杆作业所需的实际耗电量；T表示一个完整的立杆作业周期，t表示立杆作业周期内的时间段；K表示工具集，i表示工具集内的工具；表示t时间段使用工具i所需的电量；表示一个立杆作业周期内切换工具i所消耗的非工作时长系数，表示工具i的t时间段启停状态变量，取值区间为[0,1]，表示使用工具i所需的系统辅助电量，表示工具对应的驱动电机启动电量，表示工具对应的驱动电机待机电量；、 分别表示耗电量的上限与下限；
[0007]S4：基于得到的使用工具所需电量的最优解计算得到可保障完成的完整立杆作业工序。
[0008]优选的，所述步骤S1中根据环境参数对数据集进行分类具体为：
[0009]根据执行立杆作业中的环境参数，对数据集内的平衡数据进行加权和降价，筛选出符合线性要求的子集训练决策树，并获得权重数据集，对权重数据集进行训练，利用数据相似度进行Softmax操作，输出子集的分类结果。
[0010]优选的，所述环境参数包括电线杆类型、孔洞深度、土壤情况、作业坡度及障碍物。
[0011]优选的，所述立杆作业车还包括机体、行走机构及行走电池，所述机体作为安装主体，用于安装所述行走机构、功能模块、施工电池及行走电池，所述行走机构用于所述立杆作业车整体的行走转移，所述行走电池用于向所述行走机构供电。
[0012]优选的，所述施工电池与所述行走电池电连接，在所述行走电池电量不足的情况下，可用于向所述行走电池供电。
[0013]优选的，所述工具包括挖斗、抓手、钻杆及振动夯，其中，所述钻杆用于在安装地面上钻取电线杆的立杆坑；所述挖斗用于在立杆前转移钻凿过程产生的废土，并在立杆后重新将废土转移至立杆坑回填压紧以固定电线杆；所述抓手用于抓取并转移电线杆；所述振动夯用于振动使回填土压紧。
[0014]本申请提供了纯电动智能立杆作业车的耗电量控制方法，采集所述纯电动智能立杆作业车在不同环境参数下的实际耗电数据形成数据集，将训练集送入深度学习模型进行训练，采用训练好的模型预测执行立杆作业所需的耗电量；构建电量控制模型，通过电量控制模型对使用工具所需的耗电量及系统辅助电量进行优化，输出实际耗电量的最小值，通过判断最小的实际耗电量与耗电量的预测值的大小，可以用于判别电池的电量能够满足执行立杆作业的需求，可以为立杆作业的执行提供决策依据；同时本申请还考虑了环境参数对耗电量的影响，使得电量的控制可以更加精确。
具体实施方式
[0015]下面将结合本申请实施例，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0016]本专利技术提供一种纯电动智能立杆作业车的耗电量控制方法，所述纯电动智能立杆作业车包括机体、行走机构、功能模块、行走电池及施工电池，所述机体作为安装主体，用于安装所述行走机构、功能模块、行走电池及施工电池，所述行走机构用于所述立杆作业车整体的行走转移，其可以选择为轮式结构、履带式结构或轮履复合式结构；所述功能模块用于执行立杆作业的施工过程，所述功能模块包括多种工具，所述工具包括挖斗、抓手、钻杆及振动夯，其中，所述钻杆用于在安装地面上钻取电线杆的立杆坑；所述挖斗用于在立杆前转移钻凿过程产生的废土，并在立杆后重新将废土转移至立杆坑回填压紧以固定电线杆；所述抓手用于抓取并转移电线杆；所述振动夯用于振动使回填土压紧。所述行走电池用于向所述行走机构供电，所述施工电池用于向所述功能模块供电。所述施工电池与所述行走电池电连接，在所述行走电池电量不足的情况下，可用于向所述行走电池供电，避免行走机构抛锚。采用双电池供电的方式，可以相互独立的对双电池进行电量的监控，保证电量监控的准确性。
[0017]所述耗电量预测方法包括如下步骤：S1：采集所述纯电动智能立杆作业车在不同环境参数下的实际耗电数据形成数据集，根据环境参数对数据集进行分类，并将环境参数作为数据集的标签进行标注。
[0018]所述步骤S1中根据环境参数对数据集进行分类具体为：根据执行立杆作业中的环境参数，对数据集内的平衡数据进行加权和降价，筛选出符合线性要求的子集训练决策树，并获得权重数据集，对权重数据集进行训练，利用数据相似度进行Softmax操作，输出子集的分类结果。
[0019]所述环境参数包括电线杆类型、孔洞深度、土壤情况、作业坡度及障碍物。所述环境参数的不同会带来耗电量的变化，将所述数据集中的数据按照环境参数划分决策树，可以得到在不同环境参数组合下的耗电量。
[0020]S2：将所述数据集送入深度学习模型进行训练，针对任意一次立杆作业，输入该次立杆作业下的环境参数，输出执行该次立杆作业所需的耗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种纯电动智能立杆作业车的耗电量控制方法，其特征在于，所述纯电动智能立杆作业车包括功能模块及施工电池，所述施工电池为所述功能模块供电，所述功能模块包括执行立杆作业的多种工具，所述纯电动智能立杆作业车的耗电量控制方法包括如下步骤：S1：采集所述纯电动智能立杆作业车在不同环境参数下的实际耗电数据形成数据集，根据环境参数对数据集进行分类，并将环境参数作为数据集的标签进行标注；S2：将所述数据集送入深度学习模型进行训练，针对任意一次立杆作业，输入该次立杆作业下的环境参数，输出执行该次立杆作业所需的耗电量的预测值；S3：构建电量控制模型，对使用工具所需电量及系统辅助电量进行优化，将耗电量的预测值代入所述电量控制模型，输出使用工具所需电量及系统辅助电量的最优解，所述电量控制模型表示为：；；式中，表示执行立杆作业所需的实际耗电量；T表示一个完整的立杆作业周期，t表示立杆作业周期内的时间段；K表示工具集，i表示工具集内的工具；表示t时间段使用工具i所需的电量；表示一个立杆作业周期内切换工具i所消耗的非工作时长，表示工具i的t时间段启停状态变量，取值区间为[0,1]，表示使用工具i所需的系统辅助电量，表示工具对应的驱动电机启动电量，表示工具对应的驱动电机待机电量；、 分别表示耗电量的上限与下限；S4：基于得到的使用工具所需电量的最优解计算得到可保障完成的完整立杆作业工序。2.根据权利要求1所述的纯电动智能立杆...

【专利技术属性】
技术研发人员：郝钰，范瑞祥，辛建波，潘建兵，邓志祥，戴宏亮，姚远，吴栋军，徐在德，安义，余杰，胡柳，周安，彭元庆，林生得，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：